Analýza a modelování dat. Přednáška 8
|
|
- Ladislav Navrátil
- před 4 lety
- Počet zobrazení:
Transkript
1 Analýza a modelování dat Přednáška 8
2 OLAP, datová kostka, dotazování nad kostkou
3 Motivace většina DB relační zaznamenání vztahů pomocí logicky provázaných tabulek jakou mají velmi často vztahy povahu vztah nějakého subjektu k různým dimenzím příklad subjektů zákazník, zaměstnanec, transakce, výrobek příklad dimenzí čas, poloha (adresa...), peníze (cena/plat...)
4 Motivace Příklad: prodej výrobků zdroj: prezentace Data Cube, Luboš Kulič, Tomáš Kuthan
5 Motivace analýza dat informační systémy, účetnictví, potřeba pracovat s daty s přesnosti na každý záznam lidé (především analytici, manažeři atp.) potřebují celkový pohled agregovaná data Kolik jsem prodal od různych druhů vyrobků? Kolik jsem prodal po internetu? Kolik výrobků jsem prodal ve kterém městě Kolik výrobků jsem prodal ve kterém měsíci
6 potřebuji: Motivace analýza dat pohled na data z více dimenzí výhodné může být mít data i jinak uložena než relačně vhodný dotazovací jazyk umožňující analýzu (agregaci) klasické SQL nabízí jen GROUP BY seskupení dle jedné dimenze existuje řešení: datová kostka (CUBE)
7 rozšíření SQL99: Rozšíření SQL99 seskupovací operátory za GROUP BY CUBE statistiky dle řezů ROLLUP statistiky dle rolování nahoru - nadkrychle GROUPING SETS vlastní definice seskupujících množin díky těmto operátorům tvoříme v obyčejné relační databázi agregační dotazy nad tabulkami jako nad kostkou příště
8 MDX Dotazování pomocí MDX MultiDimensional expressions speciální dotazovací jazyk nad kostkami v rámci OLAP (OnLine Analytical Processing) navržen Microsoftem, standardizován podporován např. v Microsoft SQL Server Analysis Services nadstavba (nástroj) Microsoft SQL Serveru pro OLAP a data mining
9 Uložení kostky pro OLAP MOLAP - Multidimensional OLAP data a výsledky agregací jsou uloženy ve speciálním formátu ROLAP - Relational OLAP data a výsledky agregací jsou uloženy v relační databázi HOLAP Hybrid OLAP hybridní přístup MS podporuje všechny přístupy
10 Základní syntaxe SELECT osa1 ON COLUMNS, osa2 ON ROWS FROM kostka [ WHERE specifikace_řezu ] podobnost s SQL je pouze v klíčových slovech SELECT FROM, pracujeme s kostkou, ne s tabulkami
11 Základní syntaxe dotazy MDX nezpracovává databázový server, ale server OLAP (MS Analysis Services) jako klient může sloužit i MS excel MS Excel umí poslat serveru MS Analysis Services dotaz v MDX výsledek je primárně dvourozměrná tabulka tří a vícerozměrný se rozpadá na více dvourozměrných tabulek třírozměrný by mohl být akceptovatelný ve spojení s 3D brýlemi
12 Souřadnice bodů (2,4) (2015,Components)
13 Kostka tabulka prodej_baget takto by mohla být uložena kostka v ROLAP
14 Kostka Datum bod o souřadnicích (Trója, ,golf) má hodnotu cvalík golf Trója Voršilská Menza Bageta
15 Kostka souřadnice (n-tice, tuple) (Trója, ,golf) neúplná souřadnice (Trója, ) jak se automaticky doplňují další? defaultní, jsou-li definovány všechny hodnoty agreguje se pro všechny členy v dané dimenzi první - pokud předchozí kroky nejsou aplikovatelné (např. u měr, které nemají all members) kostka vrátí z dané dimenze to první, co jí přijde pod ruku
16 Kostka koncepty: dimenze datum, bageta, menza míra (measure) počet prodaných kusů mohu mít i jiné míry cena, míra může být i vypočítaná zisk jako rozdíl tržeb a nákladů míru mohu chápat také jako další dimenzi (Trója, ,golf, 2)
17 zdroj: Jiří Neoral Kostka
18 Kostka co bychom viděli na předchozí obrazovce pro náš příklad? Cube prodej_baget Measure počet_kusu bageta datum menza
19 Dimenze dimenze mohou mít i úrovňovou hierarchii 2 dimenzionální míra, na data se můžeme dívat jako na 5 dimenzionální vektor (Source,Route,Time,Packages,Last)
