انبار های داده ، بازار های داده و مراکز داده

( انبار های داده ، بازار های داده و مراکز داده ) همواره لزوما این شرکت‌های بزرگ نیستند که از همه موفق‌تر هستند، بلکه هوشمندترین شرکت‌ها موفق‌ترین آن‌ها هستند. یک شرکت هوشمندبودن به معنای داشتن دسترسی آنی به داده های مرتبط، درک آن‌ها (معمولا با کمک ابزارهای بصری سازی داده ها و استفاده از چیزی است که از آن‌ها برای افزایش بهره‌وری و سودآوری آموخته‌اید. در اختیار داشتن اطلاعات کامل برای این فرآیند بسیار مهم است. انبارهای داده به مدیران و دانشوران امکان می‌دهد تا مزیت در اختیار داشتن داده ها در تمامی سازمان و بهره‌گیری از آن‌ها برای اتخاذ تصمیمات هوشمندانه‌تر را دارا باشند.
بحث ما درباره مدیریت داده ها را به یاد آورید که انبار داده یک مخزن (نوعی پایگاه داده) است که داده ها در آن به گونه‌ای سازماندهی می‌شوند تا بتوانند در هر زمان با استفاده از روش‌هایی نظیر داده کاوی، پشتیبانی از تصمیم‌گیری، پرس‌وجو و برنامه های کاربردی دیگر تحلیل شوند. نمونه‌های استفاده از انبار داده ها، برنامه های کاربردی مدیریت درآمد، مدیریت ارتباط با مشتری، شناسایی تقلب و مدیریت حقوق و دستمزد هستند. مقایسه انبارهای داده با پایگاه‌های داده دیگر می‌تواند به درک بهتر آن کمک کند. در پکیج جامع دیجیتال مارکتینگ تخصصی نوکارتو می‌توانید پیرامون موضوع‌های فناوری اطلاعات و ارتباطات، اطلاعات جامعی را به‌دست بیاورید.

مقایسه پایگاه های داده با انبارهای داده

انبارهای داده و پایگاه های داده معمول هر دو در برگیرنده جداول داده (فایل ها)، کلیدهای اصلی و دیگر کلیدها و قابلیت‌های پرس‌وجو هستند. تفاوت اصلی آن است که پایگاه های داده برای ذخیره‌سازی داده ها طراحی و بهینه سازی شده‌اند، در حالی که انبارهای داده برای پاسخ به سؤالات تحلیل که برای کسب و کار بسیار مهم هستند طراحی و بهینه سازی شده‌اند.
پایگاه های داده، سیستم های پردازش تراکنش OLTP Online هستند که تمامی تراکنش‌ها در آن‌ها باید سریعا ثبت شوند. به عنوان مثال تراکنش‌های مالی نظیر برداشت از خودپرداز بانک و یا حساب بدهی را در نظر بگیرید. تغییرات یجاد شده از پردازش تراکنش‌ها، تحلیل داده ها را بسیار سخت می‌سازد. در راستای فایق آمدن بر این مشکل، داده ها از پایگاه های داده تخصیص داده شده‌ای استخراج و تغییر داده شده و روی انبار داده بارگذاری می‌شوند. این داده ها مشخصأ داده های فقط خواندنی (غیر قابل تغییر) هستند که به معنای آن است که نمی‌توان آن‌ها را بهنگام رسانی کرد. این داده ها ترجیحأ تا ETL زمان‌بندی شده بعدی دست نخورده باقی می‌مانند. بر خلاف پایگاه های داده، داده های انبار داده ها متغیر یا دارای نوسان نیستند. بنابراین طراحی انبارهای داده به صورت سیستم های پردازش تحلیلی OLAP Online به این معناست که داده ها می‌توانند بسیار کاراتر از پایگاه های داده برنامه کاربردی OLTP پرس‌وجو و تحلیل شوند.

