IBM Komplexní reporting - case study POC pro sázkovou kancelář
|
|
- Miloš Tábor
- před 8 lety
- Počet zobrazení:
Transkript
1 Ondřej Bothe Cognos Technical Professional, Martin Pavlík - IM Technical Professional 09/02/2010 IBM Komplexní reporting - case study POC pro sázkovou kancelář
2 Definice Case Study Cíl: vytvoření dvou ukázkových reportů pomocí pokročilých reportovacích nástrojů Zadání: K dispozici ukázková data (celkem tři podkladové tabulky pro oba reporty) Přibližný popis business problematiky Problematika by měla být řešena near-on-line Nemělo by se jednat o aktualizaci dat jednou za den, ale naopak v co nejmenších intervalech Podmínky Nejsou dány žádné omezující podmínky S výjimkou výkonu 2
3 Data k dispozici: K dispozici tři tabulky: 1) Sázenka Vsazeno Datum sázky Konec platnosti ) Typ Domácí Hosté Výsledek 1.poločas Fotbal Sparta Liberec Výhra Prohra Celkový výsledek Fotbal Slavia Sparta Prohra..... Prohra Fotbal Viktoria Příbram Výhra Výhra Fotbal Olomouc Třinec Výhra Prohra Fotbal Bohemians Brno Prohra Výhra Hokej Sparta Slavia Prohra Prohra 3) Sázenka Sázka Kurz Vsazeno Datum sázenky Konec platnosti 1 A 1: B 1: C 1: B 1: D 3: D 3:
4 Zadání prvního reportu: Podkladová data: Sázenka Sázka Kurz Vsazeno Datum sázky Konec platnosti 1 A 1: B 1: C 1: B 1: D 3: D 3: Jedna sázenka může mít více sázek (události na které se sází) Každá sázenka má datum, kdy byla sazena a kdy končí poslední událost, na kterou je vsazeno Je dána celková částka, která je dána na Sázenku (sloupec Vsazeno) Za den: celkem je asi Sázenek, průměrně Sázenka cca obsahuje 7 Sázek Cíl reportu: Automatizovaný a uživatelsky příjemný pohled na data Detail kombinace Sázek, pohled na základní ukazatele, jako je celková vsazená částka,... 4
5 Zadání druhého reportu: Podkladová dat: Typ Domácí Hosté Výsledek 1.poločas Celkový výsledek Fotbal Sparta Liberec Výhra Prohra Fotbal Slavia Sparta Prohra..... Prohra Fotbal Viktoria Příbram Výhra Výhra Fotbal Olomouc Třinec Výhra Prohra Fotbal Bohemians Brno Prohra Výhra Hokej Sparta Slavia Prohra Prohra Informace o všech událostech z historie Vyhodnocení pravděpodobnosti výsledku události podle definovaných ukazatelů Výběr parametrů a dopočítání pravděpodobnosti vzhledem k výsledkům s opačnými parametry Porovnání různých variant nastavení paramaterů v rámci jednoho reportu Data ligového fotbalu za 10 let = cca záznamů 5 Cíl reportu: Lepší přehled o historických výsledcích s on-line přístupem pro uživatele Automatické porovnání variant, volba počtu variant
6 Otázkačíslo I. Který z reportů bude pravděpodobněji pracnější? A: První report (report TOP 10 kombinací) B: Druhý report (vypočítání pravděpodobnosti na základě historických dat) C: Oba stejně 6
7 Detailnějsí analýza prvního reportu: Business požadavky: Zajímavý je detail na Sázku a jejich kombinace Zajímají nás Sázky s nejvyšší sazenou částkou (TOP 10) Zajímají nás platné dvojice Sázek s nejvyšší sazenou částkou (TOP 10) Zajímají nás platné trojice Sázek s nejvyšší sazenou částkou (TOP 10) Jaké jsou platné jednice Sázek ze Sázenky 1? Sázenka Sázka Vsazeno 1 A B C 500 Jaké jsou platné dvojice Sázek ze Sázenky 1? Sázenka Sázka 1 Sázka 2 Vsazeno 1 A B A C B C 500 Jaké jsou platné trojice Sázek ze Sázenky 1? Sázenka Sázka 1 Sázka 2 Sázka 3 Vsazeno 1 A B C 500 7
8 Detailnějsí analýza prvního reportu: Co to znamená: V původní tabulce bylo Sázenek průměrně po 7 Sázkách za den Požadavky: On line reporting (přijatelná odezva) za více dní Výběr TOP 10 Pro jednice je problém v principu možnéřešit přes reportovací nástroje, ale na hranici únosnosti Všechny transformace probíhají až v rámci reportingu,... Ale - Kolik bude mít tabulka řádků pro platné dvojice Dvojice Sázek, které se spolu vyskytují na alepsoň jedné Sázence - Kolik bude mít tabulka řádků pro platné trojice Trojice Sázek, které se spolu vyskytují na alepsoň jedné Sázence 8
9 Otázkačíslo II. Kolik existuje platných trojic, ze kterých probíhá výběr TOP 10? (Za jeden den) Trojice A - B - C Sázenka 1 Sázenka 4 C A D B A C B F G - A: cca H Vsazeno: 20 Vsazeno: 100 Výhra: Výhra: Trojice C - G - H Sázenka 1 Sázenka 41 C H D B A C B: cca B G H F G C: cca Vsazeno: 20 Vsazeno: 75 Výhra: Výhra:
10 Detailnějsí analýza prvního reportu: Co to znamená: - Pro reporting dvojic a trojic není možné úlohu vzhledem k počtu záznamů řešit přes reportingovou vrstvu Hlavní důvod je počet kombinací 10
11 Ukázka prvního reportu 11