20 Příklad: Dimenze rozšíření kostky prodeje na hierarchické dimenze: zachováme 3 dimenze a jednu míru prodané množství dimenze prodejního místa dimenze času dimenze výrobku
21 1. dimenze: dimenze místa Prodejna menza Voršilská Trója fakulta Právnická MFF
22 2. dimenze: dimenze času Čas rok pololetí1 leden únor pololetí2 červenec
23 3. dimenze: dimenze výrobku Výrobek bageta golf cvalík nápoj kofola pivo
24 Čas Kostka Výrobek Nápoj Bageta pivo kofola golf cvalík Trója Voršilská Menza Právnická MFF Fakulta Prodejna Výrobek Prodejna
25 Kostka přístup k datům [ ] : názvy dimenzí a souřadnic přístup přes hodnotu [Menza].[Trója] [Vyrobek].[Nápoj].[Kofola] přístup přes klíč [Menza].&[1] klíč hodnota pokud bychom samozřejmě měli v kolekci o Menzách definován klíč a klíčem by bylo ID
26 Kostka přístup k datům ( ) zbytek funkce, priorita matematických operací, n- tice ([Menza].[Trója],[Datum].[ ],[Bageta].[golf]) { } množiny (sety) souřadnic { ([Menza].[Trója],[Datum].[ ],[Bageta].[golf]), ([Menza].[Trója],[Datum].[ ],[Bageta].[golf]) }
27 Dotazy v DMX dotazy budeme formulovat nad kostkou bez hierarchie, pouze v některých případech použijeme hierarchii pro demonstraci nějakého jevu
28 Jednoduchý dotaz SELECT [DATUM].MEMBERS ON COLUMNS, [BAGETA].MEMBERS ON ROWS FROM prodej_baget MEMBERS znamená všechny hodnoty (pozice z dimenze), tj. všechny datumy a bagety
29 Jednoduchý dotaz dotaz agreguje prodeje: výsledek je tabulka: sloupce datumy řádky bagety cvalík 9 11 golf 8 1
30 Jednoduchý dotaz odkazy na řádky a sloupce lze zapsat i ve formě čísel os sloupce: AXIS(0) řádky: AXIS(1) SELECT [DATUM].MEMBERS ON AXIX(0), [BAGETA].MEMBERS ON AXIS(1) FROM prodej_baget
31 Výběr pozice z dimenze SELECT [DATUM].[ ] ON COLUMNS, [BAGETA].MEMBERS ON ROWS FROM prodej_baget cvalík 9 golf 8
32 Výběr více pozic z dimenze uvažujme situaci, že dimenze Datum by měla více hodnot (pozic) , , , atd. pokud bychom chtěli vybrat 2 pozice (pouze dva datumy do dvou sloupců), musíme z nich vytvořit množinu
33 SELECT Výběr více pozic z dimenze {[DATUM].[ ], [DATUM].[ ]} ON COLUMNS, [BAGETA].MEMBERS ON ROWS FROM prodej_baget cvalík 9 11 golf 8 1
34 Výběr pozic z dimenze uvažujme hierarchický model chceme vypsat součet prodaných nápojů za celý rok do sloupců všechny prodejny do řádků pouze nápoje
35 Výběr pozic z dimenze Čas Prodejna Nápoj Bageta pivo kofola golf cvalík Trója Voršilská Menza Právnická MFF Fakulta Výrobek Prodejna
36 Výběr pozic z dimenze SELECT [PRODEJNA].MEMBERS ON COLUMNS, [VYROBEK].[NAPOJ].MEMBERS ON ROWS FROM prodej_baget Trója Voršilská Právnická MFF kofola XX ZZ AA BB pivo YY WW CC DD
37 Jednorozměrný výsledek agregační dotazy můžeme formulovat pouze do sloupců, tj. jednorozměrně v dotazu vynecháme ON ROWS osy nelze přeskakovat, nesmíme tedy vynechat ON COLUMNS a ponechat ON ROWS SELECT [DATUM].MEMBERS ON COLUMNS, FROM prodej_baget
38 Jednorozměrný výsledek sečte všechny prodeje dle datumů
39 Jednorozměrný výsledek chyba nelze přeskočit osy SELECT [DATUM].MEMBERS ON ROWS, FROM prodej_baget
40 SELECT Kompletní agregace FROM prodej_baget 29
41 Řez vrátíme se k jednoduchému modelu chceme vypsat tabulku s počtem prodaných kusů baget v jednotlivých dnech, ale pouze pro menzu Voršilská provedeme řez v rovině Voršilská
42 Datum Řez cvalík golf Trója Voršilská Menza Bageta
43 Řez SELECT [DATUM].MEMBERS ON COLUMN, [BAGETA].MEMBERS ON ROWS FROM prodej_baget WHERE [MENZA].[Voršilská]
44 Řez cvalík 5 4 golf 6 0
45 Řez řez mohu provést i ve více dimenzích za klauzulí WHERE napíši řezovou množinu mezi závorky ( ) provedeme řez (Voršilská, golf) SELECT [DATUM].MEMBERS ON COLUMN, FROM prodej_baget WHERE ([MENZA].[Voršilská], [Bageta].[Golf])
