[논문 리뷰] Using Data Warehouse to Support Building Strategy or Forecast Business Tend

Phuc Van Nguyen|arXiv (Cornell University)|2011. 12. 14.

Big Data and Business Intelligence참고 문헌 2인용 수 3

한 줄 요약

이 논문은 이질적인 데이터 소스를 통합하여 중심화된 분석 가능한 저장소로 구현함으로써 전략적 비즈니스 의사결정 및 예측을 지원하는 데이터 웨어하우스 아키텍처를 제안한다. 다중 계층의 데이터 마트와 수명 주기 동안의 고객 상호작용 추적을 통해 통합된 역사적 데이터 분석을 통해 전략적 계획 수립과 추세 예측 능력을 향상시킨다.

ABSTRACT

The data warehousing is becoming increasingly important in terms of strategic decision making through their capacity to integrate heterogeneous data from multiple information sources in a common storage space, for querying and analysis. So it can evolve into a multi-tier structure where parts of the organization take information from the main data warehouse into their own systems. These may include analysis databases or dependent data marts. As the data warehouse evolves and the organization gets better at capturing information on all interactions with the customer. Data warehouse can track customer interactions over the whole of the customer's lifetime.

연구 동기 및 목표

• 다양한 소스에서 온 이질적인 데이터를 통합하여 전략적 비즈니스 용도로 활용할 수 있는 데이터 웨어하우스 프레임워크를 개발하는 것.
• 역사적 및 실시간 고객 상호작용 데이터 분석을 통해 조직이 비즈니스 추세를 예측할 수 있도록 하는 것.
• 부서가 중심 웨어하우스에서 종속적인 데이터 마트를 구축할 수 있도록 하는 다중 계층 아키텍처를 지원하는 것.
• 고객 행동의 통합된 시각을 제공함으로써 의사결정을 향상시키는 것.
• 변화가 빠른 비즈니스 환경에서 장기적인 전략적 계획 수립을 위한 데이터 통합 및 분석 능력을 향상시키는 것.

제안 방법

• 기업 전반의 데이터 통합과 부서 차원의 데이터 마트를 지원하기 위한 다중 계층 데이터 웨어하우스 아키텍처 설계.
• ETL(추출, 변환, 적재) 프로세스를 사용하여 다양한 소스에서 데이터를 중심화된 데이터 저장소에 통합.
• 효율적인 온라인 분석 처리(OLAP) 쿼리 지원을 위해 차원 모델링을 구현.
• 역사적 정확성을 유지하기 위해 천천히 변화하는 차원을 사용하여 고객 상호작용을 시간에 따라 추적.
• 전체 고객 수명 주기 동안의 쿼리 및 분석을 가능하게 하여 전략적 통찰력과 예측을 지원.
• 부서 수준에서 분석 데이터베이스와 종속적인 데이터 마트를 구축하기 위한 기초로 데이터 웨어하우스를 활용.

실험 결과

연구 질문

• RQ1 어떻게 데이터 웨어하우스 아키텍처가 전략적 비즈니스 지원을 위해 효과적으로 이질적인 데이터 소스를 통합할 수 있는가?
• RQ2 중앙 집중식 데이터 저장소는 비즈니스 추세 예측 정확도 향상에 어떤 역할을 하는가?
• RQ3 어떻게 중심 데이터 웨어하우스에서 다중 계층의 데이터 마트를 유도하여 부서별 의사결정 지원을 할 수 있는가?
• RQ4 수명 주기 동안의 고객 상호작용 데이터는 전략적 계획 수립과 예측에 어떤 방식으로 기여할 수 있는가?
• RQ5 확장 가능하고 재사용 가능한 비즈니스 인텔리전스 시스템을 구현하기 위해 필수적인 아키텍처 구성 요소는 무엇인가?

주요 결과

• 제안된 데이터 웨어하우스 아키텍처는 다양한 이질적 소스에서 온 데이터를 통합된 분석 가능한 형식으로 성공적으로 통합한다.
• 시스템은 고객 수명 주기 전반에 걸친 장기적인 상호작용 추적을 가능하게 하여 보다 깊이 있는 전략적 통찰을 지원한다.
• 중앙 웨어하우스에서 파생된 다중 계층의 데이터 마트는 데이터 일관성을 유지하면서도 부서가 타겟팅된 분석을 수행할 수 있도록 한다.
• 중앙 집중식 역사적 데이터 분석을 통해 조직의 비즈니스 추세 예측 능력이 향상된다.
• OLAP 및 차원 모델링의 통합은 전략적 의사결정을 위한 효율적인 쿼리 및 보고 기능을 지원한다.
• 프레임워크는 변화가 빠른 환경에서 진화하는 비즈니스 인텔리전스 요구사항에 대해 확장성과 적응성을 입증한다.