12 Detailnějsí analýza prvního reportu: Řešení: - Zapojení ETL nástroje pro tvorbu předgenerovaných pohledů na data - Vytvoření jednic, dvojic a trojic a vyfiltrování TOP 10 Co to je ETL? Nástroj na manipulaci s daty, zejména s velkými objemy dat ETL = Extract, Transfer, Load Standardní použití: Denní nahrávání dat do Warehousu HW pro ETL při POC: HW: VMWare (virtuální PC) s 3 GB RAM, 1 jádro procesoru 2,9 GHz 12
13 Otázkačíslo III. Jak dlouho trvá generování tabulky trojic (včetně TOP 10) v ETL nástroji (bez optimalizací) Při každém spuštění je: Načtena celá tabulka Sázka X Sázenka Vygenerování všech trojic z této tabulky Seřazení výsledků dle 3 kritérií (Počet, Sázka, Výhra), vybrání TOP 10 A: cca 45 minut B: cca 3 hodiny C: cca 10 hodin 13
14 Otázkačíslo IV. Co v tomto ETL trvá nejdéle? A: Načítání vstupu: Celá tabulka Sázka X Sázenka B: Vygenerování všech trojic z této tabulky C: Sečtení kombinací, seřazení výsledků, vybrání TOP 10 14
15 Ačkoliv trvá příprava datové vrstvy dlouho, reporty jsou relativně svižné Pojďme se podívat na to, jak vypadá ETL generující podklady pro report 15
16 Detailnějsí analýza prvního reportu: On-Line report 45 minut Řešení: Optimalizace ETL pro účely inkrementálního načítání Je vždy nutné brát celou tabulku? Můžeme nastavit mechanismus, kdy bereme nové záznamy Pokud máme omezený datový vstup, generování trojic je výrazně rychlejší Seřazení a vybráni TOP 10 Nemusíme porovnávat (řadit) vše, ale: Přičíst nové jen k TOP 10 kombinacím, vše co je pod limitem nejhoršího můžeme odfiltrovat. Pokud mohou kombinace také ubývat, můžeme od TOP 10 odečíst ubývající a přičíst nové. Vše co je pod limitem nejhošího můžeme odfiltrovat. 16
17 Využití jiného přístupu v případě inkrementálního načítání Zjednodušení pro účel vysvětlení Budeme uvažovat jen jednice, tj. Jednotlivé sázky Budeme uvažovat jen metriku Počet Co už máme z předchozího běhu? # Sázka Počet 1 F D A R Co přichází v novém inkrementu Objevují se nové sázky Přibývají počty k existujícím Nevyhneme se přepočítání aktuálních počtů Můžeme se ale vyhnout třízení > 26M záznamů Jak? Sázka Počet A B 345 D R Budou nás zajímat jen sázky s počtem vyšším než než Pokud se má sázka dostat do TOP10, musí být jistě vyšší než poslední ze stávajících TOP10 11 M M Q 1 S M Pak budeme třídit jen cca sázek, které mají novu hodnotu počtu vyšší než
18 Otázkačíslo V. Jak pomohla optimalizace? Pomohla vůbec? Inkrement má velikost cca 1/10 původního počtu sázenek (necelých 7 000) Celý proces nově trvá: A: cca 5 minut tj. 1/10 času proti full-loadu B: cca 15 minut tj. je to kratší, ale nejedná se o přímou úměru C: cca 45 minut nemůže to pomoci čas bude bohužel stále stejný 18
19 Odpověď na otázku číslo V. 19
20 Detailnějsí analýza prvního reportu: ON-LINE Reporting Jakou nastavit časovou periodu pro spouštění ETL? Délka zpracování se bude značně lišit podle aktivit sázejících Je nemožné stanovit správný časový interval Řešení: ETL se nebude spouštět na základě času ETL process se spustí pokaždé, když doběhne předchozí Nutná odstávka na údržbu (nasazení nové verze) V definovaných časových oknech Finální výkonnost Díky dobré škálovatelnosti řešení (paralelismus v procesech) je výkon v podstatě přímo úměrný výkonu HW Pří nárůstu požadavků a nebo při nárůstu dat je možné pouze rozšířit HW 20
21 Proč volit pro ETL a Reporting stejného dodavatele? (IBM InfoSphere Information Server & IBM Cognos) Může to být výhodné pro zákazníka Technologie ETL a reportingu mohou být propojeny na úrovni metadat Co jsou to metadata? Business metadata Popis jednotlivých pojmů, jejich vzájemné provázání Sledování změn, jasně definované zodpovědnosti Technická metadata datové modely, ETL procesy, Extrémně důležitá je ale především provázanost Technických a Business metadat / - Výrazně snažší, pružnější a tedy i levnější údržbu a realizaci změn 21
22 Ukázka práce s metadaty 22
23 Zadání druhého reportu: Podkladová dat: Typ Domácí Hosté Výsledek 1.poločas Celkový výsledek Fotbal Sparta Liberec Výhra Prohra Fotbal Slavia Sparta Prohra..... Prohra Fotbal Viktoria Příbram Výhra Výhra Fotbal Olomouc Třinec Výhra Prohra Fotbal Bohemians Brno Prohra Výhra Hokej Sparta Slavia Prohra Prohra Informace o všech událostech z historie Vyhodnocení pravděpodobnosti výsledku události podle definovaných ukazatelů Výběr parametrů a dopočítání pravděpodobnosti vzhledem k výsledkům s parametry opačnými Porovnání různých variant nastavení paramaterů v rámci jednoho reportu Data: 3 ligy, 10 let = cca záznamů 23 Cíl reportu: Lepší přehled o historických výsledcích s on-line přístupem pro uživatele Automatické porovnání variant podle parametrů, volba počtu variant