46 Datum Řez cvalík golf Trója Voršilská Menza Bageta
47 Řez výsledek je jednodimenzionální, protože mám celkem 3 dimenze a ve dvou jsem provedl řez
48 Výrazy máme definováno více měr počet prodaných kusů (první míra) tržba za bagety náklady na nákup za bagety jsou v další hierarchické dimenzi MIRY chceme zjistit zisk zisk bude vypočítaná míra
49 Výrazy WITH MEMBER MIRY.ZISK AS 'MIRY.TZRBA MIRY.NAKLADY' SELECT [DATUM].MEMEBERS ON COLUMNS, [BAGETA].MEMBERS ON ROWS FROM Sales WHERE ( MIRY.ZISK )
50 Vícedimenzionální výsledek SELECT [DATUM].MEMEBERS ON AXIS(0), [BAGETA].MEMBERS ON AXIS(1), [MENZA].MEMBERS ON AXIS(2) FROM prodej_baget AXIS(2) = PAGES výsledek mohou být dvě tabulky, ne každý klient je umí zobrazit na obrazovce, budou pouze v reportu
51 Množiny pozic SELECT {[VYROBEK][NAPOJ].[PIVO], [VYROBEK].[BAGETA].MEMBERS } ON COLUMNS, [PRODEJNA].MEMBERS ON ROWS FROM prodej_baget
Analýza a modelování dat. Přednáška 9
Analýza a modelování dat Přednáška 9 Další dotazování nad kostkou Rozšíření SQL99 rozšíření SQL99 (minulá přednáška): seskupovací operátory za GROUP BY CUBE statistiky dle řezů ROLLUP statistiky dle rolování
VíceData Cube. Luboš Kulič Tomáš Kuthan
Data Cube Luboš Kulič Tomáš Kuthan 31.10.2007 Osnova Motivace Použití DWH, analýza dat Operátory CUBE a ROLLUP teorie Podpora v reálných (SŘBD) Motivace Většina souč. DB relační => zaznamenání vztahů Velmi
VíceAnalýza a modelování dat 5. přednáška. Helena Palovská
Analýza a modelování dat 5. přednáška Helena Palovská Historie databázových modelů Multidimenzionální model Kvantitativní typ faktu s určitými hledisky např.: Kdo komu kdy jak moc čeho prodal. kdo, komu,
VíceMulti-dimensional expressions
Multi-dimensional expressions Query sent to cube / returned from cube jazyk pro multidimenzionální dotazy ekvivalent SQL pro multidimenzionální databáze je jen prostředkem pro přístup k datům jako SQL
VíceOn line analytical processing (OLAP) databáze v praxi
On line analytical processing (OLAP) databáze v praxi Lukáš Matějovský Lukas.Matejovsky@CleverDecision.com Jan Zajíc Jan.Zajic@CleverDecision.com Obsah Představení přednášejících Základy OLAP Příklady
VíceOperátory ROLLUP a CUBE
Operátory ROLLUP a CUBE Dotazovací jazyky, 2009 Marek Polák Martin Chytil Osnova přednášky o Analýza dat o Agregační funkce o GROUP BY a jeho problémy o Speciální hodnotový typ ALL o Operátor CUBE o Operátor
VíceDotazovací 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
VíceAdventureWorksDW2014 SQL Server Data Tools Multidimenziona lnı model Tabula rnı model Multidimenziona lnı mo d Tabula rnı mo d MS SQL Server 2016 Tabula rnı mo d Azure Analysis Services 16 3.2 Dimenzionální
VíceZákladní 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
VíceDistanční 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
VíceÚvod do databázových systémů
Vysoká škola báňská Technická univerzita Ostrava Fakulta elektrotechniky a informatiky Úvod do databázových systémů Cvičení 3 Ing. Petr Lukáš petr.lukas@vsb.cz Ostrava, 2014 Opakování 4 fáze vytváření
Více10. 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
VíceInformační systémy 2006/2007
13 Vysoká škola báňská Technická univerzita Ostrava Fakulta strojní, Katedra automatizační techniky a řízení Informační systémy 2006/2007 Ivan Kedroň 1 Obsah Analytické nástroje SQL serveru. OLAP analýza
VíceObsah. Kapitola 1. Kapitola 2. Kapitola 3. Úvod 9
Obsah Úvod 9 Kapitola 1 Business Intelligence, datové sklady 11 Přechod od transakčních databází k analytickým..................... 13 Kvalita údajů pro analýzy................................................
