Un data mart est un petit entrepôt de données utilisé pour support une fonction spécifique d'un département d'entreprise. Il se concentre sur un sujet spécifique ou sur un sujet d'un entrepôt de données. Un entrepôt de données contient des informations sur plusieurs sujets et sa construction est beaucoup plus longue que celle d'un datamart. Parce qu'il utilise moins de sources et qu'il est axé sur un seul sujet, il dépasse rarement 100 Go.
Data Marts en nuage
Les data marts en nuage deviennent la norme car ils permettent aux entreprises de les créer en fonction de leurs besoins, sans les frais généraux d'administration informatique et d'approvisionnement qu'impliquent les systèmes traditionnels sur site. Une ligne d'activité peut déployer et alimenter une version en nuage en quelques jours pour modéliser et explorer de nouvelles opportunités commerciales en fonction des besoins et ne payer des frais d'abonnement que pour la courte durée nécessaire à l'exécution de projets d'analyse ad hoc. Les solutions basées sur le cloud sont également économiques pour les projets à long terme en raison des faibles coûts d'administration.
Intégration des données
Il n'est pas toujours facile d'introduire des données dans un datamart. Les entreprises ont souvent du mal à maintenir de nombreuses intégrations point à point. Les outils d'intégration de données au niveau de l'entreprise peuvent être coûteux et trop complexes pour une utilisation départementale. Les plateformes données d'Actian intègrent l'intégration des données pour simplifier l'alimentation de votre entrepôt de données. Si l'entrepôt de données utilise des données auxquelles on accède rarement et qui sont déjà stockées dans un format structuré, comme un dossier de fichiers CSV, il est possible, grâce à la plateforme de données Actian , d'y accéder simplement sans les charger.
Bénéfices
Voici une liste des raisons les plus courantes pour lesquelles les entreprises y ont recours :
- Plus facile à mettre en place qu'un entrepôt de données parce qu'il implique des ensembles de données plus petits.
- déploiement plus rapide que dans le cas d'un projet d'entrepôt de données piloté par le service informatique.
- L'autonomie au niveau du département permet à un secteur d'activité de contrôler les sources de données et leur utilisation.
- Les données spécifiques à un sujet peuvent être plus performantes que l'accès à un entrepôt de données plus vaste.
- Le coût de création est moins élevé, car il n'y a pas de cycle d'acquisition de capital lorsqu'il est basé sur l'informatique dématérialisée.
Actian gestion des données
Un seul abonnement à la plateforme de données Actian peut support plusieurs projets de datamart. Les intégrations intégrées facilitent l'alimentation des data marts. En savoir plus sur la plateforme de données Actian.
Types de datamart
Un datamart peut être un sous-ensemble d'un entrepôt de données spécifique à un sujet, qui est considéré comme dépendant de l'entrepôt de données dont il dépend. Il peut être indépendant d'un entrepôt de données lorsqu'il contient des données provenant de sources de données spécifiques à un service et pouvant être utilisées de manière autonome. Un data mart hybride contient un mélange de données provenant d'un entrepôt de données central et de données indépendantes.
Structure
Contrairement aux bases de données orientées vers les transactions, un datamart est optimisé pour le traitement des requête . La conception de la base de données utilise souvent un schéma en étoile composé d'une table de faits centrale et de plusieurs tables de dimensions qui permettent des requêtes optimisées pour les questions les plus courantes. Les schémas en flocon de neige n'utilisent pas de tables de faits bien définies mais réduisent les coûts de stockage. Cet avantage est souvent compensé par des coûts de maintenance plus élevés en raison de la complexité accrue de la structure par rapport à un schéma en étoile. Le faible coût de stockage dans le nuage fait que le schéma en étoile, plus simple, est de loin la structure de datamart la plus populaire.
Il n'est pas rare qu'ils utilisent des bases de données in-memory ou des cubes multidimensionnels pré-agrégés pour accélérer l'accès aux données qui sont modifiées peu fréquemment, chaque nuit par exemple. Le stockage moderne des bases de données en colonnes utilisé par la plateforme de données Actian offre des performances élevées en utilisant la parallélisation sur puce sans se préoccuper des préagrégations, des cubes et des index complexes.
Exemple de Data Mart sur les régions de vente
Une grande entreprise peut disposer d'un entrepôt de données global pour la fonction commerciale. Par exemple, l'entreprise peut être segmentée en trois régions de vente pour les Amériques, l'Asie et l'Europe. Au niveau de l'entreprise, les dirigeants ont besoin d'une vue globale avec des résumés qui descendent jusqu'au niveau du pays. Cet entrepôt de données ne contient pas les détails dont les opérations régionales ont besoin pour réussir. Un entrepôt de données axé sur les ventes régionales peut contenir suffisamment de détails sur les ventes pour permettre aux directeurs commerciaux locaux de s'adapter aux habitudes d'achat des clients locaux.
Marketing Data Mart
Dans toute entreprise, la fonction marketing doit comprendre en détail comment les prospects se déplacent dans l'entonnoir des ventes, afin que la sensibilisation informe et guide le parcours de l'acheteur. Une base de données marketing doit permettre de suivre les sources de prospects depuis la première recherche sur Google jusqu'à la conversion et la fidélisation des clients après la vente. Il utilise des données provenant de différentes sources, notamment des blogs pour savoir quelles pages les prospects visitent, des données d'automatisation du marketing pour savoir quels courriels ont été ouverts et cliqués, des données Salesforce pour coordonner les actions avec les équipes de vente et des systèmes de marketing basés sur l'intention pour informer sur les étapes suivantes.
Data Mart pour le commerce de détail
Les opérations logistiques s'étendent sur toute la planète. Le suivi de la Chaîne d'approvisionnement des marchandises depuis les fermes ou les usines nécessite de grands entrepôts de données. En revanche, les analyses locales d'un détaillant peuvent être gérées par un entrepôt de données local. Un directeur de magasin peut l'utiliser pour suivre les niveaux de stock, réapprovisionner le stock disponible et surveiller les tendances d'achat. Ces fonctions, assistées par un datamart, permettent au magasin de satisfaire les demandes des clients et de rester rentable.
