KOMPUTEROWE WSPOMAGANIE ZARZĄDZANIA



Podobne dokumenty
HURTOWNIE DANYCH I BUSINESS INTELLIGENCE

Zasady sprawnego i efektywnego sterowania przepływami materiałów i wyrobów

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

Marcin Adamczak Jakub Gruszka MSP. Business Intelligence

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

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

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

Typy systemów informacyjnych

Usługi analityczne budowa kostki analitycznej Część pierwsza.

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

Hurtownie danych. Wprowadzenie do systemów typu Business Intelligence

KOMPUTEROWE WSPOMAGANIE ZARZĄDZANIA

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

Spojrzenie na systemy Business Intelligence

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

PODSTAWY BAZ DANYCH. 19. Perspektywy baz danych. 2009/2010 Notatki do wykładu "Podstawy baz danych"

Wprowadzenie do Hurtowni Danych. Mariusz Rafało

PRZEWODNIK PO PRZEDMIOCIE

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

Analiza danych i data mining.

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

Wprowadzenie do technologii Business Intelligence i hurtowni danych

Budowa systemu wspomagającego podejmowanie decyzji. Metodyka projektowo wdrożeniowa

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

Automatyzacja Procesów Biznesowych. Systemy Informacyjne Przedsiębiorstw

Co to jest Business Intelligence?

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

Zalew danych skąd się biorą dane? są generowane przez banki, ubezpieczalnie, sieci handlowe, dane eksperymentalne, Web, tekst, e_handel

E-logistyka Redakcja naukowa Waldemar Wieczerzycki

Wprowadzenie do Hurtowni Danych. Mariusz Rafało

Systemy Business Intelligence w praktyce. Maciej Kiewra

Rola analityki danych w transformacji cyfrowej firmy

Nazwa przedmiotu: MODELOWANIE I ANALIZA SYSTEMÓW INFORMATYCZNYCH. Modeling and analysis of computer systems Forma studiów: Stacjonarne

Metadane. Data Maining. - wykład VII. Paweł Skrobanek, C-3 pok. 323 pawel.skrobanek@pwr.wroc.pl oprac. Wrocław 2006

Prezentacja firmy WYDAJNOŚĆ EFEKTYWNOŚĆ SKUTECZNOŚĆ.

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

PRZEWODNIK PO PRZEDMIOCIE

Business Intelligence jako narzędzie do walki z praniem brudnych pieniędzy

STUDIA I MONOGRAFIE NR

Matryca pokrycia efektów kształcenia

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

Opis przedmiotu zamówienia

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

IBM DATASTAGE COMPETENCE CENTER

Matryca pokrycia efektów kształcenia. Efekty kształcenia w zakresie wiedzy (cz. I)

Business Intelligence

Hurtownie danych. Rola hurtowni danych w systemach typu Business Intelligence

VI Kongres BOUG Praktyczne aspekty wykorzystania Business Intelligence w przemyśle wydobywczym węgla kamiennego

Informatyzacja przedsiębiorstw WYKŁAD

Opis podstawowych modułów

Hurtownia danych praktyczne zastosowania

Spis treści. Analiza i modelowanie_nowicki, Chomiak_Księga1.indb :03:08

KOMPUTEROWE WSPOMAGANIE ZARZĄDZANIA

Narzędzia Informatyki w biznesie

Wykład I. Wprowadzenie do baz danych

5 Moduył do wyboru II *[zobacz opis poniżej] 4 Projektowanie i konfiguracja sieci komputerowych Z

PODYPLOMOWE STUDIA ZAAWANSOWANE METODY ANALIZY DANYCH I DATA MINING W BIZNESIE

Rozumie istotę i znacznie procesów ekstrakcji, transformacji i ładowania danych (ETL), zna wybrany język ETL oraz odpowiednie narzędzia.

PRZEWODNIK PO PRZEDMIOCIE

Specjalizacja magisterska Bazy danych

KOMPUTEROWE WSPOMAGANIE ZARZĄDZANIA

Bazy danych i ich aplikacje

Komputerowe Systemy Przemysłowe: Modelowanie - UML. Arkadiusz Banasik arkadiusz.banasik@polsl.pl

Splunk w akcji. Radosław Żak-Brodalko Solutions Architect Linux Polska Sp. z o.o.

