T T. Think Together Martin Závodný THINK TOGETHER. Business Intelligence systémy Business Intelligence systems

Rozměr: px
Začít zobrazení ze stránky:

Download "T T. Think Together 2012. Martin Závodný THINK TOGETHER. Business Intelligence systémy Business Intelligence systems"

Transkript

1 Česká zemědělská univerzita v Praze Provozně ekonomická fakulta Doktorská vědecká konference 6. února 2012 T T THINK TOGETHER Think Together 2012 Business Intelligence systémy Business Intelligence systems Martin Závodný 321

2 Abstrakt Business Intelligence systémy patří do skupiny systémů pro podporu rozhodování. Umožňují zpracovávat data z interních a externích informačních systémů podniků a ve vhodné formě je poskytovat uživatelům, kteří na jejich základě činí rozhodnutí strategického významu. Cílem článku je seznámit čtenáře s významem Business Intelligence systémů, s jejich základními principy, technologiemi a architekturami. Klíčová slova Business Intelligence, zdrojové informační systémy, datová integrace, dočasné úložiště dat, operativní úložiště, datový sklad, datová tržiště, OLAP, multidimenzionální databáze, data mining, reporting. Abstract Business Intelligence systems count among the group of decision support systems. The systems enable processing data that comes from internal and external enterprise information systems and provide this data in suitable form to users, who make decisions on the basis of this data. The purpose of the article is to familiarize readers with value of Business Intelligence systems, their basic principles, technologies and architectures. Key Words Business Intelligence, source systems, data integration, data staging area, operation data store, data warehouse, data mart, OLAP, multidimensional databases, data mining, reporting. Think Together 2012 Cíle Cílem článku je seznámit čtenáře s praktickým významem Business Intelligence systémů, s jejich základními stavebními prvky, technologiemi a architekturami a uvést specifika, jimiž se tyto systémy liší od běžných informačních systémů podniku. Tyto poznatky mohou čtenářům sloužit při návrhu architektury Business Intelligence systémů ve specifických podmínkách různých typů organizací. Význam Business Intelligence systémů Business Intelligence (BI) systémy slouží, na rozdíl od běžných transakčních systémů 1, primárně k podpoře rozhodovací činnosti. BI systémy poskytují ve vhodné formě agregovaná analytická data odvozená z dat podnikových informačních systémů a pomáhají jejich uživatelům proniknout do podstaty složitých ekonomických jevů, pro jejichž analýzu bylo BI nasazeno. BI systémy umožňují odhalit vztahy v ekonomické realitě a sledovat vývoj významných podnikových indikátorů (ukazatelů) z pohledu jejich relevantních dimenzí, např. indikátor vývoje podnikových tržeb z pohledu členění v jednotlivých regionech. Díky analytickému zaměření umožňují BI systémy podnikům výrazně zvýšit efektivnost svých procesů a pomoci jim při rozhodování o strategických otázkách. Komponenty a technologie BI V této kapitole jsou popsány základní stavební prvky a technologie Business Inteligence systémů a je nastíněna obecná architektura BI. Jednotlivé komponenty, které budou níže charakterizovány, jsou v rámci specifických BI řešení využívány 1 Jejich hlavním cílem je uchovávat a poskytovat evidenci transakcí, které se odehrávají v podnikových IS. Dostupné z:

