JPivot & Mondrian. 16 maja Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
|
|
- Janina Olszewska
- 6 lat temu
- Przeglądów:
Transkrypt
1 JPivot & Mondrian Urszula Krukar Agnieszka Lewandowska 16 maja 2007 Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
2 1 Wprowadzenie 2 Pentaho BI Suite 3 Mondrian 4 Schemat kostki 5 JPivot Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
3 Rynek produktów OLAPowych Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
4 Najwięksi gracze Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
5 Open Source Mondrian Palo serwer MOLAP interfejsy do wielu popularnych baz danych tworzony w pamięci możliwość instalacji jako usługa na serwerze Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
6 Open Source Mondrian Palo serwer MOLAP interfejsy do wielu popularnych baz danych tworzony w pamięci możliwość instalacji jako usługa na serwerze Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
7 Open Source Mondrian Palo serwer MOLAP interfejsy do wielu popularnych baz danych tworzony w pamięci możliwość instalacji jako usługa na serwerze Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
8 Pentaho BI Suite Pentaho Business Intelligence Suite Pentaho BI Suite to próba dostarczenia rozwiązania OS na ich potrzeby analizy biznesowej. Jej zaletą jest znacznie szybszy rozwój, ze względu ogromne zaangażowanie społeczności OpenSource. Celem jest nie tylko dostarczenie rozwiązania darmowego, ale również konkurencyjnego pod względem jakości w stosunku do produktów komercyjnych. Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
9 Raporty Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
10 Analiza Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
11 Integracja z MS Excellem Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
12 Dashboards Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
13 Integracja danych Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
14 Eksploracja danych Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
15 Mondrian serwer OLAP napisany w Javie wspiera analizę bardzo dużych zbiorów danych przechowywanych w relacyjnych bazach danych bez pisania zapytań SQL wspiera wielowymiarową eksploracje danych parsowanie zapytań języka MDX (Multi-Dimensional expression) na SQL Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
16 Mondrian serwer OLAP napisany w Javie wspiera analizę bardzo dużych zbiorów danych przechowywanych w relacyjnych bazach danych bez pisania zapytań SQL wspiera wielowymiarową eksploracje danych parsowanie zapytań języka MDX (Multi-Dimensional expression) na SQL Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
17 Mondrian serwer OLAP napisany w Javie wspiera analizę bardzo dużych zbiorów danych przechowywanych w relacyjnych bazach danych bez pisania zapytań SQL wspiera wielowymiarową eksploracje danych parsowanie zapytań języka MDX (Multi-Dimensional expression) na SQL Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
18 Mondrian serwer OLAP napisany w Javie wspiera analizę bardzo dużych zbiorów danych przechowywanych w relacyjnych bazach danych bez pisania zapytań SQL wspiera wielowymiarową eksploracje danych parsowanie zapytań języka MDX (Multi-Dimensional expression) na SQL Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
19 Architektura Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
20 Schemat kostki definicja połączenia między bazą SQL DB, a kostką OLAPową definicja wielowymiarowej bazy danych; składa się z: kostek wymiarów (wraz z podziałem na hierarchie) miar Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
21 Schemat kostki definicja połączenia między bazą SQL DB, a kostką OLAPową definicja wielowymiarowej bazy danych; składa się z: kostek wymiarów (wraz z podziałem na hierarchie) miar Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
22 Schemat kostki definicja połączenia między bazą SQL DB, a kostką OLAPową definicja wielowymiarowej bazy danych; składa się z: kostek wymiarów (wraz z podziałem na hierarchie) miar Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
23 Model hurtowni Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
24 Kostka W jednym schemacie może być zdefiniowanych ich wiecej niż jedna. Z kilku kostek można stworzyć kostke wirtualną (tag VIRTUAL CUBE). Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
25 Kostka <Schema name="wycieczki"> <Cube name="kostka Wycieczki" caption="kostka Wycieczki" cache="true" enabled="true"> <Table name="wycieczka"> </Table> </Cube> </Schema> Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
26 Wymiary W poziomach (tag LEVEL) można definiować własności (tag PROPERTY). Jeden wymiar może się składać z kilku hierarchii. Wymiar może być dzielony przez różne kostki (tag DIMENSION -DIMENSION USAGE), wówczas nie jest definiowany w kostce, tylko w schemacie. Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