24 Zadání druhého reportu: Co to přesně znamená? Uživatel si vybere parametry: Typ Domácí Hosté Výsledek 1.poločas Výsledek 2.poločas... Celkový výsledek Fotbal Sparta Liberec Výhra Prohra... Prohra Určí, které parametry se v rámci výpočtu pravděpodobnosti nemění a které ano. Podle toho se vygeneruje nový dotaz: Typ Domácí Hosté Výsledek 1.poločas Výsledek 2.poločas... Celkový výsledek Fotbal Sparta Liberec Výhra????????? V tomto případě: Fixní parametry: Typ, Domácí, Hosté, Výsledek 1.poločasu Volné parametry: Zbytek Business význam reportu: Jaké je pravděpodobnost, že pokud je Sparta domácí, hraje s Libercem fotbal a vyhrála první poločas, tak prohraje druhý poločas a celkově prohraje. Pravděpodobnost se počítá ze všech zápasů, kdy je Sparta domácí, hraje s Libercem fotbal a vyhrála první poločas 24
25 Detailnějsí analýza druhého reportu: Prvky, které musí mít možnost Business uživatel nastavit Parametry 1. Jednoduché nastavení paremetrů Výhra/Prohra, Nastavení toho, které parametry zůstávají při výpočtu pravděpodobnosti stejné, a které jsou zrušeny 3. Nastavení, kolik takovýchto kalkulací chce vidět na stránce Aby mohl lépe porovnávat varianty Cíl reportu: Zobrazení více variant pravděpodobnosti v rámci uživatelem definovaných parametrů 25
26 Otázkačíslo VI. Bude potřeba ETL? A: ano B: ne C: nelze rozhodnout 26
27 Detailnějsí analýza druhého reportu: Proč NE ETL Hlavně Není možné dopředu definovat, jaké parametry si uživatel vybere Není možné dopředu generovat předpřipravené pohledy Dále Ani datový objem není nijak velký Technologie ETL by report tohoto typu prodražovala a komplikovala jeho údržbu 27
28 Ukázka druhého reportu: DEMO 28
29 Závěrem optimální struktura pro reporting: Kde všude se dají dělat datové transformace? Zdrojový systém Warehouse Datamart MetaData pro reporting Definice samotného reportu Výběr parametrů v reportu Jak vybrat V každé vrstvě má transformace svůj význam V každé vrstvě se dělají jiné transformace Jak z pohledu businessu Kde budu počítat čistý zisk Kdo bude zodpovědný za výpočet čistého zisku Tak z pohledu IT Objem dat Rychlost 29
30 Závěrem použité technologie: Reporting: IBM COGNOS BI, verze 8.4 Licence Cognos BI Admin, Cognos BI Professional, Cognos BI Consumer - licenčně relativně malý náklad v celkovém řešení Klíčové pro prezentaci dat uživateli Definice parametrů Graficky pěkné zobrazení ETL ETL - IBM InfoSphere DataStage jeden z modulů IBM InfoSphere Information Serveru Licence na serverovou a klientskou část řešení Volitelně pak další moduly IBM InfoSphere Information Serveru pro práci s metadaty Licence na jednotlivé uživatele Databáze Může být použita libovolná databáze (DB2, Oracle, MS SQL Server, Informix,...) Výkonnost se může drobně lišit dle podpory nativního vs. ODBC driveru 30
31 Závěrem navazující workshopy: Ukázka nástroje ETL a nástroje na čištění dat Case Study Generali pojišťovna V případě zájmu: Tvorba reportů v Report sudiu, koncepce Cognosu BI Podrobnější rozebrání case study pro sázkovou kancelář Komplexní správa metadat 31
32 Závěrem??? Otázky a odpovědi??? Děkujeme za pozornost... 32
Profitabilita klienta v kontextu Performance management
IBM Technical specialist team Pre Sale 26/10/2010 Profitabilita klienta v kontextu Performance management Co všechno řadíme do PM? Automatická data Běžný reporting Pokročilé statistické modely Včera What
VíceOndřej Bothe, Richard Dobiš
Portfolio PM - "What-if" analýza v plánovací aplikaci Ondřej Bothe, Richard Dobiš 2.2.2011 PM systém : Je to systém, zajišťující komplexní proces práce s daty pro koncového uživatele 1. Plánuj Plán nákladů
VíceTM1 vs Planning & Reporting
R TM1 vs Planning & Reporting AUDITOVATELNOST? ZABEZPEČENÍ? SDÍLENÍ? KONSOLIDACE? PROPOJITELNOST???? TM1?? COGNOS PLANNING IBM COGNOS 8 PLANNING Cognos Planning Podpora plánovacího cyklu Jednoduchá tvorba
VíceQAD 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
VícePerformance Management What if?
Performance Management What if? Ondřej Bothe, IT Specialist ondrej_bothe@cz.ibm.com Agenda: Koncept PM s What if nástroji Ukázka tvorby What if modelu (Ukázka pokročilejší What if aplikace) Performance
VíceWonderware Information Server 4.0 Co je nového
Wonderware Information Server 4.0 Co je nového Pavel Průša Pantek (CS) s.r.o. Strana 2 Úvod Wonderware Information Server je výrobní analytický a reportní informační portál pro publikaci výrobních dat
Více1. SYSTÉMOVÉ POŽADAVKY / DOPORUČENÁ KONFIGURACE HW A SW Databázový server Webový server Stanice pro servisní modul...
Obsah 1. SYSTÉMOVÉ POŽADAVKY / DOPORUČENÁ KONFIGURACE HW A SW... 1 1.1 Databázový server... 1 1.2 Webový server... 1 1.3 Stanice pro servisní modul... 1 1.4 Uživatelské stanice... 1 1.5 Monitorované počítače...
