데이터 웨어하우스의 기획 및 구축 전략을 쉽게 익힐 수 있도록 가르칩니다.

데이터 웨어하우스의 계획 및 구축 전략을 쉽게 익힐 수 있도록 가르칩니다.

의사결정 지원 시스템(DSS)의 기반인 데이터 웨어하우스는 주제 중심적이고 통합적이며 업데이트가 불가능합니다. , 그리고 끊임없이 변화하는 시간의 본질. 이러한 특성은 데이터 웨어하우스가 데이터 구성부터 데이터 처리까지 원본 데이터베이스와 매우 다르다는 것을 보여줍니다. 이는 또한 데이터 웨어하우스 시스템을 설계할 때 데이터 웨어하우스 설계에 적합한 방법을 찾는 것이 필요합니다. 일반적인 시스템 개발 계획에서는 시스템의 기능을 먼저 결정해야 합니다. 이러한 시스템의 기능은 일반적으로 사용자 요구 분석을 통해 얻어집니다. 데이터 웨어하우스 애플리케이션의 관점에서 볼 때 DSS 분석가는 일반적으로 기업의 중간 및 고위 관리자입니다. 의사 결정 지원에 대한 요구 사항은 미리 지정할 수 없으며 설계자에게 추상적인 설명만 제공할 수 있습니다.

이를 위해서는 디자이너가 사용자와의 지속적인 커뮤니케이션을 통해 시스템 요구 사항을 점차 명확하게 하고 개선해야 합니다. 따라서 데이터 웨어하우스의 개발 및 기획 과정은 사실상 사용자와 설계자가 이를 지속적으로 이해하고, 익숙해지고, 개선해 나가는 과정이다. 데이터 웨어하우스 개발 응용 기획은 데이터 웨어하우스 개발의 주요 업무입니다. 올바른 데이터 웨어하우스 계획을 수립해야만 조직의 주요 세력이 질서 있게 데이터 웨어하우스의 개발 및 적용을 실현할 수 있습니다. 데이터 웨어하우스 계획에서는 일반적으로 구현 전략 선택, 데이터 웨어하우스의 개발 목표 및 구현 범위 결정, 데이터 웨어하우스 아키텍처 선택, 비즈니스 및 프로젝트 계획 예산 수립 등의 프로세스를 거쳐야 합니다. 데이터 웨어하우스 계획이 완료된 후에는 데이터 웨어하우스와 기업 전략 간의 관계는 물론 기업이 긴급하게 처리해야 하는 상대적으로 제한된 범위의 개발 기회를 설명하기 위해 해당 데이터 웨어하우스 계획 매뉴얼을 준비해야 합니다. 지원 및 향후 데이터 웨어하우스 개발 작업에 중점을 둘 기능 부서는 제안, 실제 사용 계획 및 개발 예산이 데이터 웨어하우스의 실제 개발을 위한 기반이 됩니다.

1. 데이터 웨어하우스 구현 전략 선택

데이터 웨어하우스의 개발 전략에는 주로 하향식, 상향식 및 이 두 전략의 결합이 포함됩니다. 하향식 전략은 데이터 웨어하우스의 기능이 의사결정 지원 기능이기 때문에 실제로 구현하기가 어렵습니다. 이러한 종류의 기능은 기업 전략의 적용 범위에서 결정하기 어려운 경우가 많습니다. 왜냐하면 데이터 웨어하우스의 적용 기회는 기업의 실제 비즈니스 범위를 초과하는 경우가 많고, 목표는 개발 전에 결정되며 이후에는 더 이상 추구되지 않기 때문입니다. 미리 결정된 목표가 달성되었습니다. 새로운 애플리케이션은 데이터 웨어하우스를 보다 전략적으로 적용한 것입니다. 이 전략은 개발 전에 데이터 웨어하우스의 구현 범위를 제공할 수 있고 의사 결정자와 기업에 시스템의 이점과 구현 목표를 명확하게 설명할 수 있으므로 효과적인 데이터 웨어하우스 개발 전략입니다. 이 방법을 사용하려면 개발자가 하향식 시스템 개발에 대한 광범위한 경험이 있어야 합니다. 기업 의사 결정자와 관리자는 데이터 웨어하우스의 의도된 목표를 완전히 이해하고 이러한 결정에서 데이터 웨어하우스가 수행할 수 있는 역할을 이해해야 합니다.

