- •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
Fasmi Пендса и Крита
Позднее Пендс (Nigel Pendse) и Крит (Richard Creeth), считая, что правила Кодда не достаточны для удовлетворительного определения именно OLAP-систем, переработали их в так называемый тест FASMI (Fast Analysis of Shared Multidimensional Information - быстрый анализ разделяемой многомерной информации), который более полно перечисляет требования к продуктам OLAP. FASMI - это аббревиатура от названия каждого пункта теста:
Fast - означает, что система должна обеспечивать выдачу большинства ответов пользователям в пределах приблизительно пяти секунд. При этом самые простые запросы обрабатываются в течение од-ной секунды и очень немногие - более 20-ти секунд.
Analysis - означает, что система может справляться с любым логическим и статистическим анализом, характерным для данного приложения, и обеспечивает его сохранение в виде, доступном для конечного пользователя. Хотя некоторое "предварительное программирование" может быть необходимо, вряд ли стоит считать, что это приемлемый подход, когда все прикладные определения должны быть выполнены профессионалом на соответствующем языке.
Shared - означает, что система осуществляет все требования защиты конфиденциальности (возможно до уровня ячейки) и, если множественный доступ для записи необходим, обеспечивает блокировку модификаций на соответствующем уровне. Не во всех приложениях есть необходимость обратной записи данных. Однако количество таких приложений растет, и система должна быть способна обработать множественные модификации своевременным, безопасным способом;
Ключевое требование. Система должна обеспечить многомерное концептуальное представление данных, включая полную поддержку для иерархий и множественных иерархий, поскольку это определенно наиболее логичный способ анализировать бизнес и организации. Минимальное число измерений, которые должны быть обработаны, не устанавливается, поскольку оно также зависит от приложения, и большинство продуктов OLAP имеет достаточное количество измерений для тех рынков, на которые они нацелены;
Information - возможность обращаться к любой нужной информации независимо от ее объема и места хранения. Необходимая информация должна быть получена там, где она необходима. Однако многое зависит от приложения. Учитывая эти требования к OLAP они должны обеспечивать возможность получать нужную информацию, в каком бы электронном ХД она не находилась. OLAP-cистемы позволяют формировать вместо традиционных запросов к БД «сколько, где, когда» запросы типа: «почему, как и т.п.». Например:
Когда человек задает вопросы, он налагает ограничения, формулируя вопросы во многих измерениях, поэтому процесс анализа в многомерной модели приближен к реальности человеческого мышления. В таблице приведена сравнительная характеристика статического и динамического видов анализа данных.
|
OLAP = многомерное представление = Куб
Особое значение простота доступа к данным играет для системных аналитиков, т.к. они особые потребители корпоративной информации. Задача аналитика - находить закономерности в больших массивах данных. Одиночные факты в БД могут заинтересовать предметного специалиста, в компетенции которого входит поиск конкретной информации. Аналитику одной записи недостаточно -ему, к примеру, могут понадобиться все аналогичные транзакции, например, за месяц, год. Заодно аналитик отбрасывает ненужные ему подробности, и потребляет данные, которые требуются для работы, обязательно содержащие числовые значения - это обусловлено самой сущностью его деятельности. Итак, аналитику нужно много данных, которые являются выборочными, а также носят характер "набор атрибутов - число". Задачей аналитика является выявление стойких взаимосвязей между атрибутами и числовыми параметрами. В основе OLAP лежит идея многомерной модели данных, в которой на смену таким понятиям как отношения и сущности приходят понятия измерений и кубов данных. Технология OLAP, которую называют также интерактивной (диалоговой) аналитической обработкой, дает возможность на основе многомерной (гиперкубической) модели данных (в отличие от плоской реляционной модели данных) моделировать реальные структуры и связи, которые есть исключительно важными для аналитических систем. Она предназначенная для создания мульти параметрических моделей с целью более адекватно отбивать реальные процессы. Технология OLAP разрешает быстро изменять взгляды на данные в зависимости от выбранных параметров и обеспечить лицу, которое принимает решения, полную картину анализируемых ситуаций. Измерение С точки зрения анализа каждый анализируемый факт удобно рассматривать как функцию от его характеристик. Например, производство изделия есть функция от материалов, станков, рабочих, инженеров, технологов, управленцев, возможно, еще каких-то существенных параметров. Параметры такого типа носят название измерений. Реляционная база данных, содержащая всю информацию о предметной области, превращается в ХД в терминах OLAP, а процесс создания структуры аналитической системы сводится к определению измерений и организации витрин данных. Многомерный анализ Одновременный анализ по нескольким измерениям определяется как многомерный анализ. По измерениям (осям) в многомерной модели откладывают основные факторы (атрибуты), влияющие на деятельность предприятия, т.е. то, по чему ведется анализ. В качестве одного из измерений используется время, иными могут быть, например, изделия, филиалы компании и т.п. Так получают многомерный куб (гиперкуб, метакуб, куб фактов), который затем наполняется показателями деятельности предприятия (цены, продажи, план, прибыли, убытки и т.п.). При том гиперкуб является концептуальной логической моделью организации данных, а не физической реализацией их хранения, поскольку храниться такие данные могут и в реляционных таблицах. Гиперкуб (Hypercube) На самом деле, с точки зрения строгой математики кубом такой массив будет далеко не всегда: у на-стоящего куба количество элементов во всех измерениях должно быть одинаковым, а у кубов OLAP такого ограничения нет. Тем не менее, несмотря на эти детали, термин гиперкуб (метакуб) ввиду своей краткости и образности стал общепринятым. Гиперкуб (Hypercube) – это умозрительная многомерная конструкция в многомерном пространстве, образованном плоскостями данных, которые важны для деятельности предприятия. При этом сама OLAP-система выступает именно в роли гиперкуба, способного накапливать в себе всю информацию, интересующую руководителя. В качестве ребер (осей) куба в таком случае выступают различные данные. Пример. Товар, цена производимого или конкурентного товара, регион, тип покупателя компании-участники производственного цикла, подрядчики при организации услуг, объемы продаж, география самой компании. |