VíceMultidimenzionální pohled na zdravotnické prostředí. INMED Petr Tůma
Multidimenzionální pohled na zdravotnické prostředí INMED - 21.11.2003 Petr Tůma Koncepce multid pohledu Poskytování péče probíhá v multidimenzionálním světě; dimenze tento svět mapují podobně jako souřadnice
VíceInformační systémy 2008/2009. Radim Farana. Obsah. Dotazy přes více tabulek
5 Vysoká škola báňská Technická univerzita Ostrava Fakulta strojní, Katedra automatizační techniky a řízení 2008/2009 Radim Farana 1 Obsah Jazyk SQL, Spojení tabulek, agregační dotazy, jednoduché a složené
VíceDATA CUBE. Mgr. Jiří Helmich
DATA CUBE Mgr. Jiří Helmich Analytické kroky formulace dotazu analýza extrakce dat vizualizace Motivace n-sloupcová tabulka v Excelu vs. sloupcový graf Dimensionality reduction n dimenzí data obecně uspořádána
VíceObsah. Kapitola 1. Kapitola 2. Kapitola 3. Kapitola 4. Úvod 11. Stručný úvod do relačních databází 13. Platforma 10g 23
Stručný obsah 1. Stručný úvod do relačních databází 13 2. Platforma 10g 23 3. Instalace, první přihlášení, start a zastavení databázového serveru 33 4. Nástroje pro administraci a práci s daty 69 5. Úvod
VíceZáklady 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
VíceKIV/ZIS cvičení 5. Tomáš Potužák
KIV/ZIS cvičení 5 Tomáš Potužák Úvod do SQL (1) SQL (Structured Query Language) je standardizovaný strukturovaný dotazovací jazyk pro práci s databází Veškeré operace v databázi se dají provádět pomocí
Více8.2 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
VícePodpora OLAP na platformě.net
Podpora OLAP na platformě.net Semestrální práce na předmět IT_380 Vývoj klient/server aplikací Vypracoval Borek Bernard, duben 2004 Podpora OLAP na platformě.net Strana 2 z 10 Abstrakt Tato práce se zabývá
VíceInformační systémy ve zdravotnictví. 6. cvičení
Vysoká škola báňská Technická univerzita Ostrava Fakulta elektrotechniky a informatiky Informační systémy ve zdravotnictví 6. cvičení Ing. Petr Lukáš petr.lukas@nativa.cz Ostrava, 2014 Opakování Relace
VíceÚvod do databázových systémů
Vysoká škola báňská Technická univerzita Ostrava Fakulta elektrotechniky a informatiky Katedra informatiky Database Research Group Úvod do databázových systémů Cvičení 3 Ing. Petr Lukáš petr.lukas@vsb.cz
Více3 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
VíceGymnázium a Střední odborná škola, Rokycany, Mládežníků 1115
Gymnázium a Střední odborná škola, Rokycany, Mládežníků 1115 Číslo projektu: Číslo šablony: Název materiálu: Ročník: Identifikace materiálu: Jméno autora: Předmět: Tématický celek: Anotace: CZ.1.07/1.5.00/34.0410
VícePostgreSQL 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
VíceBusiness 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
VíceDatabáze. 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
VíceDobývání 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
Vícekapitola 2 Datové sklady, OLAP
Tomáš Burger, burger@fit.vutbr.cz kapitola 2 Datové sklady, OLAP Získávání znalostí z databází IT-DR-3 / ZZD Co je to datový sklad A data warehouse is a subjectoriented, integrated, time-variant and nonvolatile
VíceMarketingová 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
Více6. blok část C Množinové operátory
6. blok část C Množinové operátory Studijní cíl Tento blok je věnován problematice množinových operátorů a práce s množinovými operátory v jazyce SQL. Čtenáři se seznámí s operátory, UNION, a INTERSECT.