27 Wymiar <Dimension type="standarddimension" foreignkey=" ID_PROMOCJI" name="wymiar Promocja"> <Hierarchy name="hierarchia Promocja" hasall="true" primarykey="id_promocji"> <Table name="promocja"> </Table> <Level name="poziom Promocja" table="promocja" column ="ID_PROMOCJI"> <Property name="czy stala?" column="czy_stala" type ="Boolean"/> </Level> </Hierarchy> </Dimension> Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
28 Wymiar zdegenerowany <Dimension type="standarddimension" name="wymiar Rodzaj transportu"> <Hierarchy name="hierarchia Rodzaj transportu" hasall=" true"> <Level name="poziom Rodzaj transportu" column=" RODZAJ_TRANSPORTU" type="string" uniquemembers=" false" leveltype="regular" hidememberif="never"> </Level> </Hierarchy> </Dimension> Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
29 Relacja rodzic-dziecko <Level name="region" column="id_regionu" namecolumn=" NAME" ordinalcolumn="name" parentcolumn=" ID_PARENT" nullparentvalue="brak" type="numeric" uniquemembers="true" leveltype="regular" hidememberif="never"> </Level> Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
30 Miary Istnieje możliwość zdefiniowania własnych miar z miar istniejących w tabeli faktów (tag CALCULATED MEMBER). Ponadto dzięki możliwością roszerzania języka MDX można definiować własne funkcje (tag USER DEFINED FUNCTION), które mogą być użyte do obliczenia własnych miar. Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
31 Miara <Measure name="cena" column="cena" aggregator="avg" v i s i b l e="true"> </Measure> Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
32 Miara wyliczona <CalculatedMember name="profit" caption="profit" formula= "[Measures].[Cena] - [Measures].[Koszt]" dimension=" Measures" v i s i b l e="true"> </CalculatedMember> Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
33 Kostka wirtualna <VirtualCube name="warehouse and Sales"> <VirtualCubeDimension cubename="sales" name="yearly Income" /> <VirtualCubeDimension cubename="warehouse" name="warehouse "/> <VirtualCubeMeasure cubename="sales" name="[measures].[ Profit Growth]"/> <VirtualCubeMeasure cubename="warehouse" name="[measures].[ Store Invoice]"/> </VirtualCube> Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
34 Funkcja użytkownika <UserDefinedFunction name="dziel" classname="functions. DivideFunction"> </UserDefinedFunction> Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
35 Tabele zagregowane Widok zmaterializowany przechowujący wartości zagregowanych miar dla zgrupowanych wymiarów. Optymalizują czas wykonywania zapytań. Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
36 Tabele zagregowane <Cube name="sales"> <Table name="sales"> <AggName name="agg_1"> <AggFactCount column="row count"/> <AggMeasure name="[measures].[unit Sales]" column="sum units"/> <AggLevel name="[product].[brand]" column="brand"/> </AggName> </Table> <! Rest of the cube definition > </Cube> Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
37 Funkcje nieomówione i18n system uprawnień Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
38 Funkcje nieomówione i18n system uprawnień Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
39 Narzędzia Workshop CubeDesigner ręcznie Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
40 Narzędzia Workshop CubeDesigner ręcznie Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
41 Workshop Posiada wiele zalet, w tym: przeglądanie schematu DB weryfikacja poprawności pliku z DB testowanie zapytań MDX uproszczenie tworzenia pliku z definicją kostki Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
42 Workshop Posiada wiele zalet, w tym: przeglądanie schematu DB weryfikacja poprawności pliku z DB testowanie zapytań MDX uproszczenie tworzenia pliku z definicją kostki Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
43 Workshop Posiada wiele zalet, w tym: przeglądanie schematu DB weryfikacja poprawności pliku z DB testowanie zapytań MDX uproszczenie tworzenia pliku z definicją kostki Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
44 Workshop Posiada wiele zalet, w tym: przeglądanie schematu DB weryfikacja poprawności pliku z DB testowanie zapytań MDX uproszczenie tworzenia pliku z definicją kostki Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
45 Workshop Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
46 API import mondrian.olap.*; import java.io.printwriter; Connection connection = DriverManager.getConnection( "Provider=mondrian;" + "Jdbc=jdbc:odbc:MondrianFoodMart;" + "Catalog=/WEB-INF/FoodMart.xml;", null, false); Query query = connection.parsequery( "SELECT {[Measures].[Unit Sales], [Measures].[Store Sales]} on columns," + " {[Product].children} on rows " + "FROM [Sales] " + "WHERE ([Time].[1997].[Q1], [Store].[CA].[San Francisco])"); Result result = connection.execute(query); result.print(new PrintWriter(System.out)); Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
47 Konfiguracja Konfiguracja przechowywana jest w pliku mondrian.properties, który powinien znajdowac się w classpath. Alternatywnie, ustawienia konfiguracyjne można przekazać jako parametry uruchomienia maszyny virtualnej: -Dproperty=value Poprzez plik properties można kontrolować ustawienia Mondriana dotyczące: logowania, wykorzystania tabel zagregowanych, ustawienia pamięci podręcznej, generowania zapytań SQL, monitorowania zużycia pamięci. Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
48 Przykładowe ustawienia mondrian.rolap.aggregates.use - czy korzystać z tabel zagregowanych mondrian.rolap.star.disablecaching - czy przechowywać wyniki w pamięci pośredniej mondrian.query.limit - limit na liczbę współbieżnych zapytań mondrian.rolap.largedimensionthreshold - kiedy wymiar jest uważany za duży Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
49 Przykładowe ustawienia mondrian.rolap.aggregates.use - czy korzystać z tabel zagregowanych mondrian.rolap.star.disablecaching - czy przechowywać wyniki w pamięci pośredniej mondrian.query.limit - limit na liczbę współbieżnych zapytań mondrian.rolap.largedimensionthreshold - kiedy wymiar jest uważany za duży Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
50 Przykładowe ustawienia mondrian.rolap.aggregates.use - czy korzystać z tabel zagregowanych mondrian.rolap.star.disablecaching - czy przechowywać wyniki w pamięci pośredniej mondrian.query.limit - limit na liczbę współbieżnych zapytań mondrian.rolap.largedimensionthreshold - kiedy wymiar jest uważany za duży Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
51 Przykładowe ustawienia mondrian.rolap.aggregates.use - czy korzystać z tabel zagregowanych mondrian.rolap.star.disablecaching - czy przechowywać wyniki w pamięci pośredniej mondrian.query.limit - limit na liczbę współbieżnych zapytań mondrian.rolap.largedimensionthreshold - kiedy wymiar jest uważany za duży Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
52 Zarządzanie pamięcią W Javie 5.0 wprowadzono możliwość kontroli zużycia pamięci. Aplikacja może zostać poinformowana o kończącej się pamięci, w reakcji zwolnić zaalokowane zasoby i uniknąć w ten sposób błędu OutOfMemoryError. Mondrian od wersji 3.2 wykorzystuje tą możliwość. mondrian.util.memorymonitor.enable - czy należy monitorować zużycie pamięci mondrian.util.memorymonitor.percentage.threshold - przy jakim zużycie ostrzegać Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
53 Zarządzanie pamięcią W Javie 5.0 wprowadzono możliwość kontroli zużycia pamięci. Aplikacja może zostać poinformowana o kończącej się pamięci, w reakcji zwolnić zaalokowane zasoby i uniknąć w ten sposób błędu OutOfMemoryError. Mondrian od wersji 3.2 wykorzystuje tą możliwość. mondrian.util.memorymonitor.enable - czy należy monitorować zużycie pamięci mondrian.util.memorymonitor.percentage.threshold - przy jakim zużycie ostrzegać Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
54 Zarządzanie pamięcią W Javie 5.0 wprowadzono możliwość kontroli zużycia pamięci. Aplikacja może zostać poinformowana o kończącej się pamięci, w reakcji zwolnić zaalokowane zasoby i uniknąć w ten sposób błędu OutOfMemoryError. Mondrian od wersji 3.2 wykorzystuje tą możliwość. mondrian.util.memorymonitor.enable - czy należy monitorować zużycie pamięci mondrian.util.memorymonitor.percentage.threshold - przy jakim zużycie ostrzegać Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
55 JPivot niestandardowa biblioteka tagów JSP renderuje tabele OLAPowe wykonuje typowe OLAPowe nawigacje, takie jak slice, dice, drill down, roll up współpracuje z Mondrianem Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
56 JPivot niestandardowa biblioteka tagów JSP renderuje tabele OLAPowe wykonuje typowe OLAPowe nawigacje, takie jak slice, dice, drill down, roll up współpracuje z Mondrianem Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
57 JPivot niestandardowa biblioteka tagów JSP renderuje tabele OLAPowe wykonuje typowe OLAPowe nawigacje, takie jak slice, dice, drill down, roll up współpracuje z Mondrianem Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
58 JPivot niestandardowa biblioteka tagów JSP renderuje tabele OLAPowe wykonuje typowe OLAPowe nawigacje, takie jak slice, dice, drill down, roll up współpracuje z Mondrianem Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
59 Web Component Framework Zbiór reużywalnych znaczników JSP, przeznaczonych do tworzenia formularzy, tabel i drzew na stronach WWW. Buduje drzewo DOM a następnie wykorzystując transformacje XSLT renderuje je. Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
60 Tagi JPivot mondrianquery - wykonuje zapytanie i przechowuje jego treść w atrybucie sesji chart - generuje wykres table - generuje tablele przestawną Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
61 Tagi JPivot mondrianquery - wykonuje zapytanie i przechowuje jego treść w atrybucie sesji chart - generuje wykres table - generuje tablele przestawną Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
62 Tagi JPivot mondrianquery - wykonuje zapytanie i przechowuje jego treść w atrybucie sesji chart - generuje wykres table - generuje tablele przestawną Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
63 Podsumowanie ciekawa alternatywa dla systemów komercyjnych słaba dokumentacja API narzędzia do tworzenia schematów niedoskonałe (ale już są!) warto obserwować rozwój aplikacji Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
64 Podsumowanie ciekawa alternatywa dla systemów komercyjnych słaba dokumentacja API narzędzia do tworzenia schematów niedoskonałe (ale już są!) warto obserwować rozwój aplikacji Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
65 Podsumowanie ciekawa alternatywa dla systemów komercyjnych słaba dokumentacja API narzędzia do tworzenia schematów niedoskonałe (ale już są!) warto obserwować rozwój aplikacji Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
66 Podsumowanie ciekawa alternatywa dla systemów komercyjnych słaba dokumentacja API narzędzia do tworzenia schematów niedoskonałe (ale już są!) warto obserwować rozwój aplikacji Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
67 Dziękujemy za uwagę! Krukar, Lewandowska (BiHD) JPivot & Mondrian 16 maja / 42
JPivot & Mondrian. inż. Urszula Krukar, inż. Agnieszka Lewandowska,
inż. Urszula Krukar, ukrukar@gmail.com inż. Agnieszka Lewandowska, agnieszkalewandowska@gmail.com Bazy i Hurtownie Danych 12 marca 2007 Cel projektu przygotowanie instalacji webowej aplikacji JPivot i
Bardziej szczegółowoSystemy OLAP I. Krzysztof Dembczyński. Instytut Informatyki Zakład Inteligentnych Systemów Wspomagania Decyzji Politechnika Poznańska
Systemy OLAP I Krzysztof Dembczyński Instytut Informatyki Zakład Inteligentnych Systemów Wspomagania Decyzji Politechnika Poznańska Technologie Wytwarzania Oprogramowania Semestr zimowy 2008/09 Studia
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 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 szczegółowoKostki OLAP i język MDX
Kostki OLAP i język MDX 24 kwietnia 2015 r. Opis pliku z zadaniami Wszystkie zadania na zajęciach będą przekazywane w postaci plików PDF sformatowanych jak ten. Będą się na nie składały różne rodzaje zadań,
Bardziej szczegółowoKrzysztof Dembczyński. Inteligentne Systemy Wspomagania Decyzji Studia magisterskie, semestr I Semestr letni 2007/08
Krzysztof Dembczyński Instytut Informatyki Zakład Inteligentnych Systemów Wspomagania Decyzji Politechnika Poznańska Inteligentne Systemy Wspomagania Decyzji Studia magisterskie, semestr I Semestr letni
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 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 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 szczegółowoIntegracja i Eksploracja Danych
Integracja i Eksploracja Danych Laboratorium nr 4 Wprowadzenie do języka MDX. Zadania: 1) Analogicznie do przykładu zawartego na poprzednich zajęciach, korzystając z SQL Server Business Intelligence Development
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 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 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 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 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 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 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 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 szczegółowoPlan. Wprowadzenie. Co to jest APEX? Wprowadzenie. Administracja obszarem roboczym
1 Wprowadzenie do środowiska Oracle APEX, obszary robocze, użytkownicy Wprowadzenie Plan Administracja obszarem roboczym 2 Wprowadzenie Co to jest APEX? Co to jest APEX? Architektura Środowisko Oracle
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 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 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 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 szczegółowoOLAP i hurtownie danych c.d.
OLAP i hurtownie danych c.d. Przypomnienie OLAP -narzędzia analizy danych Hurtownie danych -duże bazy danych zorientowane tematycznie, nieulotne, zmienne w czasie, wspierjące procesy podejmowania decyzji
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 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 szczegółowoOnLine Analytical Processing (OLAP) Kostki OLAP i zapytania MDX
OnLine Analytical Processing (OLAP) Kostki OLAP i zapytania MDX 24 kwietnia 2014 Opis pliku z zadaniami Wszystkie zadania na zajęciach będą przekazywane w postaci plików PDF sformatowanych jak ten. Będą
Bardziej szczegółowoOpracowanie: Izabela Czepil i Andrzej Solski
Opracowanie: Izabela Czepil i Andrzej Solski Wykorzystanie serwisów do wykonywania operacji na serwerze Generowanie nowych struktur budżetowych na podstawie istniejących zbiorcze kopiowanie struktur Mechanizm
Bardziej szczegółowoMigracja Comarch ERP Altum Business Intelligence do wersji
Migracja Comarch ERP Altum Business Intelligence do wersji 2016.5 Wersja 2016.5 2 Comarch ERP Altum Wersja 2016.5 Copyright 2016 COMARCH Wszelkie prawa zastrzeżone Nieautoryzowane rozpowszechnianie całości
Bardziej szczegółowoMigracja Comarch ERP Altum Business Intelligence do wersji 2019
Migracja Comarch ERP Altum Business Intelligence do wersji 2019 Wersja 2019 2 Comarch ERP Altum Wersja 2019 Copyright 2019 COMARCH Wszelkie prawa zastrzeżone Nieautoryzowane rozpowszechnianie całości lub
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 szczegółowoBusiness Intelligence Beans + Oracle JDeveloper
Business Intelligence Beans + Oracle JDeveloper 360 Plan rozdziału 361 Wprowadzenie do Java OLAP API Architektura BI Beans Instalacja katalogu BI Beans Tworzenie aplikacji BI Beans Zapisywanie obiektów
Bardziej szczegółowoModelowanie wymiarów
Wymiar Modelowanie wymiarów struktura umożliwiająca grupowanie danych z tabeli faktów implementowana jako obiekt bazy danych DIMENSION wykorzystanie DIMENSION zaawansowane przepisywanie zapytań (ang. query
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 szczegółowoSpis tre±ci. Przedmowa... Cz ± I
Przedmowa.................................................... i Cz ± I 1 Czym s hurtownie danych?............................... 3 1.1 Wst p.................................................. 3 1.2 Denicja
Bardziej szczegółowoMigracja XL Business Intelligence do wersji
Migracja XL Business Intelligence do wersji 2018.1 Copyright 2017 COMARCH Wszelkie prawa zastrzeżone Nieautoryzowane rozpowszechnianie całości lub fragmentu niniejszej publikacji w jakiejkolwiek postaci
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. Zenon Gniazdowski WWSI, ITE Andrzej Ptasznik WWSI
Bazy danych Zenon Gniazdowski WWSI, ITE Andrzej Ptasznik WWSI Wszechnica Poranna Trzy tematy: 1. Bazy danych - jak je ugryźć? 2. Język SQL podstawy zapytań. 3. Mechanizmy wewnętrzne baz danych czyli co
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 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 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 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 szczegółowoTabele przestawne jako narzędzie analizy biznesowej
Firma szkoleniowa 2014 roku. TOP 3 w rankingu firm szkoleniowych zaprasza na szkolenie: Tabele przestawne jako narzędzie analizy biznesowej warsztaty komputerowe 24-25 września 2015 r. Warszawa Ekspert:
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 szczegółowoProces ETL. Katedra Inżynierii Oprogramowania Wydział Elektroniki, Telekomunikacji i Informatyki Politechnika Gdańska {kris,
Proces ETL Krzysztof Goczyła Teresa Zawadzka Katedra Inżynierii Oprogramowania Wydział Elektroniki, Telekomunikacji i Informatyki Politechnika Gdańska {kris, tegra}@eti.pg.gda.pl - 1 - Proces ETL - 2 -
Bardziej szczegółowoSpis treści. Przedmowa
Spis treści Przedmowa V 1 SQL - podstawowe konstrukcje 1 Streszczenie 1 1.1 Bazy danych 1 1.2 Relacyjny model danych 2 1.3 Historia języka SQL 5 1.4 Definiowanie danych 7 1.5 Wprowadzanie zmian w tabelach
Bardziej szczegółowoOracle Application Express -
Oracle Application Express - Wprowadzenie Wprowadzenie Oracle Application Express (dawniej: HTML DB) to narzędzie do szybkiego tworzenia aplikacji Web owych korzystających z bazy danych Oracle. Od użytkownika
Bardziej szczegółowoWprowadzenie do hurtowni danych
Wprowadzenie do hurtowni danych przygotował: Paweł Kasprowski Informacje ogólne ( pawel@kasprowski.pl ) Wykładowca: Paweł Kasprowski Temat: Wprowadzenie do hurtowni danych Umiejętności wymagane: Znajomość
Bardziej szczegółowoMigracja Business Intelligence do wersji 11.0
Migracja Business Intelligence do wersji 11.0 Copyright 2012 COMARCH Wszelkie prawa zastrzeżone Nieautoryzowane rozpowszechnianie całości lub fragmentu niniejszej publikacji w jakiejkolwiek postaci jest
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 szczegółowoCo ciekawego w EURECE pojawiło się w wersji 2.4, a być może nie zdążyliście tego odkryć?
Co ciekawego w EURECE pojawiło się w wersji 2.4, a być może nie zdążyliście tego odkryć? Zmiana przyporządkowania elementu wymiaru użytego w strukturze budżetowej do grupy nadrzędnej. Zmiana przyporządkowania
Bardziej szczegółowoMigracja Business Intelligence do wersji 10.2. Aktualizacja dokumentu: 2011-02-04
Migracja Business Intelligence do wersji 10.2 Aktualizacja dokumentu: 2011-02-04 Spis treści Wstęp... 3 1 Tabela czynności jakie należy wykonać podczas migracji modułu Business Intelligence... 4 2 Migracja
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 szczegółowoTworzenie raportów XML Publisher przy użyciu Data Templates
Tworzenie raportów XML Publisher przy użyciu Data Templates Wykorzystanie Szablonów Danych (ang. Data templates) jest to jedna z metod tworzenia raportów w technologii XML Publisher bez użycia narzędzia
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 szczegółowoDatabase Connectivity
Oprogramowanie Systemów Pomiarowych 15.01.2009 Database Connectivity Dr inŝ. Sebastian Budzan Zakład Pomiarów i Systemów Sterowania Tematyka Podstawy baz danych, Komunikacja, pojęcia: API, ODBC, DSN, Połączenie
Bardziej szczegółowoAdministracja i programowanie pod Microsoft SQL Server 2000
Administracja i programowanie pod Paweł Rajba pawel@ii.uni.wroc.pl http://www.kursy24.eu/ Zawartość modułu 1 Przegląd zawartości SQL Servera Podstawowe usługi SQL Servera Programy narzędziowe Bazy danych
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 szczegółowo5. Uruchomienie SQL Server Business Intelligence Development Studio Menu Start -> SQL Server Business Intelligence Development Studio
Wersja robocza 0.1 1. Zainstalowanie SQL Serwer 2008 Nie sprawia to dużych trudności, większość rzeczy po prostu klikamy dalej. Instalacja jest jednak dość upierdliwa. W razie żądań instalatora trzeba
Bardziej szczegółowoWykład XII. optymalizacja w relacyjnych bazach danych
Optymalizacja wyznaczenie spośród dopuszczalnych rozwiązań danego problemu, rozwiązania najlepszego ze względu na przyjęte kryterium jakości ( np. koszt, zysk, niezawodność ) optymalizacja w relacyjnych
Bardziej szczegółowobusiness intelligence
business intelligence enterprise guide Szkolenia z tej grupy dedykowane są dla osób pragnących pracować z SAS Enterpriese Guide wykorzystując przy tym mnogość kreatorów graficznych pozwalających na budowanie
Bardziej szczegółowoJDBC w LoXiMie. Interfejs Java Database Connectivity dla systemu LoXiM. Adam Michalik 2008
JDBC w LoXiMie Interfejs Java Database Connectivity dla systemu LoXiM Adam Michalik 2008 Sterownik JDBC co to jest? Sterownik JDBC to zbiór klas implementujących interfejsy opisane w specyfikacji JDBC
Bardziej szczegółowoPodyplomowe Studium Informatyki w Bizniesie Wydział Matematyki i Informatyki, Uniwersytet Łódzki specjalność: Tworzenie aplikacji w środowisku Oracle
Podyplomowe Studium Informatyki w Bizniesie Wydział Matematyki i Informatyki, Uniwersytet Łódzki specjalność: Tworzenie aplikacji w środowisku Oracle EFEKTY KSZTAŁCENIA Wiedza Absolwent tej specjalności
Bardziej szczegółowoPodejście obiektowe do relacyjnych baz danych Hibernate.
Podejście obiektowe do relacyjnych baz danych Hibernate. Plan wykładu Czym jest Hibernate? Jakie są zalety pracy z Hibernate? Jak skonfigurować Hibernate? Jak korzystać z Hibernate? Praktyczne przykłady
Bardziej szczegółowo1 Wprowadzenie do koncepcji Microsoft Office BI 1 Zakres ksiąŝki 2 Cel ksiąŝki 3 Wprowadzenie do tematu 3 Zawartość rozdziałów 4
1 Wprowadzenie do koncepcji Microsoft Office BI 1 Zakres ksiąŝki 2 Cel ksiąŝki 3 Wprowadzenie do tematu 3 Zawartość rozdziałów 4 2 Tabele przestawne, wykresy przestawne i formatowanie warunkowe 11 Co to
Bardziej szczegółowoReferat pracy dyplomowej
Temat pracy : Projekt i realizacja aplikacji do tworzenia i wizualizacji drzewa genealogicznego Autor: Martyna Szymkowiak Promotor: dr inż. Romana Simińskiego Kategorie: gry, użytkowe Słowa kluczowe: The
Bardziej szczegółowoMETODY INŻYNIERII WIEDZY ASOCJACYJNA REPREZENTACJA POWIĄZANYCH TABEL I WNIOSKOWANIE IGOR CZAJKOWSKI
METODY INŻYNIERII WIEDZY ASOCJACYJNA REPREZENTACJA POWIĄZANYCH TABEL I WNIOSKOWANIE IGOR CZAJKOWSKI CELE PROJEKTU Transformacja dowolnej bazy danych w min. 3 postaci normalnej do postaci Asocjacyjnej Grafowej
Bardziej szczegółowoProjektowanie hurtowni danych i modelowanie wielowymiarowe
Projektowanie hurtowni danych i modelowanie wielowymiarowe Krzysztof Dembczyński Instytut Informatyki Zakład Inteligentnych Systemów Wspomagania Decyzji Politechnika Poznańska Technologie Wytwarzania Oprogramowania
Bardziej szczegółowoProgram szkoleniowy Efektywni50+ Moduł IV Podstawy relacyjnych baz danych i język SQL
Program szkoleniowy Efektywni50+ Moduł IV Podstawy relacyjnych baz danych i język SQL 1 Podstawy relacyjnego modelu danych. 3h UWAGA: Temat zajęć jest typowo teoretyczny i stanowi wprowadzenie do zagadnień
Bardziej szczegółowoPlan. Raport. Tworzenie raportu z kreatora (1/3)
3 Budowa prostych raportów opartych o bazę danych Plan Co to jest raport? Tworzenie za pomocą kreatora Tworzenie opartego o polecenie SQL Edycja atrybutów Atrybuty regionu Atrybuty Atrybuty kolumn 2 Raport
Bardziej szczegółowoInstytut Technik Innowacyjnych Semantyczna integracja danych - metody, technologie, przykłady, wyzwania
Instytut Technik Innowacyjnych Semantyczna integracja danych - metody, technologie, przykłady, wyzwania Michał Socha, Wojciech Górka Integracja danych Prosty export/import Integracja 1:1 łączenie baz danych
Bardziej szczegółowoANALYSIS SERVICES. 1. Tworzymy połączenie ze źródłem danych. 2. Tworzymy nowy widok dla źródła danych
1 ANALYSIS SERVICES 1. Tworzymy połączenie ze źródłem danych Możliwości są dwie, ale dodajemy projekt analityczny do projektu w którym mamy procesy ETL (Add Project) albo tworzymy nowy projekt (New Project).
Bardziej szczegółowoUsługi analityczne podstawy budowy kostki analitycznej Część druga - zarządzanie
Usługi analityczne podstawy budowy kostki analitycznej Część druga - zarządzanie Nasz definicja kostki analitycznie nie zawiera jeszcze danych. Aby zbudować kostkę funkcjonalnie działającą musimy, dokonać
Bardziej szczegółowoPHP może zostać rozszerzony o mechanizmy dostępu do różnych baz danych:
PHP może zostać rozszerzony o mechanizmy dostępu do różnych baz danych: MySQL moduł mysql albo jego nowsza wersja mysqli (moduł mysqli ma dwa interfejsy: proceduralny i obiektowy) PostgreSQL Oracle MS
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 szczegółowoZdalna edycja i przeglądanie dokumentacji medycznej.
Zdalna edycja i przeglądanie dokumentacji medycznej. Opiekun pracy: Konsultant pracy: prof. dr hab. inż. Antoni Nowakowski dr inż. Jacek Rumiński Cel: Opracowanie sytemu umożliwiającego zdalną komunikację
Bardziej szczegółowoProgramowanie obiektowe
Programowanie obiektowe Wykład 13 Marcin Młotkowski 27 maja 2015 Plan wykładu Trwałość obiektów 1 Trwałość obiektów 2 Marcin Młotkowski Programowanie obiektowe 2 / 29 Trwałość (persistence) Definicja Cecha
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 szczegółowoTOPWEB Microsoft Excel 2013 i PowerBI Przygotowanie danych, analiza i efektowna prezentacja wyników raportów
TOPWEB Microsoft Excel 2013 i PowerBI Przygotowanie danych, analiza i efektowna prezentacja wyników raportów Przeznaczenie szkolenia Szkolenie dla osób chcących: Profesjonalnie przygotowywać dane do dalszej
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 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 szczegółowoProjektowanie hurtowni danych i modelowanie wielowymiarowe
Projektowanie hurtowni danych i modelowanie wielowymiarowe Krzysztof Dembczyński Instytut Informatyki Zakład Inteligentnych Systemów Wspomagania Decyzji Politechnika Poznańska Technologie Wytwarzania Oprogramowania
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 szczegółowoXML w bazach danych i bezpieczeństwie
XML w bazach danych i bezpieczeństwie Patryk Czarnik Instytut Informatyki UW XML i nowoczesne technologie zarzadzania treścia 2007/08 Klasyfikacja wsparcia dla XML-a w bazach danych (Relacyjna) baza danych
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 szczegółowoLeonard G. Lobel Eric D. Boyd. Azure SQL Database Krok po kroku. Microsoft. Przekład: Marek Włodarz. APN Promise, Warszawa 2014
Leonard G. Lobel Eric D. Boyd Microsoft TM Azure SQL Database Krok po kroku Przekład: Marek Włodarz APN Promise, Warszawa 2014 Spis treści Wprowadzenie........................................................