VíceAktuální otázky provozu datových skladů PAVEL HNÍK
Aktuální otázky provozu datových skladů PAVEL HNÍK K čemu slouží datové sklady IT podporuje business podniků S velikostí podniku se zvyšuje náročnost zpracování dat DWH = unifikovaná datová základna pro
VíceCPM/BI a jeho návaznost na podnikové informační systémy. Martin Závodný
CPM/BI a jeho návaznost na podnikové informační systémy Martin Závodný Agenda Význam CPM/BI Aplikace CPM/BI Projekty CPM/BI Kritické body CPM/BI projektů Trendy v oblasti CPM/BI Diskuse Manažerské rozhodování
VíceBI & DWH & MIS nástroj 2. generace
Pavel Seibert KOMIX s.r.o. Avenir Business Park Radlická 751/113e, 158 00 Praha 5 tel.: +420 257 288 211 Úvod Pro oblast Business Intelligence je na trhu celá řada osvědčených produktů osvědčených firem
VíceZátěžové testy aplikací
Zátěžové testy aplikací Obsah Zátěžové testy v životním cyklu vývoje software Kdy a proč provádět zátěžové testy Projekt zátěžového testu Fáze zátěžového testu Software pro zátěžové testy Zátěžové testy
VíceMetadata. MI-DSP 2013/14 RNDr. Ondřej Zýka, ondrej.zyka@profinit.eu
Metadata MI-DSP 2013/14 RNDr. Ondřej Zýka, ondrej.zyka@profinit.eu Co to jsou metadata Chybějící metadata Doplněná metadata Co o metadatech říkají autority Řízení metadata je nepochybně nejdůležitější
VíceDatová kvalita základ úspěšného BI. RNDr. Ondřej Zýka, Profinit
Datová kvalita základ úspěšného BI RNDr. Ondřej Zýka, Profinit 1.6.2012 Datová exploze Snižování nákladů o Zdvojnásobení objemu podnikových dat každé dva roky o Konkurenční tlak o Ekonomická krize o V
VíceZ znam workshopu k projektu QJ Program workshopu: 4. Diskuse. s metodice. H
Z znam workshopu k projektu QJ1220346 P 17. 12. 2014 v P V Praze P. Program workshopu: 1. P ( dostupnost) 2. P 3. U 4. Diskuse P P V VÚV TGM P j ) s metodice. H P dokumentace)bude VÚV TGM v.v.i., http://heis.vuv.cz/projekty/emisevoda
VíceInfor Performance management. Jakub Urbášek
Infor Performance management Jakub Urbášek Agenda prezentace Stručně o produktu Infor PM 10 Komponenty Infor PM - PM OLAP a PM Office Plus Reporting Analýza Plánování / operativní plánování Infor Performance
VíceAplikace pro srovna ní cen povinne ho ruc ení
Aplikace pro srovna ní cen povinne ho ruc ení Ukázkový přiklad mikroaplikace systému Formcrates 2010 Naucrates s.r.o. Veškerá práva vyhrazena. Vyskočilova 741/3, 140 00 Praha 4 Czech Republic tel.: +420
VíceBusiness Intelligence nástroje a plánování
Business Intelligence nástroje a plánování pro snadné reportování a vizualizaci Petr Mlejnský Business Intelligence pro reporting, analýzy a vizualizaci Business Intelligence eporting Dashboardy a vizualizace
VíceVzdálená správa v cloudu až pro 250 počítačů
Vzdálená správa v cloudu až pro 250 počítačů S pomocí ESET Cloud Administratoru můžete řídit zabezpečení vaší podnikové sítě bez nutnosti nákupu, instalace nebo údržby dalšího hardwaru. Řešení je poskytováno
VíceIW3 MS SQL SERVER 2014
Instalace a konfigurace IW3 MS SQL SERVER 2014 Ing. Peter Solár, MCITP EA solar@pocitacoveskoleni.cz 1 OSNOVA 1. příprava instalace SQL serveru 2. instalace SQL serveru 3. základní konfigurace SQL serveru
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
VíceIntegrace prostředí pomocí TDI v praxi
Integrace prostředí pomocí TDI v praxi Ing. Ondřej Fuxa, Your System spol. s r.o. 23.11.2010 Praha Téma přednášky Poznejte nový nástroj Tivoli Directory Integrator v nestandardní praktické ukázce synchronizace
VíceMIS. Manažerský informační systém. pro. Ekonomický informační systém EIS JASU CS. Dodavatel: MÚZO Praha s.r.o. Politických vězňů 15 110 00 Praha 1
MIS Manažerský informační systém pro Ekonomický informační systém EIS JASU CS Dodavatel: MÚZO Praha s.r.o. Politických vězňů 15 110 00 Praha 1 Poslední aktualizace dne 5.8.2014 MÚZO Praha s.r.o. je certifikováno
VíceManažerský reporting a finanční plánování Targetty
Manažerský reporting a finanční plánování Targetty v O2 Milan Štoček Milan.Stocek@CleverDecision.com Agenda Představení Clever Decision a Uniwise Targetty - Enterprise Performance Management Planning Architektura
VíceStatistica, kdo je kdo?
Statistica, kdo je kdo? Newsletter Statistica ACADEMY Téma: Typy instalací Typ článku: Teorie Někteří z vás používají univerzitní licence, někteří síťové, podnikové atd. V tomto článku Vám představíme,
VíceReportingová platforma v České spořitelně
Reportingová platforma v České spořitelně Agenda Implementované prostředí Cognos 8 v ČS Marek Varga, Česká spořitelna, a.s. Využití platformy Cognos z pohledu businessu Petr Kozák, Česká spořitelna, a.s.
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................................................
