- •Области применения ит - информационных технологий
- •Современные ит - информационные технологии
- •Цели внедрения информационных технологий
- •Этапы развития ит (информационных технологий)
- •Информационная система
- •Общие понятия об информационных системах - ис
- •Основные задачи информационных систем - ис
- •Пользователи информационных систем - ис
- •Процессы в информационных системах - ис
- •Система. Общие понятия о системе
- •Современные информационные системы - ис
- •Этапы развития информационных систем - ис
- •Математическое и программное обеспечение информационных систем - ис
- •Организационное обеспечение информационных систем - ис
- •Правовое обеспечение ис - информационных систем
- •Техническое обеспечение информационной системы - ис.
- •Принципы и методы создания ис - информационных систем
- •Методы и концепции создания ис - информационных систем
- •Принципы создания информационных систем - ис
- •Классификация информационных систем - ис
- •Классификация ис по масштабности применения
- •Классификация ис по концепции построения
- •Классификация ис по оперативности обработки данных
- •Классификация ис по признаку структурированности задач
- •Классификация ис по сфере деятельности
- •Классификация информационных систем по режиму работы
- •Классификация информационных систем по степени автоматизации
- •Классификация информационных систем по функциональности
- •По квалификации персонала и управления
- •По характеру обработки информации
- •Аналитические ис репортинга, oltp, data mining
- •Общие сведения об аналитических ис репортинга, oltp, data mining
- •Базовая аналитическая система
- •Классификация по области применения
- •Классы аналитических систем
- •Перспективы использования аналитических систем
- •Применяемые виды анализа
- •Системы репортинга
- •Рынок систем репортинга
- •Oltp - системы оперативной обработки транзакций
- •Data Mining (dm) - интеллектуальный анализ данных
- •Типы закономерностей
- •Классы систем Data Mining - dm
- •Алгоритмы ограниченного перебора
- •Генетические алгоритмы
- •Деревья решений (decision trees)
- •Нейронные сети
- •Предметно-ориентированные аналитические системы
- •Системы для визуализации многомерных данных
- •Системы рассуждений на основе аналогичных случаев
- •Статистические пакеты
- •Эволюционное программирование
- •Бизнес-приложения Data Mining
- •Банковское дело
- •Медицина
- •Молекулярная и генная инженерия
- •Розничная торговля
- •Страхование
- •Телекоммуникации
- •Проблемы, связанные с использованием Data Mining dm-технологии
- •Olap-системы оперативной аналитической обработки данных
- •Недостатки olap
- •Основные преимущества olap-систем
- •Предпосылки и причины появления olap
- •Принципы проектирования и использования многомерных бд
- •Типы используемых данных
- •Многомерная модель данных
- •Гиперкубические и поликубические модели данных
- •Операции с измерениями
- •Требования к olap-средствам
- •12 Основных правил olap- систем по Кодду
- •Fasmi Пендса и Крита
- •Кубы olap
- •Спуск и консолидация
- •Члены и метки. Иерархии. Аналитические операции.
- •Классификация olap по типу доступа к бд
- •Достоинства и недостатки rolap
- •Метаданные
- •Другие olap. Holap. Dolap. Jolap.
- •По месту размещения olap - машин
- •Olap-клиент
- •Olap-сервер
- •Применение olap - систем
- •Преимущества и недостатки
- •Определение dss (сппр)
- •Характеристики dss (сппр)
- •Структура сппр
- •Бм и субм
- •Классификация
- •Основные функции субм
- •Система управления интерфейсом
- •Управление сообщениями. Электронная почта.
