dr inż. Paweł Morawski Informatyczne wsparcie decyzji logistycznych semestr letni 2016/2017

Podobne dokumenty
dr inż. Paweł Morawski Informatyczne wsparcie decyzji logistycznych semestr letni 2018/2019

Business Intelligence

HURTOWNIE DANYCH I BUSINESS INTELLIGENCE

Rola analityki danych w transformacji cyfrowej firmy

Hurtownie danych i business intelligence. Plan na dziś : Wprowadzenie do przedmiotu

Hurtownie danych i business intelligence. Plan na dziś : Wprowadzenie do przedmiotu

Spojrzenie na systemy Business Intelligence

Hurtownie danych. Rola hurtowni danych w systemach typu Business Intelligence

Usługi analityczne budowa kostki analitycznej Część pierwsza.

Co to jest Business Intelligence?

Wstęp do Business Intelligence

Hurtownie danych. 31 stycznia 2017

Paweł Gołębiewski. Softmaks.pl Sp. z o.o. ul. Kraszewskiego Bydgoszcz kontakt@softmaks.pl

Business Intelligence jako narzędzie do walki z praniem brudnych pieniędzy

Hurtownie danych. Wstęp. Architektura hurtowni danych. CO TO JEST HURTOWNIA DANYCH

PRZEWODNIK PO PRZEDMIOCIE. Logistyka inżynierska. niestacjonarne. I stopnia. ogólnoakademicki. specjalnościowy

Część I Istota analizy biznesowej a Analysis Services

Wprowadzenie do Hurtowni Danych. Mariusz Rafało

ANALIZA DANYCH SYSTEMU ERP WYKORZYSTANIE KONCEPCJI BUSINESS INTELLIGENCE

Analiza internetowa czyli Internet jako hurtownia danych

Marcin Adamczak Jakub Gruszka MSP. Business Intelligence

Wprowadzenie do technologii Business Intelligence i hurtowni danych

E-logistyka Redakcja naukowa Waldemar Wieczerzycki

Hurtownie danych. Wprowadzenie do systemów typu Business Intelligence

Wprowadzenie do Hurtowni Danych. Mariusz Rafało

Hurtownie danych a transakcyjne bazy danych

Hurtownie danych. Hurtownie danych. dr hab. Maciej Zakrzewicz Politechnika Poznańska Instytut Informatyki. Maciej Zakrzewicz (1)

SYSTEMY KLASY BI PLATFORMĄ EFEKTYWNEGO WSPÓŁDZIAŁANIA WSPÓŁCZESNYCH ORGANIZACJI. Piotr Zaskórski

Od Expert Data Scientist do Citizen Data Scientist, czyli jak w praktyce korzystać z zaawansowanej analizy danych

SAS OLAP Cube Studio Wprowadzenie

Prezentacja firmy WYDAJNOŚĆ EFEKTYWNOŚĆ SKUTECZNOŚĆ.

Sylabus przedmiotu: Data wydruku: Dla rocznika: 2014/2015. Kierunek: Opis przedmiotu. Dane podstawowe. Efekty i cele. Opis. 1 z 5

Systemy Business Intelligence w praktyce. Maciej Kiewra

Analityka danych & big data

Liczba godzin Punkty ECTS Sposób zaliczenia. ćwiczenia 16 zaliczenie z oceną

Prezentacja kierunku Analityka biznesowa. Instytut Ekonomii i Informatyki

Krakowska Akademia im. Andrzeja Frycza Modrzewskiego. Karta przedmiotu. obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 2013/2014

Pierwsze wdrożenie SAP BW w firmie

Stawiamy na specjalizację. by CSB-System AG, Geilenkirchen Version 1.1

HURTOWNIE DANYCH Dzięki uprzejmości Dr. Jakuba Wróblewskiego

Krakowska Akademia im. Andrzeja Frycza Modrzewskiego. Karta przedmiotu. obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 2012/2013

1.1 Matryca pokrycia efektów kształcenia. Efekty kształcenia w zakresie wiedzy. Efekty kształcenia w zakresie umiejętności

