Izraza "glavni podatki" in "referenčni podatki" je mogoče dokaj enostavno zamenjati. Oba zagotavljata podatke, ki se s časom spreminjajo le občasno, in zagotavljata podatke, ki so zasnovani tako, da so točni in posodobljeni. 

Glavni podatki zagotavljajo natančne informacije, potrebne za poslovne transakcije, ki so ključne za vodenje podjetja – stalne/poltrajne informacije o strankah, zaposlenih in dobaviteljih ter izdelkih in sredstvih organizacije. 

Po drugi strani pa so referenčni podatki običajno dolgoročni (vendar ne vedno) in se uporabljajo pri definiranju in razvrščanju »drugih« podatkov.

Zmeda je pretirana zaradi pregledov programske platforme z naslovi, ki se osredotočajo na referenčne podatke, nato pa se preusmerijo na opisovanje platform za upravljanje glavnih podatkov (MDM), pri čemer le ena ali dve platformi podpirata referenčne podatke.

Za referenčne podatke ni standardizirane definicije. (Za boljše razumevanje referenčnih podatkov pomislite na referenčni del v vaši javni knjižnici.) »Drugi« dolgoročni podatki pokrivajo širok spekter potreb in panog. Na primer, v finančni industriji so referenčni podatki vseobsegajoč izraz za podrobne informacije, ki se uporabljajo med transakcijami – z uporabo dinamični referenčni podatki. Referenčni podatki o rasti otrok, ki jih je razvila Svetovna zdravstvena organizacija, so še en primer – uporaba statičnih referenčnih podatkov. Majhen vzorec različnih tipov referenčnih podatkov vključuje:

Glavni podatki zagotavljajo osnovne informacije, potrebne za poslovne transakcije, in lahko zaradi varnosti zahtevajo omejen dostop. Referenčni podatki zagotavljajo dodatne informacije, ki pomagajo podjetju delovati učinkoviteje, in so pogosto lahko dostopni vsem zaposlenim.

Referenčni podatki in glavni podatki morajo biti točni in posodobljeni.  

Organizacije lahko shranjujejo referenčne podatke na številnih lokacijah. Če programska oprema to podpira, je mogoče referenčne podatke shraniti v podatkovne kataloge, programsko opremo za upravljanje podatkov in platforme za upravljanje glavnih podatkov. Poleg tega obstaja nekaj programov, specifičnih za referenčne podatke. V nekaterih okoliščinah, na primer pri uporabi a podatkovno skladišče, lahko referenčne podatke nastavite kot podrazdelek matičnih podatkov. 

Kaj je Referenčni podatki?

Referenčni podatki prihajajo iz različnih virov in jih je treba upravljati, da podpirajo sinhronizacijo poslovnih sistemov. Učinkovita metoda za to je uporaba platforme za upravljanje podatkov, ki vključuje programsko opremo za referenčne podatke. Brez te vrste upravljanja so lahko referenčni podatki siled znotraj organizacije oddelka. Lahko se definira in upravlja tudi drugače, če različni oddelki uporabljajo lastne taktike za zbiranje in shranjevanje referenčnih podatkov. Primeri pogosto uporabljenih referenčnih podatkov vključujejo:

• Kode transakcij
• Naloge in poslovni procesi
• Finančne hierarhije
• Segmentacija strank
• Informacije o valuti
• Kode države ali države
• Vrste organizacijskih enot
• Jezikovne kode
• Stroškovna mesta

Referenčne podatke je mogoče vzeti tako iz javnih kot zasebnih virov in zagotavljajo informacije različnim domenam. Zaradi kompleksnih povezav med domenami in aplikacijami, ki podpirajo referenčne podatke, lahko njihovo upravljanje predstavlja nekaj izzivov. Upravljanje referenčnih podatkov se ne sme izvajati ročno. Referenčne podatke običajno uporablja vsak oddelek v organizaciji za pomoč pri zagotavljanju konteksta svojim podatkom. Podpira kakovosti podatkov in uporabnost podatkov. 

