4IT218 Databáze. 4IT218 Databáze

Rozměr: px
Začít zobrazení ze stránky:

Download "4IT218 Databáze. 4IT218 Databáze"

Transkript

1 4IT218 Databáze Osmá přednáška Dušan Chlapek (katedra informačních technologií, VŠE Praha) 4IT218 Databáze Osmá přednáška Normalizace dat - dokončení Transakce v databázovém zpracování

2 Program přednášek (12 přednášek) Týden Kalendář Program Cíle předmětu, základní pojmy, relační algebra Databázové jazyky. SQL - Přehled norem jazyka SQL. SQL příkaz Select. Vlastnosti relačních databázových systémů SQL - dokončení manipulačních příkazů, definiční příkazy Nástroje dbs ORACLE pro zadávání a ladění příkazů SQL Vlastnosti relačních databázových systémů. Datové modelování úvod Datové modelování Transformace datového modelu do relačních datových struktur. Normalizace dat Transakční zpracování, ochrana a bezpečnost v databázovém zpracování Odpadá - státní svátek Fyzické struktury implementační úroveň návrhu datové základy. Optimalizace v databázových systémech Architektury databázového zpracování. Další databázové modely objektově relační, hierarchické a síťové dbs Objektové dbs. Trendy a kritéria hodnocení a výběru dbs Demonstrace vybraného databázového systému. Transformace z konceptuálního schématu do logických struktur (technologické úrovně)

3 Normalizace dat Technika datové analýzy. Zabývá se vztahy na úrovni datových položek (atributů) typů záznamů. Cílem je: vytvořit co nejvěrnější obraz v modelovaném světě existujících entitních množin, zajistit interní konzistenci datového modelu, resp. databáze, minimalizovat redundance, maximalizovat stabilitu datových struktur. Technika vytvořena pro ověření správnosti struktury relačních tabulek v relační databázi. Technika je ale použitelná i pro ověření správnosti navrženého konceptuálního modelu. Normalizace dat Co se dá normalizovat? struktura tabulek v existující relační databázi, struktura tabulek v navrhované relační databázi, entitní množiny z konceptuálního datového modelu, jakákoliv množina datových položek, např. obsah nějakého formuláře. S využitím automatizovaných nástrojů (CASE) lze techniku využít i pro návrh části databáze. Pozn.: Data získaná normalizací nemusí být optimalizovaná z hlediska výkonnosti provozovaného databázového systému.

4 Normalizace dat Sada normálních norem - podmínek, které musí splňovat normalizovaný záznam: První normální forma, Druhá normální forma, Třetí normální forma, Boyce / Coddova normální forma, Čtvrtá normální forma, Pátá normální forma. Pozn.: Nejčastěji uváděny pouze první tři normální formy. První čtyři normální formy zkoumají vztah neklíčových položek na primárním klíči. Poslední dvě normy zkoumají vztahy uvnitř složených primárních klíčů. První normální forma Záznam PRACE: OS_CISLO (PRIMÁRNÍ KLÍČ) JMENO PLAT TYM DAT_ZAH_PRACE PLAN_DOKONC_PRACE n x Záznam je v první normální formě, pokud neobsahuje opakující se položku nebo skupinu položek.

5 Záznam PRACE: OS_CISLO (PRIMÁRNÍ KLÍČ) JMENO PLAT TYM DAT_ZAH_PRACE PLAN_DOKONC_PRACE První normální forma n x Záznam je v první normální formě, pokud neobsahuje opakující se položku nebo skupinu položek. Záznam PROGRAMATOR: OS_CISLO (PRIMÁRNÍ KLÍČ) JMENO PLAT TYM Záznam PROGRAM: (PRIMÁRNÍ KLÍČ) DAT_ZAH_PRACE PLAN_DOKONC_PRACE OS_CISLO Záznam PRACE: OS_CISLO (PRIMÁRNÍ KLÍČ) JMENO PLAT TYM DAT_ZAH_PRACE PLAN_DOKONC_PRACE První normální forma n x Záznam je v první normální formě, pokud neobsahuje opakující se položku nebo skupinu položek. Záznam PROGRAMATOR: OS_CISLO (PRIMÁRNÍ KLÍČ) JMENO PLAT TYM Záznam PROGRAM: (PRIMÁRNÍ KLÍČ) DAT_ZAH_PRACE PLAN_DOKONC_PRACE OS_CISLO OS_CISLO NAZEV_PROGRAMU PROGRAMATOR RESI PROGRAM

6 Druhá normální forma Záznam POUZITI: ID SLUZBY (PRIMÁRNÍ KLÍČ) ID PROGRAMU (PRIMÁRNÍ KLÍČ) NAZEV SLUZBY DATUM ZAHAJENI PROVOZU SLUZBY PLANOVANE DATUM UKONCENI SLUZBY ODPOVEDNOST ZA UPRAVY PROGRAMU POCET POUZITI Záznam je v druhé normální formě, pokud je v první normální formě a pokud všechny neklíčové položky závisí na celém složeném primárním klíči. Druhá normální forma Záznam POUZITI: ID SLUZBY (PRIMÁRNÍ KLÍČ) ID PROGRAMU (PRIMÁRNÍ KLÍČ) NAZEV SLUZBY DATUM ZAHAJENI PROVOZU SLUZBY PLANOVANE DATUM UKONCENI SLUZBY ODPOVEDNOST ZA UPRAVY PROGRAMU POCET POUZITI Záznam je v druhé normální formě, pokud je v první normální formě a pokud všechny neklíčové položky závisí na celém složeném primárním klíči.

7 Druhá normální forma Záznam POUZITI: ID SLUZBY (PRIMÁRNÍ KLÍČ) ID PROGRAMU (PRIMÁRNÍ KLÍČ) NAZEV SLUZBY DATUM ZAHAJENI PROVOZU SLUZBY PLANOVANE DATUM UKONCENI SLUZBY ODPOVEDNOST ZA UPRAVY PROGRAMU POCET POUZITI Záznam je v druhé normální formě, pokud je v první normální formě a pokud všechny neklíčové položky závisí na celém složeném primárním klíči. Záznam SLUZBA: ID SLUZBY (PK) NAZEV SLUZBY DATUM ZAHAJENI PROVOZU SLUZBY PLANOVANE DATUM UKONCENI SLUZBY Záznam POUZITI: ID SLUZBY (PK) ID PROGRAMU (PK) POCET POUZITI Záznam PROGRAM: ID PROGRAMU (PK) ODPOVEDNOST ZA UPRAVY PROGRAMU POCET POUZITI Druhá normální forma Záznam POUZITI: ID SLUZBY (PRIMÁRNÍ KLÍČ) ID PROGRAMU (PRIMÁRNÍ KLÍČ) NAZEV SLUZBY DATUM ZAHAJENI PROVOZU SLUZBY PLANOVANE DATUM UKONCENI SLUZBY ODPOVEDNOST ZA UPRAVY PROGRAMU POCET POUZITI Záznam je v druhé normální formě, pokud je v první normální formě a pokud všechny neklíčové položky závisí na celém složeném primárním klíči. Záznam SLUZBA: ID SLUZBY (PK) NAZEV SLUZBY DATUM ZAHAJENI PROVOZU SLUZBY PLANOVANE DATUM UKONCENI SLUZBY OS_CISLO Záznam POUZITI: ID SLUZBY (PK) ID PROGRAMU (PK) POCET POUZITI POCET POUZITI Záznam PROGRAM: ID PROGRAMU (PK) ODPOVEDNOST ZA UPRAVY PROGRAMU POCET POUZITI ID PROGRAMU SLUZBA POUZITI PROGRAM

8 Záznam FAKTURA: CISLO FAKTURY (PRIMÁRNÍ KLÍČ) DATUM VYSTAVENI CASTKA CISLO ZAKAZNIKA ADRESA ZAKAZNIKA BANKOVNI SPOJENI ZAKAZNIKA DATUM SPLATNOSTI Třetí normální forma Záznam je ve třetí normální formě, pokud je ve druhé a pokud neobsahuje tranzitivní závislosti. Tranzitivní závislost je funkční závislost dvou neklíčových atributů. Záznam FAKTURA: CISLO FAKTURY (PRIMÁRNÍ KLÍČ) DATUM VYSTAVENI CASTKA CISLO ZAKAZNIKA ADRESA ZAKAZNIKA BANKOVNI SPOJENI ZAKAZNIKA DATUM SPLATNOSTI Třetí normální forma Záznam je ve třetí normální formě, pokud je ve druhé a pokud neobsahuje tranzitivní závislosti. Tranzitivní závislost je funkční závislost dvou neklíčových atributů.

9 Záznam FAKTURA: CISLO FAKTURY (PRIMÁRNÍ KLÍČ) DATUM VYSTAVENI CASTKA CISLO ZAKAZNIKA ADRESA ZAKAZNIKA BANKOVNI SPOJENI ZAKAZNIKA DATUM SPLATNOSTI Třetí normální forma Záznam je ve třetí normální formě, pokud je ve druhé a pokud neobsahuje tranzitivní závislosti. Tranzitivní závislost je funkční závislost dvou neklíčových atributů. Záznam ZAKAZNIK: CISLO ZAKAZNIKA (PRIMÁRNÍ KLÍČ) ADRESA ZAKAZNIKA BANKOVNI SPOJENI ZAKAZNIKA Záznam FAKTURA: CISLO FAKTURY (PRIMÁRNÍ KLÍČ) DATUM VYSTAVENI CASTKA DATUM SPLATNOSTI CISLO ZAKAZNIKA Záznam FAKTURA: CISLO FAKTURY (PRIMÁRNÍ KLÍČ) DATUM VYSTAVENI CASTKA CISLO ZAKAZNIKA ADRESA ZAKAZNIKA BANKOVNI SPOJENI ZAKAZNIKA DATUM SPLATNOSTI Třetí normální forma Záznam je ve třetí normální formě, pokud je ve druhé a pokud neobsahuje tranzitivní závislosti. Tranzitivní závislost je funkční závislost dvou neklíčových atributů. Záznam ZAKAZNIK: CISLO ZAKAZNIKA (PRIMÁRNÍ KLÍČ) ADRESA ZAKAZNIKA BANKOVNI SPOJENI ZAKAZNIKA Záznam FAKTURA: CISLO FAKTURY (PRIMÁRNÍ KLÍČ) DATUM VYSTAVENI CASTKA DATUM SPLATNOSTI CISLO ZAKAZNIKA CISLO ZAKAZNIKA CISLO FAKTURY ZAKAZNIK vystaveni FAKTURA

10 Boyce / Coddova normální forma Eliminuje potencionální redundance v záznamu, kde existuje více variant primárních klíčů (kandidátů primárního klíče). Závislosti na vybraném primárním klíči nemusí postihovat všechny možné problémy. Pokud existuje jiná varianta primárního klíče, je zvolena a opětovně je provedeno prověření, že záznam splňuje podmínku třetí normální formy. Čtvrtá normální forma Záznam KVALIFIKACE A CILE ZAMESTNANCU: ID ZAMESTNANCE (PK) KVALIFIKACE (PK) CIL (PK) Umožňuje rozlišení a oddělení nezávislých vícehodnotových atributů vytvářejících složený primární klíč. ID ZAMESTNANCE KVALIFIKACE Účetnictví Těsnopis Účetnictví Těsnopis CIL více peněz pochvala od vedoucího pochvala od vedoucího více peněz

11 Čtvrtá normální forma Záznam KVALIFIKACE A CILE ZAMESTNANCU: ID ZAMESTNANCE (PK) KVALIFIKACE (PK) CIL (PK) Umožňuje rozlišení a oddělení nezávislých vícehodnotových atributů vytvářejících složený primární klíč. ID ZAMESTNANCE KVALIFIKACE Účetnictví Těsnopis Účetnictví Těsnopis CIL více peněz pochvala od vedoucího pochvala od vedoucího více peněz Záznam KVALIFIKACE ZAMESTNANCE: ID ZAMESTNANCE (PK) KVALIFIKACE (PK) Záznam CILE ZAMESTNANCE: ID ZAMESTNANCE (PK) CIL (PK) ID ZAMESTNANCE KVALIFIKACE ID ZAMESTNANCE CIL Účetnictví více peněz Těsnopis pochvala od vedoucího Čtvrtá normální forma Záznam KVALIFIKACE A CILE ZAMESTNANCU: ID ZAMESTNANCE (PK) KVALIFIKACE (PK) CIL (PK) Umožňuje rozlišení a oddělení nezávislých vícehodnotových atributů vytvářejících složený primární klíč. Cil přiřazení Kvalifikace Zaměstnanec

12 Čtvrtá normální forma Záznam KVALIFIKACE A CILE ZAMESTNANCU: ID ZAMESTNANCE (PK) KVALIFIKACE (PK) CIL (PK) Umožňuje rozlišení a oddělení nezávislých vícehodnotových atributů vytvářejících složený primární klíč. Cil přiřazení Kvalifikace stanovení Zaměstnanec získání Pátá normální forma Záznam o VZTAHU MEZI NÁKUPČÍMI, PRODEJCI A ZBOŽÍ: NÁKUPČÍ (PK) PRODEJCE (PK) ZBOŽÍ (PK) MNOŽSTVÍ Umožňuje rozlišení a oddělení párových cyklických závislostí, které se objevují v primárním klíči složeném ze tří a více atributů. NAKUPCI PRODEJCE ZBOZI MNOZSTVI Potraviny Praha Becher 100 Novák Potraviny Praha Becher 200 Potraviny Praha Chleba 1000 Novák Tesla Karlín Televize 50 Tesla Karlín Televize 20

13 Pátá normální forma Záznam o VZTAHU MEZI NÁKUPČÍMI, PRODEJCI A ZBOŽÍ: NÁKUPČÍ (PK) PRODEJCE (PK) ZBOŽÍ (PK) MNOŽSTVÍ Umožňuje rozlišení a oddělení párových cyklických závislostí, které se objevují v primárním klíči složeném ze tří a více atributů. NAKUPCI PRODEJCE ZBOZI MNOZSTVI Potraviny Praha Becher 100 Novák Potraviny Praha Becher 200 Potraviny Praha Chleba 1000 Novák Tesla Karlín Televize 50 Tesla Karlín Televize 20 Předpokládejme: jestliže nákupčí A nakupuje od prodejce B a současně prodejce B prodává zboží C a současně nákupčí A potřebuje nakoupit zboží C, pak zboží C nakoupí od prodejce B. Záznam o VZTAHU MEZI NÁKUPČÍMI, PRODEJCI A ZBOŽÍ: NÁKUPČÍ (PK) PRODEJCE (PK) ZBOŽÍ (PK) MNOŽSTVÍ Pátá normální forma obchodují Umožňuje rozlišení a oddělení párových cyklických závislostí, které se objevují v primárním klíči složeném ze tří a více atributů. Nákupčí nákup Prodejce nakupuje Zboží prodává

