Data Vault -menetelmään perustuvan tietovaraston kehityksen automatisaatiomenetelmät
Lehti, Teemu (2022-06-30)
Data Vault -menetelmään perustuvan tietovaraston kehityksen automatisaatiomenetelmät
(30.06.2022)
Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
avoin
Julkaisun pysyvä osoite on:
https://urn.fi/URN:NBN:fi-fe2022080352638
https://urn.fi/URN:NBN:fi-fe2022080352638
Tiivistelmä
Data Vault on hyvin standardoitu ja dokumentoitu menetelmä tietovarastointiin. Tietovarastoinnin pääidea on integroida eri lähteistä tulevia datoja keskitettyyn paikkaan, jonka Data Vault toteuttaa tehokkaasti yhdistelemällä aikaisempien menetelmien hyviä ominaisuuksia yhteen. Sen raskas, mutta joustava rakenne tietovaraston mallinnuksessa johtaa automaatiotyökalujen käyttöön, joilla voidaan lähdejärjestelmien metadatan ja Data Vault -mallin määritysten avulla luoda tietovaraston tietokannan objektit automaattisesti.
Tutkielmassa tutustutaan Data Vault -menetelmällä mallinnetun tietovaraston kehityksen automatisaation lähestymistapoihin käymällä läpi erilaisia akateemisia tutkimuksia ja suorittamalla sisäinen haastattelututkimus Aveso Oy:ssä. Tavoitteena on löytää uusia näkökulmia tietovaraston kehityksen automaatioon, analysoida Aveson oman tietovaraston kehitystyökalun, Aveso DW Automationin automaatioratkaisua ja löytää sille kehityskohteita.
Kolme tutkielmassa läpikäytävää lähestymistapaa keskittyvät hieman eri osiin tietovaraston kehityksestä. Puonti et al. lähestymistapa on kevyt ja pääosin datojen latauksiin keskittyvä. Krneta et al. lähestymistapa on hieman pidemmälle kehitetty ja se keskittyy pääosin Data Vault -mallin taulujen luontiin. Krneta et al. esittelevät myös tavan luoda Data Vault -malli automaattisesti lähdejärjestelmien pohjalta. Pankov et al. lähestymistapa keskittyy pääosin yleisen metadatatietokannan kehitykseen, jonka pohjalta olisi mahdollista generoida useamman erilaisen mallinnusmenetelmän tietovarasto-objektit automaattisesti.
Haastattelututkimuksessa tuli esille näkemyksiä tietovaraston kehitykseen ja siihen, millaisia ominaisuuksia voisi tietovaraston kehityksen automatisoivassa työkalussa olla. Haastattelututkimuksen ja akateemisten tutkimusten pohjalta tuli esimerkiksi selville, että Aveso DW Automation -työkalulta puuttuu vielä ominaisuuksia Data Vault -menetelmän ja sen ylläpidon kannalta, sekä sen toimintaa voisi myös tehostaa suoralla yhteydellä lähdejärjestelmiin.
Tutkielmassa tutustutaan Data Vault -menetelmällä mallinnetun tietovaraston kehityksen automatisaation lähestymistapoihin käymällä läpi erilaisia akateemisia tutkimuksia ja suorittamalla sisäinen haastattelututkimus Aveso Oy:ssä. Tavoitteena on löytää uusia näkökulmia tietovaraston kehityksen automaatioon, analysoida Aveson oman tietovaraston kehitystyökalun, Aveso DW Automationin automaatioratkaisua ja löytää sille kehityskohteita.
Kolme tutkielmassa läpikäytävää lähestymistapaa keskittyvät hieman eri osiin tietovaraston kehityksestä. Puonti et al. lähestymistapa on kevyt ja pääosin datojen latauksiin keskittyvä. Krneta et al. lähestymistapa on hieman pidemmälle kehitetty ja se keskittyy pääosin Data Vault -mallin taulujen luontiin. Krneta et al. esittelevät myös tavan luoda Data Vault -malli automaattisesti lähdejärjestelmien pohjalta. Pankov et al. lähestymistapa keskittyy pääosin yleisen metadatatietokannan kehitykseen, jonka pohjalta olisi mahdollista generoida useamman erilaisen mallinnusmenetelmän tietovarasto-objektit automaattisesti.
Haastattelututkimuksessa tuli esille näkemyksiä tietovaraston kehitykseen ja siihen, millaisia ominaisuuksia voisi tietovaraston kehityksen automatisoivassa työkalussa olla. Haastattelututkimuksen ja akateemisten tutkimusten pohjalta tuli esimerkiksi selville, että Aveso DW Automation -työkalulta puuttuu vielä ominaisuuksia Data Vault -menetelmän ja sen ylläpidon kannalta, sekä sen toimintaa voisi myös tehostaa suoralla yhteydellä lähdejärjestelmiin.