Bardziej szczegółowoPodstawy Pentaho Data Integration
Podstawy Pentaho Data Integration 1. Instalacja Pentaho Data Integration Program Pentaho Data Integration można pobrać ze strony - http://www.pentaho.com/download, wybierając wersję na prawo czyli data
Bardziej szczegółowoProcesowanie i partycjonowanie Analysis Services od podszewki (300) Adrian Chodkowski Adrian.Chodkowski@outlook.com
Media Partners Procesowanie i partycjonowanie Analysis Services od podszewki (300) Adrian Chodkowski Adrian.Chodkowski@outlook.com Adrian Chodkowski Konsultant Business Intelligence w Jcommerce S.A Certyfikowany
Bardziej szczegółowoGenerowanie dokumentów XML z tabel relacyjnych - funkcje SQLX
Aktualizowanie dokumentów XML ( Oracle ) do aktualizowania zawartości dokumentów XML służy między innymi funkcja updatexml. wynikiem jej działania jest oryginalny dokument ze zmodyfikowanym fragmentem,
Bardziej szczegółowoAplikacje Internetowe, Servlety, JSP i JDBC
Aplikacje Internetowe, Servlety, JSP i JDBC Opis Java 2 Enterprise Edition (JEE) jest potężną platformą do tworzenia aplikacji webowych. PLatforma JEE oferuje wszystkie zalety tworzenia w Javie plus wszechstronny
Bardziej szczegółowoE-commerce. Genialnie proste tworzenie serwisów w PHP i MySQL.
E-commerce. Genialnie proste tworzenie serwisów w PHP i MySQL. Autor: Larry Ullman Poznaj zasady wirtualnego handlu i zarabiaj prawdziwe pieniądze Jak stworzyć doskonałą witrynę sklepu internetowego? Jak
Bardziej szczegółowoSYLABUS DOTYCZY CYKLU KSZTAŁCENIA realizacja w roku akademickim 2016/17
Załącznik nr 4 do Uchwały Senatu nr 430/01/2015 SYLABUS DOTYCZY CYKLU KSZTAŁCENIA 2013-2017 realizacja w roku akademickim 2016/17 1.1. PODSTAWOWE INFORMACJE O PRZEDMIOCIE/MODULE Nazwa przedmiotu/ modułu
Bardziej szczegółowoInformatyka I. Standard JDBC Programowanie aplikacji bazodanowych w języku Java
Informatyka I Standard JDBC Programowanie aplikacji bazodanowych w języku Java dr inż. Andrzej Czerepicki Politechnika Warszawska Wydział Transportu 2017 Standard JDBC Java DataBase Connectivity uniwersalny
Bardziej szczegółowoMigracja do PostgreSQL za pomocą narzędzi Enterprise DB
Migracja do PostgreSQL za pomocą narzędzi Enterprise DB Przemysław Deć Konsultant IT Linux Polska Sp. z o.o. Cele prezentacji Czym jest Enterprise DB Korzyści migracji do opensource`owej bazy danych Kompatybilność
Bardziej szczegółowoPlan. Aplikacja. Architektura aplikacji. Architektura aplikacji Tworzenie aplikacji Application Builder podstawy
Plan Podstawy narzędzia Application Builder, 2 budowa strony, kreatory Architektura Tworzenie Tworzenie formularza tabelarycznego Budowa strony 2 Architektura Aplikacja kolekcja stron połączonych ze sobą
Bardziej szczegółowo4. Znaczenie czasu w modelowaniu i strukturalizacji danych
Temat1- Geneza 1. Ewolucja systemów opartych na bazach danych Początki to np. ręczne spisy danych na papirusie w Egipcie. Ręczne zapisywanie danych trwało aż do końca XIX wieku. W XIX wieku stworzone zostały
Bardziej szczegółowoHurtownie danych wykład 5
Hurtownie danych wykład 5 dr Sebastian Zając SGH Warszawa 7 lutego 2017 1 Współbieżność i integracja Niezgodność impedancji 2 bazy danych Współbieżność i integracja Niezgodność impedancji Bazy relacyjne
Bardziej szczegółowoSAS Institute Technical Support
SAS Institute Technical Support Optymalizacja kostek krok po kroku Pracując z kostkami OLAP często nie zdajemy sobie sprawy, że można przygotować je w taki sposób, aby praca z nimi była efektywniejsza
Bardziej szczegółowoHurtownie danych. Rola hurtowni danych w systemach typu Business Intelligence
Hurtownie danych Rola hurtowni danych w systemach typu Business Intelligence Krzysztof Goczyła Teresa Zawadzka Katedra Inżynierii Oprogramowania Wydział Elektroniki, Telekomunikacji i Informatyki Politechnika
Bardziej szczegółowo