3 v různém rozsahu a uspořádání, a to zejména v závislosti na podmínkách daného projektu a požadavcích týkajících se nasazení aplikací pro podporu rozhodování do vybraných podnikových oblastí. Následující obrázek znázorňuje typické propojení a návaznost dílčích komponent BI řešení. Obrázek č. 1: Komponenty a technologie Business Intelligence Zdrojové systémy Zdrojové informační systémy jsou takové systémy, ze kterých BI čerpá data určená pro následné analytické zpracování. Jedná se především o klasické transakční systémy určené pro ukládání velkých objemů dat, které nejsou na rozdíl od BI zaměřeny na analytické úlohy. Jde jednak o interní systémy podniku (zejm. ERP, systémy pro řízení vztahů se zákazníky, systémy pro řízení dodavatelko-odběratelských vztahů, personální agenda, aj.), jednak o externí zdroje (např. databáze adres, ekonomických subjektů, aj.). Nástroje datové integrace Mezi nejvýznamnější komponenty BI řešení patří nástroje datové integrace, které jsou určeny pro získávání, případně také slučování a transformace dat z různých zdrojů a poskytování těchto integrovaných dat dalším systémům, zejm. dalším BI komponentám. Tyto nástroje lze členit na ETL 2 a EAI 3, viz např. (Inmon 2005: 403). Dočasné úložiště dat (DSA) DSA 4 je nepovinná komponenta BI řešení, která slouží k dočasnému uložení dat extrahovaných ze zdrojových systémů. Data v DSA odpovídají zdrojové předloze a nejsou transformována. V rámci ETL procesu 5 probíhá transformace dat určených pro další BI komponenty (pro datový sklad). Dočasné úložiště dat se proto uplatňuje především v případech, kdy transformace dat nemohou být prováděny nad permanentně zatíženými provozními systémy, neboť by přitom mohlo dojít k nežádoucímu omezení výkonu provozních systémů. Po zpracování a přenosu dat do dalších BI komponent se data z DSA odstraní. Operativní úložiště dat (ODS) Podle Billa Inmona je ODS 6 subjektově orientovaný, integrovaný, nestálý, časově aktuální a detailní soubor dat sloužící pro rychlou podporu rozhodovacích procesů v organizaci (Inmon: 2005). Následující interpretace pojmů 2 Extraction, Transformation and Loading 3 Enterprise Application Integration 4 Data Staging Area 5 Procesu přenosu, transformace a nahrání dat ze zdrojového do cílového systému. 6 Oparational data store ISBN:

4 z uvedené definice vychází z (Novotný, Pour, Slánský 2004: 30 32): Subjektově orientovaný data jsou rozdělena podle jejich typu, ne podle zdroje odkud byla získána Integrovaný do ODS jsou ukládána celopodniková data, ne pouze data za určitá dílčí oddělení podniku Nestálý měnící se při každém nahrání Časové aktuální ODS neobsahuje historická data, pouze aktuální snímky zdrojových systémů Detailní zpravidla jsou ukládána pouze detailní data bez agregací. Vzhledem k neustálé změně a aktualizaci dat v ODS by nebylo příliš efektivní stále přepočítávat agregované hodnoty Na rozdíl od DSA slouží ODS jako databáze přímo podporující analytický proces. DSA je pouze dočasné úložiště dat před jejich zpracováním. ODS svoje data přímo poskytuje koncovým uživatelům a aplikacím pro podporu rozhodování, přičemž je kladen důraz především na aktuálnost poskytovaných dat. Typickým příkladem využití ODS je centrální databáze základních číselníků (zákazníci, dodavatelé, produkty) dostupná uživatelům napříč celým podnikem. Datový sklad (DW) Datový sklad je souhrn dat, která slouží především k naplňování potřeb aplikací Business Intelligence. DW integruje data z různých provozních systémů a obsahuje historické informace, nad kterými je možno provádět analýzy v čase. Podle Billa Inmona je datový sklad integrovaný, subjektově orientovaný, stálý a časově rozlišený souhrn dat, nad kterým je možno provádět rozsáhlé analýzy. Definice většiny pojmů již byla zmíněna v rámci popisu komponenty ODS, doplňme ještě zbývající podle (Novotný, Pour, Slánský, 2004: 30 32): Stálý data, která již jednou byla nahrána do datového skladu, v něm existují po celou dobu jeho života a nemění se. To však neznamená, že později již do datového skladu nejsou nahrávána data další, která teprve v budoucnu vzniknou Časové rozlišený data je možno rozlišit podle hlediska času a díky tomu lze provádět analýzy vývoje určité předmětné oblasti v čase Datová tržiště (Data Mart) Jsou specificky zaměřené datové sklady, určené pro pokrytí problematiky týkající se určitého omezeného okruhu uživatelů. Využívají se například jen v rámci konkrétního oddělení, divize, příp. pobočky podniku a umožňující ad hoc analýzy. Data marty jsou decentralizované datové sklady, které se postupně integrují do celopodnikového řešení. Uplatňují se především v architektuře nezávislých datových tržišť (viz kapitola Architektura BI řešení) a díky tomu, že je možno je řešit jako relativně samostatné celky, je možno dosáhnout poměrně rychlého zavedení požadovaných datových analytických aplikací, při relativně nízkých investičních nákladech a rizicích. OLAP a multidimenzionální databáze Jde o technologii založenou na multidimenzionální databázi. Hlavním principem OLAP je multidimenzionální tabulka umožňující flexibilně měnit jednotlivé dimenze a umožnit tak uživateli sledovat data týkající se ekonomické reality podniku z různých pohledů (resp. z pohledu různých zaměnitelných dimenzí). ISBN:

5 OLAP se liší od běžných transakčních systémů (OLTP) především účelem svého použití. Zatímco běžné OLTP systémy pracují s operativními daty a mají za úkol napomáhat automatizaci a optimalizaci běžné činnosti firmy (např. ERP systémy, účetnictví, personalistika), OLAP pracují s analytickými informacemi, které vznikají na základě odvození z operativních dat transakčních systémů, a jsou určeny především pro podporu rozhodovacích činností managementu. Data pro OLTP jsou nejčastěji ukládána v relačních databázích v normalizované podobě (resp. 3. normální formě). Analytická data není vhodné ukládat tímto způsobem, neboť pokud je potřeba poskytnout uživateli možnost rychle nahlížet na data z pohledu různých dimenzí, lze to v případě normalizovaně uložených dat zajistit jen velmi obtížně. Data pro OLAP jsou proto ukládána v multidimenzionální struktuře 7, která je optimalizována pro uložení a interaktivní zpracování (analýzy) multidimenzionálních dat, podrobněji viz např. (Thomsen 2002: 262). OLAP obsahuje různé úrovně agregace dat (podle hierarchické struktury definovaných dimenzí) a zahrnuje také faktor času, díky čemuž lze sledovat historický vývoj definovaných ukazatelů. V rámci multidimenzionální analýzy, která probíhá nad OLAP kostkou, jde o to, získat hodnotu určitého vybraného ukazatele příslušejícího k uživatelem zvoleným dimenzím, viz obr. 2 (ukazatelem jsou tržby, dimenzemi čas a typ výrobku). Volbou určité kombinace dimenzí je určen prvek multidimenzionální databáze, který obsahuje hodnotu nebo algoritmus pro výpočet dané hodnoty. Standardním ukazatelem je obvykle ekonomická proměnná, která je sledována přes časovou dimenzi a současně 7 Technologie pro uložení OLAP kostek je možno rozčlenit na ROLAP, MOLAP, HOLAP a DOLAP. Rozdíly mezi těmito technologiemi jsou dány způsobem uložení multidimenzionálních (OLAP) kostek. přes několik dalších dimenzí (např. organizační jednotka, typ výrobku, zákaznické segmenty, dodavatelé, region, atd.). Obrázek č. 2: Multidimenzionální analýza vývoj tržeb u jednotlivých typů výrobků Dimenze jsou většinou uspořádány v hierarchické struktuře podle míry zachycovaného detailu, například dimenze týkající se výrobků může být členěna na kategorii výrobku (např. notebook) a typ výrobku (např. HP ProBook 6460b) nebo dimenze týkající se lokality prodeje na stát, region, apod. Systémy BI zajišťují automatické agregace hodnot (ekonomických proměnných) podle definovaných úrovní dimenzí. Pokud by totiž bylo nutné provádět součty mnoha hodnot až při zobrazování dat odpovídajících zvoleným pohledům, odezva systému by mohla být příliš velká. Předvypočítané a v OLAP kostkách uložené hodnoty agregovaných dat, odpovídající jednotlivým hierarchiím dimenzí, umožňují snadno měnit ISBN:

6 detail zobrazovaných dat 8 a pružně zaměňovat dimenze, přes něž jsou data nahlížena. Data mining Nástroje data miningu slouží pro netriviální dobývání skrytých, předem neznámých a potenciálně užitečných informací z dat a využívají přitom četných matematických a statistických technik. Hlavním rozdílem mezi data miningem a OLAP analýzou je, že zatímco OLAP zkoumá vztahy známé a dobře strukturované a pracuje nad agregovanými daty (dimenze a ukazatele jsou pevně svázány), data mining pracuje zpravidla nad neagregovanými daty datového skladu (příp. primárního systému) a jeho cílem je nacházet nové skutečnosti a vztahy ve zkoumaných datech. Data mining může být využit například pro detekci podvodů (daňové úřady, pojišťovny, banky), analýzy nákupních košíků, profilace zákazníků (segmentace), udržení zákazníků (vytipování rizikových zákazníků a jejich udržení proaktivním přístupem), stanovení diagnózy (lékařství), analýzu chování návštěvníků webových stránek a mnohé další, viz např. (Ye, Nong, 2003). Data mining zpravidla pracuje se strukturovanými daty, pro úplnost zmiňuji ještě následující specifické druhy data miningu, které využívají dat spíše nestrukturovaných: Text mining jde o dolování informací z textových nestrukturovaných dat. Web mining jde o dolování informací z dat pocházejících z webových stránek 8 Někdy se označuje jako drill-down (pohyb z hierarchicky vyšší úrovně dimenze na nižší) nebo drill-up (pohyb z hierarchicky nižší úrovně dimenze na vyšší). Reporting Reporting je činnost spojená se získáváním dat z datových úložišť a jejich zobrazováním uživatelům. Reporting lze podle jeho charakteru rozdělit na: standardní jde o zpravidla periodické generování výkazů, které mají stále stejnou strukturou. ad hoc specifický jednorázový výkaz vytvářený na základě aktuálních potřeb uživatele Speciálním případem reportingu patřícím do oblasti Business Intelligence, je reporting nad OLAP kostkou. Nejčastější výstupy OLAP reportingu mají podobu: kontingenční tabulky kontingenčního graf dashboardu 9 Stále častěji se do BI a reportingových nástrojů integrují prezentační funkce, které tvoří další vrstvu nad kontingenčními tabulkami a grafy. Jde o nejrůznější přehledy, dashboardy, manažerské kokpity a další. Významnými funkcemi reportingových nástrojů jsou: Pravidelné vytváření a zasílání specifických reportů zaměstnancům, kteří je potřebují pro své rozhodování Zasílání výstrahy, např. na nebo mobilní telefon, v případě, že se určitý ukazatel nevyvíjí podle plánu, resp. je pod hranicí tolerance Zobrazení analýz a ukazatelů prostřednictvím manažerského kokpitu, pomocí několika obrazovek s grafy, tabulkami a barevnými indikacemi podle toho, zda 9 Forma reportingu využívající intuitivní způsob zobrazení hodnot metrik, např. ve formě semaforu, ciferníku, stupnice a další. ISBN:

7 je ve sledované oblasti dodržen plán, příp. nedodržen nebo překročen Nejčastěji používanými metodami pro analýzu dat OLAP kostek jsou: Drill down postupné zobrazování většího detailu dat, posouvání v hierarchii dimenzí směrem k nižší hierarchii (např. zpodrobňování dimenze času od roků až po dny). V kontingenční tabulce funguje formou rozbalovacího menu dimenzí. Drill up opačný postup než v případě drill down, přesun z detailu na vyšší úroveň agregace Slice a dice omezení výběru nad multidimenzionální OLAP kostkou Slice výběr dimenze Dice výběr hodnoty v dimenzi Pivot záměna dimenzí u vytvářeného pohledu Metadata repository Aby bylo BI řešení dostatečně flexibilní a škálovatelné, je nutné udržovat detailní dokumentaci všech procesů, které zahrnuje. V kontextu BI obsahují Metadata Repository informace o jednotlivých procesech, strukturách a komponentách celkového řešení Business Intelligence. Zahrnují zejména dokumentaci zdrojových dat, datových modelů, mapování zdrojových systémů na entity používané v BI řešeních, transformační pravidla a výpočty, popisy funkcí, nastavení obchodních pravidel a další. Celofiremní repository nevztahující se pouze k BI potom mohou obsahovat širokou paletu informací popisujících veškeré informační systémy podniku a jejich komponenty pravidla, procesy, metodiky, hardware, software, síťování, jednotlivé funkce komponent IS a další. Přínosem Metadata Repository je především centralizace informací o podnikových datech na jednom místě a s tím související zprůhlednění celého BI řešení, redukce výskytu redundantních dat a zefektivnění vývoje. (Novotný, Pour, Slánský 2004: 37) zmiňuje pro oblast BI následující relevantní oblasti metadat Metadata zdrojových systémů Metadata databázových komponent Metadata ETL procesu Metadata uživatelské vrstvy Data Kritickým faktorem úspěchu BI řešení jsou kvalitní data. Pokud data nemají potřebnou kvalitu, nemohou mít analýzy, které jsou na základě nich vytvářeny přílišnou vypovídací hodnotu. Kvalita dat může být zajištěna již ve zdrojových systémech, pokud tomu tak není, je potřeba data ještě před jejich zpracováním vyčistit (v rámci ETL procesu nebo pomocí speciálních nástrojů pro zajištění datové kvality). Vyhnout se čištění dat vyžaduje vybudovat v podniku konzistentní a integrovanou datovou základnu a vhodně nastavit procesy pro práci s datovými zdroji. Podle následujících znaků je možno hodnotit kvalitu datové základny podniku: Úplnost obsahuje všechna data potřebná pro danou úlohu Přesnost data odpovídají realitě a nejsou zkreslená Struktura data jsou uložena ve vhodném a jednotném formátu Konzistence data nejsou vzájemně v rozporu, nejsou porušeny standardy a vazby mezi daty (např. databáze ISBN:

