فکت (Fact) در انبار داده (Datawarehous) چیست ؟
فکت در انبار داده (Data Warehouse) به معنای اطلاعات عددی و معیارهای کمی است که در یک سیستم انبار داده جمعآوری و ذخیره میشود. در ساختار انبار داده، دادهها به دو دسته تقسیم میشوند: ابعاد (Dimensions) و فکتها (Facts).
فکتها (Facts):
– فکتها، دادههایی عددی هستند که بیانگر مقادیر محاسباتی یا معیارهای کمی هستند که برای تجزیه و تحلیل اطلاعات مورد استفاده قرار میگیرند.
– این اطلاعات معمولاً از عملیات محاسباتی بر روی دادههای واقعی جمعآوری میشوند.
– فکتها میتوانند شامل اعداد مانند فروش، موجودی، قیمت و تعداد واحدها باشند.
– هر رکورد در جدول فکتها مربوط به یک وقوع مشخص در زمان و مکان مشخص میشود.
– اطلاعات ذخیرهشده در جدول فکتها نمایانگر رویدادها، تراکنشها، حقایق و حوادث واقعی در سازمان هستند.
Fact ها در انبار داده
در انبار داده (Data Warehouse)، Grain به معنای سطح دقت و تفصیلی است که برای فکتها (Facts) در ساختار انبار داده تعیین میشود. Grain تعیین کنندهی این است که هر ردیف در جدول فکتها (Facts) به چه میزان از دادهها مربوط میشود و به این ترتیب، تعیین میکند که هر رکورد فکت به چه دقت و جزئیاتی مرتبط است.
برای توضیح بهتر، فرض کنید که دادههای فروش محصولات در یک فروشگاه را در یک انبار داده ذخیره میکنید. در این مورد، Grain میتواند به شیوههای مختلف تعیین شود:
1. Daily Grain: اگر Grain به صورت روزانه تعیین شود، هر ردیف در جدول فکتها به یک روز خاص از تاریخ فروش محصول مرتبط میشود. این به این معناست که برای هر روز فروش، یک ردیف مربوط به مجموع فروشها در آن روز در جدول فکتها وجود دارد.
2. Hourly Grain: اگر Grain به صورت ساعتی تعیین شود، هر ردیف در جدول فکتها به یک ساعت خاص از تاریخ فروش محصول مرتبط میشود. این به این معناست که برای هر ساعت فروش، یک ردیف مربوط به مجموع فروشها در آن ساعت در جدول فکتها وجود دارد.
3. Product Grain: اگر Grain به صورت محصول معین تعیین شود، هر ردیف در جدول فکتها به یک محصول خاص مرتبط میشود. این به این معناست که برای هر محصول، یک ردیف مربوط به مجموع فروشها و معیارهای مرتبط با آن محصول در جدول فکتها وجود دارد.
تعیین صحیح Grain برای فکتها در انبار داده، به دقت و کاربردیتر شدن تحلیلها و گزارشدهیها کمک میکند و همچنین میتواند تأثیر زیادی بر روی عملکرد و حجم دادهها داشته باشد.
فکتها در انبار داده به عنوان قلب سیستم محسوب میشوند، زیرا همهی تجزیه و تحلیلها، گزارشدهیها و کوئریها بر اساس آنها انجام میشود. ابعاد (Dimensions) نیز به صورت اطلاعات متنی که توضیحات و جزئیات اضافی را ارائه میدهند، در کنار فکتها استفاده میشوند تا تحلیلها به شکل کاملتری انجام شوند.
انواع Fact در انبار داده(Datawarehouse)
در انبار داده (Data Warehouse)، فکتها (Facts) به دادههای عددی مرتبط با رویدادها، حقایق و معیارهای کمی در سازمان اطلاق میشود. فکتها نقطه مرکزی تحلیلها و گزارشهای مختلف در انبار داده هستند و با استفاده از بعد زمانی، بعد مکانی و بعد محصول، به صورت ابعادی مورد استفاده قرار میگیرند. برخی از انواع فکتها در انبار داده عبارتند از:
1. Transaction Fact: این نوع فکتها به معاملات یا تراکنشهای انجام شده در سازمان اختصاص دارند. مثال: مبلغ فروش، تعداد واحدهای فروخته شده، تعداد تراکنشهای موفق و ناموفق و …
2. Inventory Fact: این نوع فکتها مربوط به موجودی کالاها و محصولات در انبار یا سایر مکانها هستند. مثال: میزان موجودی، میزان تقاضا و عرضه و …
