Video: Uykudaki Arjantin 2024
Hesaplama ticari pazara girdikçe, veriler yapıyı dayatmayan düz dosyalarda saklandı. Günümüzde büyük veriler yönetilebilir veri yapıları gerektiriyor. Şirketler müşterileri hakkında ayrıntılı düzeyde bilgi sahibi olmaya ihtiyaç duyduklarında, bazı değer yaratmak için çok ayrıntılı programlama modelleri de dahil olmak üzere kaba kuvvet yöntemleri uygulamak zorundaydılar.
1970'lerin sonlarında şeyler, ilişkisel veri modeli ve ilişkisel veri tabanı yönetim sistemi (RDBMS) icadı ile değişti ve performansı arttırmak için bir yöntem uyguladı. En önemlisi, ilişkisel model, programcıların veriden değer çıkarması için artan iş taleplerini karşılaması daha kolay bir soyutlama seviyesi ekledi.
İlişkisel model çok sayıda gelişmekte olan yazılım şirketi tarafından bir ekosistem aracı önerdi. Şirketlerin verilerini daha iyi düzenlemelerine ve bir coğrafyadan diğerine yapılan işlemleri karşılaştırmalarına yardımcı olmak için artan bir ihtiyacı doldurdu.
Buna ek olarak, envanter gibi bilgileri incelemek ve karar verme amacıyla müşteri sipariş bilgileriyle karşılaştırmak isteyen işletme yöneticilerine yardımcı oldu. Ancak, yanıtlar için bu patlayan talebin bir sorunu ortaya çıktı: Bu artan veri hacmini saklama pahalıydı ve buna erişmek yavaş oldu. Daha da kötüsü, çok sayıda veri çoğaltması mevcuttu ve bu verilerin gerçek işletme değeri ölçmek zordu.
Kuruluşların yönetmesi gereken veri hacmi kontrolden çıktığında, veri ambarı bir çözüm sağladı. Veri ambarı IT organizasyonunun depolanan verilerin bir alt kümesini seçmesini sağladı ve böylece işin anlayış kazanmaya çalışması daha kolay oldu.
Veri ambarının amacı, verilerin hacmini, işin belli bir alanına daha küçük ve daha odaklı hale getirerek analiz edebilmeleri gereken giderek artan miktarda yapısal veriyle ilgilenen şirketlere yardım etmekti. Performans nedenleriyle operasyonel karar destek süreçlerini ve karar desteğini ayırma ihtiyacını karşılamıştır.
Depolar genellikle organizasyonel performansı anlamak, eğilimleri belirlemek ve davranış kalıplarını ortaya çıkarmak için önceki yıllardan gelen verileri depolar. Ayrıca, analiz için kullanılabilecek çeşitli veri kaynakları arasında entegre bir bilgi kaynağı sağladı. Bugün, hem içerik yönetim sistemleri hem de veri ambarları, donanım ölçeklenebilirliği, sanallaştırma teknolojileri ve entegre donanım ve yazılım sistemleri oluşturma becerisindeki gelişmelerden faydalanabiliyor.
Bazen bu veri ambarları kendileri çok karmaşık ve büyüktü ve işin gerektirdiği hız ve çevikliği sunmadılar. Cevap veri pazarları aracılığıyla yönetilen verilerin daha da geliştirilmiş hali idi. Bu veri pazarları, belirli ticari konular üzerine yoğunlaştı ve hızlı sorgular için iş gereksinimini destekledi. Depo, entegre sistemler ve veri cihazları gibi gelişmekte olan teknolojileri desteklemek üzere gelişti.
Veri ambarları ve veri martları, muazzam işlem verilerini tutarlı bir şekilde yönetmek isteyen şirketler için birçok sorunu çözdü. Ancak, büyük miktarda yapılandırılmamış veya yarı yapılandırılmış veriyi yönetmeye geldiğinde, depo değişen talepleri karşılayacak kadar gelişemedi.
Konuyu daha da zorlaştırmak için, veri ambarları genelde haftalık veya günlük olarak toplu aralıklarla beslenir. Bu, planlama, finansal raporlama ve geleneksel pazarlama kampanyaları için iyidir; ancak gerçek zamanlı olarak artan ticari ve tüketici ortamları için çok yavaştır.
Şirketler, geleneksel veri yönetimi yaklaşımlarını, yapılandırılmamış veri öğelerinin giderek artan hacmini ele alacak şekilde nasıl dönüştürselerdi? Çözüm gecede ortaya çıkmadı. Şirketler yapısız verileri depolamaya başladığında, satıcılar BLOB (ikili büyük nesne) gibi yetenekler eklemeye başladı.
Özünde, yapılandırılmamış bir veri öğesi, bir ilişkisel veritabanında bitişik bir veri yığını olarak depolanır. Bu nesne etiketli olabilir ancak nesnenin içinde ne olduğunu göremezdiniz. Açıkçası, bu değişen müşteri veya iş ihtiyaçlarını çözmeyecekti.
Nesne veritabanı yönetim sistemini (ODBMS) girin. Nesne veritabanı BLOB'u adreslenebilir bir dizi olarak depoladı ve böylece orada olanları görebildiniz. Geleneksel bir ilişkisel veritabanına eklenen bağımsız bir birim olan BLOB'ın tersine, nesne veritabanı yapılandırılmamış verilerle uğraşmak için birleşik bir yaklaşım sağladı.
Nesne veritabanları bir programlama dili ve veri öğeleri için bir yapı içermektedir, böylece çeşitli veri nesnelerini programlama ve karmaşık birleşim olmadan manipüle etmek daha kolaydır. Nesne veri tabanları, veri yönetiminin ikinci dalgasına yol açan yeni bir yenilik düzeyi getirdi.
