Datamallinnus - tarkan data-analyysin välttämätön perusta

Mitä on datamallinnus?

Tietomallinnus on prosessi, jossa luodaan jäsennelty tietomalli, joka määrittelee järjestelmän tietojen loogiset suhteet ja attribuutit. Sen tarkoituksena on järjestää ja jäsentää tiedot siten, että niitä voidaan tallentaa, hakea ja analysoida tehokkaasti. Siksi hyvä tietomallinnus on ratkaisevan tärkeää, kun eri lähteistä peräisin olevia tietoja integroidaan BI-järjestelmään ja valmistellaan analyysejä ja raportteja varten.

Datamallien tyypit

Tietokantojen suunnittelu alkaa korkealta abstraktiotasolta ja tarkentuu sitten asteittain. Tietomalli kehitetään tässä yhteydessä käsitteellisestä mallista loogiseksi ja edelleen fyysiseksi malliksi.

• Käsitteellinen tietomalli: Käsitteellisellä tietomallilla on korkea abstraktiotaso, ja se kuvaa tärkeimpiä entiteettejä ja niiden välisiä suhteita ottamatta huomioon teknisiä yksityiskohtia. Sitä käytetään liiketoimintavaatimusten ymmärtämiseen ja dokumentointiin.
• Looginen tietomalli: Looginen tietomalli tarkentaa käsitteellistä mallia edelleen määrittelemällä erityiset attribuutit sekä ensisijaiset ja viiteavaimet. Se on edelleen teknologiariippumaton, mutta tarjoaa tarkemman kuvan tietorakenteesta.
• Fyysinen tietomalli: Fyysinen tietomalli puolestaan kuvaa loogisen mallin konkreettista toteutusta tietyssä tietokannan hallintajärjestelmässä (DBMS). Siinä otetaan huomioon tekniset näkökohdat, kuten tietotyypit, indeksit, osiointi ja suorituskyvyn optimoinnit.

Datamallinnuksen prosessi

Jotta data voitaisiin mallintaa mahdollisimman optimaalisesti, siinä noudatetaan usein iteratiivista prosessia, jonka työnkulku näyttää yleensä seuraavalta:

1. Entiteettien tunnistaminen: Ensinnäkin tiedot liitetään konkreettisiin liiketoimintaobjekteihin, niin sanottuihin entiteetteihin. Entiteetti edustaa siis yksiselitteisesti tunnistettavaa objektia tai käsitettä tietomallissa, johon tallennetaan asiaankuuluvaa tietoa. Näitä voivat olla esimerkiksi asiakkaat, tuotteet tai myynnit.
2. Attribuuttien tunnistaminen: Jokainen entiteetti voidaan erottaa muista, koska sillä on yksi tai useampi yksilöivä attribuutti. Nämä ovat ominaisuuksia ja piirteitä, kuten nimi, asiakasnumero, osoite tai päivämäärä. Nämä attribuuttien liitetään entiteetteihin.
3. Suhteiden määrittely: Tämän jälkeen määritetään ensisijaisten ja viiteavainten avulla, miten yksittäiset entiteetit ja attribuutit liittyvät toisiinsa, eli esimerkiksi mitkä myynnit ovat peräisin miltä asiakkailta. Nämä yhteydet voivat olla monenlaisia, kuten yksi-yhteen-, yksi-moniin- tai moni-moniin-suhteita.
   Attribuuttia tai attribuuttien yhdistelmää, joka yksilöi entiteetin yksiselitteisesti, kutsutaan ensisijaiseksi avaimeksi. Ensisijaisen avaimen arvon on oltava ainutlaatuinen. Esimerkiksi asiakastunnus voi olla entiteetin ”asiakas” ensisijainen avain. Sen sijaan vierasavain on attribuutti, joka luo suhteen kahden entiteetin välille viittaamalla toisen entiteetin ensisijaiseen avaimeen. Esimerkiksi entiteetin ”Tilaus” vierasavain voisi viitata asiakastunnukseen osoittaakseen, kuka asiakas on tehnyt tilauksen.

Datamallinnuksen tekniikat ja menetelmät

Tietomallinnustekniikat määrittelevät tietojen loogisen rakenteen ja määrittävät, miten tiedot tallennetaan, järjestetään ja haetaan. Kolme tärkeintä mallityyppiä ovat relaatiomalli, dimensio-malli ja entiteetti-suhdemalli. Muita, harvemmin käytettyjä malleja ovat hierarkkinen, olio-orientoitunut, verkkomalli ja moniarvomalli.