- •Data Warehouse – хранилище данных - хд - систем обработки данных
- •Цели и задачи хранилищ данных
- •Концепция хд - хранилища данных
- •Единый источник даннх
- •Свойства данных
- •Структура ис на основе хд
- •Методы организации хд
- •Data Mart - Витрины данных
- •Интегрированное хд - хранилище данных
- •Непроектируемые витрины данных
- •Система постепенно развиваемых витрин данных
- •Data Warehouse Bus - хд с архитектурой шины
- •Объединенное (федеративное) хд
- •Требования к техническому и программному обеспечению
- •Основные компоненты хд
- •Проблемы интеграции данных
- •Сравнение оперативных и аналитических бд
- •Средства и методы построения хд - хранилищ данных
- •Применение готовых хранилищ данных
- •Студии для построения хд - хранилищ данных
- •Подход сверху вниз
- •Подход снизу вверх
- •Рекомендации по внедрению хд
- •Финансовые хранилища данных (хд)
- •Хд для управления человеческими ресурсами
- •Хранилища данных (хд) в области телекоммуникаций
- •Хранилища данных (хд) с возможностями Data Mining и Exploration
- •Хранилища данных в области страхования
- •Тенденции развития хранилищ данных
- •Операции и процедуры
- •Функции управления
- •Принципы управления
- •Информационные технологии и системы управления
- •Информационные технологии управления
- •Информационные системы управления (ису)
- •Виды обеспечений в составе иасу
- •Уровни управления
- •Ис организационного управления (исоу)
- •Ису "Галактика"
- •Система управления Парус
- •Корпоративные информационные системы - кис
- •Определения и назначения кис
- •Перспективы развития корпоративных информационных систем (кис)
- •Современные корпоративные информационные системы
- •Структура корпоративных информационных систем
- •Требования к корпоративным базам данных
- •Требования к техническому обеспечению кис
- •Кис и Internet, Intranet-технологии
- •Особенности создания кис на базе Workflow-систем
- •Системы управления документами - суд
- •Средства обработки бумажных документов
- •Мировой рынок корпоративных информационных систем
- •Экспертные интеллектуальные ис (информационные системы)
- •Структура и типы сии
- •Терминология систем искусственного интеллекта
- •Эволюция экспертных систем
- •Второе поколение экспертных интеллектуальных систем (эис)
- •Первое поколение экспертных систем
- •Третье поколение экспертных интеллектуальных систем (эис)
- •Назначение экспертных интеллектуальных систем (эис)
- •Структура экспертных интеллектуальных систем
- •База знаний (бз). Правила.
- •Интерфейс пользователя - диалог с экспертной системой
- •Решатель (интерпретатор, дедуктивная машина)
- •Виды знаний в экспертных системах
- •Организация знаний в базе данных
- •Уровни представления и уровни детальности
- •Особенности разработки экспертных интеллектуальных систем
- •Технология разработки экспертных интеллектуальных систем
- •Основные компоненты ис офисной автоматизации
- •Ис управления бизнес-процессами
- •Определение вмр( управление бизнес-процессами)
- •Примеры использования вмр(Business Performance Management)
- •Ис банковской деятельности
- •Программно-техническая платформа абс(автоматизированной банковской системы)
- •Функциональная структура абс (автоматизированной банковской системы)
- •Районный уровень статистичекой службы Украины
- •Региональный (областной) уровень статистичекой службы Украины
- •Центральный (государственный) уровень статистичекой службы Украины
- •Ис в налоговых органах Украины
- •Автоматизированная информационная система (аис) «Налоги»
- •Ис(информационная система) в страховании
- •Функциональные подсистемы аис «Страхование»
- •Информационное обеспечение системы страхования
- •Ис(информационные системы) управления персоналом
- •Функциональная направленность систем управления персоналом
- •Эффекты от внедрения hr-систем управления персоналом
- •Ис(информационные системы) на основе производственных стандартов
- •Эволюция стандартов планирования производства
- •Стандарт mrp II (Manufacturing Resource Planning)
- •Подробнее об mrp1 - стандарте планирования материальных ресурсов
- •Входные элементы mrp-системы
- •Основные операции, достоинства и недостатки mrp-системы
- •Преимущества и процесс планирования mrp-систем
- •Принцип работы mrp-системы и результаты работы
- •Требования к производству для успешного внедрения mrp-системы
- •Цели и задачи системы-mpr
- •Процесс crp(Capacity Requirements Planning)
- •Входные данные crp(Capacity Requirements Planning)
- •Значение crp(Capacity Requirements Planning)
- •Подробнее о mrpii - стандарте планирование производственных ресурсов
- •Процессы mprii
- •Цели и задачи системы-mprii
- •Функциональные блоки mrp II
- •Планирование потребностей в сырье и материалах
- •Главный календарный план производства
- •Инструментальное обеспечение
- •Интерфейс с финансовым планированием
- •Оценка деятельности ( Performance Measurement ) в mrp II
- •Планирование продаж и операций
- •Планирование ресурсов распределения
- •Управление входным и выходным материальным потоком в mrp II
- •Преимущества mprii
- •Концепция erp-системы
- •Структура erp - системы
- •Общая характеристика erp
- •Преимущества erp - системы
- •Csrp - стандарт(Customer Synchronized Resource Planning) и система
- •Современная концепция управления ресурсами csrp
- •Преимущества csrp
- •Жизненный цикл - общие понятия
- •Жизненный цикл изделия (жци)
- •Этапы жци
- •Классификация данных в связи со стадиями жци
- •Маркетинг и исследование жизненного цикла.