Hurtownie danych i business intelligence - wykład II. Zagadnienia do omówienia. Miejsce i rola HD w firmie

DOKUMENT INFORMACYJNY COMARCH BUSINESS INTELLIGENCE:

Hurtownie danych czyli jak zapewnić dostęp do wiedzy tkwiącej w danych

BUSINESS INTELLIGENCE for PROGRESS BI4PROGRESS

VII Kongres BOUG 03 października 2012

Hurtownie danych w praktyce

SPIS TREŚCI WSTĘP... 10

Zasady sprawnego i efektywnego sterowania przepływami materiałów i wyrobów

KSIĘGA POMOCNICZA Efektywne narzędzie do księgowania transakcji masowych

Spis treści. Część I Wprowadzenie do pakietu oprogramowania Analysis Services

Sylabus przedmiotu: Data wydruku: Dla rocznika: 2014/2015. Kierunek: Opis przedmiotu. Dane podstawowe. Efekty i cele. Opis. 1 z 6

Analityka danych w środowisku Hadoop. Piotr Czarnas, 5 czerwca 2017

Bazy analityczne (hurtownie danych, bazy OLAP)

Proces ETL. Katedra Inżynierii Oprogramowania Wydział Elektroniki, Telekomunikacji i Informatyki Politechnika Gdańska {kris,

One Size Doesn t Fit All, czyli case study stworzenia BI dostosowanego do strategicznych, operacyjnych oraz analitycznych potrzeb

KARTA PRZEDMIOTU. 1. Informacje ogólne. 2. Ogólna charakterystyka przedmiotu. Metody drążenia danych D1.3

Imię, nazwisko i tytuł/stopień KOORDYNATORA (-ÓW) kursu/przedmiotu zatwierdzającego protokoły w systemie USOS Germanas Budnikas, Dr

Migracja Business Intelligence do wersji

Dr inż. Andrzej KAMIŃSKI Instytut Informatyki i Gospodarki Cyfrowej Kolegium Analiz Ekonomicznych Szkoła Główna Handlowa w Warszawie

Bazy danych. Plan wykładu. Rodzaje baz. Rodzaje baz. Hurtownie danych. Cechy hurtowni danych. Wykład 14: Hurtownie danych

Migracja Business Intelligence do wersji

Budowa modeli wymagań dla Regionalnych Systemów Informacji Medycznej opartych o hurtownie danych

Zwykły magazyn. Centralny magazyn

Krakowska Akademia im. Andrzeja Frycza Modrzewskiego. Karta przedmiotu. obowiązuje studentów, którzy rozpoczęli studia w roku akademickim 2014/2015

Misja. Strategia. Cele UNIT4 TETA BI CENTER. Plan prezentacji. Grupa UNIT4 TETA. Grupa kapitałowa UNIT4 UNIT4 TETA BI CENTER

dr inż. Maciej Kiewra Prezentacja wygłoszona na konferencji BI vs Big Data podczas Kongresu GigaCon Warszawa, r.

Zasady sprawnego i efektywnego sterowania przepływami materiałów i wyrobów. dr hab. inż. Andrzej Szymonik prof. PŁ

Hurtownia danych praktyczne zastosowania

Migracja Business Intelligence do wersji

Dopasowanie IT/biznes

Migracja XL Business Intelligence do wersji

BD2 BazyDanych2. dr inż. Tomasz Traczyk 14. Systemy przetwarzania analitycznego

Harmonogram Akademii Kompetencji Comarch

HARMONOGRAM: DZIEŃ GODZINA MIEJSCE PROWADZĄCY TEMAT OPIS

Technologie informacyjne

Wstęp Technologie informacyjne wpływające na doskonalenie przedsiębiorstwa

Bazy Danych. Bazy Danych i SQL Podstawowe informacje o bazach danych. Krzysztof Regulski WIMiIP, KISiM,

PRZEWODNIK PO PRZEDMIOCIE

Typy systemów informacyjnych

POLITECHNIKA LUBELSKA Wydział Elektrotechniki Kierunek: INFORMATYKA II stopień niestacjonarne i Informatyki. Część wspólna dla kierunku

dr inż. Paweł Morawski ICT w Logistyce semestr zimowy 2018/2019

STUDIA PODYPLOMOWE. Analiza i Eksploracja Danych Rynkowych i Marketingowych. Podstawa prawna

