آینده هوش تجاری در پردازش ابری

آینده هوش تجاری در پردازش ابری

پردازش ابری یکی از تکنولوژیهای انقلابی سال های اخیر بشمار می رود. پردازش ابری در سه شکل مفهوم یافته است: نرم افزار به عنوان یک خدمت ، پلتفرم به عنوان یک خدمت  و زیرساخت به عنوان یک خدمت. سازندگان مورد اول با فراهم کردن اپلیکیشن های کسب و کار مشابه شکل های سنتی آن (که توسط خود سازمان اداره می شد) واسطی با مصرف کننده نهایی فراهم می کنند. پارادایم پردازش ابری برای ساخت محیط پردازش مجازی با پردازش های در مقیاس بزرگ، منابع ذخیره و منابع خدمات داده بوجود آمدند. کاربران پردازش ابری می توانند از موضوعاتی که نیازمند سرمایه گذاری زیاد در پلتفرم های نرم افزار و سخت افزار، بروز کردن منظم آنها و نرم افزارهای با لیسانس عالی که برای اجرای فرآیندهای کسب و کار نیاز است، دوری گزیده و از سیستم های پشتیبان تصمیم و مبادلات مرتبط استفاده کنند.

 

هوش کسب و کار به روش پردازش ابری

این مدل با وجود افزایش کارایی کسب و کارها، ولی هزینه ها را به میزان قابل توجهی کاهش می دهد.منابع بر اساس نیازمندی کاربران نهایی و توسط ماشین تدارکات بر اساس شایستگی به آنها اختصاص داده می شود. وقتی شایستگی تایید شد، منابع برای کاربر رزرو می شوند تا زمانیکه فرآیندهای پردازش توسط پایانه کاربر در حال بررسی هستند. پایانه معمولا مکان مجازی سرور است که برای ارائه به مشتری شبیه سازی شده است. موسسه ملی استانداردها و فناوری ها در فرآیند توسعه پروتکل های استاندارد برای ارتباط کاربر با ابر مذکور از طریق واسط کاربر شبیه ساز، واسط کاربر شبیه ساز ترمینال، واسط کاربر کوچک و واسط کاربر مرورگر اینترنتی شرکت دارد. تا بحال، هیچ استانداردی برای منابع میزبان ابر وجود نداشته است.

 

چارچوب پردازش تحلیل آنلاین

مکعب های OLAP مخزن داده ها و لایه های سازماندهی داده های سیستم هوش تجاری را تشکیل می دهند که به شکل چند وجهی بر جداول انبار داده می نشینند. ساختار هر مکعب از تعدادی ستونهای متناظر با داده های برداشت شده جداول مالی و فرآیندهای مختلف در یک دوره، تشکیل شده است. دوره های یک مکعب، کوتاهتر از مشابه خود در انبار داده هستند (برای مثال، ۵ سال یا بیشتر) جستارهای OLAP از داده هایی با دیدگاههای مختلف در یک زمان تشکیل شده است.لایه ارائه داده ها را در قالب صفحات چند وجهی نمایان می کنند. شکل یک مکعب چند وجهی OLAP را از منظر ماتریسی نشان می دهد.

 

چارچوب BI و OLAP

اجزای کلیدی چارچوب BI و OLAP به شرح زیر می باشد:

لایه واسط کاربر که شامل کتابخانه بزرگی از داشبوردهای گزارشات گرافیکی است.
لایه تحلیل داده ها که شامل سناریو های چه-اگر، گزارشات، سوالات ذخیره شده و مدلهای داده است.
لایه ذخیره مکعب های OLAP که با استخراج داده های چند بعدی از لایه انبار داده ها شکل گرفته است.
لایه اتحاد داده ها که برای تشخیص، پاکسازی، سازماندهی و دسته بندی داده هایی است که از انبار داده ها پیش از شکل گرفتن مکعبهای استخراج شده است.
لایه داده ها که از انبار داده ها تشکیل شده است.
لایه کسب داده از فرآیندهای کسب و کار، پایگاه داده پشتیبان تصمیم و تعاملی که برای وظایف مختلف یک سازمان بکار گرفته می شود.
لایه متشکل از اجزای زیرساخت فناوری اطلاعات و منابع مرتبط مانند فرآیندهای داده، انبار و شبکه داده.