상향식 전략은 일반적으로 데이터 웨어하우스 프로토타입에서 시작하여 기업 관리자에게 데이터 웨어하우스 개발의 대상으로 잘 알려진 몇 가지 특정 관리 문제를 선택하고 이를 기반으로 데이터 웨어하우스를 개발합니다. 따라서 이 전략은 데이터 마트, 관리자 시스템 또는 부서별 데이터 웨어하우스 개발에 자주 사용됩니다. 이 전략의 장점은 기업이 더 적은 투자로 데이터 웨어하우스 애플리케이션을 통해 더 높은 이점을 얻을 수 있다는 것입니다. 개발 과정에서 인력 투자가 적고 결과를 쉽게 얻을 수 있습니다. 물론, 특정 프로젝트의 개발이 실패할 경우 기업의 전체 데이터 웨어하우스 시스템 개발이 지연될 수 있습니다. 이 전략은 일반적으로 기업에서 데이터 웨어하우스 기술을 평가하여 기술을 언제, 어디서, 어떻게 적용해야 하는지 결정하거나, 데이터 웨어하우스를 구현 및 운영하는 데 필요한 다양한 비용을 이해하거나, 데이터 웨어하우스의 적용 목표를 이해하기 위해 사용됩니다. . 데이터 웨어하우스가 의사결정 과정에 미치는 영향이 그다지 명확하지 않을 때 사용됩니다.

하향식 개발 전략에서는 데이터 웨어하우스 계획, 요구 사항 결정, 시스템 분석, 시스템 설계, 시스템 통합, 시스템 테스트 및 시스템 시운전에 따라 구조적 접근 방식이나 객체 지향 접근 방식을 채택할 수 있습니다. .데이터 웨어하우스 개발을 완료하는 단계입니다. 상향식 개발에서는 나선형 프로토타입 개발 방법을 채택하여 사용자가 새로운 요구에 따라 시운전 시스템을 수정할 수 있습니다. 나선형 프로토타입 개발 방법은 단기간에 지속적으로 기능을 늘릴 수 있는 데이터 웨어하우스 시스템의 신속한 생성이 필요합니다. 이 개발 방법은 주로 기업의 시장 동향과 요구 사항을 예측할 수 없고 시장 타이밍이 급한 상황에 적합합니다. 제품의 중요한 부분을 실현하기 위해서는 기업과의 시장 조정을 위한 지속적인 개선이 필요하며, 지속적인 경쟁 우위는 지속적인 개선에서 비롯되며, 체계적인 개선은 사용 중 사용자의 지속적인 발견을 기반으로 합니다. 하향식 전략과 상향식 전략을 결합하면 데이터 웨어하우스의 개발 및 적용을 신속하게 완료할 수 있을 뿐만 아니라 장기적인 가치를 지닌 데이터 웨어하우스 솔루션을 구축할 수 있다는 장점이 있습니다. 그러나 실제로 운영하기 어려운 경우가 많습니다. 일반적으로 엔터프라이즈 모델, 데이터 모델 및 기술 구조를 설정, 적용 및 유지할 수 있고 구체적인(예: 비즈니스 시스템의 메타데이터)에서 다른 시스템으로 능숙하게 전송할 수 있는 풍부한 경험을 갖춘 개발자가 필요합니다. 요약(구현 시스템 기술의 논리적 모델이 아닌 비즈니스의 성격에만 기반함) 기업은 데이터 웨어하우스의 적용을 명확하게 지적할 수 있는 최종 사용자와 정보 시스템 직원으로 구성된 숙련된 개발 팀을 보유해야 합니다. 기업의 전략적 의사결정 지원.

2. 데이터 웨어하우스의 개발 목표와 구현 범위를 결정합니다.

데이터 웨어하우스의 개발 목표와 구현 범위를 결정하기 위해서는 먼저 역할에 대한 설명이 필요합니다. 비즈니스 관리자 및 기타 데이터 웨어하우스 사용자에게 데이터 웨어하우스를 제공하는 방법은 기업 관리의 애플리케이션 및 개발 동향을 통해 기업 조직의 중요성과 교차 기능 시스템을 지원하고 기업 비즈니스 전략을 지원하여 개발 목표를 결정하는 데 사용되는 데이터를 보여줍니다. 이 단계에서 데이터 웨어하우스 사용과 관련된 비즈니스 요구 사항을 확인하십시오. 이러한 요구 사항은 가장 중요한 비즈니스 기능 부서만 지원해야 하며, 데이터 웨어하우스의 적용이 즉각적인 성과를 낼 수 있도록 분명한 이점이 있는 비즈니스에 사용 에너지를 집중해야 합니다. 동시에 다양한 비즈니스에 데이터 웨어하우스 애플리케이션을 배포하는 데 집중해서는 안 됩니다.