گرایش به سمت پشتیبانی هایی با زمانی سریع‌تر از یک انبار داده

دنیای کسب و کار امروزی رشد روند گرایش به سوی انبارش و تحلیل داده ها به صورت بلادرنگ را تجربه می‌کند. در گذشته انبارهای داده در وهله اول از برنامه های کاربردی استراتژیک پشتیبانی می‌کردند که نیازی به زمان پاسخ‌گویی بلادرنگ، تعامل با مشتری و یا یکپارچگی با سیستم های عملیاتی نداشت. امروزه بنگاه‌ها به طور فزاینده‌ای از اطلاعات در زمان حال استفاده می‌کنند تا از تعاملات بلادرنگ با مشتریان پشتیبانی کنند. شرکت‌های دارای انبار داده های فعال خواهند توانست تعامل مناسبی با مشتریان داشته باشند تا بتوانند خدمات ارزنده‌تری به آن‌ها ارائه دهند. این امر در نهایت منجر به افزایش درآمدهای شرکت خواهد شد (Zeehandelaar و Lawrence، ۲۰۰۵).
شرکت‌هایی نظیر شرکت کارت اعتباری Capital One سودآوری تمامی مشتریان خود را ردیابی کرده و از امتیاز آن برای تصمیم‌گیری در مورد سطح خدمات ارائه شده به مشتری بهره می‌برد. به عنوان مثال هنگامی که یک مشتری با Capital One تماس می‌گیرد، از او خواسته می‌شود تا شماره کارت اعتباری خود را وارد کند. این شماره به امتیاز سودآوری او مرتبط است. مشتریان با سودآوری پایین فقط پاسخ ضبط شده دریافت می‌کنند در حالی که مشتریان با سودآوری بالا با یک فرد-نماینده ارائه خدمت به مشتریان (CSR) صحبت می‌کنند. به عنوان مثال فردی به اسم Charles را در نظر بگیرید که به دلیل قطع مکرر تماس‌های تلفن همراه خود با مرکز خدمات مشتری تماس می‌گیرد. CSR از طریق برنامه کاربردی مرکز تلفن (که به انبار داده فعال متصل است) نه تنها به تاریخچه کامل مکالمات Charles دسترسی پیدا می‌کند، بلکه اطلاعات تمامی خدماتی را که او در آن‌ها ثبت نام کرده است، نظیر DSL، اینترنت و تلفن همراه و امتیاز سودآوری او به دست می‌آورد. این امتیاز به شرکت اجازه می‌دهد میزان سوداوری و ارزش Charles برای شرکت را به دست آورد. در این صورت ارائه خدمات هوشمند و انتخابی به مشتریان ممکن می‌شود، چرا که تمامی خطوط خدماتی و تماس با مرکز خدمات مشتری در یک انبار داده فعال ذخیره می‌شوند. CSR از این داده ها و اطلاعات شرکت بهره می‌برد تا بهترین اقدام را برای پیشنهاد و یا برطرف کردن این مشکل برای به دست آوردن رضایت‌مندی Carles انتخاب کند. به علاوه CSR دارای آگاهی از خدمات دیگری نظیر  Sell – Cross  و یا Sell – up بر پایه جزئیات موجود در پروفایل Charles و اطلاعات تعاملات شرکت با او خواهد بود. انبار داده فعال در این مثال نمایی از مشتری را فراهم آورد که نشان دهنده چگونگی مداخله شرکت بر پایه سودآوری مشتری برای آن بود. به دلیل آن که Charles دارای حاشیه سود بالایی برای شرکت است، شرکت تمایل دارد تا ریسک از دست دادن او را به حداقل رساند.

نیاز برای انبارش داده ها

بسیاری از سازمان‌ها انبارهای داده را به این دلیل ساختند که از داده های پشتیبان تصمیم‌گیری نامسنجم ناامید شده و یا نیاز داشتند برنامه های کاربردی گزارش‌گیری خود را بهبود داده و یا کسب و کار را بهتر درک کنند. انبارهای داده با توجه به این دورنما، سرمایه‌گذاری روی زیرساختی هستند که شرکت‌ها برای پشتیبانی از تصمیم‌گیری حال و آینده خود انجام می‌دهند.
موفق‌ترین شرکت‌ها آن‌هایی هستند که می‌توانند سریع و منعطف به تغییرات در بازار و فرصت‌ها پاسخ دهند. کلید این نوع پاسخ‌گویی در استفاده کارا و اثربخش از داده ها و اطلاعات همانند نمونه اشاره شده در شرکت Applebee’s است. شرکت‌ها این وظیفه را نه تنها از طریق پردازش تراکنش‌ها بلکه به وسیله پردازش تحلیل هم انجام می‌دهند که در آن کارکنان شرکت – اغلب کاربران نهایی – داده های جمع‌آوری شده را تحلیل می‌کنند. پردازش تحلیلی که از آن تحت عنوان هوش تجاری (BI) نیز نام برده می‌شود در برگیرنده داده‌کاوی، سیستم های تصمیم‌یار (DDS)ها سیستم های سازمانی، برنامه های کاربردی تحت وب، پرس‌وجو و فعالیت‌های دیگر مرتیط با کاربران نهایی می‌شود.