14 Pátá normální forma Záznam o VZTAHU MEZI NÁKUPČÍMI, PRODEJCI A ZBOŽÍ: NÁKUPČÍ (PK) PRODEJCE (PK) ZBOŽÍ (PK) MNOŽSTVÍ obchodují Umožňuje rozlišení a oddělení párových cyklických závislostí, které se objevují v primárním klíči složeném ze tří a více atributů. Nákupčí nákup Prodejce nakupuje Zboží prodává Záznam o VZTAHU MEZI NÁKUPČÍMI, PRODEJCI A ZBOŽÍ: NÁKUPČÍ (PK) PRODEJCE (PK) ZBOŽÍ (PK) MNOŽSTVÍ Pátá normální forma obchodují Umožňuje rozlišení a oddělení párových cyklických závislostí, které se objevují v primárním klíči složeném ze tří a více atributů. MNOZSTVI Nákupčí nakoupil Prodejce nakupuje Zboží prodává

15 Pátá normální forma obchodují MNOZSTVI Umožňuje rozlišení a oddělení párových cyklických závislostí, které se objevují v primárním klíči složeném ze tří a více atributů. Nákupčí nakoupil Prodejce nakupuje Zboží prodává Záznam NAKUPUJE: NÁKUPČÍ (PK) ZBOŽÍ (PK) Záznam OBCHODUJE: NÁKUPČÍ (PK) PRODEJCE (PK) Záznam PRODAVA: PRODEJCE (PK) ZBOŽÍ (PK) Záznam NAKOUPIL: NÁKUPČÍ (PK) PRODEJCE (PK) ZBOŽÍ (PK) MNOŽSTVÍ Konceptuální schéma = model obsahu datové základny na konceptuální úrovni KSR = Konceptuální schéma reality KSD = Konceptuální schéma dat OBRAZ PROVOZOVANÉ DZ

16 4IT218 Databáze Osmá přednáška Normalizace dat - dokončení Transakce v databázovém zpracování Databázová zpracování rozlišujeme databázová zpracování: OLTP - Online TRANSACTION Processing zpracování velkého počtu relativně malých transakcí; pojem transakce odvozen z bankovnictví; výkonnost v počtu transakcí za minutu. OLAP - Online ANALYTICAL Processing zpracování vícedimensionálních dotazů (OLAP kostky); používá se zejména pro aplikace na podporu rozhodování, aplikace BI (Business Intelligence); výkonnost v počtu dotazů za hodinu. Pozn.: Setkáme se i s pojmem ROLAP, "R" znamená, že se jedná o OLAP zpracování na relačním databázovým systémem. Existují však i další druhy OLAP zpracování, napš. WOLAP -Web-based OLAP, RTOLAP - Real-Time OLAP.

17 Transakce v databázovém zpracování logická posloupnost operací, která je promítána do databáze jako celek, slouží k zajištění konzistence databáze a k řízení víceuživatelského přístupu k datům. Vlastnosti transakce (ACID): Atomicity (transakce se tváří jako jeden celek, musí proběhnout celá nebo vůbec ne), Consistency (transakce transformuje databázi z jednoho konzistentního stavu do jiného konzistentního stavu), Independence (transakce jsou nezávislé, změny prováděné jednou transakcí nejsou viditelné ostatním transakcím), Durability (efekty potvrzené transakce jsou uloženy do databáze).

4IT218 Databáze. 4IT218 Databáze

4IT218 Databáze. 4IT218 Databáze 4IT218 Databáze Šestá přednáška Dušan Chlapek (katedra informačních technologií, VŠE Praha) 4IT218 Databáze Datové modelování Transformace KS do LS Šestá přednáška Program přednášek (12 přednášek) Týden

Více

Marketingová komunikace. 2. a 3. soustředění. Mgr. Pavel Vávra 9103@mail.vsfs.cz. Kombinované studium Skupina N9KMK3PH (vm3aph)

Marketingová komunikace. 2. a 3. soustředění. Mgr. Pavel Vávra 9103@mail.vsfs.cz. Kombinované studium Skupina N9KMK3PH (vm3aph) Marketingová komunikace Kombinované studium Skupina N9KMK3PH (vm3aph) 2. a 3. soustředění Mgr. Pavel Vávra 9103@mail.vsfs.cz http://vavra.webzdarma.cz/home/index.htm Co nás čeká: 2. soustředění 16.1.2009

Více

Základy business intelligence. Jaroslav Šmarda

Základy business intelligence. Jaroslav Šmarda Základy business intelligence Jaroslav Šmarda Základy business intelligence Business intelligence Datový sklad On-line Analytical Processing (OLAP) Kontingenční tabulky v MS Excelu jako příklad OLAP Dolování

Více

Databáze Bc. Veronika Tomsová

Databáze Bc. Veronika Tomsová Databáze Bc. Veronika Tomsová Databázové schéma Mapování konceptuálního modelu do (relačního) databázového schématu. 2/21 Fyzické ik schéma databáze Určuje č jakým způsobem ů jsou data v databázi ukládána

Více

5. Formalizace návrhu databáze

5. Formalizace návrhu databáze 5. Formalizace návrhu databáze 5.1. Úvod do teorie závislostí... 2 5.1.1. Funkční závislost... 2 5.1.2. Vícehodnotová závislost (multizávislost)... 7 5.1.3. Závislosti na spojení... 9 5.2. Využití teorie

Více

Inovace tohoto kurzu byla spolufinancována z Evropského sociálního fondu a státního rozpočtu České republiky.

Inovace tohoto kurzu byla spolufinancována z Evropského sociálního fondu a státního rozpočtu České republiky. Inovace tohoto kurzu byla spolufinancována z Evropského sociálního fondu a státního rozpočtu České republiky. Projekt ESF OP VK reg.č. CZ.1.07/2.2.00/28.0209 Elektronické opory a e-learning pro obory výpočtového

Více

Marketingová komunikace. 3. soustředění. Mgr. Pavel Vávra 9103@mail.vsfs.cz. Kombinované studium Skupina N9KMK3PH (vm3bph)

Marketingová komunikace. 3. soustředění. Mgr. Pavel Vávra 9103@mail.vsfs.cz. Kombinované studium Skupina N9KMK3PH (vm3bph) Marketingová komunikace Kombinované studium Skupina N9KMK3PH (vm3bph) 3. soustředění Mgr. Pavel Vávra 9103@mail.vsfs.cz http://vavra.webzdarma.cz/home/index.htm Zdroje Studijní materiály Heleny Palovské

Více

Databázové systémy. Doc.Ing.Miloš Koch,CSc. koch@fbm.vutbr.cz

Databázové systémy. Doc.Ing.Miloš Koch,CSc. koch@fbm.vutbr.cz Databázové systémy Doc.Ing.Miloš Koch,CSc. koch@fbm.vutbr.cz Vývoj databázových systémů Ukládání dat Aktualizace dat Vyhledávání dat Třídění dat Výpočty a agregace 60.-70. léta Program Komunikace Výpočty

Více

ARCHITEKTURA INFORMAČNÍCH SYSTÉMŮ PODLE ÚROVNĚ ŘÍZENÍ

ARCHITEKTURA INFORMAČNÍCH SYSTÉMŮ PODLE ÚROVNĚ ŘÍZENÍ ARCHITEKTURA INFORMAČNÍCH SYSTÉMŮ PODLE ÚROVNĚ ŘÍZENÍ Podle toho, zda informační systém funguje na operativní, taktické nebo strategické řídicí úrovni, můžeme systémy rozdělit do skupin. Tuto pyramidu

Více

Materiál byl vytvořen v rámci projektu Nové výzvy, nové příležitosti, nová škola

Materiál byl vytvořen v rámci projektu Nové výzvy, nové příležitosti, nová škola Materiál byl vytvořen v rámci projektu Nové výzvy, nové příležitosti, nová škola Tento projekt je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky Co je to databáze? Jaké

Více

Modely datové. Další úrovní je logická úroveň Databázové modely Relační, Síťový, Hierarchický. Na fyzické úrovni se jedná o množinu souborů.

