Un data mart (o serie specifica di dati) è un sottoinsieme di un  data warehouse  focalizzato su una particolare linea di business, reparto o area tematica. I data mart mettono a disposizione dei dati specifici per un gruppo definito di utenti, il che gli consente di accedere rapidamente ad insight critici senza dover perdere tempo a cercare in un intero data warehouse. Ad esempio, molte aziende possono avere data mart relativi a reparti specifici nell'azienda, come, ad esempio, quello finanziario, delle vendite o del marketing.

Data mart, data warehouse e data lake sono repository di dati centrali cruciali, ma soddisfano esigenze diverse all'interno di un'organizzazione.

Un  data warehouse è un sistema che aggrega i dati da più fonti in un unico archivio dati centrale e coerente per supportare il data mining, l'AI e il machine learning, che, in definitiva, possono migliorare analisi sofisticate e business intelligence. Attraverso questo processo di raccolta strategica, le  soluzioni di data warehouse  consolidano i dati provenienti da diverse fonti per renderli disponibili in una forma unificata. 

Un data mart (come illustrato in precedenza) è una versione mirata di un data warehouse che contiene un sottoinsieme più piccolo di dati importanti e necessari per un singolo team o un gruppo selezionato di utenti all'interno di un'organizzazione. Un data mart è creato da un data warehouse esistente (o altre fonti di dati) attraverso una procedura complessa che coinvolge più tecnologie e strumenti per progettare e costruire un database fisico, popolarlo con dati e impostare intricati protocolli di accesso e gestione.

Nonostante sia un processo impegnativo, consente a una linea di business di scoprire insight di maggiore interesse più rapidamente che lavorando con il set di dati più ampio di un data warehouse. Per esempio, i team di marketing possono beneficiare della creazione di un data mart da un magazzino esistente, dato che le sue attività sono di solito eseguite indipendentemente dal resto del business. Pertanto il team non ha bisogno di accedere a tutti i dati aziendali.

Anche un data lake è un repository di dati. Un data lake fornisce uno storage massiccio di dati non strutturati o grezzi alimentati da più fonti, ma le informazioni non sono ancora state elaborate o preparate per l'analisi. Essendo in grado di memorizzare i dati in un formato grezzo, i data lake sono più accessibili e convenienti dei data warehouse. Non c'è bisogno di pulire ed elaborare i dati prima dell'ingestione.

Ad esempio, i governi possono usare la tecnologia per tracciare i dati sul comportamento del traffico, sull'uso dell'energia e sui corsi d'acqua, e memorizzarli in un data lake finché non riescono a capire come utilizzare le informazioni per creare "città più intelligenti" con servizi più efficienti.

I data mart sono progettati per soddisfare le esigenze di gruppi specifici in quanto hanno un ambito di dati relativamente ristretto. E pur potendo contenere milioni di record, un data mart ha l'obiettivo di fornire agli utenti aziendali i dati più rilevanti nel minor tempo possibile. 

Con la sua progettazione più piccola e mirata, il data mart offre agli utenti diversi vantaggi, tra cui:

• Efficienza in termini di costi:  Durante la configurazione di un data mart, è necessario considerare diversi fattori, come, ad esempio, l'ambito, le integrazioni e il processo  ETL (extract, transform, and load). Tuttavia, una serie specifica di dati in genere incide solo in parte sul costo di un data warehouse.
  
  
• Accesso semplificato ai dati:  I data mart contengono solo un piccolo sottoinsieme di dati, quindi gli utenti possono recuperare rapidamente i dati di cui hanno bisogno con uno sforzo minore rispetto a quello richiesto quando lavorano con un insieme di più ampio di un data warehouse.
  
