دانلود مقالات ISI درباره یکپارچه سازی داده ها + ترجمه فارسی

یکپارچه سازی داده ها، فرآیندی است در هوش کسب وکار هوش تجاری که در آن داده های موجود در منابع مختلف با یکدیگر ترکیب می‌شوند؛ این داده ها عموما با فناوری ‌های متفاوت و در منابع مختلف جدا از هم ذخیره شده و نگهداری می ‌شوند. یکپارچه سازی داده ها منجر به شکل ‌گیری یک دید واحد نسبت به داده های پراکنده می ‌شود. امروزه Data Integration به فرآیندی مهم در ارتباط و اتصال سیستم های شرکت ‌های مختلف با یکدیگر و تحکیم جایگاه برنامه های کاربردی و سیستم های داخلی شرکت ها تبدیل شده است. از طریق این فرآیند دیدی واحد نسبت به داده های شرکت برای کاربران و کارمندان کسب و کار مربوطه ایجاد می ‌شود. این طرح غالبا تحت عنوان "انباره داده" نامیده می ‌شود. مهمترین هدف اجرای پروژه یکپارچه سازی داده، حذف سیلوهای اطلاعاتی و حرکت به سمت تعامل منطقی و سیستماتیک سیستم های عملیاتی در یک سازمان است. یکپارچه سازی داده‌ها اصولاً بر پایگاه داده‌ها متمرکز است. یک پایگاه داده‌ها مجموعه‌ای سازماندهی شده از داده‌هاست که شبیه سیستم فایل است که یک ساختار منظم برای فایل‌هاست که دسترسی به آن‌ها را راحت می‌کند. در حقیقت، یکپارچه سازی داده‌ها نظم و قانونی پیچیده دارد. یک روش کلی برای یکپارچه سازی داده‌ها وجود ندارد و بیشتر تکنیک‌های پیشرفته IT که در این زمینه استفاده می‌شود هنوز در حال رشد و توسعه است. حوزه ‌های مرتبط با یکپارچه سازی داده ها: پیاده سازی فرایندهای یکپارچه سازی داده ها یا Data Integration معمولا حوزه‌های کاری زیر را در بر می‌گیرد: 1- انبارش داده‌ ها (Data Warehousing) 2- انتقال داده‌ ها (Data Migration) 3- یکپارچه سازی اطلاعات / برنامه ‌های کابردی کسب و کار با یکدیگر 4- مدیریت بالاسری داده‌ها (Master Data Management) چالش ‌های پیش روی Data Integration: در نگاه اول، شاید بزرگترین چالش پیش روی Data Integration، چالش­‌های فنی پیاده سازی این رویکرد باشد. اما ذکر این نکته مهم است که چالش اصلی در واقع کل فرآیند یکپارچه سازی داده ها است. یکپارچه سازی داده ها از سه گام اصلی طراحی، پیاده سازی و تست سیستم پیاده سازی شده تشکیل شده است.