Více4IT218 Databáze. 4IT218 Databáze
4IT218 Databáze Osmá přednáška Dušan Chlapek (katedra informačních technologií, VŠE Praha) 4IT218 Databáze Osmá přednáška Normalizace dat - dokončení Transakce v databázovém zpracování Program přednášek
VíceJak velká jsou? Obchodní analytici FB velké datové sady BI = business intelligence. OLAP = Online Analytical Processing. DWH = Data Warehouse
název B = Bajt KB = Kilobajt MB = Megabajt GB = Gigabajt TB = Terabajt PB = Petabajt EB = Exabajt ZB = Zettabajt YB = Yottabajt velikost 8 b 2^10 B 2^20 B 2^30 B 2^40 B 2^50 B 2^60 B 2^70 B 2^80 B Jak
VíceMarketingová 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
VíceWebový informační systém na podporu marketingu
MASARYKOVA UNIVERZITA FAKULTA INFORMATIKY Webový informační systém na podporu marketingu DIPLOMOVÁ PRÁCE Zbyněk Ošmera Brno, Jaro 2006 Prohlášení Prohlašuji, že tato práce je mým původním autorským dílem,
VíceDotazy tvorba nových polí (vypočítané pole)
Téma 2.4 Dotazy tvorba nových polí (vypočítané pole) Pomocí dotazu lze také vytvářet nová pole, která mají vazbu na již existující pole v databázi. Vznikne tedy nový sloupec, který se počítá podle vzorce.
VíceSQL SQL-SELECT. Informační a znalostní systémy. Informační a znalostní systémy SQL- SELECT
-SELECT Informační a znalostní systémy 1 - Structured Query Language norma pro dotazování nad relačními databáze díky přenositelnosti- rozmach relačních databází zahrnuje jak dotazování na data, tak změny
VíceMicrosoft Access. Typy objektů databáze: Vytvoření a návrh nové tabulky. Vytvoření tabulky v návrhovém zobrazení
Microsoft Access Databáze je seskupení většího množství údajů, které mají určitou logiku a lze je určitým způsobem vyhodnocovat, zpracovávat a analyzovat Access je jedním z programů určených pro zpracování
VíceBusiness 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
VíceAdvanced SQL Modeling in RDBMS - SQL Spreadsheet part1. Your Organization (Line #1)
Advanced SQL Modeling in RDBMS - SQL Spreadsheet part1 2005-12-31 1.12.2009 Your Daniel Name Vojtek Jakub Your Valčík Title Your Organization (Line #1) Your Organization Query Languages (Line #2) I Agenda
VíceUkládání a vyhledávání XML dat
XML teorie a praxe značkovacích jazyků (4IZ238) Jirka Kosek Poslední modifikace: $Date: 2014/12/04 19:41:24 $ Obsah Ukládání XML dokumentů... 3 Ukládání XML do souborů... 4 Nativní XML databáze... 5 Ukládání
VícePřehled systému Microsoft SQL Server. Komu je kniha určena Struktura knihy Nejvhodnější výchozí bod pro čtení knihy Konvence a struktura knihy
Komu je kniha určena Struktura knihy Nejvhodnější výchozí bod pro čtení knihy Konvence a struktura knihy Konvence Další prvky Požadavky na systém Ukázkové databáze Ukázky kódu Použití ukázek kódu Další
VíceKurz Databáze. Obsah. Dotazy. Zpracování dat. Doc. Ing. Radim Farana, CSc.