  
• Accesso più rapido agli insight:  Gli approfondimenti ottenuti da un data warehouse supportano il processo decisionale strategico a livello aziendale, con un impatto sull'intera azienda. Un data mart alimenta la business intelligence e le analisi su cui si basano le decisioni a livello dipartimentale. I team possono sfruttare approfondimenti di dati mirati tenendo a mente i propri obiettivi specifici. Dal momento che i team identificano ed estraggono dati preziosi in un lasso di tempo più breve, l'azienda beneficia di processi aziendali accelerati e di una maggiore produttività.
  
  
• Manutenzione dei dati più semplice:  Un data warehouse contiene una grande quantità di informazioni aziendali, con opportunità per più linee di business. I data mart si concentrano su un'unica linea, che contiene meno di 100GB, il che porta a meno disordine e a una manutenzione più facile.
  
  
• Implementazione più facile e più veloce:  Un data warehouse richiede un tempo di implementazione significativo, specialmente in una grande impresa, in quanto raccoglie dati da numerose fonti, sia interne che esterne. D'altra parte, quando si imposta un data mart, è necessario solo un piccolo sottoinsieme di dati e quindi l'implementazione tende ad essere più efficiente e a richiedere minor tempo per l'impostazione.

Sono disponibili tre tipi di data mart, che differiscono in base alla loro relazione con il data warehouse e le rispettive origini dati di ogni sistema.

• I data mart dipendenti sono segmenti partizionati all'interno di un data warehouse aziendale. Questo approccio top-down parte dall'immagazzinamento di tutti i dati aziendali in una posizione centrale. I data mart appena creati estraggono un sottoinsieme definito dei dati primari ogni volta che ciò si renda necessario per l'analisi.
  
  
• I data mart indipendenti  agiscono come un sistema autonomo che non si basa su un data warehouse. Gli analisti possono estrarre dei dati relativi a un particolare soggetto o processo di business da fonti di dati interne o esterne, elaborarli e poi memorizzarli in un repository di data mart fino a quando il team ne ha bisogno.
  
  
• I Data mart ibridi  combinano dati provenienti da data warehouse esistenti e altre fonti operative. Questo approccio unificato sfrutta la velocità e l'interfaccia user-friendly di un approccio top-down e offre anche l'integrazione a livello aziendale del metodo indipendente.

Un data mart è un  database relazionale  orientato agli oggetti che memorizza i dati transazionali in righe e colonne, rendendone facile l'accesso, l'organizzazione e la comprensione. Dal momento che contiene dati storici, questa struttura rende più facile per un analista determinare le tendenze dei dati. I campi di dati tipici includono ordine numerico, valore temporale e riferimenti a uno o più oggetti.

Le aziende organizzano i data mart in uno schema multidimensionale come un modello per soddisfare le esigenze delle persone che usano i database per svolgere compiti analitici. I tre tipi di schemi principali sono a stella, a fiocco di neve e a volta.

Stella
 

Lo schema a stella è una formazione logica di tabelle in un database multidimensionale che ricorda la forma di una stella. In questo modello, una tabella dei fatti - un insieme di metriche che si riferisce a un evento o processo aziendale specifico - risiede al centro della stella, circondata da diverse tabelle di dimensioni associate.

Non esiste alcuna dipendenza tra le tabelle di dimensione, quindi uno schema a stella richiede un numero inferiore di join quando si scrivono le query. Questa struttura rende più facile la creazione di query, quindi gli schemi a stella sono altamente efficienti per gli analisti che desiderano accedere e navigare in grandi insiemi di dati.

Fiocco di neve
 

Uno schema a fiocco di neve è un'estensione logica di uno schema a stella, ampliando la struttura con ulteriori tabelle delle dimensioni. Le tabelle delle dimensioni sono normalizzate per proteggere l'integrità dei dati e ridurne al minimo la ridondanza.

Anche se questo metodo richiede meno spazio per memorizzare le tabelle delle dimensioni, si tratta di una struttura complessa che può essere difficile da gestire. Il vantaggio principale derivante dall'utilizzo dello schema a fiocco di neve è la ridotta richiesta di spazio su disco, ma lo svantaggio è un possibile impatto negativo sulle prestazioni a causa delle tabelle aggiuntive.

