Ulemperne ved et datalager

Data warehouses er relationsdatabaser, der fungerer som dataanalyseværktøjer, og aggregerer data fra flere afdelinger af en virksomhed til en datalager. Datavarehuse opdateres typisk som en slutdato af batchjob, snarere end at blive churned af real-time transaktionsdata. Deres primære fordele er at give ledere bedre og mere tidsmæssige data til at træffe strategiske beslutninger for virksomheden. Men de har også nogle ulemper.

Ekstra rapporteringsarbejde

Afhængigt af organisationens størrelse løber et datalager risikoen for ekstra arbejde på afdelinger. Hver type data, der er behov for i lageret, skal typisk genereres af it-teamene i hver afdeling af virksomheden. Dette kan være lige så enkelt som at duplikere data fra en eksisterende database, men på andre tidspunkter involverer det at indsamle data fra kunder eller medarbejdere, som ikke blev samlet før.

Omkostningsfordel

En almindeligt citeret ulempe ved datalagring er cost / benefit-analysen. Et datalager er et stort it-projekt, og ligesom mange store it-projekter kan det suge en masse IT mand timer og budgetpenge til at generere et værktøj, der ikke bliver brugt ofte nok til at retfærdiggøre implementeringsomkostningerne. Dette er helt sidestykke spørgsmålet om bekostning af at opretholde datalageret og ajourføre det som virksomheden vokser og tilpasser sig markedet.

Data Ownership Concerns

Data warehouses er ofte, men ikke altid, Software som en Service implementeringer eller Cloud Services applikationer. Din datasikkerhed i dette miljø er kun lige så god som din cloud-sælger. Selvom implementeret lokalt, er der bekymringer om datatilgang i hele virksomheden. Sørg for, at de mennesker, der foretager analysen, er personer, som din organisation har tillid til, især med kundernes personlige data. Et datalager, der lækker kundedata, er et privatliv og public relations mareridt.

Data Fleksibilitet

Data warehouses har tendens til at have statiske datasæt med minimal evne til at "bore ned" til specifikke løsninger. Dataene importeres og filtreres gennem et skema, og det er ofte dage eller uger gamle på det tidspunkt, det rent faktisk bruges. Derudover er datalagre normalt underlagt ad hoc-forespørgsler og er således notorisk vanskelige at indstille for behandlingshastighed og forespørgselshastighed. Selv om forespørgslen ofte er ad hoc, er spørgsmålet begrænset af, hvilke datarelationer der blev indstillet, da aggregeringen blev samlet.