Implementer datamodell – enkelt og elegant
Vi har tatt 2 store prinsipielle valg i forhold til vår tilnærming til å bygge datavarehuset; datasentrisk og forretningssentrisk. Vi har valgt den siste samtidig som vi strukturerer databasen slik at vi oppnår målet vårt om enkel og intuitiv løsning med høy grad av selvbetjening:
- Forretningssentrisk filosofi
- Kimble style datamodell - datamarts og stjernediagram
Enkel og elegant løsning - for alle!
I dette mener vi at det skal være enkelt og intuitivt å:
Vi ønsker et tett samarbeid med kunden når det gjelder utforming av analyseløsningen, hvor vi kombinerer kundens kompetanse og erfaring på det forretningsmessige sammen med vår ekspertise på den faglige delen å bygge en solid løsning basert på beste praksis i industrien. For å få til dette samarbeidet må vi velge en design metodikk som ikke blir for teoretisk og teknisk slik at kunden ikke klarer å følge med.
For oss utviklere er dashboards er en god kandidat som spesifikasjon for løsningen vi skal lage. Herfra vil vi kunne se hva kunden har mest fokus på, vi vil ha tilgang på KPI kalkulasjoner og relativt enkelt komme frem til hvilke kildedata som skal til for å implementere de ulike visualiseringene.
På bakgrunn av et sett med dashboards er det enkelt for konsulenten å skissere opp en eller flere datamarts som vil støtte implementasjonen av alle disse dashboards og deres tilhørende rapporter. Datamodellen vil være et stjernediagram hvor vi klart skiller mellom fakta og dimensjoner. Dette er et format som det er enkelt for kunden å forstå slik at vi kan ha konstruktive diskusjoner rundt datamodellen og mulighetene/begrensningene den vil ha i forhold til analyse.
- designe dashboards sammen med kunde
- diskutere datamodellen sammen med kunde
- lage nye analysemodeller mot datavarehuset
- lage rapporter mot analysemodeller
- drifte og vedlikeholde datavarehuset
Vi ønsker et tett samarbeid med kunden når det gjelder utforming av analyseløsningen, hvor vi kombinerer kundens kompetanse og erfaring på det forretningsmessige sammen med vår ekspertise på den faglige delen å bygge en solid løsning basert på beste praksis i industrien. For å få til dette samarbeidet må vi velge en design metodikk som ikke blir for teoretisk og teknisk slik at kunden ikke klarer å følge med.
For oss utviklere er dashboards er en god kandidat som spesifikasjon for løsningen vi skal lage. Herfra vil vi kunne se hva kunden har mest fokus på, vi vil ha tilgang på KPI kalkulasjoner og relativt enkelt komme frem til hvilke kildedata som skal til for å implementere de ulike visualiseringene.
På bakgrunn av et sett med dashboards er det enkelt for konsulenten å skissere opp en eller flere datamarts som vil støtte implementasjonen av alle disse dashboards og deres tilhørende rapporter. Datamodellen vil være et stjernediagram hvor vi klart skiller mellom fakta og dimensjoner. Dette er et format som det er enkelt for kunden å forstå slik at vi kan ha konstruktive diskusjoner rundt datamodellen og mulighetene/begrensningene den vil ha i forhold til analyse.
Clean Code
I programmering av applikasjoner har man konseptet Clean Code. Målet er at kildekoden som man implementerer skal være så enkel som mulig for andre å forstå seg på. Koden skal kunne leses som en bok. Det hele dreier seg om å bryte ned koden slik at hver kodesnutt utfører en enkel, klar definert oppgave