VíceData Protection Delivery Center, s. r. o. JEDNODUCHOST, SPOLEHLIVOST a VÝKONNOST. DPDC Protection. zálohování dat
Data Protection Delivery Center, s. r. o. JEDNODUCHOST, SPOLEHLIVOST a VÝKONNOST zálohování dat DPDC Protection DPDC Protection Jednoduchost, spolehlivost a výkonnost zálohování dat DPDC Protection je
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
VíceTomáš Kantůrek. IT Evangelist, Microsoft
Tomáš Kantůrek IT Evangelist, Microsoft Správa a zabezpečení PC kdekoliv Jednoduchá webová konzole pro správu Správa mobilních pracovníků To nejlepší z Windows Windows7 Enterprise a další nástroje Cena
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
VíceDATABÁZOVÉ 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
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,
VíceSázková kancelář Z pekla štěstí
Sázková kancelář Z pekla štěstí Řešitelský tým Michal Pfeifer, Martin Halamíček, Jan Blaško, Zdeněk Křepela, Jan Popelka, Jan Mach Úvod Sázková kancelář Z pekla štěstí je malá společnost s několika malými
VíceStručný obsah. K2118.indd 3 19.6.2013 9:15:27
Stručný obsah 1. Stručný obsah 3 2. Úvod 11 3. Seznamy a databáze v Excelu 13 4. Excel a externí data 45 5. Vytvoření kontingenční tabulky 65 6. Využití kontingenčních tabulek 81 7. Kontingenční grafy
VíceTéma Školitel Počet dní Moderní principy řízení výrobního podniku
Katalog školení QAD Školení probíhají na adrese: Minerva ČR, Skálova 2490, Tábor začátek 9:00 hod do cca 16 hod Minerva ČR, AT Tower Pražákova 69, Brno začátek 9:00 hod do cca 16 hod cena 4000Kč/osoba,
VíceSítě SFN Systém pro analýzu a vizualizaci pokrytí a rušení vysílacích sítí
Sítě SFN Systém pro analýzu a vizualizaci pokrytí a rušení vysílacích sítí Sítě SFN ver. 7 je výpočetní systém pro analýzu pokrytí a rušení vysílacích sítí pro služby FM, TV, DVB- T a T-DAB a analýzu a
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
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
VíceGTL GENERATOR NÁSTROJ PRO GENEROVÁNÍ OBJEKTŮ OBJEKTY PRO INFORMATICA POWERCENTER. váš partner na cestě od dat k informacím
GTL GENERATOR NÁSTROJ PRO GENEROVÁNÍ OBJEKTŮ OBJEKTY PRO INFORMATICA POWERCENTER váš partner na cestě od dat k informacím globtech spol. s r.o. karlovo náměstí 17 c, praha 2 tel.: +420 221 986 390 info@globtech.cz
VíceADS DOCHÁZKOVÝ SOFTWARE
DOCHÁZKOVÝ SOFTWARE Program ADS je komfortní a sofistikovaný software pro zpracování docházky na základě dat načtených systémem ACS-line. Umožňuje libovolnou práci s daty a výpočty dle nastavených směn
VíceSísyfos Systém evidence činností
Sísyfos Systém evidence Sísyfos : Evidence pracovních Systém Sísyfos je firemní aplikace zaměřená na sledování pracovních úkonů jednotlivých zaměstnanců firmy. Umožňuje sledovat pracovní činnosti na různých
VíceBc. David Gešvindr MSP MCSA MCTS MCITP MCPD
Bc. David Gešvindr MSP MCSA MCTS MCITP MCPD 1. Příprava k instalaci SQL Serveru 2. Instalace SQL Serveru 3. Základní konfigurace SQL Serveru Vychází ze Sybase SQL Server Verze Rok Název Codename 7.0 1998
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
VíceIBM Tivoli Storage Manager 6.2 a IBM Tivoli Storage Manager FastBack 6.1.1
IBM Tivoli Storage Manager 6.2 a IBM Tivoli Storage Manager FastBack 6.1.1 Reporting a Monitoring Ondřej Bláha CEE+R CoP Team / Tivoli Storage Team Leader Září 2010 2010 IBM Corporation TSM 6: Reporting
VíceA1A SYNOT LIGA PODZIM 2015
A1A SYNOT LIGA PODZIM 2015 1. kolo ( 1.) 25.07.2015 00:00 A1A0101 Teplice - Olomouc A1A0102 Slovácko - Dukla A1A0103 Příbram - Jablonec A1A0104 Plzeň - Slavia A1A0105 Bohemians 1905 - Zlín A1A0106 Liberec
VíceBusiness Intelligence 2015. Hlavní témata, která budou v roce 2015 určovat vývoj business intelligence řešení a služeb.
Business Intelligence 2015 Hlavní témata, která budou v roce 2015 určovat vývoj business intelligence řešení a služeb. Leden 2015 Téma č. 1: Cloudové služby budou využívat lokální data V roce 2015 se zvýší
VíceP R E Z E N T A C E Max Communicator 9
P R E Z E N T A C E Max Communicator 9 Řešení energetické správy podniků Měření a Regulace průběhu spotřeby energií (elektřina, plyn, voda, teplo, ) Kalkulace nákladů na provoz, výrobu a rezerv. kapacitu
VíceVÝROBA. Helios Orange + něco navíc. Adresa: SAPERTA s.r.o. Presy 371 53701 Telefon: 777 071 626 E-mail: saperta@saperta.cz WWW: saperta.
