Crearea de structuri mari de date gestionabile - dummy

Pe măsură ce calculul a fost mutat pe piața comercială, datele au fost stocate în fișiere plate care nu impuneau nicio structură. Astăzi, datele mari necesită structuri de date gestionabile. Când companiile trebuiau să ajungă la un nivel de înțelegere detaliată despre clienți, au trebuit să aplice metode de forță brute, inclusiv modele de programare foarte detaliate pentru a crea o anumită valoare.

Mai târziu, în anii 1970, lucrurile s-au schimbat odată cu inventarea modelului relațional de date și a sistemului de gestionare a bazelor de date relaționale (RDBMS) care a impus structura și o metodă de îmbunătățire a performanței. Cel mai important, modelul relațional a adăugat un nivel de abstractizare, astfel încât a fost mai ușor pentru programatori să satisfacă cerințele afacerii în creștere pentru a extrage valoarea din date.

Modelul relațional a oferit un ecosistem de instrumente de la un număr mare de companii de software emergente. Acesta a acoperit o nevoie tot mai mare de a ajuta companiile să își organizeze mai bine datele și să poată compara tranzacțiile de la o geografie la alta.

În plus, a ajutat managerii de afaceri care doresc să fie capabili să examineze informații precum inventarul și să le compare cu informațiile despre comenzile clienților în scopul luării deciziilor. Dar a apărut o problemă din această cerere explodabilă de răspunsuri: stocarea acestui volum tot mai mare de date a fost costisitoare și accesarea a fost lentă. Înrăutățirea situației, au existat numeroase dublări de date, iar valoarea reală a acestor date a fost greu de măsurat.

Atunci când volumul de date pe care organizațiile trebuie să le gestioneze nu a fost controlat, depozitul de date a furnizat o soluție. Depozitul de date a permis organizației IT să selecteze un subset al datelor stocate, astfel încât să fie mai ușor pentru întreprindere să încerce să obțină informații.

Depozitul de date a fost destinat să ajute companiile să se ocupe de cantități din ce în ce mai mari de date structurate pe care ar fi trebuit să le poată analiza prin reducerea volumului de date la ceva mai mic și mai concentrat pe o anumită zonă a afacerii. Acesta a completat necesitatea de a separa procesarea suportului decizional operațional și suportul decizional - din motive de performanță.

Depozitele stochează adesea date din anii anteriori pentru a înțelege performanța organizațională, pentru a identifica tendințele și a ajuta la expunerea modelelor de comportament. De asemenea, a furnizat o sursă integrată de informații din diferite surse de date care ar putea fi utilizate pentru analiză. Astăzi, atât sistemele de gestionare a conținutului, cât și depozitele de date sunt capabile să profite de îmbunătățirile în scalabilitatea hardware-ului, de tehnologiile de virtualizare și de capacitatea de a crea sisteme hardware și software integrate.

Uneori, aceste depozite de date erau prea complexe și mari și nu oferă viteza și agilitatea pe care le-a cerut afacerea. Răspunsul a fost o rafinare ulterioară a datelor gestionate prin intermediul datelor. Aceste date mart au fost axate pe probleme de afaceri specifice și au sprijinit nevoia de afaceri pentru întrebări rapide. Depozitul a evoluat pentru a susține tehnologiile emergente, cum ar fi sistemele integrate și aparatele de date.

Depozitele de date și martorurile de date au rezolvat multe probleme pentru companiile care au nevoie de o modalitate consecventă de gestionare a datelor tranzacționale masive. Dar când a fost vorba de gestionarea unor volume imense de date nestructurate sau semi-structurate, depozitul nu a reușit să evolueze suficient pentru a răspunde cerințelor în schimbare.

Pentru a complica problemele, depozitele de date sunt de obicei alimentate în intervale de șarje, de obicei săptămânal sau zilnic. Acest lucru este bine pentru planificare, raportare financiară și campanii de marketing tradiționale, dar este prea lent pentru mediile de afaceri și consumatorii din ce în ce mai în timp real.

Cum ar putea societățile să își transforme abordările tradiționale de gestionare a datelor pentru a face față volumului extins de elemente de date nestructurate? Soluția nu a ieșit peste noapte. Întrucât companiile au început să stocheze date nestructurate, vânzătorii au început să adauge capabilități precum BLOB (obiecte binare mari).

În esență, un element de date nestructurat ar fi stocat într-o bază de date relațională ca o singură bucată concomitentă de date. Acest obiect ar putea fi etichetat, dar nu ați putea vedea ce a fost în interiorul obiectului respectiv. În mod clar, acest lucru nu va rezolva schimbarea nevoilor clienților sau ale afacerilor.

Introduceți sistemul de gestionare a bazelor de date obiect (ODBMS). Baza de date cu obiecte a stocat BLOB-ul ca un set adresabil de piese astfel încât să puteți vedea ce era acolo. Spre deosebire de BLOB, care a fost o unitate independentă anexată la o bază de date relațională tradițională, baza de date cu obiecte a oferit o abordare unificată pentru tratarea datelor nestructurate.

Bazele de date obiect includ un limbaj de programare și o structură pentru elementele de date, astfel încât să fie mai ușor de manipulat diferite obiecte de date fără programare și conexiuni complexe. Bazele de date obiect au introdus un nou nivel de inovare care a ajutat la al doilea val de gestionare a datelor.