3. Financial Fact: این نوع فکتها مربوط به موارد مالی مانند درآمد، هزینهها، سود و زیان و … میشوند.
4. Customer Fact: این نوع فکتها به اطلاعات مشتریان و عملکرد آنها میپردازند. مثال: تعداد سفارشات مشتری، تعداد بازدیدها، تراکنشها و …
5. Marketing Fact: این نوع فکتها مربوط به فعالیتهای بازاریابی مانند تبلیغات، ترافیک و نتایج کمپینها هستند.
6. Web Analytics Fact: این نوع فکتها به فعالیتها و رفتار کاربران در وبسایتها و برنامههای کاربردی اختصاص دارند. مثال: تعداد بازدیدها، زمان بازدید، نرخ خرید و …
هر کدام از این انواع فکتها بسته به نوع سازمان و دادههای مورد استفاده، میتوانند متفاوت و بر اساس نیازهای تجاری مختلف طراحی شوند. این فکتها همراه با ابعاد مرتبط، تجزیه و تحلیل دقیقتر دادهها را در انبار داده امکانپذیر میکنند.
Transaction Fact در طراحی دیتامارت :
در مدلسازی دادههای مختلف، به ویژه در دادهبانکهای داده و دیتاورهاوز، مفهوم “Transaction Fact” (واقعیت تراکنش) یک مفهوم مهم است. Transaction Fact به عنوان یک نوع فاکت در مدل دادهبانکهای داده مورد استفاده قرار میگیرد تا رویدادها و تراکنشها در یک سیستم را نشان دهد. این فاکت معمولاً در مدلسازی دادههای مرتبط با عملیات تراکنشی، مالی، و کسب و کار مورد استفاده قرار میگیرد.
در Transaction Fact، اطلاعات مهمی که معمولاً شامل موارد زیر میشود، ذخیره میشود:
1. زمان تراکنش: تاریخ و زمانی که تراکنش انجام شده است.
2. شناسه تراکنش: یک شماره یا کد یکتا که به هر تراکنش اختصاص داده میشود.
3. مشتری یا شناسه مشتری: شناسه یا اطلاعات مرتبط با مشتری یا شخصی که تراکنش را انجام داده است.
4. محصول یا خدمت: اطلاعات مرتبط با محصول یا خدمت مورد تراکنش، از جمله شناسه محصول، توضیحات، و قیمت.
5. مقدار تراکنش: مبلغ یا مقدار مالی که در تراکنش مورد استفاده قرار گرفته است.
6. موقعیت جغرافیایی: اطلاعات مکانی مرتبط با تراکنش، مانند آدرس یا مختصات جغرافیایی.
7. سایر ویژگیها: سایر اطلاعات مرتبط با تراکنش و عوامل مرتبط، به عنوان مثال شرایط محیطی یا مشخصات خاص.
Transaction Fact برای تجمیع و تحلیل دادههای مرتبط با تراکنشها و عملیات مالی بسیار مفید است. این نوع دادهبانکها معمولاً در مدلهای مختلف دادهبانکی مورد استفاده قرار میگیرند، از جمله دادهبانکهای داده تاریخچهای (Data Warehouse)، OLAP (پردازش تحلیلی در خط دستور) و سیستمهای گزارشدهی.
Transaction Fact با فاکتهای دیگر و بعضی ابعاد (Dimensions) به عنوان جداول مرتبط به کار میرود تا تحلیلها و گزارشهای پیچیدهتری برای تصمیمگیریهای کسب و کار انجام شود. این مدلسازی معمولاً با استفاده از مدلهای ستارهای یا برفکت (Star Schema) و سیستمهای Business Intelligence (BI) به خوبی پیادهسازی میشود.
Inventory Fact در طراحی دیتامارت :
Inventory Fact (واقعیت موجودی) یک نوع فاکت در مدلسازی دادههای مختلف است که برای رصد و مدیریت موجودیهای محصولات یا کالاها در یک سیستم مورد استفاده قرار میگیرد. این نوع فاکت در مدلهای دادهبانکی و سیستمهای BI (Business Intelligence) برای ردیابی موجودی محصولات و تجارتها، مدیریت چرخه عمر محصولات، تحلیل رفتار مصرفکنندگان و ایجاد گزارشها بسیار مفید است.