Modely datové. Další úrovní je logická úroveň Databázové modely Relační, Síťový, Hierarchický. Na fyzické úrovni se jedná o množinu souborů. Modely datové Existují různé úrovně pohledu na data. Nejvyšší úroveň je úroveň, která zachycuje pouze vztahy a struktury dat samotných. Konceptuální model - E-R model. Další úrovní je logická úroveň Databázové

Více

3 zdroje dat. Relační databáze EIS OLAP

3 zdroje dat. Relační databáze EIS OLAP Zdroje dat 3 zdroje dat Relační databáze EIS OLAP Relační databáze plochá dvourozměrná tabulková data OLTP (Online Transaction Processing) operace selekce projekce spojení průnik, sjednocení, rozdíl dotazování

Více

Marketingová komunikace. 2. soustředění. Mgr. Pavel Vávra 9103@mail.vsfs.cz. Kombinované studium Skupina N9KMK1aPH/N9KMK1bPH (um1a1ph/um1b1ph)

Marketingová komunikace. 2. soustředění. Mgr. Pavel Vávra 9103@mail.vsfs.cz. Kombinované studium Skupina N9KMK1aPH/N9KMK1bPH (um1a1ph/um1b1ph) Marketingová komunikace Kombinované studium Skupina N9KMK1aPH/N9KMK1bPH (um1a1ph/um1b1ph) 2. soustředění Mgr. Pavel Vávra 9103@mail.vsfs.cz http://vavra.webzdarma.cz/home/index.htm Minulé soustředění úvod

Více

Databázové systémy úvod

Databázové systémy úvod Databázové systémy úvod Michal Valenta Katedra softwarového inženýrství FIT České vysoké učení technické v Praze c Michal Valenta, 2012 BI-DBS, ZS 2012/13 https://edux.fit.cvut.cz/courses/bi-dbs/ Michal

Více

Kapitola 7: Návrh relačních databází. Nástrahy relačního návrhu. Příklad. Rozklad (dekompozice)

Kapitola 7: Návrh relačních databází. Nástrahy relačního návrhu. Příklad. Rozklad (dekompozice) - 7.1 - Kapitola 7: Návrh relačních databází Nástrahy návrhu relačních databází Dekompozice (rozklad) Normalizace použitím funkčních závislostí Nástrahy relačního návrhu Návrh relačních databází vyžaduje

Více

předměty: ukončení: Zápočet + Zkouška / 5kb např. jméno, název, destinace, město např. student Jan Novák, narozen 18.5.1974

předměty: ukončení: Zápočet + Zkouška / 5kb např. jméno, název, destinace, město např. student Jan Novák, narozen 18.5.1974 základní informace Databázové systémy Úvodní přednáška předměty: KI/DSY (B1801 Informatika - dvouoborová) KI/P502 (B1802 Aplikovaná informatika) ukončení: Zápočet + Zkouška / 5kb ki.ujep.cz termínovník,

Více

Analýza a modelování dat 3. přednáška. Helena Palovská

Analýza a modelování dat 3. přednáška. Helena Palovská Analýza a modelování dat 3. přednáška Helena Palovská Historie databázových modelů Relační model dat Codd, E.F. (1970). "A Relational Model of Data for Large Shared Data Banks". Communications of the ACM

Více

DATABÁZOVÉ SYSTÉMY. Metodický list č. 1

DATABÁZOVÉ SYSTÉMY. Metodický list č. 1 Metodický list č. 1 Cíl: Cílem předmětu je získat přehled o možnostech a principech databázového zpracování, získat v tomto směru znalosti potřebné pro informačního manažera. Databázové systémy, databázové

Více

Marketingová komunikace. 1. soustředění. Mgr. Pavel Vávra 9103@mail.vsfs.cz. Kombinované studium Skupina N9KMK3PH (vm3aph)

Marketingová komunikace. 1. soustředění. Mgr. Pavel Vávra 9103@mail.vsfs.cz. Kombinované studium Skupina N9KMK3PH (vm3aph) Marketingová komunikace Kombinované studium Skupina N9KMK3PH (vm3aph) 1. soustředění Mgr. Pavel Vávra 9103@mail.vsfs.cz http://vavra.webzdarma.cz/home/index.htm Co nás čeká I. Úvod do teorie DB systémů

Více

Marketingová komunikace. 1. a 2. soustředění. Mgr. Pavel Vávra 9103@mail.vsfs.cz. Kombinované studium Skupina N9KMK3PH (vm3bph)

Marketingová komunikace. 1. a 2. soustředění. Mgr. Pavel Vávra 9103@mail.vsfs.cz. Kombinované studium Skupina N9KMK3PH (vm3bph) Marketingová komunikace Kombinované studium Skupina N9KMK3PH (vm3bph) 1. a 2. soustředění Mgr. Pavel Vávra 9103@mail.vsfs.cz http://vavra.webzdarma.cz/home/index.htm Co nás čeká I. Úvod do teorie DB systémů

Více

8.2 Používání a tvorba databází

8.2 Používání a tvorba databází 8.2 Používání a tvorba databází Slide 1 8.2.1 Základní pojmy z oblasti relačních databází Slide 2 Databáze ~ Evidence lidí peněz věcí... výběry, výpisy, početní úkony Slide 3 Pojmy tabulka, pole, záznam

Více

Relační databázový model. Vladimíra Zádová, KIN, EF, TUL- DBS

Relační databázový model. Vladimíra Zádová, KIN, EF, TUL- DBS Relační databázový model Databázové (datové) modely základní dělení klasické databázové modely relační databázový model relační databázový model Základní konstrukt - relace relace, schéma relace atribut,

Více

Základy databází. O autorech 17 PRVNÍ ČÁST. KAPITOLA 1 Začínáme 19

Základy databází. O autorech 17 PRVNÍ ČÁST. KAPITOLA 1 Začínáme 19 3 Obsah Novinky v tomto vydání 10 Význam základních principů 11 Výuka principů nezávisle na databázových produktech 12 Klíčové pojmy, kontrolní otázky, cvičení, případové studie a projekty 12 Software,

Více

DBS Konceptuální modelování

DBS Konceptuální modelování DBS Konceptuální modelování Michal Valenta Katedra softwarového inženýrství FIT České vysoké učení technické v Praze Michal.Valenta@fit.cvut.cz c Michal Valenta, 2010 BIVŠ DBS I, ZS 2010/11 https://users.fit.cvut.cz/

Více

RELAČNÍ DATABÁZOVÉ SYSTÉMY

RELAČNÍ DATABÁZOVÉ SYSTÉMY RELAČNÍ DATABÁZOVÉ SYSTÉMY VÝPIS KONTROLNÍCH OTÁZEK S ODPOVĚDMI: Základní pojmy databázové technologie: 1. Uveďte základní aspekty pro vymezení jednotlivých přístupů ke zpracování hromadných dat: Pro vymezení