Referenčni podatki zagotavljajo osnovo za postopek interpretacije podatkov, ki se uporablja v različnih aplikacijah, sistemih in procesih.

Glavni namen referenčnih podatkov je vzpostaviti skupne definicije, klasifikacije in razmerja za podatkovne elemente. Uporablja tudi vnaprej določene kode in vrednosti. S tem referenčni podatki izboljšajo kakovost podatkov in poenostavijo proces integracije podatkov. To pa poenostavlja izmenjavo podatkov.

Na primer, finančna industrija uporablja varnostne identifikatorje, kot je npr Mednarodne identifikacijske številke vrednostnih papirjev (ISIN) oz ticker simboli ki sporočajo referenčne podatke, ki identificirajo finančne instrumente – obveznice, delnice in izvedene finančne instrumente. Med e-trgovino lahko uporaba kod izdelkov in kategorizacija precej olajša standardizirano upravljanje zalog in oblikovanje cen. V zdravstvu medicinski kodirni sistemi pomagajo pri natančnem razvrščanju in zaračunavanju zdravstvenih storitev.

Glavni podatki in upravljanje z glavnimi podatki Razloženo

Razvili sta se dve vrsti upravljanja z glavnimi podatki: analitično in operativno. Operativno upravljanje z glavnimi podatki opisuje temeljne podatke, ki jih organizacija uporablja za poslovanje. Ti podatki morajo biti točni in vredni zaupanja, da preprečijo zastoje pri transakcijah in dostavi ter podpirajo nemoten potek poslovanja.

Analitični sistemi za upravljanje matičnih podatkov uporabljajo matične podatke, da se izognejo težavam, ki izhajajo iz nasprotujočih si in odvečnih informacij. Brez uporabe matičnih podatkov bodo različni oddelki razvili svoje lastne različice matičnih podatkov, kar bo povzročilo več seznamov, pri čemer se bodo pojavile napake.

Za boljše razumevanje glavnih podatkov razmislite, kaj glavni podatki niso. 

• Ni transakcijski podatek: Transakcijske podatke generirajo različne aplikacije, ki podpirajo vsakodnevne procese prodaje in nakupa v podjetju. Čeprav se te informacije beležijo in shranjujejo, se transakcijski podatki ne uporabljajo redno.
• Ne gre za nestrukturirane podatke: Freeform oz nestrukturirani podatki ni niti organiziran niti oblikovan. Podatki v prosti obliki so sestavljeni iz nestrukturiranega besedila, številk, datumov in v bistvu vseh podatkov, ki niso oblikovani/preoblikovani za delo s sistemom organizacije. Nestrukturirani podatki lahko vključujejo pisno vsebino spletnih strani ali dokumentov, e-pošto, ankete, članke v revijah, trženjske raziskave itd.

Z ustrezno programsko opremo lahko upravljanje z glavnimi podatki zagotovi široko paleto storitev, kot so čiščenje podatkov, transformacija podatkov in procesi integracije podatkov. Ko so dodani novi viri podatkov, se programska oprema za upravljanje glavnih podatkov lahko identificira, zbira, transformira in integrira nove podatke v sistem matičnih podatkov. 

Spodaj so navedeni primeri običajno uporabljenih glavnih podatkov:

• Podatki o stranki: Osnovni podatki o strankah, ki na splošno veljajo za najpogosteje uporabljeno obliko glavnih podatkov, vključujejo naslove za izstavitev računa, e-poštne naslove in telefonske številke, vendar so se razširili na individualne nakupovalne nastavitve na podlagi prejšnjih nakupov.
• Podatki o izdelku: Ta vrsta podatkov navaja vse informacije, ki so potrebne za podporo oblikovanja, proizvodnje, dostave in vzdrževanja izdelkov podjetja. Podatki o izdelku vključujejo tehnične specifikacije, risbe, dele in sklope. Vključuje lahko tudi račune za materiale, delovna navodila in odobrene dobavitelje.
• Podatki o zaposlenih: Ti podatki ne bi smeli biti na voljo vsem zaposlenim, temveč le nekaterim izbranim. Običajno vključuje številko socialnega zavarovanja zaposlenega in neposredni depozitni račun, ki mora ostati zaseben. Navedeni so lahko tudi podatki, kot so njihov domači naslov, telefonska številka, bližnji sorodniki.
• Nakupi: Podatki o velikih nakupih in določenih delniških poslih so lahko navedeni kot glavni podatki.
• Podatki o lokaciji poslovalnice: Lokacije podružnic, trgovin, objektov in franšiz so stalne/poltrajne informacije in se redno uporabljajo.