Vault
 

Il data vault è una moderna tecnica di modellazione di database che permette ai professionisti IT di progettare dei data warehouse aziendali agili. Questo approccio implementa una struttura a livelli ed è stato sviluppato specificamente per combattere i problemi di agilità, flessibilità e scalabilità che sorgono quando si usano gli altri modelli di schemi.

Il data vault elimina la necessità di pulizia dello schema a stella e semplifica l'aggiunta di nuove origini dati senza interrompere lo schema esistente.

I data mart sono alla base di importanti decisioni aziendali a livello di reparto. Ad esempio, un team di marketing potrebbe usare i data mart per analizzare i comportamenti dei consumatori, mentre il personale di vendita potrebbe usarli per compilare i rapporti trimestrali sulle vendite. Poiché queste attività vengono svolte all'interno dei rispettivi reparti, i team non hanno bisogno di accedere a tutti i dati aziendali.

In genere, un data mart viene creato e gestito dal reparto aziendale specifico che intende usarlo. Il processo per la progettazione di un data mart comprende solitamente i seguenti passaggi:

1. Requisiti essenziali del documento  per comprendere le esigenze tecniche e aziendali del data mart.
   
   
2. Identificare le origini dati  su cui il data mart farà affidamento per le informazioni.
   
   
3. Determinare il sottoinsieme di dati, se si tratta di informazioni su un argomento o di campi specifici ad un livello più dettagliato.
   
   
4. Progettare il layout logico  per il data mart scegliendo uno schema che sia correlato al data warehouse più grande.

Una volta completato il lavoro di preparazione, è possibile ottenere il massimo valore da un data mart utilizzando strumenti di business intelligence specializzati, come Qlik o SiSense. Queste soluzioni includono un dashboard e delle visualizzazioni che semplificano la distinzione tra insight e dati, consentendo di prendere decisioni più intelligenti che portano vantaggio all'azienda

Sebbene i data mart offrano alle aziende i vantaggi di una maggiore efficienza e flessibilità, la crescita inarrestabile dei dati pone un problema per le aziende che continuano a utilizzare soluzioni on-premises.

Man mano che i  data warehouse si spostano verso il cloud, i data mart li seguiranno. Consolidando le risorse di dati in un unico repository che contiene tutti i data mart, le aziende possono ridurre i costi e garantire che tutti i reparti abbiano accesso illimitato e in tempo reale ai dati di cui hanno bisogno.

Le piattaforme basate sul cloud consentono di creare, condividere e archiviare facilmente grandi insiemi di dati, aprendo la strada a un accesso e un'analisi dei dati più efficienti ed efficaci. I sistemi cloud sono creati per una crescita sostenibile del business, con molti provider di soluzioni  Software-as-a Service (SaaS)  moderne che separano il data storage dal computing per migliorare la scalabilità durante l'interrogazione dei dati.

IBM Db2 Warehouse on Cloud  è un data warehouse elastico su cloud che offre una scalabilità indipendente di storage e calcolo. I data mart più piccoli possono usare la funzione  Flex One , un data warehouse elastico costruito per analisi ad alte prestazioni. Questo sistema può essere implementato su più provider di cloud, a partire da 40 GB di storage.

Un'altra opzione che vale la pena considerare è  IBM InfoSphere® Master Data Management (MDM). Questo sistema personalizzabile gestisce tutti gli aspetti dei tuoi dati aziendali critici, dando agli utenti la possibilità di accedere ad una visione unica e affidabile. Attraverso questo dashboard semplificato, gli utenti sono in grado di condurre analisi dettagliate, acquisire insight operativi e garantire la totale conformità alla governance e alle politiche dei dati in tutta l'azienda.

Registrati per ottenere un IBMid e crea il tuo account IBM Cloud.