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

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

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

Hurtownie danych. Rola hurtowni danych w systemach typu Business Intelligence

Usługi analityczne budowa kostki analitycznej Część pierwsza.

Spojrzenie na systemy Business Intelligence

Business Intelligence jako narzędzie do walki z praniem brudnych pieniędzy

Co to jest Business Intelligence?

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

Wstęp do Business Intelligence

Hurtownie danych. 31 stycznia 2017

Wprowadzenie do Hurtowni Danych. Mariusz Rafało

Wprowadzenie do Hurtowni Danych. Mariusz Rafało

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

Analiza internetowa czyli Internet jako hurtownia danych

Marcin Adamczak Jakub Gruszka MSP. Business Intelligence

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

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

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

DOKUMENT INFORMACYJNY COMARCH BUSINESS INTELLIGENCE:

ANALIZA DANYCH SYSTEMU ERP WYKORZYSTANIE KONCEPCJI BUSINESS INTELLIGENCE

Hurtownie danych. Wprowadzenie do systemów typu Business Intelligence

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

Część I Istota analizy biznesowej a Analysis Services

Hurtownie danych a transakcyjne bazy danych

Prezentacja kierunku Analityka biznesowa. Instytut Ekonomii i Informatyki

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

Pierwsze wdrożenie SAP BW w firmie

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

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

Prezentacja firmy WYDAJNOŚĆ EFEKTYWNOŚĆ SKUTECZNOŚĆ.

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

Wprowadzenie do technologii Business Intelligence i hurtowni danych

Analityka danych & big data

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

SAS OLAP Cube Studio Wprowadzenie

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

SYSTEMY KLASY BI PLATFORMĄ EFEKTYWNEGO WSPÓŁDZIAŁANIA WSPÓŁCZESNYCH ORGANIZACJI. Piotr Zaskórski

BUSINESS INTELLIGENCE for PROGRESS BI4PROGRESS

HURTOWNIE DANYCH Dzięki uprzejmości Dr. Jakuba Wróblewskiego

Systemy Business Intelligence w praktyce. Maciej Kiewra

Hurtownie danych w praktyce

Hurtownie danych czyli jak zapewnić dostęp do wiedzy tkwiącej w danych

E-logistyka Redakcja naukowa Waldemar Wieczerzycki

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

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

VII Kongres BOUG 03 października 2012

SPIS TREŚCI WSTĘP... 10

Hurtownia danych praktyczne zastosowania

Trendy BI z perspektywy. marketingu internetowego

PRZEWODNIK PO PRZEDMIOCIE

Szkolenia SAS Cennik i kalendarz 2017

Narzędzia geoprzestrzenne Business Intelligence (BI)

Wstęp Technologie informacyjne wpływające na doskonalenie przedsiębiorstwa

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

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

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

ROZWIĄZANIE BUSINESS INTELLIGENCE TARGIT

Ekonometria dynamiczna i finansowa Kod przedmiotu

PREZENTACJA FUNKCJONALNA SYSTEMU PROPHIX

Zasady sprawnego i efektywnego sterowania przepływami materiałów i wyrobów

KSIĘGA POMOCNICZA Efektywne narzędzie do księgowania transakcji masowych

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

Spis treści. Część I Wprowadzenie do pakietu oprogramowania Analysis Services

PRZEWODNIK PO PRZEDMIOCIE

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

Zwykły magazyn. Centralny magazyn

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

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

ANALIZA DANYCH. OD TEGO WSZYSTKO SIĘ ZACZYNA.

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

PRZEWODNIK PO PRZEDMIOCIE INŻYNIERIA PRZESTRZENNA W LOGISTYCE E. Logistyka. Niestacjonarne. I stopnia (inżynierskie) VII. Dr Cezary Stępniak

Bazy analityczne (hurtownie danych, bazy OLAP)

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

Zarządzanie Zapasami System informatyczny do monitorowania i planowania zapasów. Dawid Doliński

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

Migracja Business Intelligence do wersji

Migracja XL Business Intelligence do wersji

Prezentacja publiczna projektu

Dopasowanie IT/biznes

Praktyczne aspekty pozyskiwania wiedzy z danych z perspektywy matematyka w bankowości (VI zajęcia) Jakub Jurdziak

Sage - BI Warszawa, 18.V.2016

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

PRZEWODNIK PO PRZEDMIOCIE. Wprowadzenie do biznesu. Filologia. stacjonarne. I stopnia. Katedra Języka Biznesu. ogólnoakademicki.

Księgarnia PWN: Pod red. Celiny Olszak i Ewy Ziemby - Strategie i modele gospodarki elektronicznej. Spis treści

Migracja Business Intelligence do wersji

Eksploracja procesów otwierając czarne pudełko

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

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

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

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

Harmonogram Akademii Kompetencji Comarch

PRZEWODNIK PO WYBRANYM PRZEDMIOCIE. Modelowanie procesów logistycznych

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

Technologie informacyjne

Gospodarka magazynowa - opis przedmiotu

Gospodarka magazynowa - opis przedmiotu

Transkrypt:

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 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 Wieczerzycki W., E-Logistyka, Wyd. PWE, Warszawa M. Kłak, Zarzadzanie wiedzą we współczesnym przedsiębiorstwie, KTEE, Kielce (na stronie) 4

literatura IWDL UZUPEŁNIAJĄCA: 1. REWORK 2. JAK DZIAŁA GOOGLE 3. DISRUPTED / FAKAP 4. Lean Startup 5

IWDL - sposób prowadzenia zajęć konwersatorim 4 spotkania w zjazdach A (soboty A) w pierwszej połowie semestru 6

IWDL - warunki zaliczenia ZALICZENIE: Test na ostatnich zajęciach (13.04.2019) 7

IWDL - motto Jeśli nie możesz czegoś zmierzyć - nie możesz tym zarządzać 8

IWDL - teza Sprawne pozyskiwanie, przechowywanie, przetwarzanie, udostępnianie i umiejętne wykorzystanie danych i informacji jest obecnie warunkiem koniecznym efektywnego zarządzania. 9

IWDL - geneza Obecnie przyjmuje się, że dane i informacje obok ludzi (wiedza) są najbardziej istotnymi zasobami. Data: your most valuable asset!!! 10

IWDL - geneza 11

12

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) 13

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. 14

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 poprzez podejmowanie trafnych decyzji. 15

IWDL - piramida informacyjna 16

IWDL - geneza 17

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. 18

IWDL - geneza 19

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. 20

IWDL - zastosowania 21

IWDL - model wspierania decyzji 22

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, ) 23

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) 24

IWDL - architektura hurtowni danych ERP, CRM, WMS 25 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. 26

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. 27

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. 28

IWDL - kostka OLAP 29

IWDL - raport sprzedażowy OLAP 30

Podstawowe operacje analizy danych 31

IWDL - BI w monitoringu procesów BI wykorzystuje się w następujących działaniach: bieżący monitoring procesów real-time analiza wskaźników (S&OP) symulacje off-line (analiza jeśli-to, prognozowanie) sugerowanie decyzji zarządczych prezentacja wizualna informacji (raporty i kokpity) 32

IWDL - OTIF 33

IWDL - wybrane zastosowania OLAP w zakresie Logistyka i Produkacja 34

IWDL DATA DISCOVERY DATA DISCOVERY - VIDEO 35

IWDL DZIĘKUJĘ ZA UWAGĘ 36