VÝROBA Helios Orange + něco navíc Adresa: SAPERTA s.r.o. Presy 371 53701 Telefon: 777 071 626 E-mail: saperta@saperta.cz WWW: saperta.cz MODUL VÝROBY Modul Řízení výroby vychází z osvědčeného základního
VíceEnd User Experience Monitoring Měření kvality IT služeb 7.10.2010, Brno Jiří Vozňák. information technology
End User Experience Monitoring Měření kvality IT služeb 7.10.2010, Brno Jiří Vozňák information technology Základ firemní strategie Strategie firmy Lidé Procesy Nástroje Portfolio nabídky a služeb Crux
VíceNová dimenze rozhodovacího procesu
Nová dimenze rozhodovacího procesu Marek Matoušek Pavel Mašek Data, nebo INFORMACE Využití dostupných firemních dat Několik systémů, mnoho různých dat Různé divize, různé potřeby Potřeba integrace dat
VíceNOVINKY v PROGRAMU DOCHÁZKA ADS
NOVINKY v PROGRAMU DOCHÁZKA ADS 4 1.2.2010 Uživatelské prostředí nové grafické prostředí programu rychlé menu ve dvou režimech - pouze ikony, ikony s popisem implementace Drag & Drop při přiřazování kalendáře,
VíceSYSTÉM ZPRACOVÁNÍ DAT FOTOVOLTAICKÉHO SYSTÉMU A METEOSTANICE
Středoškolská technika 2011 Setkání a prezentace prací středoškolských studentů na ČVUT SYSTÉM ZPRACOVÁNÍ DAT FOTOVOLTAICKÉHO SYSTÉMU A METEOSTANICE Petr Zelenka VOŠ a SŠ Varnsdorf, p.o. středisko VOŠ
VíceMožnosti propojení Lotus Notes/Domino a jiných systémů. Ondřej Fuxa Your System spol. s r.o.
Možnosti propojení Lotus Notes/Domino a jiných systémů Ondřej Fuxa Your System spol. s r.o. Lotus Symposium 2010 Agenda Integrace proč o ní uvažujeme? Možnosti integrace Lotus Notes/Domino a jiných systémů
VíceCloud - jak jej monitorovat, reporty, účtování a fakturace
Cloud - jak jej monitorovat, reporty, účtování a fakturace Ctibor Duda, Client Technical Professional Ctirad Navrátil, Client Technical Professional 1 2011 IBM Corporation Co dělá cloud cloudem Workflow
VícePopis ovládání. Po přihlášení do aplikace se objeví navigátor. Navigátor je stromově seřazen a slouží pro přístup ke všem oknům celé aplikace.
Popis ovládání 1. Úvod Tento popis má za úkol seznámit uživatele se základními principy ovládání aplikace. Ovládání je možné pomocí myši, ale všechny činnosti jsou dosažitelné také pomocí klávesnice. 2.
Více[APLIKACE PRO PŘEHRÁVÁNÍ VIDEA - PROJEKT MIAMI - SERVEROVÁ ČÁST]
[APLIKACE PRO PŘEHRÁVÁNÍ VIDEA - PROJEKT MIAMI - SERVEROVÁ ČÁST] [Aktualizace dokumentu: 27.8.2011 3:02:37 Verze dokumentu: 1.0 Obsah Obsah... 2 1. Struktura databáze a souborů... 3 2. Soubor registerdevice.php...
VícePŘÍLOHA Č. 4 K ZADÁVACÍ DOKUMENTACI VEŘEJNÉ ZAKÁZKY MALÉHO ROZSAHU. Tvorba software pro reportování stavu projektů (dále jen IS)
PŘÍLOHA Č. 4 K ZADÁVACÍ DOKUMENTACI VEŘEJNÉ ZAKÁZKY MALÉHO ROZSAHU Tvorba software pro reportování stavu projektů (dále jen IS) VERZE: finální DATUM: 6.9. 2013 1 ÚVOD Popis reportů potřebných pro sledování
VícePŘÍLOHA C Požadavky na Dokumentaci
PŘÍLOHA C Požadavky na Dokumentaci Příloha C Požadavky na Dokumentaci Stránka 1 z 5 1. Obecné požadavky Dodavatel dokumentaci zpracuje a bude dokumentaci v celém rozsahu průběžně aktualizovat při každé
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
VíceSdílení a poskytování dat KN. Jiří Poláček
Sdílení a poskytování dat KN Jiří Poláček Přehled služeb Datové služby Výměnný formát (SPI, SGI) Skenované katastrální mapy Aplikace a webové služby Dálkový přístup do KN (včetně webových služeb) Nahlížení
VíceCSPUG 2011-květen. GridSQL a pg-pool II. Vratislav Beneš benes@optisolutions.cz
GridSQL a pg-pool II Vratislav Beneš benes@optisolutions.cz Agenda 1. Datové sklady a datová tržiště 2. pg-pool II 1. Infrastrukutra 2. Využití pro datové sklady 3. GridSQL 1. Infrastuktura 2. Vytvoření
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
VíceStřední odborná škola stavební Karlovy Vary Sabinovo náměstí 16, 360 09 Karlovy Vary Autor: Ing. Hana Šmídová Název materiálu:
Název školy: Střední odborná škola stavební Karlovy Vary Sabinovo náměstí 16, 360 09 Karlovy Vary Autor: Ing. Hana Šmídová Název materiálu: VY_32_INOVACE_01_ACCESS_P2 Číslo projektu: CZ 1.07/1.5.00/34.1077
VíceC1A JUNIORSKÁ LIGA PODZIM 2015
C1A JUNIORSKÁ LIGA PODZIM 2015 1. kolo ( 1.) 26.07.2015 00:00 B1A0101 Znojmo - volný los B1A0102 Bohemians 1905 - Plzeň B1A0103 České Budějovice - Liberec B1A0104 Příbram - Mladá Boleslav B1A0105 Teplice
VíceWindows Server 2012. Novinky. Petr Špetlík Cloud & Server PTA
Windows Server 2012 Novinky Petr Špetlík Cloud & Server PTA TOP Hotel Praha Více než virtualizace Síla mnoha serverů, jednoduchost jednoho Každá aplikace, Jakýkoliv Cloud 7. 8. 3. 2012 2 Moderní Pracovní
VícePřipravte se na konjunkturu se systémem řízení údržby SGM. SGM moderní nástroj pro řízení údržby nejen výrobních zařízení
Připravte se na konjunkturu se systémem řízení údržby SGM SGM moderní nástroj pro řízení údržby nejen výrobních zařízení 30.3.2010 konference EAM, Brno Boris Soukeník ředitel Synergit s.r.o. Agenda prezentace
VíceZpravodaj. Uživatelská příručka. Verze
Zpravodaj Uživatelská příručka Verze 02.01.02 1. Úvod... 3 2. Jak číst tuto příručku... 4 3. Funkčnost... 5 3.1. Seznam zpráv... 5 4. Ovládání programu... 6 4.1. Hlavní okno serveru... 6 4.2. Seznam zpráv...