PRZEWODNIK PO PRZEDMIOCIE

Asseco IAP Integrated Analytical Platform. asseco.pl

KOMPUTEROWE WSPOMAGANIE ZARZĄDZANIA

Słownik z wytycznymi dla pracodawców w zakresie konstruowania programu stażu Praktycznie z WZiEU

KARTA MODUŁU KSZTAŁCENIA

KSIĘGA POMOCNICZA Efektywne narzędzie do księgowania transakcji masowych

dr inż. Olga Siedlecka-Lamch 14 listopada 2011 roku Instytut Informatyki Teoretycznej i Stosowanej Politechnika Częstochowska Eksploracja danych

Model logiczny SZBD. Model fizyczny. Systemy klientserwer. Systemy rozproszone BD. No SQL

Agenda. Charakterystyka Business Intelligence. Architektura systemu. Prezentacja funkcjonalności. Podsumowanie

5 Moduył do wyboru II *[zobacz opis poniżej] 4 Projektowanie i konfiguracja sieci komputerowych Z

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

HURTOWNIE DANYCH Dzięki uprzejmości Dr. Jakuba Wróblewskiego

PRZEWODNIK PO PRZEDMIOCIE

Szczegółowy opis przedmiotu zamówienia

Systemy eksperowe. Agnieszka Nowak Brzezińska Wykład I

KOMPUTEROWE WSPOMAGANIE ZARZĄDZANIA

Data Mining Wykład 1. Wprowadzenie do Eksploracji Danych. Prowadzący. Dr inż. Jacek Lewandowski

Hurtownie danych a transakcyjne bazy danych

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

Trendy BI z perspektywy. marketingu internetowego

StatSoft profesjonalny partner w zakresie analizy danych

Zintegrowany System Informatyczny (ZSI)

Algorytmy wspomagania decyzji Czyli co i jak andrzej.rusiecki.staff.iiar.pwr.wroc.pl s. 230/C-3

Badania rynku turystycznego

Liczba godzin Punkty ECTS Sposób zaliczenia. ćwiczenia 30 zaliczenie z oceną. ćwiczenia 30 zaliczenie z oceną

Analiza internetowa czyli Internet jako hurtownia danych

*Odniesienie - kształcenia EFEKT KSZTAŁCENIA. Absolwent studiów drugiego stopnia na kierunku Informatyka: symbol Wiedza 1 AI_W01

rodzaj zajęć semestr 1 semestr 2 semestr 3 Razem Lp. Nazwa modułu E/Z Razem W I

INFORMATYKA Pytania ogólne na egzamin dyplomowy

Wstęp do Business Intelligence

SYSTEMY INFORMACYJNE WYKŁAD 1: DANE I INFORMACJE GENERACJE SYSTEMÓW INFORMACYJNYCH AUTOR: PAWEŁ FAJFER SYSTEMY INFORMACYJNE - WYKŁAD

Hurtownie danych i systemy wspomagania decyzji. Olaf Morawski Hewlett-Packard Polska Sp. z o.o., ul. Szturmowa 2A, Warszawa

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

Platforma Cognos. Agata Tyma CMMS Department Marketing & Sales Specialist atyma@aiut.com.pl AIUT Sp. z o. o.

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

Transkrypt:

KOMPUTEROWE WSPOMAGANIE ZARZĄDZANIA Wykład 8 Narzędzia zarządzania informacją cz. 2 Dr inż. Mariusz Makuchowski

Baza wiedzy Baza wiedzy (ang. Knowledgebase) stanowi swoisty rejestr problemów zgłaszanych przez klientów firmy (użytkowników jej produktów) bądź pracowników oraz zapis procedur ich rozwiązywania lub ewentualnie zniwelowania szkodliwych jego skutków. 2