1 Kurz Databáze Zpracování dat Doc. Ing. Radim Farana, CSc. Obsah Druhy dotazů, tvorba dotazu, prostředí QBE (Query by Example). Realizace základních relačních operací selekce, projekce a spojení. Agregace
VíceSTÁTNÍ POKLADNA. Integrovaný informační systém Státní pokladny (IISSP)
POKLADNA Integrovaný informační systém Státní pokladny (IISSP) Ing. Miroslav Kalousek ministr financí Praha 17.12.2012 Page 1 Integrovaný informační systém Státní pokladny (IISSP) Centrální systém účetních
VíceGymnázium a Střední odborná škola, Rokycany, Mládežníků 1115
Gymnázium a Střední odborná škola, Rokycany, Mládežníků 1115 Číslo projektu: Číslo šablony: Název materiálu: Ročník: Identifikace materiálu: Jméno autora: Předmět: Tématický celek: Anotace: CZ.1.07/1.5.00/34.0410
VíceDatabázové a informační systémy
Databázové a informační systémy doc. Ing. Miroslav Beneš, Ph.D. katedra informatiky FEI VŠB-TUO A-1007 / 597 324 213 http://www.cs.vsb.cz/benes Miroslav.Benes@vsb.cz Obsah Jak ukládat a efektivně zpracovávat
Více6. blok část B Vnořené dotazy
6. blok část B Vnořené dotazy Studijní cíl Tento blok je věnován práci s vnořenými dotazy. Popisuje rozdíl mezi korelovanými a nekorelovanými vnořenými dotazy a zobrazuje jejich použití. Doba nutná k nastudování
VíceDatabázové systémy. Datová integrita + základy relační algebry. 4.přednáška
Databázové systémy Datová integrita + základy relační algebry 4.přednáška Datová integrita Datová integrita = popisuje pravidla, pomocí nichž hotový db. systém zajistí, že skutečná fyzická data v něm uložená
VíceDatabáze SQL SELECT. David Hoksza http://siret.cz/hoksza
Databáze SQL SELECT David Hoksza http://siret.cz/hoksza Osnova Úvod do SQL Základní dotazování v SQL Cvičení základní dotazování v SQL Structured Query Language (SQL) SQL napodobuje jednoduché anglické
VíceNápověda k části Generování sestav
Nápověda k části Generování sestav Jedná se o grafické rozhraní, které umožňuje návrh a generování vlastních sestav ze struktury OLAP databáze. ( OLAP - Online Analytical Processing, jedná se technologii
VíceDatový 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
VíceÚvod do databázových systémů. Ing. Jan Šudřich
Ing. Jan Šudřich jan.sudrich@mail.vsfs.cz 1. Cíl předmětu: Úvod do databázových systémů Poskytnutí informací o vývoji databázových systémů Seznámení s nejčastějšími databázovými systémy Vysvětlení používaných
VíceDatabázové 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
VícePodnikové 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
VíceZáklady 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,
VíceSystém analýzy dat. Systém analysis of data
Systém analýzy dat Systém analysis of data Bakalářská práce Zdenka Roudenská Vedoucí práce: Ing Václav Novák, CSc. Jihočeská univerzita v Českých Budějovicích Pedagogická fakulta Katedra informatiky 2008
VíceNÁSTROJE 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
VíceDatabázové systémy Cvičení 5.3
Databázové systémy Cvičení 5.3 SQL jako jazyk pro manipulaci s daty SQL jako jazyk pro manipulaci s daty Aktualizace dat v SQL úprava záznamů v relacích (tabulkách) vložení záznamu INSERT INTO oprava záznamu
VíceÚvod do databázových systémů
Vysoká škola báňská Technická univerzita Ostrava Fakulta elektrotechniky a informatiky Úvod do databázových systémů Cvičení 5 Ing. Petr Lukáš petr.lukas@vsb.cz Ostrava, 2014 Opakování K čemu se používají
VíceDatabázový systém označuje soubor programových prostředků, které umožňují přístup k datům uloženým v databázi.
Databáze Základní pojmy Pojem databáze označuje obecně souhrn informací, údajů, dat o nějakých objektech. Úkolem databáze je hlídat dodržení všech omezení a dále poskytovat data při operacích. Objekty
Více2. blok část B Základní syntaxe příkazů SELECT, INSERT, UPDATE, DELETE
2. blok část B Základní syntaxe příkazů SELECT, INSERT, UPDATE, DELETE Studijní cíl Tento blok je věnován základní syntaxi příkazu SELECT, pojmům projekce a restrikce. Stručně zde budou představeny příkazy
VíceKAPITOLA 2. Architektura, modelování a implementace Business Intelligence procesů v SQL Serveru 2008. V této kapitole:
KAPITOLA 2 Architektura, modelování a implementace Business Intelligence procesů v SQL Serveru 2008 V této kapitole: Architektura Business Intelligence na platformě SQL Serveru 2008 Modelování procesů
VíceDatabázové systémy. Cvičení 6: SQL
Databázové systémy Cvičení 6: SQL Co je SQL? SQL = Structured Query Language SQL je standardním (ANSI, ISO) textovým počítačovým jazykem SQL umožňuje jednoduchým způsobem přistupovat k datům v databázi
VíceDatabáze I. 1. přednáška. Helena Palovská