- •Разработка-производство жц
- •Этапы жц промышленных изделий и системы их автоматизации
- •Жизненный цикл ис
- •Жизненный цикл производственных ис
- •Cals-методология поддержки жц ис
- •Cals-стратегия
- •Cals-технологии
- •Базовые принципы cals-технологии
- •Безмужаное представление информации
- •Виртуальное производство
- •Интегрированная информационная среда cals
- •Концепция cals
- •Параллельный инжиниринг
- •Реинжиниринг бизнес-процессов
- •Системы cals
- •Управление процессами
- •Стандарты cals
- •Другие стандарты cals
- •Стандарт iso 10303 (step)
- •Стандарт iso 13584 (p_lib) и семейство стандартов idef
- •Применение cals
Гиперкубические и поликубические модели данных
Организация данных в МСУБД В различных МСУБД используются два основных варианта организации данных: гиперкубическая модель и поликубическая модель. Различие состоит в том, что системы, поддерживающие поликубическую модель (например, Oracle Express Server), предполагают, что в МБД может быть определено несколько гиперкубов с различной размерностью и с различными измерениями в качестве их граней. Например, значение показателя Рабочее Время Менеджера, скорее всего, не зависит от измерения Модель компьютера и однозначно определяется двумя измерениями: День и Менеджер. В поликубической модели в этом случае может быть объявлено два различных гиперкуба. 2 гиперкуба:
В случае же гиперкубической модели предполагается, что все показатели должны определяться одним и тем же набором измерений. То есть только из-за того, что Объем Продаж определяется тремя измерения-ми, при описании Показателя Рабочее Время Менеджера придется также использовать три измерения и вводить избыточное для этого показателя измерение Модель Компьютера. |
Операции с измерениями
Наличие измерений позволяет производить следующие виды манипулирования для получения анализируемых данных. Виды манипулирования для получения анализируемых данных: Срез (Slice) Пользователя редко интересуют все потенциально возможные комбинации значений измерений. Более того, он практически никогда не работает одновременно сразу со всем гиперкубом данных. Срез (Slice) – это созданное пользователем подмножество гиперкуба, получившееся в результате фиксации значения одного или более измерений не входящих в это подмножество. Пример. Если ограничится значением измерения Модель Компьютера - Celeron, то получится под-множество гиперкуба (в данном случае - двухмерная таблица), содержащее информацию об истории продаж этой модели различными менеджерами в различные годы. Пример. При выборе элемента "Факт" измерения "Сценарий" срез данных представляет собой под-куб, в который входят все остальные измерения. Данные, которые не вошли в сформированный срез, связаны с теми элементами измерения "Сценарий", которые не были указаны в качестве определяющих (например, "План", "Отклонение", "Прогноз" и т. п.). С позиции конечного пользователя "срезом" наиболее часто является двумерная проекция куба. Отображение страницы (Page Display) Текущее представление среза многомерной информации называется отображением страницы (Page Display). Измерения, расположенные по горизонтали (поперек дисплея), определяют измерения в столбцах таблицы. Строки таблиц измерений определяются измерениями, расположенными по вертикали (вдоль дисплея). Выбор элемента измерения страницы позволяет определить, какая именно страница отображается в данный момент. Страница во многом напоминает обычную электронную таблицу и может быть интегрирована практически с любой программой электронных таблиц, где пользователь может в дальнейшем вносить изменения в каждую ячейку. Slice and Dice (нарезка на кубики и ломтики) Slice and Dice (нарезка на кубики и ломтики) - это термин, использующийся для описания функции сложного анализа данных, обеспечиваемой средствами OLAP выборка