در شکل زیر چارچوب BI و OLAP نشان داده شده است:

 

پردازش ابری,هوش تجاری,هوش کسب و کار,هوش رقابتی

 

مزایای هوش تجاری به روش محاسبه ابری

امروزه با درک مزایای تحلیل داده ها، راه حلهای هوش کسب و کار به روش محاسبه ابری به طور تدریجی در حال عمومیت یافتن در میان کسب و کارها هستند. کسب و کارها به بینش های کیفی احتیاج دارند که بیش از گذشته شامل داده های حقیقی باشند.

مزیت هزینه : در محاسبه ابری، شرکتها به بودجه پکیج های نرم افزاری بزرگ و یا به روزرسانی های وقت گیر روی سرورهای داخلی برای زیرسازی و اجرای هوش تجاری احتیاج ندارند.آنها فقط برای منابع محاسباتی که نیاز دارند پول پرداخت می کنند.
انعطاف پذیری و مقیاس پذیری : راه حل های هوش کسب و کار با محاسبه ابری انعطاف پذیری بیشتری دارند و برای کاربر امکان دسترسی فنی به منابع داده جدید، آزمایش و تحلیل مدلها را فراهم می آورند.
اعتبارسنجی : اعتبار از طریق استفاده از سایتهای مختلف برای فراهم آوردن مکانهای امن ذخیره داده و منابع کاربران در مقیاس وسیع افزایش می یابد.
قابلیت های اشتراک گذاری وسیع داده : اپلیکیشن های محاسبه ابری قابلیت به اشتراک گذاری داده ها از راه دور را دارد و اگر از طریق اینرنت و یا خارج از فایروال شرکت به کار گرفته شوند نیز این قابلیت را دارند.
عدم هزینه سرمایه گذاری : مجموع هزینه مالکیت مزیت کلیدی این مدل می باشد. با محاسبه ابری، شرکتها برای خدمتی که واقعا استفاده می کنند هزینه پرداخت می کنند.

نتیجه گیری و راهنمای تحقیقات آینده

پردازش ابری یکی از مهمترین بخشهای آینده هوش کسب و کار است و مزیتهایی مثل کم کردن هزینه ها، انعطاف پذیری و مقیاس پذیری اجرا، اعتبار و قابلیتهای اشتراک گذاری گسترده داده را در پی دارد. پردازش ابری پتانسیل ارائه زندگی جدید را در قالب چارچوب OLAP و BI دارد.

چارچوب BI و OLAP به شدت منبع متمرکز است و ساختاری چندلایه متشکل از مکعبهای OLAP با ماتریسهای تسهیم شده که نشان دهنده روابط بین متغیرهای کسب و کار مختلف هستند، دارد. جزئیات چالشهای اجرای موازی سیستم پردازش RDBMS برای دریافت BI به درون ابر باید مورد بحث قرار گیرد. بسیاری از تنظیمات ممکن در محیط شبیه سازی OPNET به نوآوریهای ساختاری زیادی نیاز دارند به چیزی که در این مقاله شرح داده شد دست یابند.

در آینده، محققان می توانند تکنولوژیهای مدرن وابسته به تدارک خدمات، مسیریابی خدمات ، جزبندی الگو، تعادل بار را مطالعه کنند تا سیستم RDBMS در سطح شرکت را به اجرا درآورند که به فرصت قابل توجهی برای انجام سیستم پردازش سرور RDBMS برای قبول هوش کسب و کار در ابرهای خود به اجرا درآورند.

 

 

 

 

دیدگاه خود را بنویسید: