Oracle Hyperion Essbase
|
|
- Stanisława Antczak
- 8 lat temu
- Przeglądów:
Transkrypt
1 XVI Konferencja PLOUG Kościelisko Październik 2010 Oracle Hyperion Essbase Paweł Chomicz Dyrektor Centrum Kompetencyjnego Oracle w BizTech S.A. pawel.chomicz@biztech.pl; pch64@o2.pl Abstrakt. Wraz z Hyperionem Oracle kupił całą masę produktów do analiz danych. Zakup w sposób zasadniczy dopełnia Oraclową ofertę Business Intelligence. Baza danych Hyperion Essbase to wielowymiarowa baza danych o olbrzymich możliwościach analitycznych. Wielowymiarowy Essbase jest zupełnie innym produktem w stosunku do relacyjnej Oracle Database, również z opcją OLAP: inaczej organizuje i przechowuje dane i ich strukturę, ma inny interfejs do zarządzania. Inny jest cykl produkcji aplikacji i bazy danych. Inne procesy obsługujące dane w systemie. To wszystko jest specyficzne i nie intuicyjne do opanowania nawet dla dobrych administratorów i deweloperów relacyjnej bazy Oracle. Do tego dochodzą zagadnienia zasilania danymi struktur wielowymiarowych oraz prezentacja sprawozdań i export danych do postaci relacyjnej. Referat prezentuje: różnice pomiędzy relacyjnymi i wielowymiarowymi bazami danymi; filozofię i rozwiązania zastosowane w środowisku Hyperion Essbase; miejsce Essbase wśród innych rozwiązań Oracle Bussines Intelligence; cykl planowanie i tworzenie kompletnej aplikacji i bazy danych; inne rozwiązania Oracle Bussines Intelligence umożliwiające powiązanie Essbase z danymi relacyjnymi. Artykuł został opracowany na podstawie informacji pozyskanych z Internetu: list dyskusyjnych, prezentacji Oracle, Hyperion, Sunopsis i innych, oraz dokumentacji produktów i książek. Między innymi Teoria relacyjnych baz danych Edgar Frank Codd. Informacja o autorze. Autor w latach prowadził szkolenia IT oraz szkolenia dla trenerów. W latach zbudował i prowadził zespół Oracle w Altkom Akademii. W latach zbudował i prowadził Zespół Aplikacji Oracle w Matrix.pl. Aktualnie jest Dyrektorem Centrum Kompetencyjnego Oracle w BizTech S.A.
2
3 Oracle Hyperion Essbase Wstęp Podstawę systemów BI stanowi hurtownia danych, która jest bazą zintegrowanych, oczyszczonych i poddanych transformacji danych. Na takiej bazie danych kierownictwo, dyrektorzy i analitycy mogą wykonywać wiele różnego typu analiz i raportów, które pomagają szybciej i skutecznie podejmować decyzje. Podstawowym celem systemów BI jest dostarczenie właściwych informacji właściwym kosztem, we właściwym miejscu i czasie. Trzeba jednak mieć na uwadze, że definicja hurtowni danych podana powyżej nie jest już teraz taka oczywista. Na przykład narzędzia takie jak ODI umożliwiają transformacje danych już na ich źródle. System BI w zależności od potrzeb przedsiębiorstwa mogą składać się z różnych elementów i posiadać różną funkcjonalność. Mogą mieć charakter rozwiązań typu CPM bądź postać systemów złożonych z kilku modułów o określonej funkcjonalności. Systemy BI mogą zawierać elementy oparte o podstawowe technologie: OLAP analizy wielowymiarowe; Data mining eksploracja danych; i inne, uzupełniające lub dziedzinowe np.: GIS gromadzenie i analiza informacji przestrzennych. Przed kupieniem w 2007 roku za 3,3 mld USD firmy Hyperion, Oracle oferował co prawda rozwiązania typu OLAP i DM ale nie były to rozwiązania doskonałe. Zakup Hyperiona radykalnie zmienił ofertę Oracle. Z odpowiednio dobranych komponentów Siebel Analytics (Obecnie Oracle BI), Hyperion OLAP (obecnie Oracle Essbase) oraz EL-T Sunopsis (obecnie ODI Oracle Data Integrator) Oracle stworzył wyjątkowe i niezwykle skuteczne, kompletne środowisko BI. Dla uproszczenia dalej pojęcia Hyperion OLAP, Hyperion i Essbase stosowane są zamiennie Model relacyjny i wielowymiarowy Model relacyjny: Zazwyczaj mylimy pojęcia: relacją nazywamy referencje a nie tabelę. Dla uporządkowania wiedzy i nazewnictwa dalej opisano podstawy teorii relacyjnych baz danych którą opracował przez nieżyjący już Edgar Frank Codd. Teoria ta została opublikowana w roku Relacja R tabela. Krotka t wiersz. Atrybut A kolumna. Liczebność relacji m liczba krotek w tabeli. Stopień relacji n liczba atrybutów. Klucz główny K jednoznaczny identyfikator tabeli. Dziedzina D zbiór dopuszczalnych wartości atrybutu. Schemat relacji R(A1,A2,...,An). Baza danych zbiór relacji.
4 192 Paweł Chomicz Schemat bazy danych zbiór schematów relacji. Dziedzina D to zbiór wartości skalarnych tego samego typu. Dziedzina atrybutu każdy atrybut A wywodzi sie z dokładnie jednej dziedziny D. Relacja r(r) o schemacie R(A1,A2,...,An) na zbiorze dziedzin {D1,D2,...,Dn} jest zbiorem krotek r = {t1, t2,..., tm} postaci t =< v1, v2,..., vn >, będących uporządkowana lista, gdzie vi, dla 0 < i n należy do zbioru Di [ {NULL}, n jest stopniem relacji R, zaś m jej liczebnością. Każda relacja ma właściwe sobie znaczenie, które formalnie można przedstawić w postaci predykatu bądź funkcji logicznej. Predykat dla danej relacji stanowi kryterium zgody na jej uaktualnienie. Rodzaje relacji: nazwane; podstawowe; pochodne; perspektywy; perspektywy materializowane (migawki); wyniki zapytań; wyniki pośrednie. Własności obiektów relacyjnych: nie istnieją podwójne krotki (powtarzające się); krotki nie są uporządkowane (ich kolejność nie ma znaczenia); atrybuty nie są uporządkowane (jw.); wszystkie wartości atrybutów są atomowe; w ramach bazy danych dziedziny maja jednoznaczne nazwy; w ramach bazy danych relacje nazwane maja jednoznaczne nazwy; w ramach relacji atrybuty posiadają jednoznaczne nazwy. Integralność danych relacyjnych: Reguły integralności pomagają SZBD nadzorować poprawność danych wprowadzanych do bazy. Mogą one dotyczyć pojedynczego atrybutu bądź całej relacji. Wyróżniamy ograniczenia: klucze kandydujące; klucze główne (PRIMARY KEY); klucze alternatywne; klucze obce (FOREIGN KEY); unikalność (UNIQUE); zawężenie dziedziny (CHECK); wartość niepusta (NOT NULL).
5 Oracle Hyperion Essbase 193 Klucz kandydujący: Niech R będzie relacja. Klucz kandydujący w relacji R jest podzbiorem K zbioru atrybutów relacji R posiadającym własność jednoznaczności i nieredukowalności. Klucz kandydujący zawierający więcej niż jeden atrybut nazywa sie kluczem złożonym, natomiast zawierający dokładnie jeden atrybut - kluczem prostym. Klucze kandydujące zapewniają mechanizmy adresowania na poziomie krotek. Klucz główny i alternatywny W sytuacji, w której relacja posiada wiele kluczy kandydujących, jeden z nich powinien być wybrany jako klucz główny, pozostałe natomiast określa się mianem kluczy alternatywnych. Klucz obcy: Niech R2 będzie relacja. Klucz obcy relacji R2 jest to podzbiór FK zbioru atrybutów R2, taki że: istnieje relacja R1 (relacje R1 i R2 nie musza być różne) z kluczem kandydującym CK oraz: w każdej chwili każda wartość FK w aktualnej wartości relacji R2 jest taka sama jak wartość CK w pewnej krotce aktualnej wartości relacji R1. Wartość klucza obcego stanowi referencje do krotki docelowej zawierającej wartość odpowiadającego mu klucza kandydującego. Ograniczenia atrybutu: Na każdy atrybut relacji można narzucić ograniczenia dotyczące: dziedziny (określenie typu); niepowtarzalności wartości (UNIQUE); nie dopuszczania wartości pustej (NOT NULL); dowolny warunek logiczny ograniczający dziedzinę (CHECK). Integralność: Integralność referencyjna: Integralność referencyjna zapewnia, ze baza nie zawiera żadnych niedopuszczalnych wartości klucza obcego i narzuca je poprzez tzw. więzy referencyjne. Integralność encji: Żaden składnik klucza głównego relacji podstawowej nie może akceptować wartości pustej. Integralność atrybutu: Wartości atrybutu są pobierane z odpowiedniej dziedziny. Model wielowymiarowy: Miary albo fakty: wartości ciągłe, numeryczne typowe miary: wartość sprzedaży, koszt, zysk, sprzedana ilość miary mogą być: addytywne (we wszystkich wymiarach) np. liczba sprzedanych sztuk;
6 194 Paweł Chomicz częściowo addytywne (addytywne w niektórych wymiarach) np. stan w magazynie sklepu; nieaddytywne. Wymiary: wartości dyskretne, niezmienne lub rzadko zmienne; nadają znaczenie danym (miarom, faktom); typowe wymiary: sklep, faktura, klient, czas, produkt; hierarchie umożliwiają organizację danych na różnych poziomach agregacji; doskonałym przykładem jest czas: rok, miesiąc, dzień itd.; poziomy reprezentuje pozycję w hierarchii; atrybuty dostarczają dodatkowych informacji o danych, np. kolor, waga, tydzień roku. Kostki: Dane na potrzeby przetwarzania OLAP są reprezentowane właśnie w postaci wielowymiarowej: kostki 3 lub więcej wymiarowe. Takie właśnie logiczne kostki stanowią sposób organizacji miar mających te same wymiary OLAP Rozwiązanie to umożliwia użytkownikom biznesowym wykonanie analiz wielowymiarowych. Typowym przykładem takich analiz są: zapytanie o sprzedaż produktów jaką odnotowało przedsiębiorstwo w kolejnych tygodniach, miesiącach, latach, zapytanie o sprzedaż produktów z podziałem na rodzaje produktów, zapytanie o sprzedaż produktów z podziałem na oddziały Odpowiedzi tego typu zapytania wspomagają kadrę kierowniczą w procesie podejmowania decyzji mającym przynieść poprawę sytuacji przedsiębiorstwa. Umożliwiają wykrycie wąskich gardeł sprzedaży, wykrycie produktów przynoszących największy zysk lub stratę.
7 Oracle Hyperion Essbase 195 Rozwiązania tego typu oparte są o model przetwarzania danych, nazwany przetwarzaniem analitycznym on-line (ang. OnLine Analytical Processing OLAP). Analiza danych polega tu na obliczaniu agregatów dla zadanych wymiarów. Proces analizy jest całkowicie sterowany przez użytkownika. i nazywany jest analizą danych sterowaną zapytaniami. Centralnym elementem systemu jest baza danych. System złożony jest z szeregu warstw. Dane z wielu źródeł np. z systemów produkcyjnych przedsiębiorstwa (np.: F-K i CRM). Przenoszone są do pierwszej warstwy. Następnie są poddawane procesom integracji, oczyszczania, transformacji, po czym są ładowane do kolejnej warstwy zawierającej struktury wielowymiarowe (kostki, tabele połączone w schematy płatka śniegu czy gwiazdy). Kolejnym elementem systemu jest warstwa, która przekłada struktury informatyczne na struktury biznesowe zrozumiałe dla użytkowników systemu. Warstwa ta zawiera również interfejs umożliwiający użytkownikom nieznającym technologii informatycznych wykonywanie skomplikowanych analiz i raportów. Ogólny schemat pokazany jest na rysunku poniżej: F-K System analityczno-raportowy CRM HR ETL Hurtownia danych Strategiczna karta wyników Data mining SO Planowanie i budżetowanie 1.3. Data mining Analiza danych z wykorzystaniem systemów zgodna z modelem OLAP, jest sterowana zazwyczaj przez analityka. Analityk formułuje szczegółowe zapytania i na ich podstawie dokonuje analizy danych zawartych w hurtowniach danych. Analiza tego typu zakłada, że użytkownik, posiada pełną wiedzę o przedmiocie analizy oraz potrafi sterować procesem. W przeciwieństwie do rozwiązań OLAP, technologie data mining (eksploracja danych) opierają się o całkowicie inne rozwiązania. Technologie te umożliwiają wykonanie zadań polegających na znajdowaniu nieznanych dotychczas zależności i związków pomiędzy danymi. Eksploracja danych umożliwia rozwiązywanie zadań, które ze względu rozmiar są trudne do przeprowadzenia oraz rozwiązywanie tych problemów, dla których nie dysponujemy pełną wiedzą, gdyż wiedzę tę chcemy wydobyć z danych. Technologie eksploracji danych umożliwiają dostęp do danych w przypadku, kiedy nie potrafimy sformułować zapytania z wykorzystaniem języka dostępu do bazy danych.
8 196 Paweł Chomicz Zapytania formułowane są na znacznie wyższym poziomie abstrakcji niż pozwala na to standard SQL. Przy wykorzystaniu technologii eksploracji danych formułowane zadania rozwiązywane są automatycznie. Eksploracja danych wiąże się z kilkoma typami działań. Są to między innymi: klasyfikacja, grupowanie pojęciowe, zbiory przybliżone, reguły asocjacyjne. Bardzo prostym przykładem zastosowania eksploracji danych może być wykorzystanie klasyfikacji do udzielenia odpowiedzi na pytanie Czy klient w przyszłości może przestać kupować produkt V?. Przyjmijmy, jako model eksploracji danych funkcję liniową (y = Ax + B). Załóżmy, że posiadamy w bazie danych następujące informacje o klientach: wartość cechy A klienta, wartość cechy B klienta, czy klient kupował produkt V w przeciągu ostatnich dwóch miesięcy? (TAK - trójkąty / NIE - kółka). Wybieramy pewną reprezentacyjną grupę klientów. System eksploracji danych opierając się o ww. informacje o klientach oraz o model eksploracji danych wyznaczy współczynniki A i B. Następnie eksperci powinni zinterpretować otrzymane wyniki. Po wykonaniu powyższych kroków otrzymujemy algorytm eksploracji danych pozwalający określić, którzy klienci skłonni są przestać kupować produkt V, co pozwala wcześniej podjąć działania zapobiegające takiej sytuacji..
9 Oracle Hyperion Essbase Podstawowe cechy Hyperion OLAP Baza danych Hyperion Essbase to wielowymiarowa baza danych o olbrzymich możliwościach analitycznych. Wielowymiarowy Essbase jest zupełnie innym produktem w stosunku do relacyjnej Oracle Database, również z opcją OLAP: inaczej organizuje i przechowuje dane i ich strukturę, ma inny interfejs do zarządzania. Inny jest cykl produkcji aplikacji i bazy danych. Inne procesy obsługujące dane w systemie. Essbase ma również wbudowane algorytmy do Data Mainingu. To wszystko jest specyficzne i choć intuicyjne, to nie proste bez właściwego przygotowania do opanowania nawet dla dobrych administratorów i deweloperów relacyjnej bazy Oracle. Do tego dochodzą zagadnienia zasilania danymi struktur wielowymiarowych oraz prezentacja sprawozdań i export danych do postaci relacyjnej. Podstawowe cechy Essbase: Platforma dedykowana do raportowania, analiz, modelowania i planowania. Wykorzystanie kategorii biznesowych zamiast np. nazw pól i tabel (np. taryfa, jednostka biznesowa, pozycja budżetowa, typ zadania remontowego itp.). Możliwość dalszego przetwarzania danych (np. wyliczania wskaźników, alokacji, prognozowania itp.). Łatwość tworzenia scenariuszy analitycznych co-jeśli bez konieczności modyfikowania danych w systemach źródłowych. Dane w postaci zagregowanej gotowe do prezentacji brak konieczności czasochłonnego generowania raportów za pomocą zapytań. Przejrzysta struktura inteligentnych wymiarów w postaci drzewa z możliwością tworzenia alternatywnych struktur, nieaddytywnych ścieżek agregacji, wykorzystania wbudowanych mechanizmów inteligencji finansowej i czasowej. Unikalna możliwość bezpośredniego zapisu danych do bazy wielowymiarowej np. przy użyciu dodatku do MS Excel. Unikalna możliwość ładowania dużych ilości danych detalicznych do bazy wielowymiarowej z niespotykaną dotąd na rynku wydajnością nawet do poziomu wielu milionów pojedynczych klientów, faktur, transakcji itp. Intuicyjne narzędzia raportujące i administracyjne Hyperion Analyzer, Hyperion Reports, Hyperion Performance Suite, MS Excel Add-in. Możliwość załączania dowolnych plików i komentarzy do dowolnych komórek w bazie wielowymiarowej. Wbudowane algorytmy realizujące Data Mining, możliwość dołączania własnych algorytmów. System bezpieczeństwa zintegrowany z systemami korporacyjnymi (np. NTLM, LDAP, MSAD) ograniczający dostęp do dowolnego obszaru bazy niezależnie od narzędzia dostępowego. Obsługa standardów MDX, XMLA, wielowalutowość, trigery.
10 198 Paweł Chomicz 3. Dostęp do danych wielowymiarowych Essbase. Zasilanie danymi. Konwersja na dane relacyjne Zagadnienie nie jest proste. Poniżej zostaną zaprezentowane dwa rozwiązania: przy użyciu Oracle Warehouse Builder OWB oraz pakietu Oracle Business Intelligence. Z powodu ograniczonego miejsca a także aby nie dublować informacji poniżej zostaną przedstawione jedynie odpowiednie odnośniki, w trakcie referatu omówione będą natomiast kluczowe momenty procesu. Oracle Warehouse Builder OWB: OWB 11gR2 umożliwia dostęp do wielowymiarowych struktur Essbase i konwersję ich do postaci relacyjnej. Realizuje się to za pośrednictwem drivera JDBC Essbase oraz odpowiedniego modułu RKM z pakietu Oracle Data Integrator ODI. Odpowiedni moduł RKM definiują 4 pliki: ess_es_server.jar; ess_japi.jar; odihapp_common.jar; 4. odihapp_essbase.jar. Szczegółowo procedura jest opisana na: Tam też znajdują się konieczne skrypty które należy uruchomić w OMB Plus. Oracle Business Intelligence: Podłączenie się do Essbase w warstwie fizycznej narzędzia Administration Tool wchodzącego w skład pakietu Oracle Business Intelligence umożliwia wykonanie inżynierii odwrotnej na schemacie Essbase oraz użycie modelu i danych w warstwach logicznej i prezentacji. Kompletny przykład wraz ze zrzutami ekranów znajduje się pod adresem: 4. Podsumowanie Dobrze się dzieje, że Oracle ma bardzo dużo pieniędzy i bardzo dobrych specjalistów do pozyskiwania gotowych technologii. Prowadzone przez ostatnie lata zakupy pozwoliły Oracle stworzyć bardzo dobre, wydajne i ergonomiczne rozwiązania do przetwarzania, przechowywania i udostępniania informacji. Środowisko analityczne oparte o Siebel Analytics (Obecnie Oracle BI), Hyperion OLAP (obecnie Oracle Essbase) oraz EL-T Sunopsis (obecnie ODI Oracle Data Integrator) nie ma sobie obecnie równych.
1 Wstęp do modelu relacyjnego
Plan wykładu Model relacyjny Obiekty relacyjne Integralność danych relacyjnych Algebra relacyjna 1 Wstęp do modelu relacyjnego Od tego się zaczęło... E. F. Codd, A Relational Model of Data for Large Shared
Bardziej szczegółowoModel relacyjny. Wykład II
Model relacyjny został zaproponowany do strukturyzacji danych przez brytyjskiego matematyka Edgarda Franka Codda w 1970 r. Baza danych według definicji Codda to zbiór zmieniających się w czasie relacji
Bardziej szczegółowo2010-10-21 PLAN WYKŁADU BAZY DANYCH MODEL DANYCH. Relacyjny model danych Struktury danych Operacje Integralność danych Algebra relacyjna HISTORIA
PLAN WYKŁADU Relacyjny model danych Struktury danych Operacje Integralność danych Algebra relacyjna BAZY DANYCH Wykład 2 dr inż. Agnieszka Bołtuć MODEL DANYCH Model danych jest zbiorem ogólnych zasad posługiwania
Bardziej szczegółowoUsługi analityczne budowa kostki analitycznej Część pierwsza.
Usługi analityczne budowa kostki analitycznej Część pierwsza. Wprowadzenie W wielu dziedzinach działalności człowieka analiza zebranych danych jest jednym z najważniejszych mechanizmów podejmowania decyzji.
Bardziej szczegółowoWykład 2. Relacyjny model danych
Wykład 2 Relacyjny model danych Wymagania stawiane modelowi danych Unikanie nadmiarowości danych (redundancji) jedna informacja powinna być wpisana do bazy danych tylko jeden raz Problem powtarzających
Bardziej szczegółowoHURTOWNIE DANYCH I BUSINESS INTELLIGENCE
BAZY DANYCH HURTOWNIE DANYCH I BUSINESS INTELLIGENCE Akademia Górniczo-Hutnicza w Krakowie Adrian Horzyk horzyk@agh.edu.pl Google: Horzyk HURTOWNIE DANYCH Hurtownia danych (Data Warehouse) to najczęściej
Bardziej szczegółowoHurtownie danych. 31 stycznia 2017
31 stycznia 2017 Definicja hurtowni danych Hurtownia danych wg Williama Inmona zbiór danych wyróżniający się następującymi cechami uporządkowany tematycznie zintegrowany zawierający wymiar czasowy nieulotny
Bardziej szczegółowoCzęść I Istota analizy biznesowej a Analysis Services
Spis treści Część I Istota analizy biznesowej a Analysis Services 1 Analiza biznesowa: podstawy analizy danych... 3 Wprowadzenie do analizy biznesowej... 3 Wielowymiarowa analiza danych... 5 Atrybuty w
Bardziej szczegółowoHurtownie danych. Wstęp. Architektura hurtowni danych. http://zajecia.jakubw.pl/hur CO TO JEST HURTOWNIA DANYCH
Wstęp. Architektura hurtowni. Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/hur CO TO JEST HURTOWNIA DANYCH B. Inmon, 1996: Hurtownia to zbiór zintegrowanych, nieulotnych, ukierunkowanych
Bardziej szczegółowoWprowadzenie do technologii Business Intelligence i hurtowni danych
Wprowadzenie do technologii Business Intelligence i hurtowni danych 1 Plan rozdziału 2 Wprowadzenie do Business Intelligence Hurtownie danych Produkty Oracle dla Business Intelligence Business Intelligence
Bardziej szczegółowoINFORMATYKA GEODEZYJNO- KARTOGRAFICZNA Relacyjny model danych. Relacyjny model danych Struktury danych Operacje Oganiczenia integralnościowe
Relacyjny model danych Relacyjny model danych Struktury danych Operacje Oganiczenia integralnościowe Charakterystyka baz danych Model danych definiuje struktury danych operacje ograniczenia integralnościowe
Bardziej szczegółowoModel relacyjny. Wykład II
Model relacyjny został zaproponowany do strukturyzacji danych przez brytyjskiego matematyka Edgarda Franka Codda w 1970 r. Baza danych według definicji Codda to zbiór zmieniających się w czasie relacji
Bardziej szczegółowoSchematy logiczne dla hurtowni danych
Schematy logiczne dla hurtowni danych 26 Plan rozdziału 27 Model biznesowy, logiczny i fizyczny hurtowni danych Podstawowe pojęcia w modelu logicznym, logiczny model wielowymiarowy Implementacje ROLAP/MOLAP
Bardziej szczegółowoCo to jest Business Intelligence?
Cykl: Cykl: Czwartki z Business Intelligence Sesja: Co Co to jest Business Intelligence? Bartłomiej Graczyk 2010-05-06 1 Prelegenci cyklu... mariusz@ssas.pl lukasz@ssas.pl grzegorz@ssas.pl bartek@ssas.pl
Bardziej szczegółowoWprowadzenie do Hurtowni Danych. Mariusz Rafało
Wprowadzenie do Hurtowni Danych Mariusz Rafało mrafalo@sgh.waw.pl WARSTWA PREZENTACJI HURTOWNI DANYCH Wykorzystanie hurtowni danych - aspekty Analityczne zbiory danych (ADS) Zbiór danych tematycznych (Data
Bardziej szczegółowodr inż. Paweł Morawski Informatyczne wsparcie decyzji logistycznych semestr letni 2016/2017
dr inż. Paweł Morawski Informatyczne wsparcie decyzji logistycznych semestr letni 2016/2017 KONTAKT Z PROWADZĄCYM dr inż. Paweł Morawski e-mail: pmorawski@spoleczna.pl www: http://pmorawski.spoleczna.pl
Bardziej szczegółowoModele danych - wykład V. Zagadnienia. 1. Wprowadzenie 2. MOLAP modele danych 3. ROLAP modele danych 4. Podsumowanie 5. Zadanie fajne WPROWADZENIE
Modele danych - wykład V Paweł Skrobanek, C-3 pok. 321 pawel.skrobanek@pwr.wroc.pl oprac. Wrocław 2006 Zagadnienia 1. Wprowadzenie 2. MOLAP modele danych 3. modele danych 4. Podsumowanie 5. Zadanie fajne
Bardziej szczegółowoModel logiczny SZBD. Model fizyczny. Systemy klientserwer. Systemy rozproszone BD. No SQL
Podstawy baz danych: Rysunek 1. Tradycyjne systemy danych 1- Obsługa wejścia 2- Przechowywanie danych 3- Funkcje użytkowe 4- Obsługa wyjścia Ewolucja baz danych: Fragment świata rzeczywistego System przetwarzania
Bardziej szczegółowoModele danych - wykład V
Modele danych - wykład V Paweł Skrobanek, C-3 pok. 323 pawel.skrobanek@pwr.wroc.pl oprac. Wrocław 2006 Zagadnienia 1. Wprowadzenie 2. MOLAP modele danych 3. ROLAP modele danych 4. Podsumowanie 5. Zadanie
Bardziej szczegółowoHurtownie danych. Hurtownie danych. dr hab. Maciej Zakrzewicz Politechnika Poznańska Instytut Informatyki. Maciej Zakrzewicz (1)
Hurtownie danych dr hab. Maciej Zakrzewicz Politechnika Poznańska Instytut Informatyki Maciej Zakrzewicz (1) Plan wykładu Wprowadzenie do Business Intelligence (BI) Hurtownia danych Zasilanie hurtowni
Bardziej szczegółowoHurtownie danych w praktyce
Hurtownie danych w praktyce Fakty i mity Dr inż. Maciej Kiewra Parę słów o mnie... 8 lat pracy zawodowej z hurtowniami danych Projekty realizowane w kraju i zagranicą Certyfikaty Microsoft z Business Intelligence
Bardziej szczegółowoPODSTAWY BAZ DANYCH. 19. Perspektywy baz danych. 2009/2010 Notatki do wykładu "Podstawy baz danych"
PODSTAWY BAZ DANYCH 19. Perspektywy baz danych 1 Perspektywy baz danych Temporalna baza danych Temporalna baza danych - baza danych posiadająca informację o czasie wprowadzenia lub czasie ważności zawartych
Bardziej szczegółowoHurtownie danych i business intelligence. Plan na dziś : Wprowadzenie do przedmiotu
i business intelligence Paweł Skrobanek, C-3 pok. 321 pawel.skrobanek@pwr.wroc.pl Wrocław 2005-2012 Plan na dziś : 1. Wprowadzenie do przedmiotu (co będzie omawiane oraz jak będę weryfikował zdobytą wiedzę
Bardziej szczegółowoRamowy plan kursu. Lp. Moduły Wyk. Lab. Przekazywane treści
Ramowy plan kursu Lp. Moduły Wyk. Lab. Przekazywane treści 1 3 4 Technologia MS SQL Server 2008 R2. Podstawy relacyjnego modelu i projektowanie baz. Zaawansowane elementy języka SQL. Programowanie w języku
Bardziej szczegółowodr inż. Paweł Morawski Informatyczne wsparcie decyzji logistycznych semestr letni 2018/2019
dr inż. Paweł Morawski Informatyczne wsparcie decyzji logistycznych semestr letni 2018/2019 KONTAKT Z PROWADZĄCYM dr inż. Paweł Morawski e-mail: pmorawski@spoleczna.pl www: http://pmorawski.spoleczna.pl
Bardziej szczegółowoHurtownie danych a transakcyjne bazy danych
Hurtownie danych a transakcyjne bazy danych Materiały źródłowe do wykładu: [1] Jerzy Surma, Business Intelligence. Systemy wspomagania decyzji, Wydawnictwo Naukowe PWN, Warszawa 2009 [2] Arkadiusz Januszewski,
Bardziej szczegółowoBudowa systemu wspomagającego podejmowanie decyzji. Metodyka projektowo wdrożeniowa
Budowa systemu wspomagającego podejmowanie decyzji Metodyka projektowo wdrożeniowa Agenda Systemy wspomagające decyzje Business Intelligence (BI) Rodzaje systemów BI Korzyści z wdrożeń BI Zagrożenia dla
Bardziej szczegółowoHurtownie danych i business intelligence. Plan na dziś : Wprowadzenie do przedmiotu
i business intelligence Paweł Skrobanek, C-3 pok. 321 pawel.skrobanek@pwr.wroc.pl Wrocław 2005-2007 Plan na dziś : 1. Wprowadzenie do przedmiotu (co będzie omawiane oraz jak będę weryfikował zdobytą wiedzę
Bardziej szczegółowoBusiness Intelligence
Business Intelligence Paweł Mielczarek Microsoft Certified Trainer (MCT) MCP,MCSA, MCTS, MCTS SQL 2005, MCTS SQL 2008, MCTS DYNAMICS, MBSS, MBSP, MCITP DYNAMICS. Geneza Prowadzenie firmy wymaga podejmowania
Bardziej szczegółowoPREZENTACJA FUNKCJONALNA SYSTEMU PROPHIX
PREZENTACJA FUNKCJONALNA SYSTEMU PROPHIX Architektura i struktura funkcjonalna systemu PROPHIX PROPHIX Corporate Performance Management (Zarządzanie Wydajnością Firmy) System do samodzielnego planowania,
Bardziej szczegółowoPodstawowe pakiety komputerowe wykorzystywane w zarządzaniu przedsiębiorstwem. dr Jakub Boratyński. pok. A38
Podstawowe pakiety komputerowe wykorzystywane w zarządzaniu przedsiębiorstwem zajęcia 1 dr Jakub Boratyński pok. A38 Program zajęć Bazy danych jako podstawowy element systemów informatycznych wykorzystywanych
Bardziej szczegółowoWPROWADZENIE DO BAZ DANYCH
WPROWADZENIE DO BAZ DANYCH Pojęcie danych i baz danych Dane to wszystkie informacje jakie przechowujemy, aby w każdej chwili mieć do nich dostęp. Baza danych (data base) to uporządkowany zbiór danych z
Bardziej szczegółowoSpis treści. Część I Wprowadzenie do pakietu oprogramowania Analysis Services
Spis treści Wstęp... ix Odkąd najlepiej rozpocząć lekturę?... ix Informacja dotycząca towarzyszącej ksiąŝce płyty CD-ROM... xi Wymagania systemowe... xi Instalowanie i uŝywanie plików przykładowych...
Bardziej szczegółowoPierwsze wdrożenie SAP BW w firmie
Pierwsze wdrożenie w firmie Mirosława Żurek, BCC Poznao, maj 2013 Zakres tematyczny wykładu Podstawowe założenia i pojęcia hurtowni danych ; Przykładowe pierwsze wdrożenie w firmie i jego etapy; Przykładowe
Bardziej szczegółowoBaza danych. Modele danych
Rola baz danych Systemy informatyczne stosowane w obsłudze działalności gospodarczej pełnią funkcję polegającą na gromadzeniu i przetwarzaniu danych. Typowe operacje wykonywane na danych w systemach ewidencyjno-sprawozdawczych
Bardziej szczegółowoTechnologia informacyjna
Technologia informacyjna Pracownia nr 9 (studia stacjonarne) - 05.12.2008 - Rok akademicki 2008/2009 2/16 Bazy danych - Plan zajęć Podstawowe pojęcia: baza danych, system zarządzania bazą danych tabela,
Bardziej szczegółowoInstalacja SQL Server Express. Logowanie na stronie Microsoftu
Instalacja SQL Server Express Logowanie na stronie Microsoftu Wybór wersji do pobrania Pobieranie startuje, przechodzimy do strony z poradami. Wypakowujemy pobrany plik. Otwiera się okno instalacji. Wybieramy
Bardziej szczegółowoTransformacja modelu ER do modelu relacyjnego
Transformacja modelu ER do modelu relacyjnego Wykład przygotował: Robert Wrembel BD wykład 4 (1) 1 Plan wykładu Transformacja encji Transformacja związków Transformacja hierarchii encji BD wykład 4 (2)
Bardziej szczegółowoPodstawowe pojęcia dotyczące relacyjnych baz danych. mgr inż. Krzysztof Szałajko
Podstawowe pojęcia dotyczące relacyjnych baz danych mgr inż. Krzysztof Szałajko Czym jest baza danych? Co rozumiemy przez dane? Czym jest system zarządzania bazą danych? 2 / 25 Baza danych Baza danych
Bardziej szczegółowoSzkolenie autoryzowane. MS Wdrażanie hurtowni danych w Microsoft SQL Server 2012
Szkolenie autoryzowane MS 10777 Wdrażanie hurtowni danych w Microsoft SQL Server 2012 Strona szkolenia Terminy szkolenia Rejestracja na szkolenie Promocje Opis szkolenia Szkolenie przeznaczone jest dla
Bardziej szczegółowoBazy Danych. Bazy Danych i SQL Podstawowe informacje o bazach danych. Krzysztof Regulski WIMiIP, KISiM,
Bazy Danych Bazy Danych i SQL Podstawowe informacje o bazach danych Krzysztof Regulski WIMiIP, KISiM, regulski@metal.agh.edu.pl Oczekiwania? 2 3 Bazy danych Jak przechowywać informacje? Jak opisać rzeczywistość?
Bardziej szczegółowoSpecjalizacja magisterska Bazy danych
Specjalizacja magisterska Bazy danych Strona Katedry http://bd.pjwstk.edu.pl/katedra/ Prezentacja dostępna pod adresem: http://www.bd.pjwstk.edu.pl/bazydanych.pdf Wymagania wstępne Znajomość podstaw języka
Bardziej szczegółowoKrzysztof Kadowski. PL-E3579, PL-EA0312,
Krzysztof Kadowski PL-E3579, PL-EA0312, kadowski@jkk.edu.pl Bazą danych nazywamy zbiór informacji w postaci tabel oraz narzędzi stosowanych do gromadzenia, przekształcania oraz wyszukiwania danych. Baza
Bardziej szczegółowoUniwersytet Zielonogórski Instytut Sterowania i Systemów Informatycznych Bazy Danych - Projekt. Zasady przygotowania i oceny projektów
Uniwersytet Zielonogórski Instytut Sterowania i Systemów Informatycznych Bazy Danych - Projekt Zasady przygotowania i oceny projektów 1 Cel projektu Celem niniejszego projektu jest zaprojektowanie i implementacja
Bardziej szczegółowoDOKUMENT INFORMACYJNY COMARCH BUSINESS INTELLIGENCE:
DOKUMENT INFORMACYJNY COMARCH BUSINESS INTELLIGENCE: JAKIE PROBLEMY ROZWIĄZUJE BI 1 S t r o n a WSTĘP Niniejszy dokument to zbiór podstawowych problemów, z jakimi musi zmagać się przedsiębiorca, analityk,
Bardziej szczegółowoBazy danych Wykład zerowy. P. F. Góra
Bazy danych Wykład zerowy P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2012 Patron? Św. Izydor z Sewilli (VI wiek), biskup, patron Internetu (sic!), stworzył pierwszy katalog Copyright c 2011-12 P.
Bardziej szczegółowoPaweł Gołębiewski. Softmaks.pl Sp. z o.o. ul. Kraszewskiego 1 85-240 Bydgoszcz www.softmaks.pl kontakt@softmaks.pl
Paweł Gołębiewski Softmaks.pl Sp. z o.o. ul. Kraszewskiego 1 85-240 Bydgoszcz www.softmaks.pl kontakt@softmaks.pl Droga na szczyt Narzędzie Business Intelligence. Czyli kiedy podjąć decyzję o wdrożeniu?
Bardziej szczegółowoDefinicja bazy danych TECHNOLOGIE BAZ DANYCH. System zarządzania bazą danych (SZBD) Oczekiwania wobec SZBD. Oczekiwania wobec SZBD c.d.
TECHNOLOGIE BAZ DANYCH WYKŁAD 1 Wprowadzenie do baz danych. Normalizacja. (Wybrane materiały) Dr inż. E. Busłowska Definicja bazy danych Uporządkowany zbiór informacji, posiadający własną strukturę i wartość.
Bardziej szczegółowoAUREA BPM Oracle. TECNA Sp. z o.o. Strona 1 z 7
AUREA BPM Oracle TECNA Sp. z o.o. Strona 1 z 7 ORACLE DATABASE System zarządzania bazą danych firmy Oracle jest jednym z najlepszych i najpopularniejszych rozwiązań tego typu na rynku. Oracle Database
Bardziej szczegółowoBazy danych - wykład wstępny
Bazy danych - wykład wstępny Wykład: baza danych, modele, hierarchiczny, sieciowy, relacyjny, obiektowy, schemat logiczny, tabela, kwerenda, SQL, rekord, krotka, pole, atrybut, klucz podstawowy, relacja,
Bardziej szczegółowoLABORATORIUM 8,9: BAZA DANYCH MS-ACCESS
UNIWERSYTET ZIELONOGÓRSKI INSTYTUT INFORMATYKI I ELEKTROTECHNIKI ZAKŁAD INŻYNIERII KOMPUTEROWEJ Przygotowali: mgr inż. Arkadiusz Bukowiec mgr inż. Remigiusz Wiśniewski LABORATORIUM 8,9: BAZA DANYCH MS-ACCESS
Bardziej szczegółowoSpis treści. 1 Modelowanie logiczne. Plan wykładu. 1 Modelowanie logiczne 1
Plan wykładu Spis treści 1 Modelowanie logiczne 1 2 Transformacja modelu pojęciowego do logicznego 2 2.1 Transformacja własności............................ 3 2.2 Transformacja związków............................
Bardziej szczegółowoHurtownie danych i business intelligence - wykład II. Zagadnienia do omówienia. Miejsce i rola HD w firmie
Hurtownie danych i business intelligence - wykład II Paweł Skrobanek, C-3 pok. 321 pawel.skrobanek@pwr.wroc.pl oprac. Wrocław 2005-2012 Zagadnienia do omówienia 1. Miejsce i rola w firmie 2. Przegląd architektury
Bardziej szczegółowoProjektowanie hurtowni danych
Krzysztof Dembczyński Instytut Informatyki Zakład Inteligentnych Systemów Wspomagania Decyzji Politechnika Poznańska Technologie Wytwarzania Oprogramowania Semestr zimowy 2004/05 Plan wykładu Ewolucja
Bardziej szczegółowoDiagramy związków encji. Laboratorium. Akademia Morska w Gdyni
Akademia Morska w Gdyni Gdynia 2004 1. Podstawowe definicje Baza danych to uporządkowany zbiór danych umożliwiający łatwe przeszukiwanie i aktualizację. System zarządzania bazą danych (DBMS) to oprogramowanie
Bardziej szczegółowoBAZY DANYCH LABORATORIUM. Studia niestacjonarne I stopnia
BAZY DANYCH LABORATORIUM Studia niestacjonarne I stopnia Gdańsk, 2011 1. Cel zajęć Celem zajęć laboratoryjnych jest wyrobienie praktycznej umiejętności tworzenia modelu logicznego danych a nastepnie implementacji
Bardziej szczegółowo030 PROJEKTOWANIE BAZ DANYCH. Prof. dr hab. Marek Wisła
030 PROJEKTOWANIE BAZ DANYCH Prof. dr hab. Marek Wisła Elementy procesu projektowania bazy danych Badanie zależności funkcyjnych Normalizacja Projektowanie bazy danych Model ER, diagramy ERD Encje, atrybuty,
Bardziej szczegółowoHurtownie danych. Projektowanie hurtowni: modele wielowymiarowe. Modelowanie punktowe. Operacje OLAP na kostkach. http://zajecia.jakubw.
Hurtownie danych Projektowanie hurtowni: modele wielowymiarowe. Modelowanie punktowe. Operacje OLAP na kostkach. http://zajecia.jakubw.pl/hur UZASADNIENIE BIZNESOWE Po co nam hurtownia danych? Jakie mogą
Bardziej szczegółowoBazy danych 1. Wykład 5 Metodologia projektowania baz danych. (projektowanie logiczne)
Bazy danych 1 Wykład 5 Metodologia projektowania baz danych (projektowanie logiczne) Projektowanie logiczne przegląd krok po kroku 1. Usuń własności niekompatybilne z modelem relacyjnym 2. Wyznacz relacje
Bardziej szczegółowoSystemy baz danych. mgr inż. Sylwia Glińska
Systemy baz danych Wykład 1 mgr inż. Sylwia Glińska Baza danych Baza danych to uporządkowany zbiór danych z określonej dziedziny tematycznej, zorganizowany w sposób ułatwiający do nich dostęp. System zarządzania
Bardziej szczegółowoAnalityka danych w środowisku Hadoop. Piotr Czarnas, 27 czerwca 2017
Analityka danych w środowisku Hadoop Piotr Czarnas, 27 czerwca 2017 Hadoop i Business Intelligence - wyzwania 1 Ładowane danych do Hadoop-a jest trudne 2 Niewielu specjalistów dostępnych na rynku Dostęp
Bardziej szczegółowoHurtownie danych. Wprowadzenie do systemów typu Business Intelligence
Hurtownie danych Wprowadzenie do systemów typu Business Intelligence Krzysztof Goczyła Teresa Zawadzka Katedra Inżynierii Oprogramowania Wydział Elektroniki, Telekomunikacji i Informatyki Politechnika
Bardziej szczegółowoHurtownie danych i business intelligence - wykład II. Zagadnienia do omówienia. Miejsce i rola HD w firmie
Hurtownie danych i business intelligence - wykład II Paweł Skrobanek, C-3 pok. 321 pawel.skrobanek@pwr.wroc.pl oprac. Wrocław 2005-2008 Zagadnienia do omówienia 1. 2. Przegląd architektury HD 3. Warsztaty
Bardziej szczegółowoRelacyjny model baz danych, model związków encji, normalizacje
Relacyjny model baz danych, model związków encji, normalizacje Wyklad 3 mgr inż. Maciej Lasota mgr inż. Karol Wieczorek Politechnika Świętokrzyska Katedra Informatyki Kielce, 2009 Definicje Operacje na
Bardziej szczegółowoAlicja Marszałek Różne rodzaje baz danych
Alicja Marszałek Różne rodzaje baz danych Rodzaje baz danych Bazy danych można podzielić wg struktur organizacji danych, których używają. Można podzielić je na: Bazy proste Bazy złożone Bazy proste Bazy
Bardziej szczegółowoBazy danych. Algebra relacji
azy danych lgebra relacji Model danych Model danych to spójny zestaw pojęć służący do opisywania danych i związków między nimi oraz do manipulowania danymi i ich związkami, a także do wyrażania więzów
Bardziej szczegółowoBazy danych. Plan wykładu. Rodzaje baz. Rodzaje baz. Hurtownie danych. Cechy hurtowni danych. Wykład 14: Hurtownie danych
Plan wykładu Bazy Wykład 14: Hurtownie Bazy operacyjne i analityczne Architektura hurtowni Projektowanie hurtowni Małgorzata Krętowska, Agnieszka Oniśko Wydział Informatyki PB Bazy (studia dzienne) 2 Rodzaje
Bardziej szczegółowoMigracja Business Intelligence do wersji 2013.3
Migracja Business Intelligence do wersji 2013.3 Copyright 2013 COMARCH Wszelkie prawa zastrzeżone Nieautoryzowane rozpowszechnianie całości lub fragmentu niniejszej publikacji w jakiejkolwiek postaci jest
Bardziej szczegółowoBaza danych. Baza danych to:
Baza danych Baza danych to: zbiór danych o określonej strukturze, zapisany na zewnętrznym nośniku (najczęściej dysku twardym komputera), mogący zaspokoić potrzeby wielu użytkowników korzystających z niego
Bardziej szczegółowoRady i porady użytkowe
Rady i porady użytkowe Dział Eksploatacji CONTROLLING SYSTEMS sp. z o.o. Rady i porady - źródło prezentacji: Najczęstsze problemy zgłaszane przez Klientów na etapie eksploatacji systemu Spostrzeżenia konsultantów
Bardziej szczegółowoSystemy OLAP I. Krzysztof Dembczyński. Instytut Informatyki Zakład Inteligentnych Systemów Wspomagania Decyzji Politechnika Poznańska
Krzysztof Dembczyński Instytut Informatyki Zakład Inteligentnych Systemów Wspomagania Decyzji Politechnika Poznańska Technologie Wytwarzania Oprogramowania Semestr zimowy 2007/08 Studia uzupełniajace magisterskie
Bardziej szczegółowoHurtownie danych - przegląd technologii Robert Wrembel Politechnika Poznańska Instytut Informatyki Robert.Wrembel@cs.put.poznan.pl
Hurtownie danych - przegląd technologii Robert Wrembel Politechnika Poznańska Instytut Informatyki Robert.Wrembel@cs.put.poznan.pl www.cs.put.poznan.pl/rwrembel Plan wykładów Wprowadzenie - integracja
Bardziej szczegółowoWprowadzenie do Hurtowni Danych. Mariusz Rafało
Wprowadzenie do Hurtowni Danych Mariusz Rafało mariusz.rafalo@hotmail.com WPROWADZENIE DO HURTOWNI DANYCH Co to jest hurtownia danych? Hurtownia danych jest zbiorem danych zorientowanych tematycznie, zintegrowanych,
Bardziej szczegółowoHurtownie danych - przegląd technologii
Hurtownie danych - przegląd technologii Robert Wrembel Politechnika Poznańska Instytut Informatyki Robert.Wrembel@cs.put.poznan.pl www.cs.put.poznan.pl/rwrembel Plan wykład adów Wprowadzenie - integracja
Bardziej szczegółowoDane wejściowe. Oracle Designer Generowanie bazy danych. Wynik. Przebieg procesu
Dane wejściowe Oracle Designer Generowanie bazy danych Diagramy związków encji, a w szczególności: definicje encji wraz z atrybutami definicje związków między encjami definicje dziedzin atrybutów encji
Bardziej szczegółowoCOMARCH DATA WAREHOUSE MANAGER 6.2
COMARCH DATA WAREHOUSE MANAGER 6.2 WSTĘP DO ZAGADNIENIA HURTOWNI DANYCH Gromadzenie danych biznesowych z systemów rozproszonych, oraz doprowadzenie do ich uwspólnienia, w celu przeprowadzenia analiz oraz
Bardziej szczegółowoMigracja Business Intelligence do wersji
Migracja Business Intelligence do wersji 2016.1 Copyright 2015 COMARCH Wszelkie prawa zastrzeżone Nieautoryzowane rozpowszechnianie całości lub fragmentu niniejszej publikacji w jakiejkolwiek postaci jest
Bardziej szczegółowoMigracja Business Intelligence do wersji
Migracja Business Intelligence do wersji 2015.1 Copyright 2014 COMARCH Wszelkie prawa zastrzeżone Nieautoryzowane rozpowszechnianie całości lub fragmentu niniejszej publikacji w jakiejkolwiek postaci jest
Bardziej szczegółowoInformatyka Ćwiczenie 10. Bazy danych. Strukturę bazy danych można określić w formie jak na rysunku 1. atrybuty
Informatyka Ćwiczenie 10 Bazy danych Baza danych jest zbiór informacji (zbiór danych). Strukturę bazy danych można określić w formie jak na rysunku 1. Pracownik(ID pracownika, imie, nazwisko, pensja) Klient(ID
Bardziej szczegółowoWstęp do Business Intelligence
Wstęp do Business Intelligence Co to jest Buisness Intelligence Business Intelligence (analityka biznesowa) - proces przekształcania danych w informacje, a informacji w wiedzę, która może być wykorzystana
Bardziej szczegółowoProgram wykładu. zastosowanie w aplikacjach i PL/SQL;
Program wykładu 1 Model relacyjny (10 godz.): podstawowe pojęcia, języki zapytań (algebra relacji, relacyjny rachunek krotek, relacyjny rachunek dziedzin), zależności funkcyjne i postaci normalne (BCNF,
Bardziej szczegółowoBD2 BazyDanych2. dr inż. Tomasz Traczyk 14. Systemy przetwarzania analitycznego
BD2 BazyDanych2 dr inż. Tomasz Traczyk 14. Systemy przetwarzania analitycznego ³ Copyright c Tomasz Traczyk Instytut Automatyki i Informatyki Stosowanej Politechniki Warszawskiej Materiały dydaktyczne
Bardziej szczegółowoPODSTAWY BAZ DANYCH. 5. Modelowanie danych. 2009/ Notatki do wykładu "Podstawy baz danych"
PODSTAWY BAZ DANYCH 5. Modelowanie danych 1 Etapy tworzenia systemu informatycznego Etapy tworzenia systemu informatycznego - (według CASE*Method) (CASE Computer Aided Systems Engineering ) Analiza wymagań
Bardziej szczegółowoRola analityki danych w transformacji cyfrowej firmy
Rola analityki danych w transformacji cyfrowej firmy Piotr Czarnas Querona CEO Analityka biznesowa (ang. Business Intelligence) Proces przekształcania danych w informacje, a informacji w wiedzę, która
Bardziej szczegółowoBazy analityczne (hurtownie danych, bazy OLAP)
Bazy analityczne (hurtownie danych, bazy OLAP) Materiały pomocnicze. Bazy produkcyjne (transakcyjne) i analityczne Większość systemów baz danych to systemy produkcyjne, inaczej nazywane transakcyjnymi,
Bardziej szczegółowoEwolucja technik modelowania hurtowni danych
Baza wiedzy JPro Ewolucja technik modelowania hurtowni Porównanie technik modelowania hurtowni podsumowanie: Strona 1/6 Nazwa podejścia Corporate Information Factory Kimball Bus Architecture Data Vault
Bardziej szczegółowoHurtownie danych wykład 3
Hurtownie danych wykład 3 dr Sebastian Zając SGH Warszawa 7 lutego 2017 Architektura relacyjna i wielowymiarowa Ze względu na przechowywanie danych na serwerze możemy zdecydować się na relacyjną bazę danych
Bardziej szczegółowoHURTOWNIE DANYCH Dzięki uprzejmości Dr. Jakuba Wróblewskiego
HURTOWNIE DANYCH Dzięki uprzejmości Dr. Jakuba Wróblewskiego http://www.jakubw.pl/zajecia/hur/bi.pdf http://www.jakubw.pl/zajecia/hur/dw.pdf http://www.jakubw.pl/zajecia/hur/dm.pdf http://www.jakubw.pl/zajecia/hur/
Bardziej szczegółowoTRANSFORMACJA MODELU ER DO MODELU RELACYJNEGO
TRANSFORMACJA MODELU ER DO MODELU RELACYJNEGO Biologiczne Aplikacje Baz Danych dr inż. Anna Leśniewska alesniewska@cs.put.poznan.pl REPETYTORIUM Schemat bazy danych zbiór schematów relacji Relacja (tabela)
Bardziej szczegółowoMigracja XL Business Intelligence do wersji
Migracja XL Business Intelligence do wersji 2019.0 Copyright 2018 COMARCH Wszelkie prawa zastrzeżone Nieautoryzowane rozpowszechnianie całości lub fragmentu niniejszej publikacji w jakiejkolwiek postaci
Bardziej szczegółowoKsięgarnia PWN: Michael J. Hernandez Bazy danych dla zwykłych śmiertelników
Księgarnia PWN: Michael J. Hernandez Bazy danych dla zwykłych śmiertelników Słowo wstępne (13) Przedmowa i podziękowania (drugie wydanie) (15) Podziękowania (15) Przedmowa i podziękowania (pierwsze wydanie)
Bardziej szczegółowoStawiamy na specjalizację. by CSB-System AG, Geilenkirchen Version 1.1
1 Business Intelligence Jak najlepiej wykorzystać dostępne źródła informacji, czyli Business Intelligence w zarządzaniu III Konferencja i warsztaty dla branży mięsnej Potencjał rynku potencjał firmy 2
Bardziej szczegółowoWprowadzenie do hurtowni danych
Wprowadzenie do hurtowni danych przygotował: Paweł Kasprowski Kostka Kostka (cube) to podstawowy element hurtowni Kostka jest wielowymiarowa (od 1 do N wymiarów) Kostka składa się z: faktów wektora wartości
Bardziej szczegółowoModel relacyjny bazy danych
Bazy Danych Model relacyjny bazy danych Przygotował: mgr inż. Maciej Lasota Bazy Danych 1 1) Model relacyjny bazy danych Relacyjny model bazy danych pojawił się po raz pierwszy w artykule naukowym Edgara
Bardziej szczegółowoHurtownie danych - przegląd technologii
Hurtownie danych - przegląd technologii Politechnika Poznańska Instytut Informatyki Robert.Wrembel@cs.put.poznan.pl www.cs.put.poznan.pl/rwrembel Biznesowe słowniki pojęć biznesowych odwzorowania pojęć
Bardziej szczegółowoHurtownie danych. Przetwarzanie zapytań. http://zajecia.jakubw.pl/hur ZAPYTANIA NA ZAPLECZU
Hurtownie danych Przetwarzanie zapytań. Jakub Wróblewski jakubw@pjwstk.edu.pl http://zajecia.jakubw.pl/hur ZAPYTANIA NA ZAPLECZU Magazyny danych operacyjnych, źródła Centralna hurtownia danych Hurtownie
Bardziej szczegółowonr sprawy: BZP.243.24.2013.ML Wrocław, dn. 29 stycznia 2014 r. INFORMACJA DLA WYKONAWCÓW NR 6
nr sprawy: BZP.243.24.2013.ML Wrocław, dn. 29 stycznia 2014 r. INFORMACJA DLA WYKONAWCÓW NR 6 dotyczy: postępowania nr BZP.243.24.2013.ML prowadzonego w trybie przetargu nieograniczonego na realizację
Bardziej szczegółowoMonitoring procesów z wykorzystaniem systemu ADONIS
Monitoring procesów z wykorzystaniem systemu ADONIS BOC Information Technologies Consulting Sp. z o.o. e-mail: boc@boc-pl.com Tel.: (+48 22) 628 00 15, 696 69 26 Fax: (+48 22) 621 66 88 BOC Management
Bardziej szczegółowoSZKOLENIE: Administrator baz danych. Cel szkolenia
SZKOLENIE: Administrator baz danych. Cel szkolenia Kurs Administrator baz danych skierowany jest przede wszystkim do osób zamierzających rozwijać umiejętności w zakresie administrowania bazami danych.
Bardziej szczegółowoOferta szkoleniowa Yosi.pl 2012/2013
Oferta szkoleniowa Yosi.pl 2012/2013 "Podróżnik nie posiadający wiedzy, jest jak ptak bez skrzydeł" Sa'Di, Gulistan (1258 rok) Szanowni Państwo, Yosi.pl to dynamicznie rozwijająca się firma z Krakowa.
Bardziej szczegółowo