Matične podatke v kombinaciji z upravljanjem matičnih podatkov je mogoče uporabiti za podporo analitike podatkov. Glavni podatki se pogosto uporabljajo z analitiko, delno zato, ker so zanesljivi, dosledni in vredni zaupanja. Na primer, podjetje, ki uporablja več sistemov za shranjevanje podatkov svojih strank, tvega, da bo vsak sistem delal z različnimi različicami teh podatkov in uničil analizo, ki združuje podatke različnih sistemov.

Več organizacij raje omejiti dostop matičnih podatkov majhnemu številu ustreznega osebja – iz varnostnih razlogov –, medtem ko so referenčni podatki na voljo vsem v organizaciji.

Podatkovna skladišča, glavni podatki in referenčni podatki

Podatkovno skladišče je oblika upravljanja in shranjevanja podatkov, ki je zasnovana za podporo analitiki in razvoju Poslovna inteligenca. Poleg tega se lahko uporablja za shranjevanje glavnih podatkov in referenčnih podatkov. Skladišča podatkov so razširljiva in jih je mogoče enostavno razširiti. Ko podjetje raste, se njegove potrebe po shranjevanju podatkov povečujejo, vključno s potrebami po vedno večji količini matičnih podatkov in shranjevanju referenčnih podatkov. Podatkovna skladišča omogočajo to rast.

Podatkovna skladišča lahko opravljajo različne naloge, vključno z razvojem poslovne inteligence, še posebej pa so uporabna za analizo velikih količin podatkov v daljšem časovnem obdobju.

Analitično upravljanje matičnih podatkov se lahko uskladijo s podatkovnim skladiščem, kjer centralizira in konsolidira podatke. Podatki tečejo v podatkovno skladišče iz različnih virov, vključno s podatki, zbranimi z zunanjih spletnih mest, notranjimi transakcijskimi podatki, operativnimi glavnimi podatki in referenčnimi podatki. Proces omogoča organizacijam, da pridobijo dragocene vpoglede iz svojih podatkov.

Referenčne podatke je mogoče shraniti v podatkovnem skladišču, običajno kot podrazdelitev glavnih podatkov. Skladišča podatkov pogosto organizirajo podatke z uporabo sheme zvezde ali snežinke, z osrednjo tabelo »dejstev«, ki vsebuje primarne podatke, in dodatnimi tabelami »razsežnosti«, ki vsebujejo referenčne podatke, povezane s primarnimi podatki. Na primer, v skladišču bančnih podatkov lahko njegova tabela dejstev vsebuje bančne podatke, kot so znesek posojila, datum posojila in stranka, ki je prejela posojilo, medtem ko lahko dimenzijske tabele (referenčni podatki) vsebujejo informacije o informacijah o izdelkih, demografskih podatkih strank in podatkih o lokaciji.

• Distribucija vsebine in PR s pomočjo SEO. Okrepite se še danes.
• PlatoData.Network Vertical Generative Ai. Opolnomočite se. Dostopite tukaj.
• PlatoAiStream. Web3 Intelligence. Razširjeno znanje. Dostopite tukaj.
• PlatoESG. Ogljik, CleanTech, Energija, Okolje, sončna energija, Ravnanje z odpadki. Dostopite tukaj.
• PlatoHealth. Obveščanje o biotehnologiji in kliničnih preskušanjih. Dostopite tukaj.
• vir: https://www.dataversity.net/master-data-vs-reference-data/