개발 목표와 범위를 결정한 후에는 향후 데이터 웨어하우스 개발의 기초로 요구사항 문서를 준비해야 합니다. 데이터 웨어하우스 개발의 주요 목표는 필요한 정보의 범위를 결정하고 사용자에게 의사 결정 지원을 제공하기 위해 주제 및 지표 도메인에 필요한 데이터 소스를 결정하는 것입니다. 이를 위해서는 다음과 같은 정의가 필요합니다. 사용자에게 필요한 데이터는 무엇입니까? 주제 중심 데이터 웨어하우스에는 어떤 지원 데이터가 필요합니까? 개발자가 사용자에게 데이터를 성공적으로 제출하려면 어떤 비즈니스 지식이 필요합니까? 어떤 배경지식? 이를 위해서는 전반적인 요구 사항을 정의하고, 기존 기록 시스템 및 시스템 환경을 문서 형식으로 구성하고, 데이터 웨어하우스의 데이터를 사용하는 후보 응용 프로그램 시스템을 식별 및 순위 지정하고, 전달 모델을 구성하고, 규모, 사실 및 타임스탬프 알고리즘을 결정해야 합니다. 시스템에서 정보를 추출하여 데이터 웨어하우스에 저장하는 것입니다. 정보의 범위를 결정하면 개발자는 사용자와 협력하여 데이터 웨어하우스에 필요한 정보와 비즈니스 활동에 필요한 데이터를 분석할 수 있는 좋은 분석 플랫폼을 제공할 수 있습니다. 개발자는 데이터 계층 수준, 집계 수준, 로딩 빈도, 유지해야 하는 일정 등 사용자의 요구 사항을 추가로 정의할 수 있습니다. 데이터 웨어하우스 개발의 또 다른 중요한 목표는 데이터에 액세스하고 탐색하는 데 어떤 방법과 도구를 사용할 것인지 결정하는 것입니다. 사용자는 모두 데이터 웨어하우스의 콘텐츠에 액세스하고 검색해야 하지만 액세스 세분성은 세부적인 기록일 수도 있고, 보다 일반적인 기록일 수도 있고 매우 일반적인 기록일 수도 있습니다. 사용자에게 필요한 데이터 요약 수준이 다르면 데이터 웨어하우스 집계 및 요약 도구에 대한 요구도 달라집니다.

데이터 웨어하우스에는 차트, 사전 정의된 보고서, 다차원 데이터, 요약 데이터 및 세부 기록에 액세스하고 검색하는 특정 기능도 있습니다. 데이터 웨어하우스에서 정보를 얻는 사용자는 데이터 웨어하우스의 콘텐츠를 해석 및 분석하고 다양한 시장 가설, 권장 사항 및 결정을 생성 및 검증하기 위해 다차원 분석을 지원하는 스프레드시트, 통계 분석기 및 분석 프로세서와 같은 도구의 지원을 받아야 합니다. 계획. 의사결정 제안과 다양한 의사결정 옵션을 사용자에게 명확하게 표현하기 위해서는 보고서, 차트, 이미지 등 강력한 정보 표현 도구의 활용이 필요합니다. 데이터 웨어하우스 개발의 또 다른 목표는 데이터 웨어하우스 내의 데이터 크기를 결정하는 것입니다. 데이터 웨어하우스에는 현재 데이터뿐만 아니라 수년간의 기록 데이터도 포함됩니다. 데이터의 일반화 정도에 따라 해당 데이터의 압축 및 일반화 최대 범위가 결정됩니다. 데이터 웨어하우스가 이력 기록에 대한 의사결정 쿼리 기능을 제공하려면 대용량 데이터 관리를 지원해야 합니다. 데이터의 규모는 의사 결정 쿼리 시간에 직접적인 영향을 미칠 뿐만 아니라 기업 의사 결정의 품질에도 직접적인 영향을 미칩니다.