مزایای انبارش داده ها 

با استناد بر .Teradata Corp، مزایای انبارش داده ها مرتبط با هر دو حوزه کسب و کار و IT است. از دورنمای کسب و کار، شرکت‌ها می‌توانند تصمیمات بهتری را اخذ کنند چرا که به اطلاعات بهتری دسترسی دارند. از دورنمای IT، انبارش داده ها اطلاعات را کاراتر و اثربخش‌تر انتقال می‌دهد. بسیاری از حوزه‌های سازمانی به شرح زیر وجود دارند که از انبارش داده ها بهره می‌برند.

• * بازاریابی و فروش. از انبارش داده ها برای معرفی محصول، دست‌یابی به اطلاعات محصول، اثربخشی برنامه بازاریابی و سودآوری خط تولید استفاده می‌کند. همچنین از داده ها برای حداکثر ساختن سودآوری سرانه مشتریان بهره می‌برد.
• * قیمت گذاری و قراردادها. از داده ها برای محاسبه دقیق هزینه‌ها و بهینه سازی قیمت‌گذاری قرارداد استفاده می‌کند. بدون وجود داده های دقیق هزینه، قیمت ها ممکن است پایین و یا بسیار نزدیک به هزینه و یا قیمت‌ها بوده و یا ممکن است به دلیل بالا بودن بسیار زیاد غیر رقابتی باشند.
• * پیش‌بینی. انبارش داده به رؤیت به موقع تقاضای مشتریان نهایی کمک می‌کند.
• * عملکرد فروش. با استفاده از داده ها برای مشخص کردن سودآوری و بهره‌وری فروش برای تمامی مناطق و نواحی می‌تواند به نتایج جغرافیایی، محصول، گروه‌های فروش و یا فروش‌ها به صورت انفرادی دست یافته و آن‌ها را تحلیل کند.
• * مالی. استفاده از نتایج روزانه، هفتگی و یا ماهانه برای مدیریت مالی بهتر. داده های سازمانی روی سیستم های عملیاتی ذخیره می‌شوند. لزوما تمامی داده ها به انبار داده منتقل نمی‌شوند. معمولا تنها خلاصه‌ای از داده های انتقال می‌یابند. داده هایی که منتقل شده‌اند درون انبار داده ها به گونه‌ای سازمان‌دهی می‌شوند که دست‌یابی و مکان‌یابی آن‌ها برای کاربران نهایی ساده باشد. داده ها همچنین استانداردسازی می‌شوند. سپس داده ها با توجه به موضوع مانند حوزه‌های کار کردی، فروش یا محصول سازمان‌دهی می‌شوند.

ویژگی‌های یک انبار داده

تمامی انواع انبارش داده ها دارای ۹ مشخصه اصلی هستند. ما در پایین آن‌ها را فهرست کرده‌ایم:

۱- سازمان‌دهی. داده ها با توجه به موضوع آن‌ها (به عنوان مثال مشتری، فروش، محصول، سطح قیمت و ناحیه) سازمان‌دهی شده و تنها حاوی اطلاعات پشتیبانی از تصمیم‌گیری هستند.

۲- انسجام. داده ها در پایگاه های داده مختلف ممکن است به طرق متفاوتی رمزگذاری شده باشند. به عنوان مثال داده های مرتبط با جنس ممکن است در یک سیستم عملیاتی به صورت ۰ و ۱ و در سیستمی دیگر به صورت م (مرد) و ز (زن) کددهی شده باشند. در انبار داده ها به صورت منسجم کددهی می‌شوند.

