Critical Success Factors for a Business Intelligence System based on Data Vault 2.0
Bachelor thesis
Permanent lenke
https://hdl.handle.net/11250/3138348Utgivelsesdato
2024Metadata
Vis full innførselSamlinger
Beskrivelse
Full text not available
Sammendrag
Data Vault er et system for beslutningsstøtte bestående av en overordnet metodikk (“methodology”), en arkitektur og en modelleringsteknikk. Oppgavens hovedproblem var å identifisere “Kritiske suksessfaktorer” for en vellykket implementasjon av et beslutningsstøttesystem basert på Data Vault. Videre søkte oppgaven å besvare underspørsmål om hovedforskjellene mellom Data Vault og henholdsvis Inmon og Kimballs tilnærming til datavarehusløsninger, fordeler og ulemper ved å ta i bruk Data Vault, samt å finne noen kriterier for hvilke organisasjoner Data Vault kan være aktuelt for. Som metode ble det valgt litteraturstudier, herunder vitenskapelige artikler, andre bachelor- og masteroppgaver, konferansepresentasjoner, videoer og podcaster, samt strukturerte ekspertintervjuer. Bacheloroppgaven har identifisert en rekke forslag til “Kritiske suksessfaktorer" fordelt på henholdsvis forretningssiden og den tekniske siden av en organisasjon. Videre viser resultatene tydelig at det er nødvendig å være tydelig på hvilken del av Data Vault man sammenligner med tilsvarende del i Inmons eller Kimballs datavarehusløsninger, for eksempel modelleringsteknikken eller arkitekturen. Til slutt gir oppgaven noen retningslinjer i forhold til hvilke organisasjoner som kan være aktuelle kandidater for en beslutningsstøtteløsning basert på Data Vault. Data Vault is a system of Business Intelligence consisting of a methodology, an architecture and a modelling technique. The main goal of this research project is to define Critical Success Factors (CSFs) for a successful implementation of a BI system based on Data Vault. Furthermore, the research aims to answer a set of “sub questions”; how does Data Vault compare to the Inmon and Kimball approaches to data warehousing, what are the main advantages or disadvantages with Data Vault, and finally who is Data Vault for and who may it not be suitable for. The methods used were literature review of research papers, other bachelor and master theses, along with online resources like conference talks, podcasts and videos, and structured expert interviews. The thesis outlines a set of suggested CSFs split into two categories, the Business dimension and the IT dimension. Furthermore, the results show that in order for a comparison with other Business Intelligence approaches to be made, it is important to “break it down” and be specific as to which part of Data Vault is being compared to the equivalent part of the other approach, e.g. “the model”, “the architecture”, and so on. Lastly, a set of criteria have been established to help identify suitable candidates for a Business Intelligence system based on Data Vault.