Notícias

Nov 14, 2023

Data Warehousing Lógico e a Cadeia de Suprimentos

O armazenamento lógico de dados permite que as organizações extraiam o valor máximo de

O data warehousing lógico permite que as organizações extraiam o valor máximo de seus dados corporativos e pode ser o elo perdido para ajudar as empresas de suprimentos e manufatura a gerar os insights necessários para conduzir a tomada de decisões de dados.

Com a pandemia agora totalmente em nosso espelho retrovisor, os dados continuam a crescer em volume e complexidade mais rapidamente do que antes do COVID. Como resultado, os Chief Procurement Officers (CPOs) e outros profissionais da cadeia de suprimentos estão descobrindo que precisam de recursos eficazes de gerenciamento de dados de ponta a ponta que possam fornecer visualizações contínuas e oportunas de dados em vários tipos diferentes de fontes. Na verdade, uma pesquisa da Deloitte de 2018 descobriu que mais de 3 em cada 5 CPOs (65%) tinham visibilidade limitada ou nenhuma visibilidade além dos fornecedores de nível 1. Um ano depois, a Deloitte descobriu que os CPOs listavam a qualidade dos dados como um grande impedimento para a aquisição.

À medida que as organizações continuam a lidar com problemas de gerenciamento de dados em sua cadeia de suprimentos e buscam a solução certa para sua empresa, uma forte alternativa tem se infiltrado em segundo plano há anos; um data warehouse lógico (LDW), que é uma base ágil para transformar e entregar dados. Mark Breyer, do Gartner, propôs o termo pela primeira vez em 2008, como a próxima evolução do data warehouse, pois "foca na lógica da informação e não na mecânica". Desde então, data warehouses lógicos têm sido usados ​​com sucesso por milhares de empresas e cresceram em sofisticação e confiabilidade. Ao contrário dos armazéns de dados tradicionais, os armazéns de dados lógicos permitem visualizações de dados em tempo real em vários sistemas diferentes, incluindo repositórios baseados em nuvem e fontes de dados de streaming.

Recentemente, o Gartner descreveu como alavancar o data warehouse lógico para a cadeia de suprimentos. Nele, eles mapearam uma arquitetura na qual o data warehouse lógico desempenha um papel central em relação a outros componentes-chave de uma infraestrutura de dados, que incluem armazenamentos de dados operacionais, data warehouses, data marts e data lakes, para atender às necessidades específicas de usuários diferentes, como analistas de negócios, engenheiros de dados e cientistas de dados, que se envolvem em uma variedade de análises que envolvem inteligência operacional, relatórios e inteligência de negócios, análises avançadas e ciência de dados.

O Gartner recomenda que os líderes da cadeia de suprimentos estruturem sua abordagem de análise e inteligência em torno do modelo de infraestrutura de dados e análises da Gartner (DAIM), um modelo de quatro quadrantes que cobre a maioria dos casos de uso de dados e análises, de acordo com as duas dimensões a seguir:

O relatório do Gartner mostra como os cinco principais componentes de uma infraestrutura de dados (armazéns de dados lógicos, componentes de inteligência operacional, armazéns de dados, data lakes e componentes de ciência de dados) são mapeados no DAIM, bem como quais funções e habilidades tendem a se aplicar em cada caso.

Duas observações são claras: primeiro, além do armazenamento de dados lógico, os outros quatro componentes de infraestrutura, com suas funções e habilidades associadas, se alinham às quatro categorias de dados DAIM e casos de uso analítico aproximadamente desta maneira:

Em segundo lugar, o data warehouse lógico abrange todas as quatro categorias do DAIM, porque pode ser implementado acima da infraestrutura existente de uma empresa, incluindo componentes de inteligência operacional, data warehouses, data lakes e componentes de ciência de dados, permitindo acesso contínuo e em tempo real a todos os diferentes tipos de dados armazenados nos diferentes componentes.

A virtualização de dados torna possível o gerenciamento de dados moderno porque sua abordagem lógica para integração e gerenciamento de dados fornece exibições em tempo real em fontes de dados distintas sem a necessidade de primeiro replicar fisicamente os dados em um repositório consolidado. A virtualização de dados atua como uma abstração e uma camada semântica sobre todas as diferentes fontes de dados subjacentes que compõem o data warehouse lógico, incluindo fontes locais e na nuvem, fontes estruturadas e não estruturadas, fontes estáticas e de streaming e fontes legadas e modernas.