Databáze I 1. přednáška Helena Palovská palovska@vse.cz Co je databáze Mnoho dat Organizovaných používá se model uspořádání Řízený přístup k datům přijímá požadavky v jazyce modelu umožňuje sdílení dat
VíceInformační systémy 2008/2009. Radim Farana. Obsah. Obsah předmětu. Požadavky kreditového systému. Relační datový model, Architektury databází
1 Vysoká škola báňská Technická univerzita Ostrava Fakulta strojní, Katedra automatizační techniky a řízení 2008/2009 Radim Farana 1 Obsah Požadavky kreditového systému. Relační datový model, relace, atributy,
VíceDatové 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,
VícePG 9.5 novinky ve vývoji aplikací
PG 9.5 novinky ve vývoji aplikací P2D2 2016 Antonín Houska 18. února 2016 Část I GROUPING SETS, ROLLUP, CUBE Agregace Seskupení řádků tabulky (joinu) do podmnožin podle určitého kĺıče. Za každou podmnožinu
VíceAnalýza 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
VíceDatabáze MS-Access. Obsah. Co je to databáze? Doc. Ing. Radim Farana, CSc. Ing. Jolana Škutová
Databáze MS-Access Doc. Ing. Radim Farana, CSc. Ing. Jolana Škutová Obsah Principy a možnosti databází. Uložení dat v databázi, formáty dat, pole, záznamy, tabulky, vazby mezi záznamy. Objekty databáze
VíceZpracování informací
Ústav automatizace a informatiky Fakulta strojního inženýrství Vysoké učení technické v Brně Přednáška č. 7 z předmětu Zpracování informací Ing. Radek Poliščuk, Ph.D. Tato publikace vznikla jako součást
VíceMarketingová 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
VíceMichal Krátký, Miroslav Beneš
Databázové a informační systémy Michal Krátký, Miroslav Beneš Katedra informatiky VŠB Technická univerzita Ostrava 5.12.2005 2005 Michal Krátký, Miroslav Beneš Databázové a informační systémy 1/24 Obsah
VíceBusiness Intelligence
Business Intelligence Skorkovský KAMI, ESF MU Principy BI zpracování velkých objemů dat tak, aby výsledek této akce manažerům pomohl k rozhodování při řízení procesů výsledkem zpracování musí být relevantní
VíceDatabáze 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
VíceDatové 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
VíceMETODY 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
VíceDatabázové 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
VíceMBI - technologická realizace modelu
MBI - technologická realizace modelu 22.1.2015 MBI, Management byznys informatiky Snímek 1 Agenda Technická realizace portálu MBI. Cíle a principy technického řešení. 1.Obsah portálu - objekty v hierarchiích,
VíceDatabázové systémy a SQL
Databázové systémy a SQL Daniel Klimeš Autor, Název akce 1 About me Daniel Klimeš Vzdělání: Obecná biologie PGS: onkologie Specializace: klinické databáze Databáze ORACLE klimes@iba.muni.cz Kotlářská 2,
VíceKIV/ZIS - cvičení. je dobré chodit na cvičení, lépe se pak vypracovávají semestrálky. první 2 týdny podle kapacity 1/37
KIV/ZIS - cvičení David Široký (dsiroky@kiv.zcu.cz) http://portal.zcu.cz -> Courseware -> Moje předměty -> KIV/ZIS http://dasir.cz/vyuka/ docházka - není povinná, ale je sledovaná přesuny mezi cvičeními
VíceDatabázové systémy Cvičení 5.2
Databázové systémy Cvičení 5.2 SQL jako jazyk pro definici dat Detaily zápisu integritních omezení tabulek Integritní omezení tabulek kromě integritních omezení sloupců lze zadat integritní omezení jako
VíceJazyk SQL databáze SQLite. připravil ing. petr polách
Jazyk SQL databáze SQLite připravil ing. petr polách SQL - úvod Structured Query Language (strukturovaný dotazovací jazyk 70. léta min. století) Standardizovaný dotazovací jazyk používaný pro práci s daty
VíceWWW dotazovací služby pro prostorová data URM. Jiří Čtyroký Útvar rozvoje hl. m. Prahy
WWW dotazovací služby pro prostorová data URM Jiří Čtyroký Útvar rozvoje hl. m. Prahy Zpřístupnění geodat hl. m. Prahy 1. Mapové aplikace Zpřístupnění geodat hl. m. Prahy 1. Mapové aplikace 2. Geoportál
VíceInovace a zkvalitnění výuky prostřednictvím ICT Databázové systémy MySQL základní pojmy, motivace Ing. Kotásek Jaroslav
Střední průmyslová škola a Vyšší odborná škola technická Brno, Sokolská 1 Šablona: Název: Téma: Autor: Číslo: Anotace: Inovace a zkvalitnění výuky prostřednictvím ICT Databázové systémy MySQL základní
VíceAnalýza dat skoro zadarmo možnosti rozborů pro malé organizace
Analýza dat skoro zadarmo možnosti rozborů pro malé organizace Martin Hess Microsoft Office Specialist Master Certification katedra informačních technologií VŠE Praha hess@vse.cz Abstrakt Článek se zabývá
VíceDJ2 rekurze v SQL. slajdy k přednášce NDBI001. Jaroslav Pokorný
DJ2 rekurze v SQL slajdy k přednášce NDBI001 Jaroslav Pokorný 1 Obsah 1. Úvod 2. Tvorba rekurzívních dotazů 3. Počítaní v rekurzi 4. Rekurzívní vyhledávání 5. Logické hierarchie 6. Zastavení rekurze 7.
