دیتا والت به طور خاص برای حل مشکلات چابکی، انعطاف‌پذیری و مقیاس‌پذیری موجود در دیگر رویکردهای مدل‌سازی انبار داده توسعه داده شده است. این یک مخزن گرانول، غیر فرار، قابل حسابرسی و تاریخی از داده های سازمانی ساخته شده است.

فلسفه دیتا والت

فلسفه Data vault این است که همه داده ها، داده های مرتبط و صحیح هستند، حتی اگر با تعاریف ثابت و قوانین کسب و کار مطابقت نداشته باشند. اگر داده ها با این تعاریف و قوانین مطابقت نداشته باشند، مشکل برای کسب و کار است، نه انبار داده. تشخیص “اشتباه” بودن داده ها تفسیری از داده ها است که از دیدگاه خاصی ناشی می شود که ممکن است برای همه یا در هر مقطع زمانی معتبر نباشد.

بنابراین مخزن داده باید همه داده ها را جمع آوری کند و تنها هنگام گزارش یا استخراج داده ها از انبار داده، داده ها تفسیر می شوند. در دیتا والت، پ داده های خام را همانطور که هست بدون اعمال فرایند تمیز سازی  ذخیره می کنند. تبدیل و تمیز سازی داده‌ها بر حسب نیاز انجام می‌شود دیتای تمیز شده در دیتا مارت مخصوص هر واحد سازمان نگهداری می شود.

ساختار دیتا والت – معرفی انواع جداول

برای درک دقیق اینکه دیتا والت چیست، باید ساختار اصلی آن را شناخت. دیتاولت بر سه نوع جدول استوار است که هرکدام نقش مهمی در پایدارسازی داده‌ها دارند.

انواع جداول در دیتا والت

• Hub (هاب):
  شامل کلیدهای کسب‌وکاری اصلی مثل شماره مشتری، شماره حساب یا کد کالا است. این بخش ثابت‌ترین قسمت مدل است و به‌عنوان هویت اصلی موجودیت‌ها عمل می‌کند.

• Link (لینک):
  رابطه بین هاب‌ها را ثبت می‌کند. مثلاً ارتباط بین مشتری و سفارش یا محصول و فاکتور. لینک‌ها برای مدیریت روابط پیچیده و چندبه‌چند بسیار مناسب‌اند.

• Satellite (ستلیت):
  تمام ویژگی‌ها و اطلاعات توصیفی را ذخیره می‌کند و تاریخچهٔ کامل تغییرات را نگه می‌دارد. هر تغییر در داده، یک رکورد جدید ایجاد می‌کند و هیچ داده‌ای بازنویسی یا حذف نمی‌شود.

این سه نوع جدول در کنار هم امکانی فراهم می‌کنند که داده‌های خام، منبع‌دار، تاریخچه‌دار و قابل ردیابی ایجاد شود؛ چیزی که در مدل سنتی انبار داده همیشه ساده به‌دست نمی‌آید.

مقایسه دیتا والت با انبار داده سنتی

برای اینکه دقیقاً بدانیم دیتا والت چیست، باید آن را با مدل داده ستاره‌ای (Star Schema) مقایسه کنیم که سال‌ها اساس انبار داده و هوش تجاری بوده است. مدل سنتی بر پایه جدول فکت (Fact) و دایمنشن (Dimension) استوار است. فکت شامل مقادیر عددی مثل میزان فروش یا تعداد سفارش است، و دایمنشن شامل اطلاعات توصیفی مثل مشتری، محصول یا تاریخ.

در ظاهر، این مدل برای تحلیل بسیار کارآمد است، اما در برابر تغییرات کارکرد ضعیف‌تری دارد. وقتی یک ویژگی جدید اضافه می‌شود یا نوع داده تغییر می‌کند، ممکن است نیاز به اصلاح ساختار Dimension یا Fact باشد که مستقیماً فرآیند ETL را تحت تأثیر قرار می‌دهد. در دیتاولت این مشکل وجود ندارد؛ تغییرات فقط با اضافه‌کردن Satellite جدید مدیریت می‌شود و ساختار اصلی دست‌نخورده باقی می‌ماند.

اما دیتاولت نیز محدودیت‌هایی دارد. جداول آن بیش از حد نرمال‌شده‌اند و برای تحلیل مناسب نیستند، بنابراین معمولاً از دیتاولت به‌عنوان لایه خام استفاده می‌شود و لایه خروجی دوباره به Fact و Dimension تبدیل می‌شود. به همین دلیل در پروژه‌های بزرگ، معماری استاندارد این است:
Data Vault → EDW → Data Mart (Fact/Dimension)
یعنی دیتاولت قلب ذخیره‌سازی است و مدل ستاره‌ای قلب تحلیل.

مزایا و معایب دیتا والت

معماری دیتا والت مزایایی دارد که آن را محبوب کرده، اما همچنین چالش‌هایی نیز دارد که باید در تصمیم‌گیری لحاظ شوند.

مزایای دیتا والت

• انعطاف‌پذیری بالا: تغییرات منبع داده تأثیر کمی بر ساختار دارند.

• نگهداری تاریخچه کامل: هر تغییر در Satellite ذخیره می‌شود و چیزی از بین نمی‌رود.

• ETL ساده و ماژولار: هر جدول فرآیند بارگذاری مستقل دارد.

• پشتیبانی عالی از چند منبع داده: برای سازمان‌هایی با چند ERP یا چند سیستم عملیاتی ایده‌آل است.

• مناسب برای توسعه بلندمدت: افزودن موجودیت‌های جدید بدون آسیب به مدل ممکن است.

معایب دیتا والت

• تعداد زیاد جدول: ممکن است در نگاه اول پیچیده به‌نظر برسد.

• نامناسب برای گزارش‌گیری مستقیم: نیازمند تبدیل به Fact و Dimension است.

• نیاز به دانش تخصصی بیشتر: پیاده‌سازی صحیح آن نیازمند مهارت مهندسی داده است.

• پاسخ‌دهی پایین‌تر برای پرس‌وجوهای تحلیلی: چون جداول به‌شدت نرمال‌شده‌اند.

 نتیجه‌گیری – چه زمانی دیتا والت بهتر است؟

برای پاسخ دقیق به پرسش «دیتا والت چیست»، باید نتیجه‌گیری کنیم که این معماری نه جایگزین کامل مدل ستاره‌ای است و نه رقیب آن. دیتاولت بهترین گزینه برای سازمان‌هایی است که منابع داده متنوع، تغییرات زیاد، نیاز جدی به تاریخچه‌برداری و حجم داده بالا دارند. از طرف دیگر، مدل Fact و Dimension همچنان بهترین ساختار برای تحلیل، گزارش‌گیری و ایجاد داشبوردهای هوش تجاری است.

بهترین معماری امروزی ترکیبی است: دیتا والت به‌عنوان لایهٔ خام و پایدار و مدل ستاره‌ای به‌عنوان لایهٔ تحلیلی. با این ترکیب، سازمان هم از انعطاف دیتاولت بهره می‌برد و هم از سرعت و سادگی مدل‌های سنتی.