Baza wiedzy Znajdują się w niej wszelkie informacje z zakresu wybranej dziedziny wiedza faktograficzna (fakty), wiedza o wnioskowaniu (zbiór reguł), wiedza o sposobach rozwiązywania problemu (meta-wiedza) musi być zapisana w postaci sformalizowanej, zrozumiałej dla mechanizmu wnioskującego i pozwalającej na prześledzenie sposobu dojścia systemu do rozwiązania. 3

Baza wiedzy Jest ona podstawowym elementem systemu eksperckiego, który posiada mechanizm rozumowania, wnioskowania i doradzania na podstawie określonej wiedzy z danej dziedziny zawartej w bazie wiedzy. Szerzej o systemach eksperckich będzie na następnych wykładach. 4

Baza wiedzy Bazę wiedzy z danej dziedziny tworzy inżynier wiedzy na podstawie wiedzy i informacji jaką przekazuje mu specjalistaekspert z danej dziedziny. Wiedza ta zostaje zapisana przez inżyniera wiedzy w postaci sformalizowanej, zrozumiałej dla maszyny wnioskującej. 5

Baza wiedzy Sformalizowana reprezentacja wiedzy w bazie wiedzy może być realizowana: REPREZENTACJA WIEDZY REALIZOWANA DEKLARATYWNIE REALIZOWANA PROCEDURALNIE REGUŁY FAKTY ZBIÓR PROCESÓW I FUNKCJ 6

Bazy wiedzy Reguły występują w postaci: IF fakt THEN fakt(wniosek) AND/OR akcja Każda reguła zawiera wniosek końcowy, a kolejne udowodnione wnioski tworzą łańcuch wnioskowania. Fakty są tworzone przez zdarzenia zachodzące w rzeczywistości i zapisywane w bazie faktów, która jest częścią bazy wiedzy. 7

Bazy wiedzy - konstruowanie Identyfikacja Sprecyzowanie problemu. Wyznaczenie sposobów rozwiązywania. Uwzględnienie wymagań użytkownika. Reprezentacja Określenie sposobu reprezentacji wiedzy. Określenie sposobów przepływu danych. Wyznaczenie potrzebnych baz danych i algorytmów. Formalizacja Zaprojektowanie struktur odzwierciedlających wiedzę w postaci faktów, reguł, relacji między obiektami oraz procedur i funkcji w BW Implementacja Sformułowanie reguł zawierających wiedzę. Połączenie sformalizowanej wiedzy z przepływem informacji. 8 Testowanie Sprawdzenie zastosowanych w systemie reguł Testowanie poprawności działania BW. Sprawdzenie spójności zastosowanych reguł

Bazy wiedzy - zastosowanie Bazy wiedzy są kojarzone głównie z systemami eksperckimi, jednak mają one również zastosowanie w systemach z wydzielonym modułem BW np. w Systemach Wspomagania Decyzji SWD. System SWD to narzędzie udostępniające zasoby bazy wiedzy ułatwia podejmowanie złożonych decyzji oraz wspiera analizy procesów decyzyjnych. 9

Hurtownie Danych Sensem istnienia Hurtowni Danych jest udostępnienie mechanizmu szybkiego dostępu do bardzo dużej ilości danych. Hurtownia Danych jest rozwiązaniem, które w miejsce każdorazowego przetwarzania ogromnych liczb informacji, pozwala jednorazowo zebrać dane z wielu obszarów i dopiero na tak przygotowanym zbiorze dokonywać analizy Dane wprowadzane w wielu miejscach przechowywane są we wspólnej bazie danych. Dlatego raz wpisane informacje 10 natychmiast stają się dostępne z każdego miejsca w Systemie.