данных (продольные и поперечные, плоскостные и объемные срезы) из многомерного куба с заданными значениями и заданным взаимным расположением измерений, при котором пользователь обычно использует операции вращения концептуального куба данных и детализации/агрегирования данных. Вращение (Rotate, Pivot, пивотинг) Изменение порядка представления измерений, применяемое при двухмерном представлении данных, называется вращением (Rotate, Pivot, пивотинг). Эта операция обеспечивает возможность визуализации данных в форме, наиболее комфортной для их восприятия. Операция вращения может заключаться в перестановке местами строк и столбцов таблицы, или перемещении интересующих измерений в столбцы или строки создаваемого отчета, что позволяет придавать ему желаемый вид. Кроме того, вращением куба данных является перемещение вне табличных измерений на место измерений, представленных на отображаемой странице, и наоборот (при этом вне табличное измерение становится новым измерением строки или измерением столбца). Пример для первого случая. Имеется отчет, для которого элементы измерения "Время" располагаются поперек экрана (заголовки столбцов таблицы), а элементы измерения "Компьютеры" -вдоль экрана (заголовки строк таблицы). После применения операции вращения отчет будет иметь следующий вид: элементы измерения "Компьютеры" будут расположены по горизонтали, а элементы измерения "Время" -по вертикали. Пример второго случая. Имеется отчет с измерениями "Меры" и "Компьютеры", расположенными по вертикали, и измерением "Время", расположенным по горизонтали. Вращением преобразуется в отчет, у которого измерение "Меры" располагается по вертикали, а измерения "Время" и "Компьютеры" - по горизонтали. При этом элементы измерения "Время" располагаются над элементами измерения "Компьютеры". Пример третьего случая. Вращением можно изменить отчета с расположенным по горизонтали измерением "Время" и измерением "Компьютеры", расположенным по вертикали, в отчет, у которого по горизонтали представлено измерение "Время", а по вертикали - измерение "География". Отношения (Relation) В данном примере значения показателей определяются только тремя измерениями. На самом деле их может быть гораздо больше и между их значениями обычно существуют множество различных отношений (Relation) типа "один ко многим". Следует отметить, что для измерений, имеющих тип Время (таких как День, Месяц, Квартал, Год), все отношения устанавливаются автоматически, и их не требуется описывать. Пример. Каждый Менеджер может работать только в одном подразделении, а каждой модели компьютера однозначно соответствует фирма, которая ее выпускает: Менеджер→Подразделение; Модель Компьютера→ Фирма-Производитель. Агрегации (консолидация) (Drill Up) В процессе анализа пользователь не только работает с различными срезами данных и выполняет их вращение. Одним из часто встречающихся способов манипулирования данными является операция агрегации (консолидации) (Drill Up) -переход от детализированных данных к агрегированным. С точки зрения пользователя, Подразделение, Регион, Фирма, Страна являются точно такими же измерениями, как и Менеджер. Но каждое из них соответствует новому, более высокому уровню агрегации значений показателя Объем продаж. Пример. Проанализировав, насколько успешно в 2005 г . Петров продавал модели "Celeron" и "Athlon", управляющий может захотеть узнать, как выглядит соотношение продаж этих моделей на уровне Подразделения, где Петров работает. А затем получить аналогичную справку по Региону или Фирме. Детализации (Drill Down) Переход от более агрегированных к более детализированным данным называется операцией детализации (Drill Down). Например, начав анализ на уровне Региона, пользователь может захотеть получить более точную информацию о работе конкретного Подразделения или Менеджера. |