٣- مبتنی بر زمان. داده ها برای سال‌های زیادی نگهداری می‌شوند تا بتوان از آن‌ها برای شناسایی تمایلات، پیش‌بینی و امکان مقایسه در طی زمان استفاده کرد.

۴- عدم نوسان. هنگامی که داده ها به انبار داده وارد شدند، بهنگام رسانی نمی‌شوند.

۵- مرتبط. معمولا انبار داده از یک ساختار مرتبط بهره می‌برد.

۶- کلاینت / سرور. انبار داده بیشتر از ساختار کلاینت سرور استفاده می‌کند تا بتواند دسترسی آسانی به داده ها را برای کاربر نهایی فراهم آورد.

۷- مبتنی بر وب. انبارهای داده امروزی به گونه‌ای طراحی شده‌اند تا محیط پردازشی کارآمدی را برای برنامه های کاربردی تحت وب فراهم آورند.

۸- یکپارچه سازی. داده ها از منابع مختلف یکپارچه می‌شوند. برای پشتیبانی از یکپارچه سازی، از سرویس‌های وب استفاده می‌شود. ۹- بلادرنگ. با وجود آن که بسیاری از برنامه های کاربردی انبارش داده ها بلادرنگ نیستند، اما ایجاد ساختاری برای به دست آوردن قابلیت‌های بلادرنگ ممکن است.

ساخت یک انبار داده

ساخت و پیاده‌سازی یک انبار داده می‌تواند با مشکلاتی همراه باشد. به دلیل بزرگ و گران‌بودن ساخت یک انبار داده، درک عوامل کلیدی موفقیت در پیاده‌سازی آن بسیار حائز اهمیت است. به خصوص آن که شرکتی که در نظر دارد یک انبار داده بسازد در وهله اول باید به برخی سوالات بنیادین به صورت زیر پاسخ دهد:

• * آیا مدیریت ارشد از انبار داده پشتیبانی می‌کند؟
• * آیا کاربران از انبار داده پشتیبانی می‌کنند؟
• * آیا کاربران خواهان دسترسی به بازه گسترده‌ای از داده ها هستند؟ اگر جواب مثبت است، کدام بیشتر دارای ترجیح است: یک مخزن داده منفرد و یا مجموعه‌ای از بازارهای داده مستقل؟
• * آیا کاربران خواهان دسترسی به داده ها و ابزارهای تحلیل هستند؟
• * آیا کاربران چگونگی استفاده از داده ها را برای برطرف کردن مشکلات کسب و کار می‌دانند؟
• * آیا واحد موردنظر دارای یک یا چند کاربر توانمند در استفاده از فناوری های انبارش داده است؟

معماری و ابزارها

چند نوع معماری بنیادین برای انبارش داده ها وجود دارد. دو نوع معماری متداول، معماری‌های دو سطحی و سه سطحی هستند. در معماری سه سطحی داده های انبار دو بار پردازش شده و در یک پایگاه داده چند بعدی اضافی ذخیره می‌شوند که در آن می‌توانند برای تحلیل چند بعدی و ارائه آسان سازمان‌دهی شده و یا نسخه‌های دیگری از آن‌ها در بازارهای داده ایجاد شوند.
دو دلیل عمده برای ایجاد یک انبار داده به صورت یک انبار ذخیره‌سازی جداگانه داده وجود دارد. در وهله اول کارایی یک یک انبار داده جداگانه بهتر است، چرا که برای زمان پردازش رقابت نمی‌کند (انتظار نمی‌کشد). در وهله دوم مدل سازی یک پایگاه داده که بتواند برای هر دو هدف عملیاتی و تحلیل استفاده شوند می‌تواند مشکل باشد.
قرار دادن انبار داده روی شبکه داخلی (اینترانت). محتویات انبار داده می‌تواند در سراسر سازمان و از طریق شبکه داخلی به تصمیم‌گیرندگان انتقال داده شود. کاربران می‌توانند با استفاده از مرورگرهای تحت وب داده ها را مشاهده، پرس‌وجو و تحلیل کرده و گزارش تولید کنند. این روش بسیار اقتصادی و اثربخش انتقال داده ها است.  