Hurtownie Danych Taki sposób gromadzenia danych zapewnia ich spójność i ułatwia przeprowadzanie całościowych operacji na wartościach pochodzącym z różnych obszarów. Przy intensywnym wykorzystaniu, ilość przechowywanych w bazach danych informacji w krótkim czasie staje się bardzo duża. Analizy tak obszernego materiału musiałyby wymagać coraz większych mocy obliczeniowych i wzrastających nakładów czasu. Naprzeciw tym trudnością wychodzą możliwości oferowane przez hurtownie danych. 11

Hurtownie Danych Dzięki odpowiedniej strukturze danych oraz udostępnieniu adekwatnych narzędzi, Hurtownia Danych stanowi korzystną alternatywę wobec doraźnego gromadzenia i analizowania rozległych zakresów informacji. 12

Hurtownia Danych jest narzędziem, które: Zbiera dane pochodzące z modułów systemu i przygotowuje je w taki sposób, aby były one dostępne efektywnemu badaniu (I etap). Udostępnia narzędzia skutecznej analizy i czytelnej prezentacji jej wyników (II etap). 13 Hurtownia Danych pozwala użytkownikowi w elastyczny sposób kształtować konstrukcję przedstawienia wyników obliczeń, a w jej ramach budować poziomy, których elementy staną się węzłami sumującymi wyniki przypisane elementom niższych poziomów. Ponieważ większość danych pozostaje we wzajemnych relacjach, wyniki składają się na przejrzystą strukturalnie siatkę całościowej analizy.

Hurtownia danych Najtrafniej hurtownie danych definiuje Sroka i Kisielnicki 2005 Miejsce, gdzie zebrane z całej organizacji dane, podzielone na części, oczyszczone, poklasyfikowane i połączone z innymi danymi, służą użytkownikom, takim jak analitycy i kierownicy wszystkich strzebli zarządzania Repozytorium przeznaczone do zbierania, standaryzacji i agregowania kopii danych transakcyjnych, zawartych w operacyjnych lub produkcyjnych systemach informacyjnych firmy 14 Narzędzie do dostarczania informacji użytkownikowi podejmującemu decyzje lub informującemu kierownictwo, które przejmuje część danych operacyjnych i nadaje im odpowiednią, zredagowaną i hierarchiczną postać

Hurtownia danych Cechy hurtowni danych (wg Todmana 2003) nieulotność raz wpisane dane pozostają na zawsze, zintegrowanie dane są przechowywane w jednakowym spójnym formacie, zorientowanie na temat zbierane dane dotyczą danego tematu, zmienność w czasie gromadzone dane zmieniają się w czasie, pochodzą z okresu kilku lub kilkunastu lat 15

Business Intelligence BI Programy Ekstrakcji Transformacji-Ładowania ETL Narzędzia ETL umożliwiają magazynowanie w hurtowni spójnych danych, dzięki czemu decyzje biznesowe mogą być podejmowane szybciej i trafniej. Hurtownia Danych jest sercem większości systemów Business Intelligence, a od jej poprawnego zaprojektowania i funkcjonowania zależy sukces całego programu BI w korporacji. 16

Business Intelligence BI Business Intelligence jest szeroką dziedziną obejmującą aplikacje i technologie służące gromadzeniu i analizie danych w celu wspomagania procesu podejmowania decyzji biznesowych. Skuteczność działania w obszarze Business Intelligence wymaga dogłębnej znajomości wszystkich czynników wpływających na biznes. Efektem zastosowania narzędzi BI jest dostępność do szybkiej informacji na temat najważniejszych wskaźników firmy, takich jak dane o klientach, konkurencji, partnerach biznesowych, sytuacji ekonomicznej i operacjach wewnętrznych. 17

Business Intelligence BI Najważniejsze obszary związane z Business Intelligence to: DW - Hurtownie danych ładowanie, przetwarzanie (proces ETL) Data mining - Eksploracja danych, drążenie danych Czyszczenie danych i zarządzanie jakością danych OLAP (Online Analytical Processing) - analiza wielowymiarowa i wielowymiarowe struktury danych MIS (Management Information Systems) - Systemy Informowania Kierownictwa (SIK) Raportowanie - Wizualizacja informacji i panele informacyjne dla kierownictwa (Dashboards) Statystyka i techniczna analiza danych CRM (Customer Relationship Management) Zarządzanie Relacjami z Klientami DSS (Decision Support Systems) systemy wspomagania decyzji (SWD) 18

Narzędzia klasy DSS i O&R Narzędzia klasy DSS i Q&R dla systemów DSS (DSS -System wspomagania decyzji SWD) Narzędzia raportujące Programy te mogą łączyć dane pochodzące z różnych modułów, analizują je z różnych punktów widzenia i tworzą raporty pozwalające podejmować bezpieczne decyzje. Narzędzia raportująco-pytające (O&R) podstawowe narzędzia analizy danych zawartych w hurtowniach danych. Dostarczają niezbędnych informacji do szybkiego podejmowania decyzji operacyjnych. 19 Wykorzystując te narzędzia użytkownik może bez trudu robić raporty nadając im pożądaną formę i szatę graficzną.