مهمترین مولفهها و ویژگیهای Inventory Fact به شرح زیر هستند:
1. موجودی (Inventory): مقدار موجودی محصول یا کالا در زمان خاص. این شامل تعداد محصولات، واحدهای اندازهگیری موجودی (مثل عدد، کیلوگرم، یا لیتر) و وضعیت موجودی (مثل موجود، مشتریسفارشدهنده، یا مواد اولیه) میشود.
2. زمان (Time): تاریخ و زمانی که موجودی محصول رصد شده یا ثبت شده است. این به شما امکان میدهد تغییرات موجودی در طول زمان را ردیابی کنید.
3. محصول (Product): شناسه یا جزئیات مرتبط با محصول یا کالا، مانند نام محصول، کد محصول، خصوصیات، و اطلاعات مرتبط.
4. مکان (Location): اطلاعات مکانی مرتبط با موجودی، مثل انبارها، شعب، یا مکانهای مختلف که موجودیها در آنها نگهداری میشود.
5. وضعیت موجودی (Inventory Status): وضعیت موجودی محصول در زمان خاص، مانند موجود، فروخته شده، خراب یا منقضی شده.
6. تراکنشها (Transactions): انتقالها و تراکنشهای مرتبط با موجودی، مانند ورودیها، خروجیها، فروشها، بازگشتها و تغییرات موجودی.
Inventory Fact به تجمیع و تحلیل موجودی محصولات در زمان، تعامل با مشتریان، پیشبینی نیازهای موجودی، و مدیریت تجارت و عملیات مخزن کمک میکند. این نوع فاکت معمولاً در مدلهای دادهبانکی با ساختار ستارهای (Star Schema) و سیستمهای BI مورد استفاده قرار میگیرد تا اطلاعات مرتبط با موجودی به شکل موثری در دسترس باشند و گزارشدهی کارآمدی فراهم شود.
Financial Fact در طراحی دیتامارت :
Financial Fact (واقعیت مالی) یک نوع فاکت در مدلسازی دادههای مالی و حسابداری است که برای رصد و ثبت تراکنشها و واقعیتهای مالی یک سازمان به کار میرود. این نوع فاکت معمولاً در سیستمهای حسابداری و مدیریت مالی مورد استفاده قرار میگیرد تا اطلاعات مالی را به شکل ساختارمند ذخیره کرده و تجزیه و تحلیل کند.
مهمترین مولفهها و ویژگیهای Financial Fact به شرح زیر هستند:
1. زمان (Time): تاریخ و زمانی که تراکنش مالی انجام شده است. این به شما امکان میدهد تراکنشهای مالی را بر اساس دورههای زمانی مشخص (مانند ماهانه یا سالانه) مدیریت کنید و گزارشدهی بیشتری انجام دهید.
2. مشتری یا شناسه مشتری: اطلاعات مرتبط با مشتری یا شخصی که تراکنش مالی را انجام داده است. این شامل نام مشتری، شماره حساب، شماره مشتری و اطلاعات تماس مشتری میشود.
3. معامله (Transaction): توضیحی در مورد نوع تراکنش مالی، مانند خرید، فروش، انتقال و یا سایر عملیات مالی. این شامل هزینهها، درآمدها، تغییرات مالی و سایر رخدادهای مالی میشود.
4. حساب (Account): شناسه یا اطلاعات مرتبط با حساب مالی، مانند شماره حساب بانکی، کد حساب، نوع حساب و اطلاعات مرتبط با حساب مالی.
5. مبلغ (Amount): مقدار مالی مرتبط با تراکنش، از جمله مبلغ خرید، مبلغ دریافتی، یا سایر مقادیر مالی.
6. واحد پول (Currency): واحد پول مرتبط با تراکنش مالی، زیرا تراکنشهای مالی معمولاً در واحد پول مشخصی انجام میشوند.
7. شناسه تراکنش (Transaction ID): یک شماره یا کد یکتا که به هر تراکنش مالی اختصاص داده میشود.
Financial Fact به تجمیع و تحلیل تراکنشهای مالی، تولید گزارشهای مالی، مدیریت حسابداری و مالی سازمان، پیشبینی نیازهای مالی، و بررسی عملکرد مالی کمک میکند. این نوع فاکت معمولاً در مدلهای دادهبانکی با ساختار ستارهای (Star Schema) و سیستمهای BI به منظور تحلیل مالی و گزارشدهی استفاده میشود.
