L’universo dei big data richiede una particolare strumentazione per poter utilizzare, ai fini di un’analisi efficace, tutti i dati in possesso dell’azienda. Per le imprese può essere estremamente redditizio sfruttare le potenzialità che i big data offrono al giorno d’oggi, per la pianificazione di una strategia focalizzata sull’ottimizzazione dei risultati.
Per far ciò, l’impresa necessita di uno strumento versatile e agile, in grado di trasformare le informazioni in intelligence applicabile alle attività di analytics. Nonostante il data warehouse rappresenti un’ottima alternativa per chi necessita di uno strumento in grado di gestire immense quantità di dati, il processo di analisi impone maggiori reperibilità e accessibilità.
Le informazioni devono poter essere subito disponibili: l’utente, per poter aver accesso ai dati di cui necessita per le attività di analytics, spesso si ritrova a dover eseguire una query troppo complessa.
Per risolvere questo rallentamento, le aziende moderne spesso scelgono i data mart. Cosa sono, qual è la loro struttura e quali tipologie di data mart si trovano attualmente a disposizione delle imprese? Scopriamo tutti i vantaggi di questo sofisticato strumento per lo storage dei dati.
Indice dei contenuti
Cos’è un data mart?
Data mart e data warehouse, pur essendo entrambe strumenti per la gestione e l’archiviazione dei dati, hanno strutture e caratteristiche molto diverse. Un data mart rappresenta la semplificazione del data warehouse, in quanto contiene dati riguardanti un unico argomento o linea di business.
Utilizzando un data mart, il team di un’azienda può avere facile accesso ai dati, ottenendo insight in modo più rapido poiché non vi sarà la necessità di eseguire ricerche complesse o aggregazioni manuali, come accade con il data warehouse.
Un data mart può essere inoltre definito un database strutturato in base agli argomenti. Spesso, un data mart coincide con una sezione del data warehouse aziendale. I dati conservati all’interno di un data mart vengono allineati rispetto a specifiche unità aziendali (reparto vendite, marketing, finanziario).
Il data mart mette a disposizione dell’utente tutte le informazioni di cui hai bisogno, in modo semplice e rapido, proponendo dati contenuti in archivi e data warehouse in pochi giorni (e non in mesi). Un data mart può contenere solo dati pertinenti e legati a una specifica area aziendale: ed è per questo che rappresenta una soluzione efficiente ed economicamente conveniente per l’acquisizione di dati di semplice fruizione.
Data mart e data warehouse
Quali sono le differenze tra data mart e data warehouse? Entrambe i repository presentano una struttura ben organizzata, ospitante dati che vengono archiviati e gestiti sino a quando l’utente non ne ha bisogno. La principale differenza tra data mart e data warehouse sta nella finalità dello strumento: mentre i data warehouse raccolgono, in maniera centralizzata, i dati gestiti dall’azienda, un data mart risponde alle necessità operative di un’unica divisione aziendale.
È fondamentale avere il controllo degli accessi di un data warehouse, poiché questo repository contiene i dati dell’intera azienda. Per gli utenti di un’impresa, inoltre, interrogare i dati presenti all’interno di un data warehouse rappresenta un processo piuttosto complesso. Il controllo degli accessi a un data mart, invece, richiede un’attenzione meno rigorosa, trattandosi di informazioni compartimentate e limitate a un’unica area di business.
La funzione del data mart è quella di isolare o suddividere i dati in un piccolo insieme, affinché queste informazioni possano essere più accessibili per gli utenti medi. Un data mart può essere creato sulla base di un data warehouse già esistente (approccio dall’alto al basso) oppure a partire da sistemi operativi interni, dati esterni o altre sorgenti.
Un data mart è un database relazionale contenente dati transazionali, suddivisi in righe e colonne, in modo che siano organizzati e facilmente accessibili. Più data mart possono essere unificati con il fine di creare un data warehouse (approccio dal basso verso l’alto).
Vediamo, quindi, quali sono le principali differenze tra data mart e data warehouse nella tabella seguente.
| Caratteristica | Data mart | Data warehouse |
| Argomento | Argomento unico. | Più di un argomento. |
| Dimensioni | < 100 GB. | 100 GB o più. |
| Sorgenti di dati | Poche sorgenti. | Molteplici sorgenti. |
| Portata | Unità aziendale. | Azienda nella sua globalità. |
| Tempo di creazione | Minuti, settimane o mesi. | Diversi mesi o anche anni. |
| Integrazione dei dati | Un’unica area di interesse. | Tutti i dati aziendali. |
Tipologie di data mart
Esistono tre tipologie di data mart, classificate in base alla loro dipendenza dalle sorgenti di dati utilizzate per la creazione del sistema, a seconda della relazione con il data warehouse. Vediamole le tre tipologie nel dettaglio.