Samodzielny Business Intelligence in memory duże i małe. Paweł Gajda Business Solution Architect

PREZENTACJA FUNKCJONALNA SYSTEMU PROPHIX

Nowoczesne zarządzanie pracą serwisu w terenie

Modele danych - wykład V. Zagadnienia. 1. Wprowadzenie 2. MOLAP modele danych 3. ROLAP modele danych 4. Podsumowanie 5. Zadanie fajne WPROWADZENIE

Migracja Comarch ERP Altum Business Intelligence do wersji 2019

Dopasowanie IT/biznes

Szkolenia SAS Cennik i kalendarz 2017

Narzędzia geoprzestrzenne Business Intelligence (BI)

Agenda. O firmie. Wstęp Ksavi. Opis funkcjonalności systemu Ksavi Auditor. Podsumowanie

Analityka danych w środowisku Hadoop. Piotr Czarnas, 27 czerwca 2017

ANALIZA DANYCH. OD TEGO WSZYSTKO SIĘ ZACZYNA.

RUCHOMY CEL: DANE O KLIENCIE

Modele danych - wykład V

PLANOWANIE I BUDŻETOWANIE Z WYKORZYSTANIEM NARZĘDZI CYFROWYCH

Rok akademicki: 2014/2015 Kod: EAR IS-s Punkty ECTS: 4. Kierunek: Automatyka i Robotyka Specjalność: Informatyka w sterowaniu i zarządzaniu

PLAN STUDIÓW STACJONARNYCH I NIESTACJONARNYCH WIECZOROWYCH II STOPNIA (od roku akademickiego 2015/2016)

Transkrypt:

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 konsultacje: info. na stronie jw.

CEL PRZEDMIOTU IWDL Celem przedmiotu Informatyczne wsparcie decyzji logistycznych jest wyjaśnienie roli informatyzacji we współczesnych przedsiębiorstwach realizujących procesy logistyczne ze szczególnym uwzględnieniem procesów analityki biznesowej BI (Business Intelligence). Omówione zostaną formy i możliwości wykorzystania Internetu w działalności przedsiębiorstw logistycznych (e-logistyka) oraz informatycznego wsparcia procesów decyzyjnych w Logistyce. INTERDYSCYPLINARNOŚĆ!!! 3

literatura IWDL LITERATURA: Surma J., Business Intelligence, PWN, Warszawa, 2009 http://81.219.176.124/han/ibukpl/libra.ibuk.pl/book/1315 Wieczerzycki W., E-Logistyka, Wyd. PWE, Warszawa 2012 http://81.219.176.124/han/ibukpl/libra.ibuk.pl/book/89683 Hałas E., Kody kreskowe i inne globalne standardy w biznesie, Wyd. Biblioteka Logistyka, Poznań 2012 4

IWDL - sposób prowadzenia zajęć konwersatorim 4 spotkania w zjazdach B (niedziele) w drugiej połowie semestru 5

IWDL - motto Jeśli nie możesz czegoś zmierzyć - nie możesz tym zarządzać 6

IWDL - teza Sprawne pozyskiwanie, przechowywanie, przetwarzanie, udostępnianie i umiejętne wykorzystanie danych i informacji jest obecnie warunkiem koniecznym efektywnego zarządzania. 7

IWDL - geneza Obecnie przyjmuje się, że dane i informacje obok ludzi (wiedza) są najbardziej istotnymi zasobami. Data: your most valuable asset!!! 8

IWDL - geneza 9

10

IWDL - słowa kluczowe Business Intelligence (Analityka Biznesowa) Data Warehouse (Hurtownia danych) Data Mining (Eksploracja danych) OLAP (Online Analytical Processing) Kostka OLAP (OLAP cube) Big DATA IoT (Internet of Things) Artificial Intelligence (Sztuczna inteligencja) Neural Networks (Sieci neuronowe) KPI (Key Performance Indicators) ETL (Extract Tranform Load) Forecasting (Prognozowanie) 11

