Nackdelarna med ett datalager

Datavarehus är relationsdatabaser som fungerar som dataanalysverktyg, som samlar data från flera avdelningar av ett företag till en datalagring. Dataposthus uppdateras vanligtvis som ett slutdatums satsjobb, snarare än att churned av realtidstransaktionsdata. Deras främsta fördelar är att ge chefer bättre och mer tidsmässig information för att göra strategiska beslut för företaget. De har emellertid också vissa nackdelar.

Extra rapporterande arbete

Beroende på organisationens storlek, riskerar ett datalagret extraarbete på avdelningarna. Varje typ av data som behövs i lageret måste genereras av IT-teamen i varje uppdelning av verksamheten. Detta kan vara lika enkelt som att duplicera data från en befintlig databas, men vid andra tillfällen innebär det att man samlar in data från kunder eller anställda som inte samlades tidigare.

Kostnad / förmånsförhållande

En allmänt citerad nackdel med datalagring är kostnads ​​/ nyttoanalysen. Ett datalager är ett stort IT-projekt och som många stora IT-projekt kan det suga mycket IT-manstimmar och budgetpengar för att skapa ett verktyg som inte används ofta tillräckligt för att motivera genomförandekostnaden. Detta står helt och hållet bakom problemet med att upprätthålla datalagret och uppdatera det när verksamheten växer och anpassar sig till marknaden.

Data äganderätt Bekymmer

Dataposthus är ofta, men inte alltid, programvara som en serviceimplementation eller applikationer för molntjänster. Din datasäkerhet i den här miljön är bara lika bra som din molnleverantör. Även om det genomförs lokalt finns det oro för datatillgänglighet i hela företaget. Se till att de personer som gör analysen är individer som din organisation litar på, särskilt med kundens personuppgifter. Ett datalager som läcker kunddata är en integritet och PR-mardröm.

Dataflexibilitet

Datavarehus tenderar att ha statiska dataset med minimal förmåga att "borra ner" till specifika lösningar. Data importeras och filtreras genom ett schema, och det är ofta dagar eller veckor gammal när den faktiskt används. Dessutom är datalager oftast föremål för ad hoc-frågor och är därför notoriskt svårt att ställa in för bearbetningshastighet och frågehastighet. Även om frågorna ofta är ad hoc, är frågorna begränsade av vilka datarelationer som ställdes in när aggregeringen samlades.