Customer Fact در طراحی دیتامارت :
Customer Fact (واقعیت مشتری) یک نوع فاکت در مدلسازی دادههای مرتبط با مشتریان و ارتباطات سازمان با مشتریان است. این نوع فاکت برای ردیابی و ثبت تراکنشها و رفتار مشتریان، مدیریت ارتباط با مشتری (CRM)، و تحلیل مشتریان به منظور ارتقاء خدمات و تصمیمگیریهای کسب و کار مورد استفاده قرار میگیرد.
مهمترین مولفهها و ویژگیهای Customer Fact به شرح زیر هستند:
1. مشتری (Customer): اطلاعات مرتبط با مشتریان یا اشخاصی که با سازمان تعامل دارند. این اطلاعات شامل نام مشتری، آدرس، اطلاعات تماس، نوع مشتری (مثل مشتری حقیقی یا حقوقی) و سایر اطلاعات مرتبط با هویت مشتری است.
2. تراکنشها (Transactions): رصد و ثبت تراکنشهای مشتریان، از جمله خریدها، سفارشها، پرداختها، تراکنشهای مالی، تماسهای تلفنی، ارسال ایمیل و تعاملهای مشابه.
3. زمان (Time): تاریخ و زمانی که تراکنش مشتری انجام شده است. این به شما امکان میدهد رفتار و تراکنشهای مشتریان را بر اساس دورههای زمانی مشخص (مثل ماهانه یا سالانه) تحلیل کنید.
4. محصول (Product): محصولات یا خدماتی که مشتریان خریداری کردهاند. این شامل شناسه محصول، توضیحات محصول، قیمت، و مشخصات محصول میشود.
5. خدمات پس از فروش (Customer Service): ارتباطات مشتریان با خدمات پس از فروش، از جمله تعمیرات، پشتیبانی فنی، شکایات، و درخواستها.
6. وضعیت مشتری (Customer Status): وضعیت فعلی مشتری در ارتباط با سازمان، مانند مشتری فعلی، مشتری حذف شده، یا مشتری بالقوه.
7. ترکیبیتها (Segments): مشتریان معمولاً بر اساس خصوصیات مشترک تقسیمبندی میشوند. این خصوصیات ممکن است جنسیت، سن، منطقه جغرافیایی، نوع محصول مورد علاقه، و … باشند.
Customer Fact به تجمیع و تحلیل رفتار مشتریان، مدیریت ارتباط با مشتری، پیشبینی نیازهای مشتریان، و بهبود تجربه مشتری کمک میکند. این نوع فاکت معمولاً در مدلهای دادهبانکی با ساختار ستارهای (Star Schema) و سیستمهای CRM و BI به منظور تجزیه و تحلیل رفتار مشتریان و تصمیمگیریهای کسب و کار استفاده میشود.
Marketing Fact در طراحی دیتامارت :
Marketing Fact (واقعیت بازاریابی) یک نوع فاکت در مدلسازی دادههای مرتبط با فعالیتها و کمپینهای بازاریابی است. این نوع فاکت برای رصد و ثبت اقدامات بازاریابی، تبلیغات، و تأثیر آنها بر کسب و کار مورد استفاده قرار میگیرد. با اطلاعات جمعآوری شده در Marketing Fact، تیمهای بازاریابی میتوانند ارتقاء کمپینها، ارزیابی بازدهی اقدامات، و ارتباط با مشتریان را بهبود ببخشند.
مهمترین مولفهها و ویژگیهای Marketing Fact به شرح زیر هستند:
1. کمپین بازاریابی (Marketing Campaign): شناسه یا جزئیات مرتبط با کمپین بازاریابی، از جمله نام کمپین، توضیحات، هدفها، مدت زمان، و منابع مالی.
2. زمان (Time): تاریخ و زمانی که فعالیت بازاریابی انجام شده است. این به شما امکان میدهد تاثیر کمپینها را در طول زمان رصد کرده و تحلیل کنید.
3. کانال بازاریابی (Marketing Channel): وسایل و روشهای مورد استفاده برای انتشار کمپینها، از جمله تلویزیون، رادیو، تبلیغات در اینترنت، شبکههای اجتماعی، ایمیل، و … .