데이터 웨어하우스의 개발 목표 중에는 다음이 포함됩니다. 데이터 웨어하우스에 대한 사용자의 기본 요구 사항에 따라 데이터 웨어하우스에 있는 데이터의 의미를 결정하고, 데이터 웨어하우스 콘텐츠의 품질을 결정합니다. 사용, 분석 및 권장 사항 결정 신뢰 수준, 최종 사용자의 요구 사항을 충족할 수 있는 데이터 웨어하우스 유형, 이러한 데이터 웨어하우스에 필요한 기능, 데이터 소스에서 데이터를 사용하는 방법 등 데이터 웨어하우스의 개발 목표는 다양하고 복잡하므로 개발자와 사용자는 개발 및 사용 과정에서 지속적으로 상호 작용하고 개선해야 합니다. 따라서 기획 시에는 데이터 웨어하우스의 개발 범위를 결정해야 합니다. 개발자가 요구 사항과 목표의 중요성에 따라 단계별로 진행할 수 있도록 지원하고, 개발에서 얻은 교훈을 통해 기업 내 데이터 웨어하우스의 완전한 구현을 위한 기술적 준비를 제공합니다. 따라서 데이터 웨어하우스의 전반적인 개발 방향과 목표를 결정한 후에는 데이터 웨어하우스의 장점을 빠르게 반영할 수 있는 제한된 사용 범위를 결정하는 것이 필요합니다. 데이터 웨어하우스의 적용 범위를 고려할 때 이를 사용하는 부서의 수와 유형, 데이터 소스의 수, 엔터프라이즈 모델의 하위 집합, 예산 할당, 프로젝트 개발에 소요되는 시간의 관점에서 주로 분석됩니다. .

이러한 요소들을 분석할 때는 사용자 관점과 기술적인 관점 모두에서 분석할 수 있습니다. 사용자 관점에서 데이터 웨어하우스를 사용하려면 어떤 부서를 먼저 분석해야 할까요? 데이터 웨어하우스는 누가, 어떤 목적으로 사용합니까? 그리고 데이터 웨어하우스가 먼저 충족해야 하는 의사결정 쿼리는 무엇입니까? 이러한 의사 결정 쿼리는 데이터 차원과 보고서 유형을 결정하는 경우가 많기 때문에 이러한 요소는 데이터 웨어하우스를 정의할 때 필요한 양적 관계를 결정합니다. 쿼리 형식이 구체적일수록 데이터 웨어하우스의 차원성, 집계 및 요약에 대한 계획 지침을 제공하기가 더 쉽습니다. 기술적인 관점에서 데이터 웨어하우스의 메타데이터 데이터베이스 크기를 결정해야 합니다. 데이터 웨어하우스의 메타데이터 데이터베이스는 데이터 정의를 데이터 웨어하우스에 저장하는 모델입니다. 데이터 정의는 웨어하우스 관리자의 디렉토리에 저장되며 데이터 웨어하우스를 구성하고 쿼리하기 위한 모든 쿼리 및 보고 도구의 기초로 사용될 수 있습니다. 메타베이스의 크기는 데이터 웨어하우스에서 관리해야 하는 데이터의 크기를 직접적으로 나타냅니다. 메타데이터 데이터베이스의 규모를 관리함으로써 데이터 웨어하우스에서 실제로 관리해야 하는 데이터의 규모가 결정된다.

3. 데이터 웨어하우스의 구조 선택

데이터 웨어하우스의 구조를 유연하게 선택할 수 있으며 조직에서 사용하는 다양한 플랫폼을 적절하게 세분화할 수 있으며 데이터 소스도 , 최종 사용자가 사용하는 데이터 웨어하우스와 워크스테이션은 분리되어 적절하게 설계됩니다.

(1) 데이터 웨어하우스의 애플리케이션 구조

비즈니스 처리 시스템 기반의 데이터 웨어하우스 구조에서는 운영 데이터를 수정할 필요가 없는 읽기 전용 애플리케이션에 사용합니다. 자료. . 이 구조의 데이터 웨어하우스 메타데이터 데이터베이스는 데이터 웨어하우스 자체의 메타데이터가 아닌 가상 데이터베이스입니다. 데이터 웨어하우스 메타데이터 데이터베이스의 직접적인 지침에 따라 데이터 웨어하우스에 대한 쿼리는 단순히 데이터베이스에서 데이터를 추출합니다.

간단한 데이터 웨어하우스

데이터 웨어하우스에서 데이터 소스 정제, 통합, 요약, 통합과 같은 작업을 사용하여 데이터 소스를 비즈니스 처리 시스템에서 중앙 집중식 데이터 웨어하우스로 전송합니다. 각 부서의 데이터 웨어하우스 애플리케이션은 데이터 웨어하우스에서만 수행됩니다. 이러한 구조는 여러 부서와 소수의 사용자가 데이터 웨어하우스를 사용할 때 자주 발생합니다. 여기서 집중은 논리적일 뿐이며 물리적으로 분산될 수도 있습니다.