OLAP Narzędzia OLAP (On-line Analytical Processing) bezpośredniego przetwarzania analitycznego. To oprogramowanie, umożliwia interaktywne generowanie zapytań analitycznych i zestawień na podstawie struktur wielowymiarowych. Służy do wykonywania szerokich analiz finansowych i marketingowych przedstawiają je w czasie rzeczywistym w postaci zestawień i wykresów. Dają możliwość nadzorowania transakcji we wszystkich obszarach 20 firmy.

Eksploracja danych Rozwijająca się dziedzina (Data Mining) eksploracja danych ma na celu wydobywanie z zasobów danych informacji o zawartych w nich regułach i prawidłowościach przydatnych do podejmowania taktycznych i strategicznych decyzji. 21

Eksploracja danych Podstawowe techniki eksploracji danych. Segmentacja Wykrywanie powiązań i wzorców sekwencyjnych Klasyfikacja Metody estymacji Przewidywanie wartości Metody logiki rozmytej i algorytmy genetycznej metody przekształceń fraktalnych nowe rozwijające się metody drążenia danych. 22

Bibliografia 23 [1] Adam Nowicki, Komputerowe wspomaganie biznesu (2006) [2] Karol Kukuła, Badania operacyjne w przykładach i zadaniach (2002) [3] Czesław Smutnicki, Algorytmy szeregowania (2002) [4] Ryszard Knosyla i Zespół, Komputerowe wspomaganie zarządzania przedsiębiorstwem Nowe metody i systemy (2007) [5] Zbigniew Klonowski, Systemy informatyczne zarządzania przedsiębiorstwem. Modele rozwoju i właściwości funkcjonalne (2004) [6] M. Fertsch, K. Grzybowska, A. Stachowiak, Logistyka i zarządzanie produkcją nowe wyzwania i odległe granice (2007) [7] S. Zieliński Inteligentne systemy w zarządzaniu. Teoria i praktyka (2000) [8] Adamczewski, Piotr. Zintegrowane systemy informatyczne w praktyce, Warszawa, PWN, 2005 [9] Szejko, Stanisław (Redakcja naukowa). Metody wytwarzania oprogramowania, Warszawa, PWN, 2004 [10] Lausen, Georgie; Vossen, Gottfried. Obiektowe bazy danych. Modele danych i języki, Warszawa, WNT, 2004

Bibliografia [11] Miłosz, Marek (Redakcja naukowa). Bezpieczeństwo informacji, Warszawa, PWN, 2005 [12] Dolińska, Małgorzata. Projektowanie systemów informacyjnych na przykładzie zarządzania marketingiem, Warszawa, Agencja Wydawnicza "Placet", 2003. [13] Cheesman, John; Daniels, John. Komponenty w UML. Warszawa, WNT 2004 [14] Szyjewski, Zdzisław. Zarządzanie projektami informatycznymi, metodyka tworzenia systemów informatycznych. Warszawa, Agencja Wydaw. Placet, 2001. (Biblioteka Biznesmena) [15] Leyland, Valerie. EDI Elektroniczna wymiana dokumentacji. Warszawa, WNT, 2003 [16] Orłowski, Cezary. Projektowanie hybrydowych systemów informatycznych do wspomagania zarządzania, Wydaw. Politech. Gdańskiej, 1999. [17] M.Jurczyk, R.Knosala - Terminowość i efektywność realizacji zleceń w systemach z wyróżnionym zasobem taktującym 24

Dziękuję za uwagę.