چگونه از رویکرد BEAM در پروژه‌های تحلیل داده استفاده کنیم

منتشر‌شده در towardsdatascience به تاریخ ۲۲ ژوئن ۲۰۲۱
لینک منبع How to Use the BEAM Approach in Data Analytic Projects

تجزیه و تحلیل رویداد کسب‌وکار مدل‌سازی (BEAM) یک جمع‌آوری نیاز چابک برای انبارهای داده، با هدف هماهنگی تجزیه و تحلیل نیاز با فرآیندهای کسب‌وکار به جای فقط گزارش‌ها است. این ریشه در طراحی انبار داده‌های چابک توسط لارنس کور و جیم استاگنیتو دارد.

اصول

اصول کلیدی این مفهوم عبارتند از:

• افراد و تعاملات: هوش تجاری ناشی از آن چیزی است که کاربران در مورد کسب‌وکار خود می‌پرسند. محیط فنی در درجه‌دوم قرار دارد.
• محرک کسب‌وکار: انبار داده‌های مستند شده‌ای که استقرار آن‌ها سال‌ها طول می‌کشد، همیشه به روز نیست. کاربران کسب‌وکار به جای دیگری نگاه خواهند کرد. تجربیات من از واحدهای کسب‌وکار: من حالا به آن نیاز دارم، یا ترجیح می‌دهم از راه‌حل اکسل استفاده کنم ….
• هم‌کاری مشتری: دانش کاربران نهایی از کسب‌وکار آن‌ها بزرگ‌ترین منبع شما است.
• پاسخ به تغییر: اگر تمام اقدامات بالا را انجام دهید، تغییر به طور طبیعی رخ خواهد داد و منجر به چرخه‌های تحویل هفتگی خواهد شد.

این در مورد پرسیدن سوالات مناسب است.

نویسندهBEAM، لارنس کورر، در میان چیزهای دیگر، یک الگوی طراحی برای ساختاربندی «داستان‌های داده» را توصیف می‌کند. مثال: رویداد تجاری - مشتری محصول را می‌خرد

• تاریخ سفارش چه موقع بود؟
• کجا خریداری شده‌است، کجا تحویل داده خواهد شد؟
• چقدر خریده شد؟
• دلیل خرید آن چیست؟
• کدام کانال را خریده‌اید؟

از طریق این سوالات مهم، فرآیند کسب‌وکار روشن می‌شود و بنابراین شرایط فنی را می توان به دست آورد.

تکنولوژی BEAM و داستان‌های کاربر

پس از پرسیدن سوالات درست می‌توانید به راحتی داستان‌های کاربر را تعریف کنید. برای مثال، در پاسخ چه کسی و کجا: محصول سفارش مشتری از فروشگاه آنلاین شما می‌توانید نیاز به جمع‌آوری یک جدول واقعیت فوری در انبار داده خود، ویژگی‌های مورد نیاز من و الزامات بیشتر مانند الگوهای فرآیندهای ETL / ELT مربوطه را استخراج کنید.

خلاصه

الان به کجا می رسم؟ برای من، اصول BEAM منطقی بوده و متناسب با حالت چابک است. من همچنین رویکرد پرسش را مهم می‌دانم. سوالات درست را بپرسید و فرآیند کسب‌وکار را شناسایی کنید. این موضوع چیزهای زیادی را آشکار می‌کند که در تاریکی هستند.

«این پاسخ نیست که روشنگر است، بلکه سوال است»-یوجین ایتکو

با این حال، برای من، می‌گویم که من دقیقا مطابق با BEAM کار نمی‌کنم، اما به نظر من روشی جالب برای فرموله کردن داستان‌های کاربر است. برای این کار، دانستن فرآیند کسب‌وکار ضروری است. البته، این روش نه تنها برای طراحی انبار داده‌ها قابل‌اجرا است، بلکه به طور کلی در زمینه داده‌ها نیز قابل‌اجرا است. به عنوان مثال، اگر من می‌خواهم خدماتML جدید یا یک گزارش در دریاچه داده شما را ارائه دهم، این همیشه با ساخت فرآیندهایETL، طرح در انبار داده و اجرای گزارش‌ها یا خدمات مرتبط است.

این متن با استفاده از ربات مترجم مقالات علم داده ترجمه شده و به صورت محدود مورد بازبینی انسانی قرار گرفته است.در نتیجه می‌تواند دارای برخی اشکالات ترجمه باشد.

مقالات لینک‌شده در این متن می‌توانند به صورت رایگان با استفاده از مقاله‌خوان ترجمیار به فارسی مطالعه شوند.