11.Olap – определение и основные инструменты. Задачи, решаемые с помощью olap.

• OLAP (Online Analytical Processing) - технология оперативной аналитической обработки данных, использующая методы и средства для сбора, хранения и анализа многомерных данных в целях поддержки процессов принятия решений.

OLAP

● Позволяет пользователям просматривать

корпоративные данные таким образом, чтобы

они могли наилучшим образом изучить

истинное положение своего предприятия.

● Поддерживают процесс принятия решений по

выбору стратегии дальнейших действий.

● Обеспечивают выполнение многих этапов

анализа данных.

Инструменты

Три основные категории инструментов OLAP:

■ Многомерные инструменты OLAP

(Multidimensional OLAP — MOLAP, MD-OLAP).

■ Реляционные инструменты OLAP

(Relational OLAP — ROLAP).

■ Управляемая среда запросов

(Managed Query Environment — MQE).

Многомерные инструменты OLAP

Для организации структур данных в инструментах MOLAP применяется технология с использованием массивов и эффективных методов хранения данных.

Инструменты MOLAP обеспечивают исключительную производительность,

поскольку данные в них используются именно так, как они спроектированы.

Реляционные инструменты OLAP

ROLAP — это наиболее интенсивно развивающийся сегмент технологии OLAP.

Инструменты ROLAP взаимодействуют с реляционными СУБД на уровне метаданных, что позволяет обойтись без создания статичной

многомерной структуры данных. Упрощается формирование нескольких многомерных представлений одного двумерного отношения.

Управляемая среда запросов МQЕ

Предоставляют ограниченные функции анализа, применяемые либо непосредственно в реляционных СУБД, либо с помощью промежуточного сервера MOLAP.

Инструменты MQE передают данные из СУБД на настольный компьютер или локальный сервер в виде куба данных, который затем хранится, анализируется и сопровождается локально.

Типичные задачи анализа данных, решаемые с помощью OLAP-систем

OLAP системы, играют роль навигатора по множеству данных организации и эффективно решают следующие аналитические задачи:

• Анализ продаж. Включает в себя структурный анализ, анализ зависимостей, сравнительный анализ, анализ динамики продаж.

• Анализ закупок. Выявление наиболее выгодных/надежных/быстрых поставщиков.

• Анализ цен. Данный анализ позволяет упростить и структурировать процесс ценообразования.

• Маркетинг. Анализ особенностей покупателей в разных разрезах позволяет выявить портрет основного потребителя товара. Выявление сезонных и других периодических колебаний. Анализ эффективности маркетинговых акций.

• Движение денежных средств. Анализ движения наличных и безналичных денежных средств, оптимизации денежного потока.

• Склад. Анализ сроков хранения, загруженности складов, отгрузок по клиентам. Такой анализ позволит иметь на складе минимальный запас продукции, при этом вся требуемая продукция будет всегда в наличие. Благодаря этому компания может серьезно сэкономить на складских помещениях, высвободить дополнительные средства для оборота.

12.Data Mining - определение и основные инструменты. Перечень типовых задач.

Существует множество определений DataMining, которые друг друга дополняют. Вот некоторые из них:

• DataMining – это процесс обнаружения в базах данных нетривиальных и практически полезных закономерностей. (BaseGroup)

• DataMining – это процесс обнаружения полезных знаний о бизнесе.(Н.М.Абдикеев «КБА»)

Задачи DataMining

Напомним, что в основу технологии DataMining положена концепция шаблонов, представляющих собой закономерности. В результате обнаружения этих, скрытых от невооруженного глаза закономерностей решаются задачи DataMining. Различным типам закономерностей, которые могут быть выражены в форме, понятной человеку, соответствуют определенные задачи DataMining.

Единого мнения относительно того, какие задачи следует относить к DataMining, нет. Большинство авторитетных источников перечисляют следующие: классификация, кластеризация, прогнозирование, ассоциация, визуализация, анализ и обнаружение отклонений, оценивание, анализ связей, подведение итогов.

Наиболее распространенные задачи DataMining - классификация, кластеризация, ассоциация, прогнозирование и визуализация. Таким образом, задачи подразделяются по типам производимой информации, это наиболее общая классификация задач DataMining.

Инструменты DataMining

Разработкой в секторе DataMining всемирного рынка программного обеспечения заняты как всемирно известные лидеры, так и новые развивающиеся компании. Инструменты DataMining могут быть представлены либо как самостоятельное приложение, либо как дополнения к основному продукту. Последний вариант реализуется многими лидерами рынка программного обеспечения. Так, уже стало традицией, что разработчики универсальных статистических пакетов, вдополнение к традиционным методам статистического анализа, включают в пакет определенный набор методов DataMining. Этотакиепакетыкак SPSS (SPSS, Clementine), Statistica (StatSoft), SAS Institute (SAS Enterprise Miner). Некоторые разработчики OLAP- решений также предлагают набор методов DataMining, например, семейство продуктов Cognos. Есть поставщики, включающие DataMining решения в функциональность СУБД: это Microsoft (MicrosoftSQLServer), Oracle, IBM (IBMIntelligentMinerforData).