- •Глоссарий
- •Тема 1. Информация в контексте современной экономики
- •1. Информационное пространство как среда анализа.
- •2. Понятие информационного пространства.
- •3. Структура информационного пространства.
- •4. Элементы структуры информационного пространства. Понятие показателя.
- •Объем продаж (автомобиль, значение объема продаж)
- •И (модель автомобиля, время)
- •И (модель автомобиля (менеджер, регион, год, покупатель))
- •S (модель автомобиля, фирма изготовитель, год выпуска)
- •5. Пространственная интерпретация понятия показатель.
- •6. Единое информационное пространство предприятия.
- •Тема 2. Анализ информации на предприятии
- •1. Виды и задачи анализа на предприятии.
- •2. Содержание экономических показателей.
- •3. Классификация методов анализа.
- •4. Источники данных для проведения анализа.
- •Тема 3. Информационно – аналитическая система как инструмент проведения экономического анализа
- •1. Общее понятие информационно – аналитической системы.
- •2. Функции и сферы применения иас.
- •3. Классификация аналитических систем.
- •Полный классификатор аналитических систем
- •Инструменты добычи данных.
- •Средства построения Хранилищ и Витрин данных.
- •Управленческие информационные системы и приложения.
- •4. Концепции построения иас.
- •5. Общая структура информационной аналитической системы.
- •Тема 4. Хранилища данных
- •1. Пространственная интерпретация данных.
- •Реляционная модель представления данных
- •Многомерная модель представления данных
- •1) Формирование "Среза".
- •2) Операция "Вращение".
- •3) Отношения и Иерархические Отношения.
- •5) Операция Детализации.
- •2. Понятие хранилища данных.
- •Основные требования к данным в Хранилище Данных
- •Централизованное хранилище данных
- •Распределенное хранилище данных
- •Автономные витрины данных
- •Единое интегрированное хранилище и много витрин данных
- •3. Структура хранилищ данных.
- •4. Вопросы реализации Хранилищ Данных.
- •Неоднородность программной среды.
- •Распределенность.
- •Метаданные.
- •Роль метаданных в системах Хранилищ Данных.
- •Уровни метаданных в Хранилище Данных
- •Вопросы защиты данных
- •Задачи Хранилища данных
- •1. Консолидация данных.
- •2. Интеграция данных.
- •Консолидация данных
- •Интеграция данных
- •Агрегация данных
- •Расчеты производных показателей
- •Предоставление данных для поддержки принятия решений (dss)
- •Тема 5. Оперативный анализ данных
- •1. Место olap в информационной структуре предприятия.
- •2. Оперативная аналитическая обработка данных.
- •3. Требования к средствам оперативной аналитической обработки.
- •Правила оценки программных продуктов класса olap
- •4. Классификация olap-продуктов.
- •Классификация по способу хранения данных
- •5. Принципы работы olap-клиентов.
- •6. Выбор архитектуры olap-приложения.
- •5. Склад.
- •6. Движение денежных средств.
- •7. Бюджет.
- •8. Бухгалтерские счета.
- •9. Финансовая отчетность.
- •1. Интеллектуальный анализ данных.
- •2. Стадии иад.
- •1. Свободный поиск (Discovery).
- •2. Прогностическое моделирование (Predictive Modeling).
- •3. Анализ исключений (Forensic Analysis).
- •4. Методы иад.
- •1. Непосредственное использование обучающих данных.
- •2. Выявление и использование формализованных закономерностей.
- •3. Методы вывода уравнений.
- •4. Типы закономерностей.
- •5. Типовые задачи для методов иад.
- •6. Области применения Data mining.
- •Розничная торговля.
- •Банковское дело.
- •Телекоммуникации.
- •Страхование.
- •Другие приложения в бизнесе.
- •7. Классы систем Data Mining.
- •8. Интеграция olap и иад.
- •Тема 7. Инструментальные средства автоматизации аналитической работы и планирования
- •1. Инструментальные средства поддержки аналитической работы и их классификация.