IWDL - geneza Prowadzenie firmy wymaga podejmowania wielu decyzji dziennie - zarówno przez kierownictwo, jak i pracowników operacyjnych. Aby podejmowane działania były właściwe, muszą opierać się na aktualnych informacjach. Jednak co zrobić, kiedy problemem staje się nie brak informacji, a ich nadmiar? W przeciętnej firmie codziennie generowane są takie ilości danych, że umysł ludzki nie jest w stanie samodzielnie ich analizować. 12

IWDL - definicyjnie Business Intelligence (BI), również analityka biznesowa - pojęcie o szerokim znaczeniu. Najbardziej ogólnie można przedstawić je jako proces przekształcania danych w informacje, a informacji w wiedzę, która może być wykorzystana do zwiększenia konkurencyjności przedsiębiorstwa. 13

IWDL - geneza 14

IWDL - geneza W rozumieniu czysto biznesowym BI można także definiować jako kombinację architektury systemu, aplikacji oraz baz danych, które razem umożliwiają prowadzone w czasie rzeczywistym analizy i przekształcenia, dostarczające potrzebną informację i wiedzę biznesowi w celu podejmowania decyzji. 15

IWDL - geneza 16

IWDL - definicyjnie Business Intelligence jest definiowane przez firmę Gartner jako zorientowany na użytkownika proces zbierania, eksploracji, interpretacji i analizy danych, który prowadzi do usprawnienia i zracjonalizowania procesu podejmowania decyzji. Systemy te wspierają kadrę menedżerską w podejmowaniu decyzji biznesowych w celu kreowania wzrostu wartości przedsiębiorstwa. 17

IWDL - zastosowania 18

IWDL - model wspierania decyzji 19

IWDL - hurtownia danych Efektywne eksploatowanie narzędzi BI jest mocno uzależnione od utworzenia hurtowni danych, która pozwala na ujednolicenie i powiązanie danych źródłowych zgromadzonych w różnorodnych systemach informatycznych przedsiębiorstwa (np. systemach transakcyjnych: ERP, CRM, WMS, ) 20

IWDL - dlaczego hurtownia danych? 1. Przeprowadzanie analiz poza systemami transakcyjnymi (OLTP) 2. Całościowy wgląd w dane firmy 3. Dostęp do danych historycznych 4. Ujednolicenie posiadanych informacji (np. KPI) 21

IWDL - architektura hurtowni danych ERP, CRM, WMS 22 ang. flat files

IWDL - OLAP (raportowanie) OLAP (ang. OnLine Analytical Processing) to oprogramowanie wspierające podejmowanie decyzji, które pozwala użytkownikowi analizować szybko informacje zawarte w wielowymiarowych widokach i hierarchiach. Narzędzia OLAP są często używane do wykonywania analiz trendów sprzedaży, czy też analiz finansowych. Są też przydatne do wstępnego przeglądania zbioru danych przez analityka we wstępnej fazie analiz statystycznych. 23

IWDL - kostka OLAP Wielowymiarowa kostka OLAP (ang. OLAP cube) jest podstawową strukturą danych w każdym systemie OLAP działającym w środowisku Hurtowni Danych. Cube składa się z Miar (ang. measures), Wymiarów (ang. dimensions) i Poziomów (ang. levels) i jest zoptymalizowany pod kątem szybkiego i bezpiecznego dostępu do danych wielowymiarowych. 24

IWDL - kostka OLAP miary i wymiary Miary to wskaźniki numeryczne (ile?), miary to: przychód, waga, ilość, koszt, upust, Wymiary to dane opisowe (kto? co? kiedy? gdzie?) wymiary to: czas, klient, produkt, lokalizacja, Wymiary są pogrupowane za pomocą poziomów, które odzwierciedlają hierarchię funkcjonującą w organizacji i pozwalają użytkownikom końcowym zwiększać lub zmniejszać poziom szczegółowości analizowanego wymiaru. 25

IWDL - kostka OLAP 26

IWDL - raport sprzedażowy OLAP 27