شایستگی. انبارش داده ها بسیار برای سازمان‌هایی که دارای ویژگی‌های زیر هستند مناسب است:

• * کاربران نهایی نیاز به دست‌یابی به حجم وسیعی از داده ها را دارند.
• * داده های عملیاتی در سیستم های مختلفی ذخیره شده‌اند.
• * سازمان یک رویکرد مبتنی بر اطلاعات را برای مدیریت به کار می‌گیرد.
• * سازمان به حجم وسیع و متنوعی از مشتریان خدمات ارائه می‌دهد (مانند یک سازمان خدمات عمومی و یا یک بانک؛ به عنوان مثال انبار داده ۲۶ ترابایتی AT & T برای تحلیل بازاریابی توسط ۳۰۰۰ کارمند مورد استفاده قرار می‌گیرد).
• * داده های مشابه به طور متفاوتی در سیستم های گوناگون نمایش داده می‌شوند.
• * داده ها در ساختارهای فنی بسیار سطح بالایی ذخیره می‌شوند که رمزگشایی آن‌ها دشوار است.
• * پردازش کاربر نهایی گسترده انجام می‌شود (بسیاری از کاربران فعالیت‌های زیادی را انجام می‌دهند)
• * سازمان یک رویکرد مبتنی بر اطلاعات را برای مدیریت به کار می‌گیرد.
• * سازمان به حجم وسیع و متنوعی از مشتریان خدمات ارائه می‌دهد (مانند یک سازمان خدمات عمومی و یا یک بانک؛ به عنوان مثال انبار داده ۲۶ ترابایتی AT & T برای تحلیل بازاریابی توسط ۳۰۰۰ کارمند مورد استفاده قرار می‌گیرد).

بسیاری از سازمان‌ها که با موفقیت تلاش‌های انبارش داده های خود روحیه تازه‌ای گرفته بودند، آن را عمومی ساختند. یک نمونه آن Wells Fargo است. تلاش برای توسعه این شرکت دربرگیرنده بهره‌گیری از منابع انبارش داده Teradata است که با استفاده از آن بتواند ابزار Online ای را فراهم آورد که بتواند مواردی همچون تراکنش‌های مصرف کنندگان (کارت اعتباری، کارت بدهی، پرداخت‌های صورت حساب به صورت آنلاین، چک کردن حساب) را جمع‌آوری و خلاصه کرده و تحلیلی از نشست‌های بانکی Online تولید کند. مصرف کنندگان بهتر می‌توانند الگوهای هزینه کرد خود را درک کنند، این کار سطح رضایت‌مندی بالاتری را برای مشتریان به همراه داشته است.
شرکت دیگری که مدام به رشد سازمانی خود با استفاده از انبار داده عمومی ادامه می‌دهد Travelocity است. بخشی از موفقیت این شرکت مدیون استفاده نوآورانه EDW آن برای بازاریابی و CRM است.