간단한 데이터 마트

데이터 마트는 부서에서 사용되는 데이터 웨어하우스를 의미합니다. 기업의 각 기능 부서에는 고유한 특별한 요구 사항이 있고 통합된 데이터 웨어하우스의 특별한 요구 사항이 있기 때문입니다. 이러한 부서는 충족되지 않을 수 있습니다. 이러한 종류의 아키텍처는 개별 부서가 데이터 웨어하우스 적용에 관심이 있지만 조직의 다른 부서는 데이터 웨어하우스 적용에 매우 무관심한 경우에 자주 발생합니다. 열정적인 부서에서만 개발하고 채택합니다.

데이터 웨어하우스 및 데이터 마트

기업의 각 부서에는 자체 요구 사항을 충족하는 데이터 마트가 있으며 해당 데이터는 기업 데이터 웨어하우스에서 가져오고 데이터 웨어하우스는 가져옵니다. 기업의 다양한 데이터 소스로부터 수집 및 배포됩니다. 이 아키텍처는 비교적 완전한 데이터 웨어하우스 아키텍처로, 조직 전체가 데이터 웨어하우스 애플리케이션에 관심이 있을 때 자주 채택됩니다.

(2) 데이터 웨어하우스 기술 플랫폼 구조 단일 레이어 구조

단일 레이어 구조는 주로 데이터 소스와 데이터 웨어하우스 간에 플랫폼을 공유하거나 데이터 소스를 허용합니다. 데이터 웨어하우스, 데이터 마트 및 최종 사용자 워크스테이션은 동일한 플랫폼을 사용합니다. 플랫폼을 공유하면 데이터 추출 및 데이터 변환의 복잡성을 줄일 수 있지만, 플랫폼을 공유하면 애플리케이션에서 성능 및 관리 문제가 발생할 수 있습니다. 이 아키텍처는 일반적으로 소규모 데이터 웨어하우스 및 조직에서 사용됩니다. 큰 잠재력.

클라이언트/서버 2계층 구조

한 계층은 클라이언트이고 다른 계층은 최종 사용자 액세스 도구가 클라이언트 계층에서 실행되는 반면, 데이터 소스는 데이터 웨어하우스 및 데이터 세트 서버에 위치하는 이 기술은 일반적으로 보통 규모의 데이터 웨어하우스에 사용됩니다.

3계층 클라이언트/서버 구조

워크스테이션 기반 클라이언트 계층, 서버 기반 중간 계층, 호스트 기반 세 번째 계층. 호스트 계층은 데이터 소스 및 선택적 소스 데이터 변환을 담당합니다. 서버는 데이터 웨어하우스 및 데이터 마트 소프트웨어를 실행하고 데이터를 웨어하우스에 저장합니다. 클라이언트 워크스테이션은 쿼리 및 보고서 애플리케이션을 실행하며 데이터의 데이터를 저장할 수도 있습니다. 마트 또는 데이터 웨어하우스 언로드된 로컬 데이터. 이 구조는 데이터 웨어하우스의 규모가 약간 더 크고 2계층 데이터 웨어하우스 구조가 더 이상 고객의 요구를 충족할 수 없을 때 데이터 웨어하우스의 데이터 저장 관리, 데이터의 애플리케이션 처리를 분리해야 할 때 사용할 수 있습니다. 창고 및 클라이언트 애플리케이션.

다층 구조

3계층 조직을 기반으로 개발된 데이터 웨어하우스 구조로, 가장 안쪽 데이터 계층부터 가장 바깥쪽 고객 계층까지, 별도의 데이터 웨어하우스 스토리지 레이어, 데이터 웨어하우스 및 데이터 마트를 관리하는 데이터 웨어하우스 서비스 레이어, 데이터 웨어하우스 쿼리 처리를 수행하는 쿼리 서비스 레이어, 데이터 웨어하우스 애플리케이션 처리를 완료하는 애플리케이션 서비스 레이어, 최종 사용자에게 직면합니다. 시스템 수준은 최대 5개 계층까지 가능하며 이 아키텍처는 일반적으로 초대형 데이터 웨어하우스 시스템에 사용됩니다.

