Arkitekturer för datalager

Koncept för datalager

Aaren Stubberfield

Data Scientist

Inmon – uppifrån och ned

Bild på ikon för datalager

Inmon – uppifrån och ned

Bild på ikon för datalager

Måste bestämmas i förväg:

Alla datadefinitioner, rensning och affärsregler
Innan data läggs in i lagret

Inmon – uppifrån och ned

Bild på två databasikoner med pilar som pekar mot en pil märkt ETL, som i sin tur pekar mot en ikon för datalager

Inmon – uppifrån och ned

Bild på två databasikoner med pilar mot ETL-pil, som pekar mot datalagerikon med pilar mot två datamartikoner, som i sin tur pekar mot en person vid dator, en rapportikon och ett förstoringsglas

För- och nackdelar med uppifrån-och-ned

Fördelar:

En enda källa till sanning för organisationen
Normalisering = mindre lagringsutrymme
Enkelt att ändra datamartar för ny rapportering

Nackdelar:

Fler kopplingar = långsammare svarstid
Omfattande förarbete
- Högre startkostnad

Kimball – nerifrån och upp

Bild på två databasikoner med pilar mot en ETL-pil och pilar mot två datamartikoner

Denormaliserar data
Fokus på avdelningens datamart
Data flödar direkt från ETL till datamartar

Kimball – nerifrån och upp

Bild på två databasikoner med pilar mot ETL-pil och pilar mot två datamartikoner, som pekar mot en datalagerikon med pilar mot en person vid dator, en rapportikon och ett förstoringsglas

För- och nackdelar med nerifrån-och-upp

Fördelar:

Snabb utveckling initialt
- Lägre startkostnad
Denormaliserat = användarvänligt

Nackdelar:

Längre ETL-bearbetningstid
Större risk för duplicerad data
Löpande utveckling krävs

Nu kör vi en övning!

Koncept för datalager