4. مخاطبین (Audience): مخاطبان یا گروههای هدف کمپین بازاریابی، از جمله اطلاعات مرتبط با نیازها و خصوصیات این گروهها.
5. تراکنشها (Transactions): اقدامات مشتریان پس از تماشای کمپین، از جمله خریدها، واکنشها، میزان تبدیل، و معیارهای دیگری که ممکن است به اثربخشی کمپینها اشاره داشته باشند.
6. هزینهها (Costs): هزینههای مرتبط با کمپینها و فعالیتهای بازاریابی، از جمله هزینههای تولید محتوا، تبلیغات، اجاره فضاهای تبلیغاتی، و سایر مخارج.
7. بازدهی (ROI – Return on Investment): نسبت بین سود ناشی از کمپین و هزینههای صرف شده برای آن.
Marketing Fact به تجمیع و تحلیل عملکرد کمپینهای بازاریابی، ارتقاء استراتژی بازاریابی، اندازهگیری اثربخشی کمپینها و ارتباط با مشتریان کمک میکند. این نوع فاکت معمولاً در مدلهای دادهبانکی با ساختار ستارهای (Star Schema) و سیستمهای BI و CRM به منظور ارتقاء کمپینهای بازاریابی و تصمیمگیریهای مرتبط با بازاریابی مورد استفاده قرار میگیرد.
Web Analytics Fact در طراحی دیتامارت :
واقعیت تجزیه و تحلیل وب (Web Analytics Fact) یک نوع فاکت در مدلسازی دادههای مرتبط با عملکرد وبسایتها و پلتفرمهای آنلاین است. این نوع فاکت برای رصد و تحلیل رفتار کاربران در وبسایت، اندازهگیری عملکرد وب، ارتقاء تجربه کاربری و اطلاعات مرتبط با کسب و کار به منظور بهبود روندها و تصمیمگیریهای استراتژیک مورد استفاده قرار میگیرد.
مهمترین مولفهها و ویژگیهای Web Analytics Fact به شرح زیر هستند:
1. صفحه وب (Web Page): شناسه یا URL صفحات وب که توسط کاربران مشاهده شدهاند.
2. زمان (Time): تاریخ و زمانی که کاربران به صفحات وب دسترسی داشتهاند. این اطلاعات به تحلیل میزان فعالیت کاربران در طول زمان کمک میکند.
3. کاربر (User): اطلاعات مرتبط با کاربران و بازدیدکنندگان وبسایت، از جمله شناسه کاربر، مرورگرها، دستگاههای مورد استفاده، و مشخصات دیگر.
4. رفتار کاربران (User Behavior): عملکرد کاربران در وبسایت، از جمله تعداد بازدیدها، مدت زمان سپری شده در وبسایت، صفحاتی که بازدید شدهاند، مسیرهای کاربران در وبسایت و عملکردهای دیگر.
5. منابع ترافیک (Traffic Sources): منابعی که کاربران را به وبسایت رساندهاند، از جمله جستجوگرها (مانند گوگل)، لینکهای ورودی، تبلیغات آنلاین و مسیرهای مختلف.
6. هدفها (Goals): اهداف و انتظارات کسب و کار از کاربران و وبسایت، از جمله تکمیل یک فرم، خرید محصول یا ثبتنام.
7. تبلیغات آنلاین (Online Advertising): اطلاعات مرتبط با کمپینها و تبلیغات آنلاین برای اندازهگیری بازدهی تبلیغات و اثربخشی آنها.
8. بازدهی (ROI – Return on Investment): نسبت بین سود ناشی از ترافیک وب و هزینههای تبلیغاتی و تجزیه و تحلیل تاثیر تبلیغات بر کسب و کار.
Web Analytics Fact به تجمیع و تحلیل عملکرد وبسایت، ارتقاء تجربه کاربری، بهبود رفتار کاربران و اطلاعات مرتبط با کسب و کار کمک میکند. این نوع فاکت معمولاً در مدلهای دادهبانکی با ساختار ستارهای (Star Schema) و سیستمهای تجزیه و تحلیل وب به منظور بهبود کمپینهای تبلیغاتی و بهبود تصمیمگیریهای مرتبط با تجزیه و تحلیل وب استفاده میشود.
دیدگاه ها 2