- •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
Спуск и консолидация
Спуск и консолидация - это специальная техника анализа, используемая при изучении данных. Пользователь имеет возможность переходить вверх по направлению от детального (down) представления данных к агрегированному (up) и наоборот. Направление детализации (обобщения) может быть задано как по иерархии отдельных измерений, так и согласно прочим отношениям, установленным в рамках измерений или между измерениями. Например, если при анализе данных об объемах продаж в Сумской области выполнить операцию drill-down для измерения "Регион", то на экране будут отображены такие его элементы как "Сумы", "Шостка", и "Ахтырка". В результате дальнейшей детализации элемента "Сумы" будут отображены элементы "Заречный р-н", "Ковпаковский р-н", "Сумский р-н" и т. д. Даже трехмерный куб сложно отобразить на экране компьютера так, чтобы были видны значения интересующих мер, еще более сложно визуализировать кубы с количеством измерений, большим трех. Для представления данных, хранящихся в кубе, применяются, как правило, привычные двумерные, т.е. табличные, представления, имеющие сложные иерархические заголовки строк и столбцов. Двумерное представление куба можно получить, "разрезав" его поперек одной или нескольких осей (измерений), в этом случае фиксируются значения всех измерений, кроме двух, т.е. получается обычная двумерная таблица. В горизонтальной оси таблицы (заголовки столбцов) представлено одно измерение, в вертикальной (заголовки строк) - другое, а в ячейках таблицы - значения мер. При этом набор мер фактически рассматривается как одно из измерений - выбирается для показа либо одна мера (и тогда можно разместить в заголовках строк и столбцов два измерения), либо показывается несколько мер (и тогда одну из осей таблицы займут названия мер, а другую - значения единственного "неразрезанного" измерения). Пример. На рисунке изображены:
Поддержка многомерной модели данных и выполнение многомерного анализа данных осуществляются отдельным приложением или процессом, называемым OLAP-сервером. Клиентские приложения могут запрашивать требуемое многомерное представление и в ответ получать те или иные данные. При этом OLAP-серверы могут хранить многомерные данные разными способами В процессе анализа пользователь может менять точку зрения на данные (так называемая операция смены логического взгляда), просматривая данные в различных разрезах и разрешая конкретные задачи. Над кубами могут выполняться различные операции, включая прогнозирование и условное планирование (анализ типа “что, если”). Причем операции выполняются над кубами, т.е. произведение, например, даст в результате произведение-гиперкуб, каждая ячейка которого является произведением ячеек соответствующих гиперкубов-множителей. Однако куб сам по себе для анализа не пригоден. Если еще можно адекватно представить или изобразить трехмерный куб, то с шести - или девятнадцатимерным дело обстоит значительно хуже. Поэтому перед употреблением из многомерного куба извлекают обычные двумерные таблицы. Эта операция называется "разрезанием" куба. Термин этот образный, аналитик как бы берет и "разрезает" измерения куба по интересующим его меткам. Этим способом аналитик получает двумерный срез куба и с ним работает. Соответственно, "неразрезанными", как правило, остаются только два измерения - по числу измерений таблицы. Бывает, "неразрезанным" остается только измерение - если куб содержит несколько видов числовых значений, они могут откладываться по одному из измерений таблицы. Если внимательно всмотреться в таблицу, на основании которой был создан куб, можно заметить, что находящиеся в ней данные, скорее всего, не являются первичными, а получены в результате суммирования по более мелким элементам. Например, предприятие делится на производства, производства на цеха, цеха на участки, и т.д. Станки можно объединять в группы оборудования и т.д. В терминах OLAP такие многоуровневые объединения называется иерархиями. Средства OLAP дают возможность в любой момент перейти на нужный уровень иерархии. Причем, как правило, для одних и тех же элементов поддерживается несколько видов иерархий: например участок-цех-производство. Исходные данные берутся из нижних уровней иерархий, а затем суммируются для получения значений более высоких уровней. Для того чтобы ускорить процесс перехода, просуммированные значения для разных уровней хранятся в кубе. Таким образом, то, что со стороны пользователя выглядит одним кубом, грубо говоря, состоит из множества более примитивных кубов. |