بازارهای داده، مخازن داده های عملیاتی و پایگاه های داده چند بعدی

سازمان‌ها اغلب بازارهای داده، مخازن داده عملیاتی و پایگاه داده های چند بعدی را چه به صورت مکمل و چه به صورت جایگزین انبارهای داده پیاده‌سازی می‌کنند. در این بخش، نگاه دقیق‌تری به این سیستم ها داریم و با بازارهای داده شروع می‌کنیم. بازارهای داده. هزینه‌های بالای انبارهای داده می‌تواند پیاده‌سازی آن‌ها را برای شرکت خیلی گران تمام کند. بسیاری از شرکت‌ها به عنوان راه حلی جایگزین یک نسخه با مقیاس کوچک‌تر و دارای هزینه پایین‌تر از انبار داده به نام بازار داده را ایجاد می‌کنند. بازارهای داده برای یک واحد کسب و کار استراتژیک (SBU) و یا یک دپارتمان طراحی می‌شوند.
بازارهای داده علاوه بر هزینه های پایین تر (کمتر از ۱۰۰۰۰۰ دلار در مقابل ۱ میلیون دلار و یا بیشتر برای انبارهای داده، به زمان مورد نیاز کمتری برای پیاده‌سازی احتیاج دارند که اغلب این زمان کمتر از ۹۰ روز است. به علاوه، به دلیل آن که بازارهای داده دارای کنترل محلی به جای کنترل مرکزی هستند، این امر منجر به اعطای قدرت به گروه کاربری می‌شود. آن‌ها همچنین دارای اطلاعات کمتری نسبت به انبار داده هستند. بنابراین دارای قابلیت پاسخ‌گویی بسیار سریع‌تری بوده و درک و هدایت آن‌ها هم ساده‌تر است. در نهایت بازارهای داده یک واحد کسب و کار اجازه می‌دهند سیستم های تصمیم‌یار خود را بدون تکیه بر یک دپارتمان سیستم اطلاعاتی مرکزی بسازند.
مخازن داده های عملیاتی. یک مخزن داده های عملیاتی یک پایگاه داده برای سیستم های پردازش تراکنش است که از مفاهیم انبار داده ها برای فراهم آوردن داده های پاک بهره می‌برد. مخزن داده های عملیاتی مفاهیم و مزایای انبار داده ها را برای قسمت‌های عملیاتی کسب و کار با هزینه‌ای پایین‌تر به کار می‌گیرد. بنابراین می‌توان آن را پلی بین داده های عملیاتی (در سیستم های به جای مانده) و انبار داده ها تصور کرد. یک مخزن داده عملیاتی انبارهای داده مرسوم، ترجیحا برای تصمیمات در کوتاه مدت شامل برنامه های کاربردی مهم برای مأموریت سازمان به کار گرفته می‌شود تا تصمیمات بلند / میان مدت. این تصمیمات نیازمند دست‌یابی به اطلاعات بسیار به روزتری هستند. به عنوان مثال یک بانک نیاز به داشتن آگاهی از تمامی حساب‌های یک مشتری دارد که از طریق تلفن با آن مرکز ارتباط برقرار کرده است.
پایگاه های داده چند بعدی: از جداول تا مکعب داده ها. یک انبار داده می‌تواند بر پایه یک مدل چند بعدی تحت عنوان پایگاه داده چند بعدی باشد که داده ها را به صورت یک مکعب داده تصویر کند. به عنوان مثال یک مکعب داده ممکن است به شما اجازه دیدن یک متغیر خاص و یا اطلاعاتی مشخص نظیر فروش محصولات را در سه بعد بدهد. هر بعد را یک واحد اندازه‌گیری فرض کنید. مکعب داده سه بعدی محصول می‌تواند سه واحد اندازه‌گیری را نمایش دهد: نام محصول مقدار فروش و منطقه جغرافیایی.
شکست سیستم. متأسفانه علی رغم وجود مزایای بالقوه سیستم های اطلاعاتی بزرگ، اغلب پیاده‌سازی آن‌ها با شکست مواجه می‌شود.

دلایل شکست انبارهای داده

طراحی انبارش داده ها:

• * انتظارات غیرواقعی.
• * معماری نامناسب.
• * اقرار فروشندگان در مورد قابلیت‌ها.
• * طراحی منطقی ناکافی.
• * فقدان تخصص در توسعه.
• * اهداف کسب و کار مبهم.
• * فقدان ضمانت مالی اثربخش پروژه.

پیاده سازی انبارش داده ها:

• * آموزش ضعیف کاربران.
• * شکست در هم راستا کردن انبارهای داده و بازارهای داده.
• * فقدان توجه به مسائل فرهنگی.
• * به روز نبودن سیاست‌های شرکتی.

عملیات انبارش داده ها:

• * نگهداری ضعیف فناوری.
• * شکست در ارتقای ماژول‌ها.
• * فقدان یکپارچه سازی.
• * کیفیت ضعیف داده ها.
• * فرمت نامناسب اطلاعات.

یکپارچه کردن بازارهای داده در انبار داده سازمانی

شرکت‌ها ممکن است در راستای حداقل ساختن سرمایه‌گذاری و یا ریسک شکست در یک سیستم اطلاعاتی بزرگ، با بازارهای داده شروع کرده و سپس تمایل به یکپارچه کردن آن‌ها با انبار داده موجود در سطح سازمان داشته باشند.
یکپارچه کردن بازارهای داده در انبار داده ها به اتخاذ تصمیمات بهتر کمک کرده و همچنین منجر به صرفه‌جویی در هزینه می‌شود. دو مزیت دیگر مرتبط با کسب و کار این روش انطباق و سازگاری با محیط زیست است.  