Vícecena jednodenního školení: 4000Kč/osoba, druhá a další z téže firmy 3000Kč cena dvoudenního školení: 7000Kč/osoba, druhá další z téže firmy 6000Kč.
Katalog školení QAD Školení probíhají na adrese: Minerva ČR, Skálova 2490, začátek 9:00 hod do cca 16 hod Minerva ČR, AT Tower Pražákova 69, začátek 9:00 hod do cca 16 hod cena jednodenního školení: 4000Kč/osoba,
VíceŘÍZENÍ POHLEDÁVEK A AUTOMATICKÉ UPOMÍNKY. Katalogový doplněk ABRA Gen
ŘÍZENÍ POHLEDÁVEK A AUTOMATICKÉ UPOMÍNKY Katalogový doplněk ABRA Gen Dokumentace k doplňku ABRA Gen Datum: 20.4.2017 Obsah 1 Instalace a aktivace... 3 1.1 Instalace... 3 1.2 Aktivace... 5 2 Funkce... 6
VíceRDF DSPS ROZVOJ PORTÁLU
RDF DSPS ROZVOJ PORTÁLU ČEZ Distribuce, a.s. HSI, spol. s r.o. Zbyněk Businský Miroslav Kaňka ZÁKAZNÍK A DODAVATEL ČEZ DISTRIBUCE, A.S. ČEZ distribuční síť Od r. 2012 implementován GEOPORTÁL (1. ETAPA),
Více<Insert Picture Here> Na co se můžete s Oracle BI těšit
Na co se můžete s Oracle BI těšit Tomáš Pospíšil, Oracle Czech Olomouc, 6.3.2014 Oracle BI Ukázka Oracle BI Možnosti platformy Oracle Business
VíceC# - Databáze úvod, ADO.NET. Centrum pro virtuální a moderní metody a formy vzdělávání na Obchodní akademii T.G. Masaryka, Kostelec nad Orlicí
C# - Databáze úvod, ADO.NET Centrum pro virtuální a moderní metody a formy vzdělávání na Obchodní akademii T.G. Masaryka, Kostelec nad Orlicí Co je to databáze? Databáze je určitá uspořádaná množina informací
Víceezkouška požadavky na IT
ezkouška realizováno v rámci projektu podpora profesionalizace a kvality státní služby a státní správy s číslem CZ.03.4.74/0.0/0.0/15_019/0006173 požadavky na IT sekce pro státní službu ministerstvo vnitra
VícePražská energetika, a.s.
Pražská energetika, a.s. Bolesti a strasti upgrade GIS PRE na verzi 10.1 Oldřich Adámek, Pražská energetika, a.s. Miroslav Kaňka, HSI s.r.o. Rozsah správy sítě PREdistribuce, a.s. Cca 200 km VVN, cca 3600
Více1. Generátor výstupních objektů (GVO)
Název projektu: Redesign Statistického informačního systému v návaznosti na zavádění egovernmentu v ČR Příjemce: Česká republika Český statistický úřad Registrační číslo projektu: CZ.1.06/1.1.00/07.06396
VíceNetezza. Martin Pavlík. 2. Února 2011. to pravé řešení pro analytický datový sklad
Netezza to pravé řešení pro analytický datový sklad Martin Pavlík 2. Února 2011 Co je Netezza? Napříč odvětvími Retail Telekomunikace Co Netezza dodává Vysoce výkonné appliance Firma Špičková technologie
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
VíceNovinky v oblasti MIS a DashBordů. David Černý,
Novinky v oblasti MIS a DashBordů David Černý, 12.11.2015 Stručný popis: střediskové, firemní informace v požadované struktuře zobrazení trendů vyhodnocení libovolných sledovaných ukazatelů jednoduchá
VíceOblačné informace. Jiří Kyliš
Oblačné informace Jiří Kyliš 2 Agenda Oblačné informace V tomto případě spíše informace Jaká je návaznost na téma sekce ICZ AMIS*MIS jaký je a v čem je jiný 3 Jaká je návaznost na téma sekce 4 Jaká je
VíceReporting a Monitoring
Reporting a Monitoring IBM Tivoli Storage Manager 6.3 a IBM Tivoli Storage Manager FastBack 6.1.5 Ondřej Bláha CEE+R CoP Team / Tivoli Storage Team Leader 2010 IBM Corporation Administrátorské rozhraní
VíceGlobální strategie, podnikové procesy, IT strategie. Jaroslav Žáček jaroslav.zacek@osu.cz http://www1.osu.cz/~zacek/
Globální strategie, podnikové procesy, IT strategie Jaroslav Žáček jaroslav.zacek@osu.cz http://www1.osu.cz/~zacek/ Globální podniková strategie Co budeme dělat? Jak to budeme dělat? Jak využijeme IT Co
VíceŘešení pro šíření informací ve výrobě
Řešení pro šíření informací ve výrobě Ing. et Ing. Petr Kuchyňka (KASI) Petr Šulc (X-Document) Praha, úterý 22. března 2016 KASI, spol. s r. o. Společnost založena v říjnu 1992. 3 provozovny a dceřiné
VíceOKadresy (nejen) od UIR-ADR k RUIAN
OKadresy (nejen) od UIR-ADR k RUIAN Přechod na nový systém rychle a s minimálními náklady Jan Zindulka vedoucí projektu 24. 10. 2012 1 Obsah UIR-ADR Územně identifikační registr adres RUIAN Základní registr
VíceKoncept architektury reportovacích a datově analytických systémů
Koncept architektury reportovacích a datově analytických systémů Martin Závodný Katedra informačního inženýrství Provozně ekonomická fakulta České zemědělské univerzity Kamýcká 129, 165 21 Praha 6 Suchdol
VíceVypracoval: Ing. Antonín POPELKA. Datum: 30. června 2005. Revize 01
Popis systému Revize 01 Založeno 1990 Vypracoval: Ing. Antonín POPELKA Datum: 30. června 2005 SYSTÉM FÁZOROVÝCH MĚŘENÍ FOTEL Systém FOTEL byl vyvinut pro zjišťování fázových poměrů mezi libovolnými body
VícePRODUKTY. Tovek Tools
Analyst Pack je desktopovou aplikací určenou k vyhledávání informací, tvorbě různých typů analýz a vytváření přehledů a rešerší. Jsou vhodné pro práci i s velkým objemem textových dat z různorodých informačních
VíceVyužití tabulkového procesoru MS Excel
Semestrální práce Licenční studium Galileo srpen, 2015 Využití tabulkového procesoru MS Excel Ing Marek Bilko Třinecké železárny, a.s. Stránka 1 z 10 OBSAH 1. ÚVOD... 2 2. DATOVÝ SOUBOR... 2 3. APLIKACE...