Více

Analýza a modelování dat. Helena Palovská

Analýza a modelování dat. Helena Palovská Analýza a modelování dat Helena Palovská Analýza a modelování pro SW projekt Strukturovaný přístup Dynamická část (procesy, aktivity, funkce) Statická část (data) Objektově orientovaný přístup use case

Více

Datové sklady. Ing. Jan Přichystal, Ph.D. 1. listopadu 2011. PEF MZLU v Brně

Datové sklady. Ing. Jan Přichystal, Ph.D. 1. listopadu 2011. PEF MZLU v Brně PEF MZLU v Brně 1. listopadu 2011 Úvod Intenzivní nasazení informačních technologií způsobuje hromadění obrovské spousty nejrůznějších údajů. Příkladem mohou být informace z obchodování s cennými papíry

Více

Business Intelligence

Business Intelligence Business Intelligence Josef Mlnařík ISSS Hradec Králové 7.4.2008 Obsah Co je Oracle Business Intelligence? Definice, Od dat k informacím, Nástroj pro operativní řízení, Integrace informací, Jednotná platforma

Více

4IT218 Databáze. 4IT218 Databáze

4IT218 Databáze. 4IT218 Databáze 4IT218 Databáze První přednáška Dušan Chlapek (katedra informačních technologií, VŠE Praha) 4IT218 Databáze První přednáška Cíle a základní údaje o předmětu. Základní pojmy. Relační model dat a operace

Více

Ing. Roman Danel, Ph.D. 2010

Ing. Roman Danel, Ph.D. 2010 Datový sklad Ing. Roman Danel, Ph.D. 2010 Co je to datový sklad a kdy se používá? Pojmem datový sklad (anglicky Data Warehouse) označujeme zvláštní typ databáze, určený primárně pro analýzy dat v rámci

Více

Databáze II. 1. přednáška. Helena Palovská palovska@vse.cz

Databáze II. 1. přednáška. Helena Palovská palovska@vse.cz Databáze II 1. přednáška Helena Palovská palovska@vse.cz Program přednášky Úvod Třívrstvá architektura a O-R mapování Zabezpečení dat Role a přístupová práva Úvod Co je databáze Mnoho dat Organizovaných

Více

10. Datové sklady (Data Warehouses) Datový sklad

10. Datové sklady (Data Warehouses) Datový sklad 10. Datové sklady (Data Warehouses) Datový sklad komplexní data uložená ve struktuře, která umožňuje efektivní analýzu a dotazování data čerpána z primárních informačních systémů a dalších zdrojů OLAP

Více

Otázka č. 1 (bodů za otázku: 4)

Otázka č. 1 (bodů za otázku: 4) Otázka č. 1 (bodů za otázku: 4) Agendy - redundance Která z následujících tvrzení charakterizují redundanci dat v databázi? Je to opakování stejných dat pouze v různých souborech. Je zdrojem nekonzistence

Více

01. Kdy se začala formovat koncept relačních databází (Vznik relačního modelu, první definice SQL)? a) 1950 b) 1960 c) 1970 d) 1980

01. Kdy se začala formovat koncept relačních databází (Vznik relačního modelu, první definice SQL)? a) 1950 b) 1960 c) 1970 d) 1980 01. Kdy se začala formovat koncept relačních databází (Vznik relačního modelu, první definice SQL)? a) 1950 b) 1960 c) 1970 d) 1980 02. Kdy přibližně vznikly první komerční relační databázové servery?

Více

Databázové systémy trocha teorie

Databázové systémy trocha teorie Databázové systémy trocha teorie Základní pojmy Historie vývoje zpracování dat: 50. Léta vše v programu nevýhody poměrně jasné Aplikace1 alg.1 Aplikace2 alg.2 typy1 data1 typy2 data2 vytvoření systémů

Více

METODY DOLOVÁNÍ V DATECH DATOVÉ SKLADY TEREZA HYNČICOVÁ H2IGE1

METODY DOLOVÁNÍ V DATECH DATOVÉ SKLADY TEREZA HYNČICOVÁ H2IGE1 METODY DOLOVÁNÍ V DATECH DATOVÉ SKLADY TEREZA HYNČICOVÁ H2IGE1 DOLOVÁNÍ V DATECH (DATA MINING) OBJEVUJE SE JIŽ OD 60. LET 20. ST. S ROZVOJEM POČÍTAČOVÉ TECHNIKY DEFINICE PROCES VÝBĚRU, PROHLEDÁVÁNÍ A MODELOVÁNÍ

Více

Data v informačních systémech

Data v informačních systémech Data v informačních systémech Vladimíra Zádová, KIN 6. 5. 2015 Obsah přednášky informační systémy (IS) vztah dat a informačních systémů databáze, databázový systém základní dělení IS, trendy pojmy (terminologie)

Více

Základní informace o co se jedná a k čemu to slouží

Základní informace o co se jedná a k čemu to slouží Základní informace o co se jedná a k čemu to slouží založené na relačních databází transakční systémy, které jsou určeny pro pořizování a ukládání dat v reálném čase (ERP, účetní, ekonomické a další podnikové

Více

2. Modelovací jazyk UML 2.1 Struktura UML 2.1.1 Diagram tříd 2.1.1.1 Asociace 2.1.2 OCL. 3. Smalltalk 3.1 Jazyk 3.1.1 Pojmenování

2. Modelovací jazyk UML 2.1 Struktura UML 2.1.1 Diagram tříd 2.1.1.1 Asociace 2.1.2 OCL. 3. Smalltalk 3.1 Jazyk 3.1.1 Pojmenování 1. Teoretické základy modelování na počítačích 1.1 Lambda-kalkul 1.1.1 Formální zápis, beta-redukce, alfa-konverze 1.1.2 Lambda-výraz jako data 1.1.3 Příklad alfa-konverze 1.1.4 Eta-redukce 1.2 Základy

Více

C8 Relační databáze. 1. Datový model

C8 Relační databáze. 1. Datový model C8 Relační databáze návrh návrh 1. Datový model 2. Příklad T2 Datová základna a její využití v práci manažera 2 Cíle cvičen ení C8 Relační databáze návrh 1. Navrhnout myšlenkový datový model jednoduché

Více

ORACLE ŘÍZENÍ FINANCÍ

ORACLE ŘÍZENÍ FINANCÍ ORACLE ŘÍZENÍ FINANCÍ Modul Oracle řízení financí je celopodnikové řešení pro správu likvidity a řízení peněžních prostředků. Tento modul je součástí Aplikací Oracle. To je integrovaná sada aplikací elektronického

Více

DATABÁZOVÉ SYSTÉMY. Vladimíra Zádová, KIN, EF TUL - DBS

DATABÁZOVÉ SYSTÉMY. Vladimíra Zádová, KIN, EF TUL - DBS DATABÁZOVÉ SYSTÉMY Současné aplikace IS/ICT Informační systémy a databázové systémy Databázová technologie Informační systémy Aplikační architektura Vlastníci, management Business Intelligence, manažerské

Více

PostgreSQL jako platforma pro datové sklady

PostgreSQL jako platforma pro datové sklady PostgreSQL jako platforma pro datové sklady Vratislav Beneš benes@optisolutions.cz 1. Co to jsou datové sklady? 2. Požadavky na datový sklady 3. Technické řešení datového skladu 4. PostgreSQL a datové

Více

Podíl zdrojů informací

Podíl zdrojů informací Podíl zdrojů informací 80% nestrukturovaných (10 -) 20 % strukturovaných 80% vnitřní informační zdroje 20% vnější informační zdroje Současný stav Business Intelligence Procesy: dolování dat (Data Mining)

Více

Business Intelligence. Adam Trčka

Business Intelligence. Adam Trčka Business Intelligence Adam Trčka 09:00 11:30: BI v kostce Navrhněme si sklad Ukázka BI Datamining 12:30 14:30: Pokračování kurzu 14:30 15:00: Q&A Agenda Co se dnes dovíme? Data informace znalost Business

Více

Relační databáze. V dnešní době existuje řada komerčních DBMS, nejznámější jsou:

Relační databáze. V dnešní době existuje řada komerčních DBMS, nejznámější jsou: Relační databáze Pojem databáze, druhy databází Databází se myslí uložiště dat. V době začátků využívání databází byly tyto členěny hlavně hierarchicky, případně síťově (rozšíření hierarchického modelu).

