2012-11-00 33
OLTP OLAP
Mostly updates
Many small transactions Mb-Tb of data
Raw data
Clerical users Up-to-date data
Consistency, recoverability critical
Mostly reads
Queries long, complex Gb-Tb of data
Summarized, consolidated data Decision-makers, analysts
Historical data
Integration critical
ERP 업무처리의 대부분
예: 은행거래 (입출금, 이체), 주문처리 등
최근 3년간 강남지역의 매출액 추세 ? 지역별/상품별 매출액은 ?
지역별/상품별/년도별 매출액은 ?
지역별/상품별/특정년도의 월별 매출액?
BI 구축 방안
• 전사적 공감대의 형성
– 데이터가 전사적으로 다양한 부서에서 추출되고 통합 분석되어야 하며, 분석 결과가 해당 부서에서 활용되어 지능 높은 비즈니스로 연결되어야 함
• 현업 요구 사항에 대한 단계별 수용
– DW가 한꺼번에 모든 문제를 해결할 것이라는 지나친 기대는 금물
– 단계별로 Pilot 시스템 구축 =>사용 => 평가 및 feedback 과정을 반복하여 점진적으로 최적화됨
• Business-Oriented
– 기술적 문제보다 business 전략에 초점을 맞추는 것이 중요하며, 기존 시스 템에서 불가능한 비즈니스 전략을 보여주어야 함
– DW 구축 안이 business 부서에서 나와야 하며, 주관부서를 명확히 해야 함
– “분석을 위한 분석”으로 전락하는 것을 경계해야 하며, 구축 대상이 되는 업 무 영역이 명확해야 함
2012-11-00 34
BI 구축 방안
• 시스템 측면의 유의사항
– 데이터의 quality 보장방안 수립
– 데이터 (과거 데이터와 외부 데이터까지 포함)와 사용자 증가로 인한 성능 고려
– 사용자의 정보조회 유형의 변경과 확대를 고려 (유연성 => 구 축보다는 도구 활용)
– 부하가 큰 ETL 부분 (운영시스템 성능저하) 최적 자동화 방안
– 시스템 구축 이후에도 전담 팀의 유지
개발된 시스템의 평가와 지속적인 개선
IT팀/Business팀 사이의 communication 채널
2012-11-00 35
BI 구축 방안
• BI 구축의 접근방법
– EXCEL 기반 (구식)
– Relational Database 기반
의사결정용 데이타베이스 구축과 분석 프로그램 작성 – BI tool 기반
부서별로 Data marts 구축 => Enterprise DW 통합구축
EDW 설계 및 구축 => Data marts 구축
– 기간, 초기 비용, 위험요소, 분석의 난이도 등을 고려하여 결정함
2012-11-00 36
BI 구축 방안
• Excel-based approach
– 담당자만이 이해 가능한 모델 (예: 수십 개의 엑셀 sheet가 복잡 한 수식으로 연결되어 있음)
– BI 업무의 특성상 프로세스 단계별 조정 사항이 매우 빈번하며, 수작업 프로세스로 인한 처리비용 증가 (시간, 정확도, 인력 등)
– 데이터 공유가 어려우며, 타 시스템과의 인터페이스도 어려움
– 구조 변경의 요구사항에 대처하기 어려움 (예: 조직의 변경, 제 품의 추가)
– 깊이 있는(상세 레벨) 분석모델을 운영하기 어려움(예: 지점별, 상품별,월별 매출액 등 다차원 분석)
2012-11-00 37
Multidimensional Data Model
2016.06
충북대학교 조 완섭
비즈니스 인텔리전스
목차
• 다차원모델
• Cube Operators
• Star Schema
• 실무사례
2012-11-00 39
다차원 모델
• 다차원 배열 구조(cube)로 DW 데이터 저장, 관리
2012-11-00 40
Time (quarter)
Item (types)
TV …..
Computer Phone Car
Vancouver
ALL
Sales amount of Sales amount of
Computer in Vancouver during Q1
Q1
Q2
Q3
Q4
Chicago New York Toronto
실세계정보
Cube
다차원 모델
• Tables vs. Cubes
2012-11-00 41
sale prodId storeId amt
p1 c1 12
p2 c1 11
p1 c3 50
p2 c2 8
c1 c2 c3
p1 12 50
p2 11 8
Table view: 2-D cube:
dimensions = 2
다차원 모델
• Tables vs. Cubes
2012-11-00 Customer (custId) 42