借助邏輯數據倉庫應對供應鏈挑戰
現在，隨著新冠疫情逐漸離我們遠去，數據的數量和復雜性繼續增長，其速度比新冠疫情之前更快。因此，首席采購官 (CPO) 和其他供應鏈專業人員發現他們需要有效的端到端數據管理功能，以跨眾多不同類型的來源無縫實時提供數據視圖。事實上，2018 年德勤 (Deloitte) 開展的一項調查發現，超過 3/5 的 CPO (65%) 對于一級供應商之外的了解有限，甚至完全沒有了解。一年后，德勤發現將數據質量列為采購的主要障礙之一。
多年以來，各組織一直在努力解決其供應鏈中的數據管理問題，并為企業尋找正確解決方案，與此同時，一個強大的替代方案一直在幕后滲透，這就是邏輯數據倉庫 (LDW)，它是轉換和交付數據的基礎，具有較高敏捷性。Gartner 的 Mark Breyer 早在 2008 年就首次提出了這個術語，來指稱數據倉庫的下一次演化，因為它“專注于信息的邏輯而不是機制”。從那時起，邏輯數據倉庫在數千家公司得到成功部署和應用，其復雜性和可靠性也在不斷提高。與傳統的數據倉庫不同，邏輯數據倉庫支持跨多個不同系統（包括基于云的存儲庫和流數據源）提供實時數據視圖。
邏輯數據倉庫和當今的供應鏈
最近，Gartner 闡述了如何將邏輯數據倉庫用于供應鏈。他們繪制了一個架構，相對于數據基礎設施的其他關鍵組件（包括操作數據存儲、數據倉庫、數據集市和數據湖），邏輯數據倉庫構成該架構中的核心角色，以滿足從事一系列分析工作的不同用戶（如業務分析師、數據工程師和數據科學家）的特定需求，這些分析工作涉及操作智能、業務報告和情報、高級分析和數據科學。
Gartner 建議供應鏈主管圍繞 Gartner 的數據和分析基礎設施模型 (DAIM) 構建自己的分析和情報方法，DAIM 是一個四象限模型，涵蓋數據和分析的大多數應用場景，并且基于以下兩個維度：
- 已知數據與未知數據：“已知”數據是結構化的，具有明確的業務價值，而“未知”數據是非結構化的，尚未證明其業務價值。
- 已知業務問題與未知業務問題：已知問題是在定期報告活動中經常提出的問題，而未知問題是在應對不斷變化的業務或市場條件時出現的問題。
Gartner 的報告顯示了數據基礎設施的五個關鍵組成部分（邏輯數據倉庫、運營智能組件、數據倉庫、數據湖和數據科學組件）與 DAIM 的對應關系，以及每種場景中傾向于應用的角色和技能。
有兩點觀察非常明確：首先，除了邏輯數據倉庫之外，其他四個基礎設施組成部分及其相關的角色和技能，大致按以下方式與四類 DAIM 數據和分析應用場景對應：
- 基礎核心應用場景：在此場景中，數據和業務問題均已知：主要由臨時用戶及分析師利用運營智能組件和數據倉庫執行。
- 擴展、理解和調查應用場景：在此場景中，數據已知但業務問題未知：主要由分析師及數據科學家利用數據倉庫和數據湖執行。
- 創新和探索應用場景：在此場景中，數據和業務問題均未知：主要由數據工程師及數據科學家利用數據湖和數據科學組件執行。
- 建立價值應用場景：在此場景中，數據未知但業務問題已知：主要由數據工程師利用數據科學組件執行。
其次，邏輯數據倉庫包含 DAIM 中的所有四個類別。這是因為它可以在公司現有的基礎設施之上實施，包括運營智能組件、數據倉庫、數據湖和數據科學組件，從而實現對存儲在不同組件中的所有不同類型數據的無縫、實時訪問。
由Denodo數據虛擬化提供支持的供應鏈數據管理
數據虛擬化使現代數據管理成為可能，因其用于數據集成和管理的邏輯方法支持跨不同數據源提供實時視圖，用戶無需首先將數據以物理方式復制到整合存儲庫中。Denodo數據虛擬化可以在所有不同底層數據源之上建立抽象和語義層，這些底層數據源包括本地和云端數據源、結構化和非結構化數據源、靜態和流式處理數據源，以及舊式和新式數據源，它們構成了邏輯數據倉庫。
很多公司正在利用數據虛擬化建立邏輯數據倉庫，以解決其供應鏈問題。此類示例之一是 Hastings Deering Pty Ltd（Sime Darby Industrial 旗下的一家公司），它是最大的 Cat? 經銷商之一，為全球的采礦、建筑、電力系統和海洋行業提供服務。截至 2022 年，Hastings Deering 已經進入為期五年的數字化轉型的第二年，這項轉型包括機器人自動化、紙質表格數字化、數字應用程序開發以及數據和分析，旨在為改善員工和客戶體驗提供支持。利用數據虛擬化，Hastings Deering 得以迅速追蹤其分析能力，擴展其自助服務分析能力，并簡化其零件流的數據交付。隨著經濟和市場條件的不斷變化，數據方面的難題不斷出現，盡管如此，Hastings Deering 仍然通過采用邏輯數據倉庫并使用適當方法，邁出了奠定正確基礎的第一步。邏輯數據倉庫提供了所需架構，因此 Hastings Deering 可以通過其新的數據市場提供報告、情報、數據共享和數字程序，搭建建立持續數據素養和數據治理程序所需的平臺。
下一代供應鏈分析
由Denodo數據虛擬化提供支持的邏輯數據倉庫對供應鏈至關重要，因為它們在多種應用場景中為組織提供幫助，讓組織能夠獲得實時可見性并具備強大的分析能力。如上例所示，通過公司的新技術和方法舉措，Hastings Deering 已經能夠加速獲取重要數據集，創造更多價值，并進一步增強預測能力，滿足業務需求。正如 Gartner 建議的那樣，邏輯數據倉庫使組織能夠從企業數據中獲取最大價值，并且可能彌補現有方案的不足，讓供應和制造公司能夠產生推動數據制作所需的洞察。