Více

QAD Business Intelligence

QAD Business Intelligence QAD Business Intelligence Vladimír Bartoš, Pavel Němec Konzultanti 13.6.2012 Komponenty QAD BI Analytické tabule pro podporu rozhodování Spolupráce uživatelů nad analyzovanými daty Reporty Generátor analytických

Více

RELAČNÍ DATABÁZE. Cíl:

RELAČNÍ DATABÁZE. Cíl: Cíl: Cílem tohoto předmětu je získat praktické znalosti a dovednosti v oblasti relačních databází, jakož i seznámit se s novými trendy v objektově relačních a objektových databázích. Podstatná část je

Více

Databáze v MS ACCESS

Databáze v MS ACCESS 1 z 14 19.1.2014 18:43 Databáze v MS ACCESS Úvod do databází, návrh databáze, formuláře, dotazy, relace 1. Pojem databáze Informací se data a vztahy mezi nimi stávají vhodnou interpretací pro uživatele,

Více

Analýza a modelování dat 2. přednáška. Helena Palovská

Analýza a modelování dat 2. přednáška. Helena Palovská Analýza a modelování dat 2. přednáška Helena Palovská Databázové modely Způsoby logické organizace dat hierarchický síťový relační objektový (objektově-relační) multidimenzionální Historie databázových

Více

2 Konceptuální modelování a návrh databáze

2 Konceptuální modelování a návrh databáze 2 Konceptuální modelování a návrh databáze 2.1. Úloha konceptuálního modelování v procesu návrhu databáze... 2 2.2. E - R modely... 6 2.3. Doporučení pro modelování a tvorbu ER diagramu... 22 2.4. Transformace

Více

Distanční opora předmětu: Databázové systémy Tématický blok č. 3: OLAP, operátory CUBE a ROLLUP Autor: RNDr. Jan Lánský, Ph.D.

Distanční opora předmětu: Databázové systémy Tématický blok č. 3: OLAP, operátory CUBE a ROLLUP Autor: RNDr. Jan Lánský, Ph.D. Distanční opora předmětu: Databázové systémy Tématický blok č. 3: OLAP, operátory CUBE a ROLLUP Autor: RNDr. Jan Lánský, Ph.D. Obsah kapitoly 1 OLTP a OLAP 1.1 Datový sklad 1.2 Datová kostka 2 OLAP dotazy

Více

2 Konceptuální modelování a návrh databáze

2 Konceptuální modelování a návrh databáze 2 Konceptuální modelování a návrh databáze 2.. Úloha konceptuálního modelování v procesu návrhu databáze... 2 2.2. E - R modely... 6 2.3. Doporučení pro modelování a tvorbu ER diagramu... 22 2.4. Transformace

Více

4. Databázové systémy

4. Databázové systémy 4. Databázové systémy Osnova 1. 2. 3. 4. Základní pojmy, principy, architektury Ukládání a reprezentace dat, zpracování dotazu, transakce, indexování, hašování, datové modelování Metadata Datové sklady

Více

Obsah. Úvod do problematiky. Datový sklad. Proces ETL. Analýza OLAP

Obsah. Úvod do problematiky. Datový sklad. Proces ETL. Analýza OLAP Petr Jaša Obsah Úvod do problematiky Data vs. informace Operační vs. analytická databáze Relační vs. multidimenzionální model Datový sklad Důvody pro budování datových skladů Definice, znaky Schéma vazeb

Více

Ukázka testu Informatiky pro přijímací zkoušky do navazujícího magisterského studia

Ukázka testu Informatiky pro přijímací zkoušky do navazujícího magisterského studia Ukázka testu Informatiky pro přijímací zkoušky do navazujícího magisterského studia 1. Databázový jazyk SQL obsahuje příkaz SELECT. Příkaz SELECT slouží pro: a. definici dat v tabulkách či pohledech b.

Více

TEORIE ZPRACOVÁNÍ DAT

TEORIE ZPRACOVÁNÍ DAT Vysoká škola báňská - Technická univerzita Ostrava Fakulta elektrotechniky a informatiky TEORIE ZPRACOVÁNÍ DAT pro kombinované a distanční studium Jana Šarmanová Ostrava 2003 Jana Šarmanová, 2003 Fakulta

Více

Datové sklady ve školství

Datové sklady ve školství Datové sklady ve školství aneb evaluace procesu výuky jinak Jana Šarmanová Obsah Business Intelligence a školní výuka Databáze a datové sklady Analýza datového skladu Studie DS pro studijní agendu VŠ Studie

Více

Průvodce on-line přístupem k účetním a firemním datům

Průvodce on-line přístupem k účetním a firemním datům ON-LINE PŘÍSTUP K FIREMNÍM DATŮM Průvodce on-line přístupem k účetním a firemním datům Oprávnění zaměstnanci klienta mohou pracovat s účetními a dalšími firemními daty 24 hod. denně, 7 dní v týdnu. Zřízením

Více

DATABÁZOVÉ SYSTÉMY JIŘÍ HRONEK. 1.1 Úvod do databázové technologie KATEDRA INFORMATIKY PŘÍRODOVĚDECKÁ FAKULTA UNIVERZITA PALACKÉHO

DATABÁZOVÉ SYSTÉMY JIŘÍ HRONEK. 1.1 Úvod do databázové technologie KATEDRA INFORMATIKY PŘÍRODOVĚDECKÁ FAKULTA UNIVERZITA PALACKÉHO KATEDRA INFORMATIKY PŘÍRODOVĚDECKÁ FAKULTA UNIVERZITA PALACKÉHO DATABÁZOVÉ SYSTÉMY JIŘÍ HRONEK Studium databázových systémů (DBS) můžeme členit do tří širokých oblastí podle úhlu uživatelského nebo vývojářského

Více

Problémové domény a jejich charakteristiky

Problémové domény a jejich charakteristiky Milan Mišovič (ČVUT FIT) Pokročilé informační systémy MI-PIS, 2011, Přednáška 02 1/16 Problémové domény a jejich charakteristiky Prof. RNDr. Milan Mišovič, CSc. Katedra softwarového inženýrství Fakulta

Více

Úvod do databází. Modelování v řízení. Ing. Petr Kalčev

Úvod do databází. Modelování v řízení. Ing. Petr Kalčev Úvod do databází Modelování v řízení Ing. Petr Kalčev Co je databáze? Množina záznamů a souborů, které jsou organizovány za určitým účelem. Jaké má mít přínosy? Rychlost Spolehlivost Přesnost Bezpečnost

Více

Strukturované metodologie

Strukturované metodologie Strukturované metodologie Strukturovaný přístup aplikace má podobu hierarchie funkcí, která je realizována strukturovanými programy styl práce: AKCE OBJEKT Entitně relační model (ERA) alternativní názvy:

Více

PowerOPTI Řízení účinnosti tepelného cyklu

PowerOPTI Řízení účinnosti tepelného cyklu PowerOPTI Řízení účinnosti tepelného cyklu VIZE Zvýšit konkurenceschopnost provozovatelů elektráren a tepláren. Základní funkce: Spolehlivé hodnocení a řízení účinnosti tepelného cyklu, včasná diagnostika

Více

Trendy v IS/ICT přístupy k návrhu multidimenzionální modelování

Trendy v IS/ICT přístupy k návrhu multidimenzionální modelování Trendy v IS/ICT přístupy k návrhu multidimenzionální modelování Aplikace IS/ICT BI SCM e-business ERP ERP CRM II e-business Aplikace pro podporu základních řídících a administrativních operací 1 Informační

Více

Dotazovací jazyky I. Datová krychle. Soběslav Benda

Dotazovací jazyky I. Datová krychle. Soběslav Benda Dotazovací jazyky I Datová krychle Soběslav Benda Obsah Úvod do problematiky Varianty přístupu uživatelů ke zdrojům dat OLTP vs. OLAP Datová analýza Motivace Vytvoření křížové tabulky Datová krychle Teorie

Více

Datový sklad. Datový sklad

Datový sklad. Datový sklad Datový sklad Postavení v rámci IS/ICT Specifika návrhu Modelování Datový sklad POSTAVENÍ NÁVRH Postavení datového skladu (DW) v IS/ICT z hlediska aplikací jako součást Business Intelligence z hlediska

Více

Konceptuální modelování. Pavel Tyl 21. 3. 2013

Konceptuální modelování. Pavel Tyl 21. 3. 2013 Konceptuální modelování Pavel Tyl 21. 3. 2013 Vytváření IS Vytváření IS Analýza Návrh Implementace Testování Předání Jednotlivé fáze mezi sebou iterují Proč modelovat a analyzovat? Standardizované pracovní

Více

Metodika návrhu databáze

Metodika návrhu databáze Metodika návrhu databáze Metodika tvorby konceptuálního datového modelu (ERA diagramu) 1 1. Zvolte jednu primární entitu ze specifikace požadavků. 2. Určete atributy, jejichž hodnoty se mají pro tuto entitu

Více

MODELOVÁNÍ DAT V INFORMAČNÍCH SYSTÉMECH. Jindřich Kaluža Ludmila Kalužová

MODELOVÁNÍ DAT V INFORMAČNÍCH SYSTÉMECH. Jindřich Kaluža Ludmila Kalužová MODELOVÁNÍ DAT V INFORMAČNÍCH SYSTÉMECH Jindřich Kaluža Ludmila Kalužová Recenzenti: prof. Ing. Milan Turčáni, CSc. prof. Ing. Ivan Vrana, DrSc. Tato kniha vznikla za finanční podpory Studentské grantové

Více

Získávání znalostí z databází. Alois Kužela

Získávání znalostí z databází. Alois Kužela Získávání znalostí z databází Alois Kužela Obsah související pojmy datové sklady, získávání znalostí asocianí pravidla 2/37 Úvod získávání znalostí z dat, dolování (z) dat, data mining proces netriviálního

Více

Databázové a informační systémy Jana Šarmanová

Databázové a informační systémy Jana Šarmanová Databázové a informační systémy Jana Šarmanová Obsah Úloha evidence údajů, způsoby evidování Databázové technologie datové modely, dotazovací jazyky. Informační systémy Datové sklady Metody analýzy dat

Více

Dolování asociačních pravidel

Dolování asociačních pravidel Dolování asociačních pravidel Miloš Trávníček UIFS FIT VUT v Brně Obsah přednášky 1. Proces získávání znalostí 2. Asociační pravidla 3. Dolování asociačních pravidel 4. Algoritmy pro dolování asociačních

Více

Datové sklady. Multidimenzionální modelování Modely datového skladu Návrh datového skladu v rámci návrhu IS/ICT. Vladimíra Zádová, KIN, EF, TUL

Datové sklady. Multidimenzionální modelování Modely datového skladu Návrh datového skladu v rámci návrhu IS/ICT. Vladimíra Zádová, KIN, EF, TUL Datové sklady Multidimenzionální modelování Modely datového skladu Návrh datového skladu v rámci návrhu IS/ICT Multidimenzionální modelování (Multi)dimenzionální modelování speciální technika určená pro

Více

4. Základy relačních databází, logická úroveň návrhu

4. Základy relačních databází, logická úroveň návrhu 4. Základy relačních databází, logická úroveň návrhu Když před desítkami let doktor E. F. Codd zavedl pojem relační databáze, pohlíželo se na tabulky jako na relace, se kterými se daly provádět různé operace.

Více

ÚVOD DO DATABÁZÍ. Metodické listy pro předmět

ÚVOD DO DATABÁZÍ. Metodické listy pro předmět Metodické listy pro předmět ÚVOD DO DATABÁZÍ Cíl: Cílem tohoto předmětu je získat základní znalosti v oblasti databází, naučit se dotazovací jazyk SQL a naučit se zásady dobrého navrhování databází. Převážná

Více

Dobývání znalostí z databází. Databáze. datum jmeno prijmeni adresa_ulice adresa_mesto cislo_uctu platba zustatek

Dobývání znalostí z databází. Databáze. datum jmeno prijmeni adresa_ulice adresa_mesto cislo_uctu platba zustatek Databáze datum jmeno prijmeni adresa_ulice adresa_mesto cislo_uctu platba zustatek 980103 Jan Novak Dlouha 5 Praha 1 9945371 100.00 100.00 980105 Jan Novak Dlouha 5 Praha 1 9945371 1500.00 1600.00 980106

Více

Bolesti a přínosy. Ing. J. Skorkovský, CSc. pro ESF MU

Bolesti a přínosy. Ing. J. Skorkovský, CSc. pro ESF MU Bolesti a přínosy Ing. J. Skorkovský, CSc. pro ESF MU Bolesti ve zpracování informací Téměř všechno, co vidíme v podniku konkurenta, je dnes možné zreprodukovat kdekoliv na světě (poznámka k Číně) Nelze

Více

Použití databází na Webu

Použití databází na Webu 4IZ228 tvorba webových stránek a aplikací Jirka Kosek Poslední modifikace: $Date: 2010/11/18 11:33:52 $ Obsah Co nás čeká... 3 Architektura webových databázových aplikací... 4 K čemu se používají databázové

Více

Hospodářská informatika

Hospodářská informatika Hospodářská informatika HINFL, HINFK Vytvořeno s podporou projektu Průřezová inovace studijních programů Lesnické a dřevařské fakulty MENDELU v Brně (LDF) s ohledem na disciplíny společného základu reg.

