Prezentace se nahrává, počkejte prosím

Prezentace se nahrává, počkejte prosím

© Helena Palovská 2006 Business intelligence Helena Palovská.

Podobné prezentace


Prezentace na téma: "© Helena Palovská 2006 Business intelligence Helena Palovská."— Transkript prezentace:

1 © Helena Palovská 2006 Business intelligence Helena Palovská

2 © Helena Palovská 2006 Manažerské informace Kteří zákazníci nakupovali produkt „A-Mutt“? Kolik bylo objednáno zboží v květnu? Na jaké výrobky jsou jednotliví zákazníci zaměřeni? Jaké výrobky se v Brazílii vůbec neprodávají? Závisí to na kategorii? Na čem to závisí? Kteří zákazníci jsou perspektivní?

3 © Helena Palovská 2006 Architektura BI IT datový sklad zpracování transakcí ? ? reporty OLAP datamining

4 © Helena Palovská 2006 ETL – datové pumpy Extraction –Jsou stanovena pravidla pro extrakci Transformation –intergrace, čištění Loading –podle rozvrhu

5 © Helena Palovská 2006 Další pomocná úložiště Data Stagging Area –když nelze produkční systémy zatěžovat nárazovým pumpováním –pouze extrakce transformace a loading se dělá dávkově podle rozvrhu Operational Data Store –Integrované centrální úložiště dostupné pro produkční systémy Konsolidované dimenzionální tabulky – Aktuální data dostupná pro BI aplikace

6 © Helena Palovská 2006 Data Marty Subjektově orientované –replikované části centrálního DWH nebo –primární úložiště a DWH se z nich integruje

7 © Helena Palovská 2006 Reporty Vznikají na základě analýzy nebo uživatelských požadavků Mohou vznikat problémy s disseminací –reporty jsou, ale uživatelé o nich nevědí

8 © Helena Palovská 2006 OLAP Manažerská aplikace

9 © Helena Palovská 2006 OLAP

10 © Helena Palovská 2006 Datamining Clusterová analýza –automatické hledání shluků Rozhodovací stromy –může používat vyškolený uživatel Neuronové sítě … Nutno zakoupit nástroj i školení.

11 © Helena Palovská 2006 Decision Supporting Systems Modelovací nástroje pro podporu rozhodování –data mohu „tahat“ z datového skladu

12 © Helena Palovská 2006 Expertní systémy Napodobují rozhodování experta – podávají rady –mohou se učit na datech z datového skladu

13 © Helena Palovská 2006 Charakteristika produkčních databází Zpracovávají business transakce –krátké transakce –odezvy v reálném čase Normalizovaná schémata databází –většinou v 3. NF (co je normalizovaná databáze) (co je normalizovaná databáze) Nezávislé systémy mohou být navzájem neintegrované Optimalizovány pro podporu business operací pokračuj na charakteristiku dat. skladu

14 © Helena Palovská 2006 Co je normalizovaná databáze 1 změna ve světě ~ 1 změna v databázi –1.,2.,3. … normální formy Takto vznikne normalizovaná databáze: –pečlivá analýza → ER(A) model (co ER(A)) (co ER(A)) CASE nástroj či „mapovací algoritmus“ –relační databázové schéma Kontrola kvality – utilita db serveru (náročné) –hledání závislostí mezi poli tabulky na reprezentativním vzorku dat zpět

15 © Helena Palovská 2006 Co je E-R(A) Jaké jsou entity (objekty), vztahy mezi nimi Jaké mají atributy Jaká jsou integritní omezení: –kardinality vztahů (1:N, M:N, 1:1) –členství ve vztazích (povinné, nepovinné) –co jsou klíčové atributy nalezení event. identifikačních vztahů Nalezení generalizace/specializace zpět

16 © Helena Palovská 2006 Charakteristika datového skladu - DWH Dlouhé a složité dotazy Konsolidovaná data Denormalizovaný Předpočítané výpočty, agregace Změny pouze přírůstkové –obsahuje archívní, historická data –nové záznamy vkládány v dávkách podle rozvrhu Optimalizován pro business intelligence

17 © Helena Palovská 2006 Možnosti organizace DWH Relační db – tabulka faktů a tabulky pro dimenze: –Hvězda Každá dimenze v jediné tabulce (denormalizované) –Snowflake Hierarchie každé dimenze rozložena do více tabulek (normalizovaná dimenze) Multidimenzionální db – kostky –popisné atributy dimenzí mohou být v Operational Data Store


Stáhnout ppt "© Helena Palovská 2006 Business intelligence Helena Palovská."

Podobné prezentace


Reklamy Google