VíceIBM Cognos Express. Hlavní přínosy. IBM Cognos Express. IBM Software. Business Analytics
IBM Cognos Express IBM Software je Business Inteligence (BI) řešení pro reporting a plánování, charakteristické rychlým nasazením a snadným ovládáním. Organizacím a pracovním týmům poskytuje vše, co potřebují
VíceManuál k programu RIZIKA
Manuál k programu RIZIKA nástroj k efektivnímu vyhledávání a řízení pracovních rizik Program RIZIKA Program RIZIKA jsou víceuživatelskou aplikací s možností nastavení uživatelských práv pro jednotlivé
VícePřípadové studie využití Systému Sledování Vazeb
Případové studie využití Systému Sledování Vazeb Kdo vlastní společnost Komerční inženýring s.r.o.? Jsou propojeni Vladimír Železný a Aleš Rozehnal? Jaké je podnikatelské okolí mého nového partnera? Jaká
VíceACS-suite. serverové řešení pro řízení a ovládání systému ACS-line
ACS-suite serverové řešení pro řízení a ovládání systému ACS-line Vstupní informace pro připojení externího systému třetí strany. page: 1 OBSAH 1. HOTELOVÉ SYSTÉMY... 3 Co je k tomu potřeba?... 4 2. DOCHÁZKOVÉ
VíceVirtualizaceKlatovské nemocnice a.s.
VirtualizaceKlatovské nemocnice a.s. Jiří Johánek Štěpán Douša Historie nemocnice téměř současně se založením města Klatovy (1263) se vyvíjí na Klatovsku zdravotnictví Zdravotnická tradice trvající 700
Vícepowerful SAP-Solutions
We deliver powerful SAP-Solutions to the World! Praktický průvodce novými SAP technologiemi Září 2015 Martin Chmelař itelligence, a.s. Milníky: 2002: založení společnosti 2008: společnost členem itelligence
VíceSEMINÁŘ MANAŢERSKÉ SYSTÉMY
22.10.2008 SEMINÁŘ MANAŢERSKÉ SYSTÉMY S PŘÍVLASKEM Prezentace zajímavých projektů BUSINESS INTELLIGENCE 16.10.2008 Ing. Jan Klimeš, ORTEX 1 & Hyman K*A*P*L*A*N Mapa semináře (aneb co Vám chci říci ) Obsah
VícePřehledy pro Tabulky Hlavním smyslem této nové agendy je jednoduché řazení, filtrování a seskupování dle libovolných sloupců.
Přehledy pro Tabulky V programu CONTACT Professional 5 naleznete u firem, osob a obchodních případů záložku Tabulka. Tuto záložku lze rozmnožit, přejmenovat a sloupce je možné definovat dle vlastních požadavků
VíceInformace v centru. Jan Hofmann Michal Opatřil
Informace v centru Jan Hofmann Michal Opatřil BI v ICZ 2 Základní údaje Team 8 profesionálů 85 součet let, kterým se této oblasti věnuje 5 nejzkušenějších pracovníků ICZ 17 průměr ICZ AMIS*MIS 21 zdravotnických
VíceJak efektivně ochránit Informix?
Jak efektivně ochránit Informix? Jan Musil jan_musil@cz.ibm.com Informix CEE Technical Sales Information Management Jsou Vaše data chráněna proti zneužití? 2 Ano, pokud... 3 Nepoužitelné Steve Mandel,
VíceHELIOS - Zálohování BüroKomplet, s.r.o.
HELIOS - Zálohování 2017 BüroKomplet, s.r.o. Obsah Záloha... 3 Přehled záloh... 3 Typ zálohy... 3 Adresář... 4 Nový... 4 Obnova... 6 2 Záloha V přehledu lze provádět zálohy dat jednotlivých firem a v případě
VíceMonitorování a audit databází v reálném čase. Ing. Jan Musil IBM Česká republika
Monitorování a audit databází v reálném čase Ing. Jan Musil IBM Česká republika Jsou naše data chráněna proti zneužití? Ano, pokud... Nepoužitelné Steve Mandel, Hidden Valley Observatory http://apod.nasa.gov/apod/ap010809.html
Více