Data mart dipendenti
Questi data mart vengono strutturati a partire da un data warehouse già esistente. Per la creazione di un data mart dipendente viene applicato l’approccio dall’alto verso il basso: inizialmente vengono archiviati tutti i dati all’interno di un repository centrale. Successivamente, si estrae una posizione definita dei dati, per la finalità di analytics e nel momento in cui devono essere utilizzati.
Un set specifico di dati viene aggregato e organizzato in cluster, prendendo come base di partenza un data warehouse ristrutturato. Questo modello viene caricato all’interno del data mart dipendente, che può offrire maggiore agilità nell’esecuzione delle query. Tale data mart consiste:
- in una vista logica. Ovvero una vista o tabella virtuale separata logicamente (e non fisicamente) dal data warehouse;
- un sottoinsieme fisico del data warehouse. I dati vengono estratti con l’obiettivo di costruire un database separato fisicamente dal data warehouse.
Il livello minimo di dati presenti all’interno del set di destinazione, chiamati anche dati granulari, rappresenta l’unico punto di riferimento per i data mart dipendenti creati a partire da un data warehouse.
Data mart indipendenti
Trattasi di data mart dal sistema autonomo, creato per conservare e gestire dati riguardanti un singolo argomento o una funzione aziendale. Il dato viene estratto da sorgenti esterne, interne o da sorgenti miste. Viene quindi elaborato e immesso nel repository, nel quale rimane fin quando non deve essere utilizzato per le attività di analytics.
Un data mart indipendente è utile per l’azienda che necessita di raggiungere obiettivi a breve termine. Pur non essendo complessi da progettare e creare, possono comportare costi importanti di gestione, poiché ogni data mart indipendente ha una logica e uno strumento ETL proprio. Tali risorse diventano sempre più complesse man mano che le necessità aziendali si evolvono.
Data mart ibridi
In questo caso, il data mart combina i dati provenienti da sistemi sorgente e da un data warehouse. I data mart ibridi garantiscono velocità e orientamento all’utente, progettati secondo l’approccio dall’alto verso il basso. Offrono vantaggi, inoltre, nell’ambito dell’integrazione secondo l’approccio dal basso verso l’alto.
Struttura del data mart
I moderni data mart possono essere strutturati utilizzando diverse tipologie di schema:
- a fiocco di neve;
- vult;
- a stella;
- blueprint o altri sistemi.
Generalmente, i dipartimenti IT prediligono lo schema a stella, organizzato secondo uno o più set di metriche verticalizzate su un processo di business o un particolare evento. Questi set di metriche sono legati a tabelle delle dimensioni e attributi primari interni a un database relazionale.
Lo schema a stella rappresenta la scelta più versatile e dalla scalabilità superiore, in quanto necessita di un inferiore numero di “join” durante la compilazione delle query, non essendoci dipendenze tra le dimensioni. Questo schema permette di semplificare il processo di interrogazione ETL: ciò consente agli analisti di accedere ai dati e consultare gli stessi in modo più semplice.
Lo schema a fiocco di neve, invece, presenta dimensioni non definite in modo chiaro. Le dimensioni vengono normalizzate affinché sia possibile ridurre le ridondanze e garantire massima integrità ai dati. Il processo di archiviazione delle tabelle delle dimensioni necessita di uno spazio minore, a fronte di una maggiore complessità generale della struttura e della gestione della stessa.
Vantaggi di un data mart
Per l’elaborazione di una business intelligence dall’alta scalabilità e per la gestione dei big data, le aziende spesso scelgono di utilizzare un data mart visti i suoi innegabili vantaggi:
- accesso più efficiente a set di dati specifici per l’acquisizione della business intelligence;
- ottimizzazione delle prestazioni del data warehouse. I data mart, infatti, siano essi dipendenti o ibridi, hanno la capacità di migliorare l’efficienza di un data warehouse eseguendo le attività di elaborazione e soddisfacendo, in modo più scalabile, le necessità degli analisti. I data mart dipendenti, quando collocati all’interno di una struttura separata di elaborazione, riducono i costi di elaborazione dei dati per l’analisi;
- alternativa valida e gratuita al data warehouse. Un data mart rappresenta la soluzione alternativa e a costo zero rispetto alla creazione di un data warehouse. Un data mart indipendente, infatti, può essere progettato, configurato e reso operativo nel giro di una settimana circa;
- versatilità nelle attività di analisi. Un data mart permette di monitorare facilmente i KPI;
- manutenzione dei dati condivisa dai vari reparti aziendali, che possono utilizzare i propri dati e gestirli in base alle esigenze;
- semplicità di configurazione. Un data mart presenta un design semplificato, che necessita di competenze meno specialistiche in fase di configurazione;
- easy entry. Un data mart, infatti, rappresenta una soluzione di base utile per la progettazione di un futuro data warehouse aziendale.