• * انطباق. ذخیره‌سازی داده های یکپارچه در یک انبار داده سازمانی، کنترل این مهم که چه افرادی می‌توانند حق دست‌یابی و استفاده از داده های مالی حساس را داشته باشند برای شرکت ساده‌تر می‌کند. به علاوه یک انبار داده سازمانی می‌تواند به سازمان کمک کند تا از طریق فراهم آوردن دقت مضاعف در گزارش‌گیری نتایج مالی، پنهان کردن داده های حساس و برنامه ریزی برای رهایی از پیشامدهای غیر منتظره، با نیازمندی‌های مقرراتی انطباق داشته باشد.
• * سازگاری با محیط زیست، نگهداری جداگانه بازارهای داده بر محیط زیست تأثیر می‌گذارد. یکی کردن سرورهایی که نیاز مضاعف به انرژی داشته و از تمام توان آن‌ها استفاده نمی‌شود منجر به کاهش هم زمان مصرف الکتریسیته و مقدار گرمای تولید شده می‌شود که در نتیجه این امر از میزان انرژی مورد نیاز برای سرد کردن تجهیزات می‌کاهد.

مراکز داده

مرکز داده نامی است که به تسهیلات جدیدتری اعطا شده است که در برگیرنده سیستم های اطلاعاتی مهم برای مأموریت سازمان و اجزایی هستند که داده ها و خدمات IT را به سازمان انتقال می‌دهند. مراکز داده شبکه ها، سیستم های کامپیوتری و تجهیزات ذخیره‌سازی را یکپارچه می‌کنند. جدیدترین مراکز داده بسیار عظیم بوده و شامل کنترل های حرارتی و اطفای حریق، امنیت فیریکی و دیجیتالی، منابع تغذیه اضافی همچون منابع تغذیه قطع نشدنی (UPS) و اتصالات ارتباطی داده اضافی هستند. به عنوان مثال در سال ۲۰۰۸، Christus Health Medical Center (مراکز بهداشت و درمان Christus) در تگزاس یک مرکز داده ۲۳  میلیون دلاری را به منظور ایجاد پایگاهی برای رکوردهای بیمه، سی تی اسکن و دیگر داده ها و اسناد بیماران خود ساخت. اندازه این مرکز داده ۴۸۰۰۰ فوت مربع بود که در حدود ده برابر بزرگتر از مرکز داده پیشین این بیمارستان (۴۰۰۰ فوت مربع) است. همچنان که تعداد بیشتری از ده‌ها سال گزارشات و رکوردهای بهداشتی و درمانی دیجیتالی، ذخیره‌سازی می‌شد، تقاضا برای تصویرسازی داده ها هم به سرعت رشد می‌کرد.
بسیاری از شرکت‌ها مراکز داده خود را به منظور صرفه‌جویی در هزینه، ساخته و یا از نو بازسازی می‌کنند. برخی قادر به پرداخت هزینه‌های برق و سردکن نیستند. برخی دیگر به پردازش، ذخیره‌سازی و یا ظرفیت شبکه بیشتری برای مدیریت برنامه های کاربردی جدید و یا از عهده اکتساب‌ها برآمدن نیاز دارند. همچنان دیگر شرکت‌ها باید قابلیت‌های رهایی از پیشامدهای غیر منتظره را بهبود دهند. ایجاد و یا کاهش هزینه یک سایت مرتبط با این امر اغلب قسمتی از برنامه ارتقای مرکز داده است.
مراکز داده نسل آینده در ارتباط با کاهش هزینه‌های عملیاتی و مصرف انرژی بسیار کاراتر خواهند بود. آن‌ها حائز شرایط دسترسی بهتر (uptime) برای برآوردن نیازهای کسب و کار و مدیریت ساده‌تر هستند. یک شرکت شبکه سازی Cisco، چندین نوع پادکست و نمونه‌های ویدئویی از مراکز داده را پیشنهاد می‌دهد.

برای مطالعه مقاله های دیگر در زمینه‌های مختلف فناوری اطلاعات و ارتباطات اینجا کلیک کنید