VíceKIV/ZIS cvičení 6. Tomáš Potužák
KIV/ZIS cvičení 6 Tomáš Potužák Pokračování SQL Klauzule GROUP BY a dotazy nad více tabulkami Slučování záznamů do skupin (1) Chceme zjistit informace obsažené ve více záznamech najednou Klauzule GROUP
VíceB0M33BDT Technologie pro velká data. Supercvičení SQL, Python, Linux
B0M33BDT Technologie pro velká data Supercvičení SQL, Python, Linux Sergej Stamenov, Jan Hučín 18. 10. 2017 Osnova cvičení Linux SQL Python 2 SQL pro uživatele aneb co potřebuje znát a umět bigdatový uživatel:
VíceKritéria hodnocení praktické maturitní zkoušky z databázových systémů
Kritéria hodnocení praktické maturitní zkoušky z databázových systémů Otázka č. 1 Datový model 1. Správně navržený ERD model dle zadání max. 40 bodů teoretické znalosti konceptuálního modelování správné
Více4. blok část A Logické operátory
4. blok část A Logické operátory Studijní cíl Tento blok je věnován představení logických operátorů AND, OR, NOT v jazyce SQL a práce s nimi. Doba nutná k nastudování 1-2 hodiny Průvodce studiem Při studiu
VíceDatabázové systémy. 10. přednáška
Databázové systémy 10. přednáška Business Intelligence Poprvé byl termín BI použit Gartnerem a dále pak popularizován Howardem Dresnerem jako: proces zkoumání doménově strukturovaných informací za účelem
VíceANALYSIS SERVICES PROJEKT VYTVOŘENÍ PROJEKTU A DATOVÉ KOSTKY
ANALYSIS SERVICES PROJEKT VYTVOŘENÍ PROJEKTU A DATOVÉ KOSTKY Spusťte BIDS - z menu vyberte File/New/Project a vytvořte nový Analysis Services Project typu Bussines Inteligence Project - doplňte jméno projektu
VíceDatabázové systémy BIK-DBS
Databázové systémy BIK-DBS Ing. Ivan Halaška katedra softwarového inženýrství ČVUT FIT Thákurova 9, m.č. T9:311 ivan.halaska@fit.cvut.cz Stránka předmětu: https://edux.fit.cvut.cz/courses/bi-dbs/parttime/start
VíceDobývání znalostí. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze
Dobývání znalostí Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze Dobývání znalostí Úvod do problematiky Doc. RNDr. Iveta Mrázová,
VíceKritéria hodnocení praktické maturitní zkoušky z databázových systémů
Kritéria hodnocení praktické maturitní zkoušky z databázových systémů Otázka č. 1 Datový model 1. Správně navržený ERD model dle zadání max. 40 bodů teoretické znalosti konceptuálního modelování správné
VíceDatabázové systémy. - SQL * definice dat * aktualizace * pohledy. Tomáš Skopal
Databázové systémy - SQL * definice dat * aktualizace * pohledy Tomáš Skopal Osnova přednášky definice dat definice (schémat) tabulek a integritních omezení CREATE TABLE změna definice schématu ALTER TABLE
VíceÚvod do databázových systémů
Vysoká škola báňská Technická univerzita Ostrava Fakulta elektrotechniky a informatiky Katedra informatiky Database Research Group Úvod do databázových systémů Cvičení 1 Ing. Petr Lukáš petr.lukas@vsb.cz
VíceInovace výuky prostřednictvím šablon pro SŠ
Název projektu Číslo projektu Název školy Autor Název šablony Název DUMu Stupeň a typ vzdělávání Vzdělávací oblast Vzdělávací obor Tematický okruh Inovace výuky prostřednictvím šablon pro SŠ CZ.1.07/1.5.00/34.0748
Více