Více

Databázové modelování. Analýza Návrh konceptuálního schématu

Databázové modelování. Analýza Návrh konceptuálního schématu Databázové modelování Analýza Návrh konceptuálního schématu 1 Vytváření IS Analýza Návrh Implementace Testování Předání SW Jednotlivé fáze mezi sebou iterují 2 Proč modelovat/analyzovat? Standardizované

Více

4IT218 Databáze. 4IT218 Databáze

4IT218 Databáze. 4IT218 Databáze 4IT218 Databáze Pátá přednáška Dušan Chlapek (katedra informačních technologií, VŠE Praha) 4IT218 Databáze Pátá přednáška SQL - DDL - dokončení SQL - DCL Vlastnosti relačních databázových systémů. Princip

Více

Systémy pro podporu rozhodování. Datové sklady, OLAP

Systémy pro podporu rozhodování. Datové sklady, OLAP Systémy pro podporu rozhodování Datové sklady, OLAP 1 4. Datový management: sklady, přístup a vizualizace Principy MSS Nové koncepce Objektové databáze Inteligentní databáze Datové sklady On-line analytické

Více

Databázové a informační systémy Informační systém prodejny nábytku. Jakub Kamrla, KAM087

Databázové a informační systémy Informační systém prodejny nábytku. Jakub Kamrla, KAM087 Databázové a informační systémy Informační systém prodejny nábytku Jakub Kamrla, KAM087 1. část Funkční a nefunkční požadavky 1. K čemu má systém sloužit Jedná se o informační systém pro jednu nejmenovanou

Více

NÁSTROJE BUSINESS INTELLIGENCE

NÁSTROJE BUSINESS INTELLIGENCE NÁSTROJE BUSINESS INTELLIGENCE Milena Tvrdíková VŠB Technická univerzita Ostrava, Ekonomická fakulta, Katedra informatiky v ekonomice, Sokolská 33, 701021 Ostrava1, ČR, milena.tvrdikova@vsb.cz Abstrakt

Více

Datové modelování II

Datové modelování II Datové modelování II Atributy Převod DM do schématu SŘBD Dotazovací jazyk SQL Multidimenzionální modelování Principy Doc. Miniberger, BIVŠ Atributy Atributem entity budeme rozumět název záznamu či informace,

Více

4IT218 Databáze. 4IT218 Databáze

4IT218 Databáze. 4IT218 Databáze 4IT218 Databáze Třináctá přednáška Dušan Chlapek (katedra informačních technologií, VŠE Praha) 4IT218 Databáze Třináctá přednáška Architektury databázového zpracování. Distribuované DBS Databázová konektivita

Více

Podnikové informační systémy Jan Smolík

Podnikové informační systémy Jan Smolík Podnikové informační systémy Jan Smolík Zobecněné schéma aplikační architektury Vlastníci, management Aplikační architektura podnikové informatiky Business Intelligence, manažerské aplikace Obchodní partneři

Více

Databázové systémy. modelování. Tomáš Skopal. - úvod. - konceptuální datové

Databázové systémy. modelování. Tomáš Skopal. - úvod. - konceptuální datové Databázové systémy - úvod Tomáš Skopal - konceptuální datové modelování Osnova organizační záležitosti přehled kurzu konceptuální datové modelování Organizační záležitosti Povinnosti zápočet = složit zápočtový

Více

Návrh datového skladu z hlediska zdrojů

Návrh datového skladu z hlediska zdrojů Návrh datového skladu Návrh datového skladu OLTP ETL OLAP, DM Operativní data Datové sklady Zdroje dat Transformace zdroj - cíl Etapy realizace 1 Návrh datového skladu Hlavní úskalí analýzy a návrhu spočívá

Více

xrays optimalizační nástroj

xrays optimalizační nástroj xrays optimalizační nástroj Optimalizační nástroj xoptimizer je součástí webového spedičního systému a využívá mnoho z jeho stavebních bloků. xoptimizer lze nicméně provozovat i samostatně. Cílem tohoto

Více

Role BI v e-business řešeních pohled do budoucnosti

Role BI v e-business řešeních pohled do budoucnosti Ing. Ota Novotný, Ph.D. katedra informačních technologií Vysoká škola ekonomická v Praze novotnyo@vse.cz katedra informačních technologií VŠE Praha jsme uznávanou autoritou v oblasti aplikované informatiky

Více

Inovace výuky prostřednictvím ICT v SPŠ Zlín, CZ.1.07/1.5.00/34.0333 Vzdělávání v informačních a komunikačních technologií

Inovace výuky prostřednictvím ICT v SPŠ Zlín, CZ.1.07/1.5.00/34.0333 Vzdělávání v informačních a komunikačních technologií VY_32_INOVACE_33_02 Škola Název projektu, reg. č. Vzdělávací oblast Vzdělávací obor Tematický okruh Téma Tematická oblast Název Autor Vytvořeno, pro obor, ročník Anotace Přínos/cílové kompetence Střední

Více

UNIVERZITA PARDUBICE FAKULTA EKONOMICKO-SPRÁVNÍ

UNIVERZITA PARDUBICE FAKULTA EKONOMICKO-SPRÁVNÍ UNIVERZITA PARDUBICE FAKULTA EKONOMICKO-SPRÁVNÍ BAKALÁŘSKÁ PRÁCE 2009 Dominik Sýkora Univerzita Pardubice Fakulta Ekonomicko-správní Datový sklad nad IS STAG Dominik Sýkora Bakalářská práce 2009 Prohlašuji:

Více

Modul VÝROBA. Krátké shrnutí významu modulu VÝROBA v SAP Business One. Ing. Radomír Možnar Servis/Helpdesk

Modul VÝROBA. Krátké shrnutí významu modulu VÝROBA v SAP Business One. Ing. Radomír Možnar Servis/Helpdesk Modul VÝROBA Krátké shrnutí významu modulu VÝROBA v SAP Business One Ing. Radomír Možnar Servis/Helpdesk Základní kritéria pro nasazení modulu VÝROBA Společnost, která dodává produkty na základně objednávek

Více

BI v rámci IS/ICT komponenty BI architektura. Charakteristika dat a procesů v IS/ICT. Datové sklady ukládání dat návrh datového skladu

BI v rámci IS/ICT komponenty BI architektura. Charakteristika dat a procesů v IS/ICT. Datové sklady ukládání dat návrh datového skladu BI v rámci IS/ICT komponenty BI architektura Charakteristika dat a procesů v IS/ICT Datové sklady ukládání dat návrh datového skladu BI CRM ERP SCM Aplikace pro podporu základních řídících a administrativních

Více

Databáze v praxi. RNDr. Ondřej Zýka Principal Consultant

Databáze v praxi. RNDr. Ondřej Zýka Principal Consultant Databáze v praxi RNDr. Ondřej Zýka Principal Consultant Agenda Obsah Představení Teradata Teradata Databáze Doménové logické modely MS SQL Server Databáze Podpora BI Aktuální směry ve vývoji databází Profinit

Více

Jak vyplnit zahraniční platební příkaz - Popis jednotlivých polí zahraničního platebního příkazu v uvedených platebních systémech

Jak vyplnit zahraniční platební příkaz - Popis jednotlivých polí zahraničního platebního příkazu v uvedených platebních systémech Jak vyplnit zahraniční platební příkaz - Popis jednotlivých polí zahraničního platebního příkazu v uvedených platebních systémech MultiCash Classic - verze 3.01 Číslo příkazu: Číslo příkazu ponechte tak,

Více

Úvod do databázových systémů. Cvičení 12 Ing. Martin Zwierzyna

Úvod do databázových systémů. Cvičení 12 Ing. Martin Zwierzyna Úvod do databázových systémů Cvičení 12 Ing. Martin Zwierzyna Základní pojmy Redundance Stejná data jsou uložena v databázi na více místech, zbytečně se opakují Řešení: Minimalizace redundance Základní

Více