1. Relaatiomalli

Suhteellinen tietomalli on vanhin näistä kolmesta tietomallinnustekniikasta, mutta se on silti laajalti käytössä. Siinä tiedot tallennetaan kiinteämuotoisiin tietueisiin ja taulukoihin, joissa on rivejä ja sarakkeita. Tässä tietomallissa on kaksi elementtiä:

• Avainluvut: Numeerisia arvoja, kuten määriä ja tuottoja, käytetään matemaattisissa laskutoimituksissa, kuten kokonaismäärissä tai keskiarvoissa.
• Mitat: Mitat sen sijaan ovat teksti- tai numeroarvoja, jotka sisältävät kuvauksia tai sijainteja ja joita ei käytetä laskelmiin.
  Nämä elementit liittyvät toisiinsa avaimilla.

2. Moniulotteinen datamalli

Dimensio-mallit ovat joustavampia ja keskittyvät kontekstuaalisiin tietoihin. Siksi ne sopivat erinomaisesti verkkokyselyihin ja tietovarastointiin, jota käytetään usein liiketoimintatiedon hallintajärjestelmissä. Tärkeimmät elementit tässä yhteydessä ovat faktat ja ulottuvuudet:

• Faktat: Faktat ovat tärkeitä tietoelementtejä, kuten tapahtumien määriä.
• Ulottuvuudet: Tiedot liittyvät viitetietoihin, kuten tuotetunnukseen tai tapahtumapäivämäärään. Näitä viitetietoja kutsutaan ulottuvuuksiksi.

Dimensio-malleissa faktataulukot ovat ensisijaisia taulukoita. Tämä rakenne mahdollistaa nopeat kyselyt, koska tietyn toiminnon tiedot tallennetaan yhteen. Puuttuvat suhteet voivat kuitenkin vaikeuttaa tietojen käyttöä, ja tietorakenne on sidottu liiketoimintatoimintoon, joka tuottaa ja käyttää tietoja. Tämä voi vaikeuttaa eri järjestelmistä peräisin olevien tietojen yhdistämistä.
Kaksi erityisen yleisesti käytettyä ulottuvuusmallinnusskeemaa ovat tähtimalli ja lumihiutalemalli. Tähtimallissa keskitetty faktataulukko on kytketty suoraan useisiin dimensiotaulukoihin. Tämä rakenne on yksinkertainen ja tehokas kyselyjä varten, koska kaikilla ulottuvuuksilla on vain yksi yhteys faktataulukkoon. Näin ollen malli on helppotajuinen ja sopii hyvin yksinkertaisiin analyyseihin ja raportteihin. Lumihiutaleskeema on tähtiskeeman laajennus, jossa ulottuvuuksia normalisoidaan edelleen, eli redundanssia minimoidaan. Tätä varten ulottuvuustaulukot jaetaan useisiin toisiinsa linkitettyihin taulukoihin, mikä tekee rakenteesta monimutkaisemman. Tämä voi parantaa tietojen eheyttä, mutta myös lisätä kyselyjen monimutkaisuutta.

3. Entiteetti-suhde (ER)-malli

ER-malli esittää liiketoimintatietorakenteet graafisesti. Siinä käytetään symboleja entiteettien, toimintojen ja funktioiden merkitsemiseen sekä viivoja suhteiden, yhteyksien ja riippuvuuksien kuvaamiseen. ER-malli toimii perustana relaatiotietokantojen rakentamiselle, jolloin jokainen rivi edustaa entiteettiä ja kentät sisältävät attribuutteja. Yksittäiset taulukot puolestaan on linkitetty toisiinsa avaimien avulla.

Päätelmä

Tietomallinnus muodostaa perustan kaikille BI-toiminnalle. Hyvin suunniteltu tietomallinnus varmistaa, että tiedot ovat johdonmukaisia, tarkkoja ja helposti saatavilla. Se parantaa tietojen laatua ja eheyttä sekä varmistaa, että tiedot vastaavat liiketoiminnan vaatimuksia. Tällä tavoin tehokkaasti järjestetyt tiedot ovat helposti haettavissa ja analysoitavissa, minkä ansiosta niitä voidaan hyödyntää optimaalisesti tietopohjaisissa liiketoimintapäätöksissä. Tietomallinnukseen liittyvistä haasteista ja monimutkaisuudesta huolimatta se on siis välttämätöntä, jotta BI-hankkeista voidaan saada täysi hyöty irti.
Me Parm AG:ssa olemme kuitenkin tietoisia siitä, että osaavan henkilöstön puute sekä tietomallinnuksen suuri monimutkaisuus ovat suuri haaste monille yrityksille. Siksi autamme teitä mielellämme tässä tehtävässä. Konseptin laatimisesta tietomallinnukseen ja sitä seuraavaan raporttien suunnitteluun asti asiantuntijatiimimme hoitaa tietomallinnuksen puolestanne, jotta voitte keskittyä ydinliiketoimintaanne samalla, kun me luomme perustan BI-menestyksellenne. OLAP-pohjaiset ratkaisumme takaavat, että myös nopeat ja monimutkaiset kyselyt, erilaiset tietojen esitystavat sekä yksittäis- ja trendianalyysit ovat mahdollisia.