在本系列的第1部分和第2部分中，描述了數據倉庫（DW）和商業智能（BI）項目如何成為許多組織的高度優先事項。項目發起人尋求在整個企業中授權更多更好的數據驅動決策和行動； 他們打算擴展其用于BI，分析和數據發現的用戶基礎，以便用戶做出明智的決策。

避免的這一系列錯誤集中在幫助組織回避DW項目中遇到的數據質量問題。 此處提供的提示將有助于確保DW團隊計劃和實施新功能時的滿意度。

以下是各種實踐者遇到的更多錯誤：

取決于BI報告測試以發現數據倉庫中的缺陷

DW項目充滿挑戰-從倉庫中的數據質量到BI報表中的派生值。如果不能及時解決，那么糟糕的數據質量（尤其是在數據倉庫中）可能會導致整個項目停頓。

由于缺乏數據質量，數據倉庫常常不能達到預期的效果。 研究表明，將數據從源移動到數據倉庫和數據保管庫的各個區域時，數據質量通常會下降。在開始加載源時以及在清理，轉換，聚合和集成到數據倉庫的每個步驟中，應該對數據質量進行徹底的評估。

以下是五個DW數據問題（在多項研究中均已確定），這些問題發生的可能性最大，并直接影響項目的成功。請注意，這些風險很少與BI報告中的缺陷相關。

• 源數據質量錯誤-來自內部和外部源
• 源到目標的數據映射和架構錯誤
• 多個ETL流程導致的數據錯誤
• 查詢性能問題ETL流程
• 數據清理和轉換錯誤

BI和分析報告測試應全部關于確保從數據倉庫正確訪問數據，定義報告布局，滿足可用性要求，報告向下鉆取和匯總正常工作。當您得知數據集市中的數據丟失或重復或者在ETL驗證期間應該發現的其他缺陷時，則不應進行BI報告測試過程。

無法充分執行DW性能，負載和壓力測試

大多數項目經理不會在其DW項目的開發過程中延遲功能和數據質量測試。但是，太多的DW項目正在開發生命周期的后期階段測試性能，負載，壓力，安全性和恢復-有時沒有足夠的時間來糾正發現的任何重要問題。

不合格的性能可能是取消DW項目的重要原因。應該針對查詢響應時間和ETL時間（例如每小時，每天）探索DW性能。 當訪問數百萬或更多行進行計算時，查詢響應時間可能長達幾分鐘。 除少數例外，這是不可接受的。這樣的性能將負面影響DW對用戶的可用性。

DW性能在很大程度上取決于數據庫性能。老式的開發方法將性能測試保留在開發生命周期的后期。 根本不可能提早測試性能，因為直到游戲后期才有代表性的工作系統。

敏捷數據庫性能測試的一些最佳實踐包括：

• 制定績效測試計劃：應該確定針對單個交易和常見用例的測試。 測試負載應配置為在從空閑到斷點應力測試的各種負載下測試吞吐量。 并發測試應改變目標數據，以識別應用程序框架和數據庫級別的緩存問題。
• 提供足夠的時間和預算：用于部署合適的性能測試環境。 性能測試平臺應具有生產規模或可量化的比例。
• 規劃實際可擴展的數據：這可以是生產快照（對于現有系統），或者可能需要針對新的或快速增長的系統進行實際可擴展的綜合數據。

無法向項目團隊提供足夠的測試結果指標

在測試團隊中，關鍵的可交付成果之一是傳遞測試工作進度和測試狀態的信息。測試指標對于了解當前的測試工作并考慮開發和測試中需要的改進至關重要。

如今，許多DW測試是由業務分析師，數據分析師和開發人員進行的。結果，許多DW項目上的可行測試指標可能不可用。許多QA團隊的成員減少了對DW測試的參與，部分原因是缺乏與數據相關的技術技能，這是測試DW項目所需的技能。

始終需要與質量保證相關的指標。您的項目團隊將只能改進和控制在計劃，開發，執行和完成測試時所測量的內容，這些測試使用量化進度和成功的指標來報告。

質量保證指標必須設計為值得信賴，并用于制定可行的項目決策。在DW測試期間開發的度量標準為項目和業務經理提供了兩個主要好處：可以查看1）發布到生產中的成熟度和準備情況，以及2）開發中的軟件產品的質量。測試報告通過清楚地評估DW項目的質量和完整性，可以有效地管理軟件開發過程。

每個DW主要質量類別的度量標準-數據庫管理質量，數據模型/架構質量，數據倉庫數據質量-理想情況下應包括：測試用例通過/失敗度量標準，生產率度量標準（即計劃的測試是運行還是未運行） ，DW組件的缺陷率密度，按優先級/嚴重性發現的缺陷以及測試未涵蓋的要求。

質量檢查團隊應向利益相關者提供測試指標，以證明其測試進度。而且，質量保證指標可幫助項目涉眾制定出行與不行項目決策。

慧都 BI 提供Qlik的產品和技術服務，更有企業級BI業務分析解決方案，我們擁有包括Tableau、Power BI和 IBM Cognos全球領先的BI產品，并提供相關解決方案，讓數據創造無限價值。詳情可咨詢慧都網在線客服>>