- •2 Аналитические инструментальные средства пакетов прикладных программ широкого применения.
- •Crystal Enterprise (по материалам www.Interface.Ru).
- •3 Специализированные информационно-аналитические системы:
- •Категории продуктов.
- •Тема 8. Программные инструментальные средства информационно – аналитических систем
- •1. Назначение и сферы применения продуктов компании Intersoft Lab.
- •Система доставки отчетов удаленным пользователям.
- •Система подготовки отчетности в локальной сети.
- •Персональная система отчетности.
- •2. Состав и назначение систем Аналитической Платформы Контур.
- •3. Понятие микрокуба.
- •4. Назначение и принципы работы системы «Контур Стандарт».
- •5. Работа с системой «Контур Стандарт».
- •6. Пример анализа продаж по данным бд “Northwind” с помощью «Контур Стандарт».
Задачи Хранилища данных
В классическом представлении под целью создания Хранилища данных понимается поддержка принятия решений, другим словами обеспечение всех менеджеров предприятия полной, достоверной, согласованной и своевременной информацией из единого источника. Для реализации этой цели Хранилище данных должно выполнять ряд задач:
1. Консолидация данных.
2. Интеграция данных.
3. Агрегация данных.
4. Расчеты производных показателей.
5. Предоставление данных для поддержки принятия решений (DSS).
Консолидация данных
Консолидация данных – это сбор в единую базу данных из удаленных филиалов многофилиального предприятия, или предприятий, входящих в холдинг (рис. 9). Консолидированные данные необходимы центральному руководству, чтобы осуществлять глобальное управление бизнесом, внедрять единую политику в филиалах и осуществлять контроль над их деятельностью.
Рисунок 9. Консолидация данных многоуровневого предприятия
Задача консолидации осложняется тем, что часто распределенные структуры создаются путем слияния предприятий, уже имеющих некоторый уровень автоматизации, обученный определенным системам персонал. Поэтому во многих случаях в филиалах работают различные системы автоматизации. Единственным способом консолидации данных в этих условиях является применение разрозненных программ сбора показателей отчетности или единого Хранилища данных.
Интеграция данных
Интеграция данных – это объединение данных, которые изначально вводятся в разные системы. Сами эти системы могут располагаться в одной локальной сети, но иметь различные платформы и внутреннюю архитектуру (рис. 10). Такая ситуация практически неизбежна во всех предприятиях занимающихся сложным бизнесом. Как правило, один единственный поставщик не может создать систему, в которой одинаково хорошо решены вопросы бухгалтерского учета и автоматизации производственного цикла, управления кадрами и документооборота и так далее.
Рисунок 10. Интеграция данных из разнородных источников
Кроме того, существуют задачи, например, маркетингового анализа, привлечения клиентов, анализа конкурентной среды, которые по своей природе требуют получения (покупки) информации от разных поставщиков. Эта информация поставляется в виде разнообразных баз данных или электронных таблиц и требует загрузки в общую базу данных для совместного анализа.
Агрегация данных
Агрегация данных – это вычисление обобщенных показателей для поддержки стратегического или тактического управления из детальных данных. Например, все записи о продажах двухсот тысяч наименований товаров тысяче оптовых покупателям за каждый день года преобразуются в данные о продажах десяти категорий товаров пяти категориям покупателей в разрезе месяцев и кварталов года и регионов (рис. 11). Эти данные используются впоследствии менеджерами для принятия решений об изменениях направлений бизнеса, расширении рынка, анализа сезонных колебаний спроса на товары разных категорий.
Рисунок 11. Предварительная агрегация данных по разным разрезам
Предварительный расчет агрегированных показателей применяется для того, чтобы руководитель получал ответы на подобные запросы предельно быстро. В то же время в хранилище собираются максимально детальные данные, что позволяет строить отчеты в произвольных аналитических разрезах, вычисляя агрегаты по мере возникновения в них потребности.