4. 데이터 웨어하우스 활용 계획 및 프로젝트 기획 예산

데이터 웨어하우스의 실제 활용 계획과 개발 예산은 데이터 웨어하우스 기획에서 최종적으로 결정해야 할 사항이다. 데이터 웨어하우스는 주로 비즈니스 관리자의 의사결정 지원을 위해 사용되기 때문에 실용성을 확보하는 것이 매우 중요합니다. 따라서 데이터 웨어하우스의 기능 설계에 최종 사용자를 참여시키는 것이 필요합니다. 이러한 참여는 사용자의 실제 사용 계획을 통해 이루어지며 이는 매우 중요한 수요 모델입니다. 실제 사용 계획은 데이터 웨어하우스에 대한 최종 사용자 요구 사항을 명확히 하는 데 도움이 되어야 합니다. 이러한 요구 사항 중 일부는 기본적으로 적절한 데이터 소스만 사용하여 충족할 수 있지만, 일부는 기업 외부의 데이터 소스를 필요로 합니다. 다른 요구 사항. 실제 사용 시나리오에서는 최종 사용자 의사 결정 지원 요구 사항을 데이터 웨어하우스의 기술 요구 사항에 연결할 수도 있습니다. 사용자가 최종 요구 사항을 결정할 때 메타데이터 데이터베이스의 범위에 대한 제한이 결정되기 때문입니다. 또한, 필요한 내역 정보의 양을 결정할 수 있습니다. 특정 사용자에 따라 데이터 웨어하우스를 계획할 때 차원이 관련되어 있기 때문에 최종 사용자가 관심을 갖는 차원(시간, 위치, 사업 단위 및 생산 기업)을 결정할 수 있습니다. 요약 작업 간에는 명확한 관계가 있으며 "월", "분기", "연도" 등과 같이 최종 사용자에게 실제적으로 중요한 차원을 선택해야 합니다.

마지막으로, 데이터 마트/데이터 웨어하우스의 구조적 요구 사항도 결정될 수 있으므로 설계자는 순수 데이터 웨어하우스 구조, 순수 데이터 마트 구조 또는 이 둘의 조합을 채택할지 여부를 결정할 수 있습니다.

실제 개발 계획이 결정된 후에는 개발 계획의 예산을 추정하고 사업에 대한 투자 금액을 결정하는 것도 필요하다. 과거 소프트웨어 개발 비용을 토대로 투자 계획을 결정할 수 있지만, 이번 예산 평가는 상대적으로 대략적이다. 또 다른 방법은 구조를 참조하여 비용 평가를 수행하는 것, 즉 데이터 웨어하우스의 실제 사용 계획에 따라 결정된 구성 요소를 분해하고 각 구성 요소의 비용을 기준으로 예산을 추정하는 것입니다. 데이터 웨어하우스의 구성 요소에는 데이터 소스, 데이터 웨어하우스, 데이터 마트, 최종 사용자 액세스, 데이터 관리, 메타데이터 관리, 전송 인프라 등이 포함됩니다. 이러한 구성 요소 중 일부는 이미 기업의 원래 정보 시스템에서 사용할 수 있고 일부는 상용 구성 요소를 선택할 수 있지만 일부는 자체 개발이 필요합니다. 이러한 구성 요소의 다양한 소스를 기반으로 보다 정확한 예산을 결정할 수 있습니다. 데이터 웨어하우스 계획을 완료한 후에는 시스템과 기업의 전략적 목표 간의 관계뿐만 아니라 시스템과 기업이 시급히 처리해야 하는 상대적으로 제한된 범위의 개발 기회를 설명하기 위한 데이터 웨어하우스 개발 사양을 준비해야 합니다. 예상되는 비즈니스 기회에 대한 설명과 대상 작업에 대한 개요, 향후 작업에 대한 주요 지원 및 제안이 포함된 기능 부서입니다. 데이터 웨어하우스 프로젝트는 달성될 것으로 예상되는 유형 및 무형의 이점을 설명하는 명확한 비즈니스 가치 계획으로 시작되어야 합니다. 무형의 이점에는 데이터 웨어하우스를 사용하여 더 빠르고 더 나은 의사결정을 내리는 등의 이점이 포함됩니다.

비즈니스 가치 계획은 대상 비즈니스 관리자가 가장 잘 완성합니다. 데이터 웨어하우스는 사용자 중심이기 때문에 사용자는 데이터 웨어하우스 구축에 적극적으로 참여해야 하며 데이터 웨어하우스의 실현 범위는 다양합니다. 개발 목표는 기획서, 아키텍처 및 사용 계획, 개발 예산에서 결정되어야 합니다.