8 zákazníků v různých lokalitách musí mít pro stejného zákazníka stejné identifikační číslo) Neredundance nedochází k duplicitnímu ukládání dat Soudržnost data musí být navázána na související data pomocí vazeb a integritních omezení Architektura BI řešení Obecně jsou uváděny dvě architektury řešení Business Intelligence, se kterými je možno se v podnikové praxi v současné době setkat. Patří mezi ně architektura nezávislých datových tržišť a architektura konsolidovaného datového skladu, obě jsou stručně charakterizovány v následujících kapitolách, podle (Novotný, Pour, Slánský 2004: 45 51). Architektura nezávislých datových tržišť Podnikové řešení Business Intelligence je tvořeno několika nezávislými datovými tržišti, která slouží pro potřeby jednotlivých specifických útvarů podniku. Každé tržiště zpravidla zahrnuje veškeré komponenty BI, které umožňují získat, transformovat, ukládat a prezentovat analytická data uživatelům. Ačkoli jsou jednotlivá tržiště relativně nezávislá, je snahou podniků vzájemně je propojit přes tzv. sdílené dimenze, tedy dimenzionální tabulky, které jsou opakovaně použity v různých datových tržištích. Celkové řešení BI je v rámci této architektury obvykle budováno postupně, přičemž každé nově vytvářené tržiště má za cíl využít co nejvíce již existujících dimenzí. Sdílené dimenze (např. zákazník, produkt, atd.) zajišťují vzájemnou konzistenci reportingu jednotlivých tržišť. Tato architektura je využívána zejména pokud je potřeba pokrýt analytické potřeby jednotlivých oddělení podniku co nejrychleji, při relativně nižší ceně projektu, přičemž není příliš kladen důraz na budoucí integraci řešení, neboť určitým nedostatkem této architektury je obtížnější integrace jednotlivých datových tržišť do celopodnikového řešení. To je dáno zejména náročnou implementací sdílených dimenzí a potřebou vytvořit jednotnou vrstva reportingu nad několika datovými tržišti. Architektura konsolidovaného datového skladu V rámci této architektury jde primárně o vybudování integrovaného BI řešení. Jeho základem je konsolidovaný datový sklad obsahující jak detailní, tak agregovaná data. Řešení je doplněno o závislá datová tržiště, která využívají konsolidovaná data datového skladu. Vytvoření této architektury vyžaduje detailní počáteční analýzu požadavků a vytvoření celkové koncepce, i proto bývá zejména v počátečních fázích časově i finančně náročnější. Na druhé straně přináší výhodu v podobě konsolidovaného reportingu, snazší rozšiřitelnosti bez nutnosti řešit náročnější integrační problémy a větší podporu analytických a data miningových úloh. Tato architektura bývá zaváděna buď jednorázově, zejména pokud jde o menší projekty nebo přírůstkově, pokud jde o větší časově náročnější řešení. ISBN:

9 Závěr V příspěvku byl představen význam a komponenty Business Intelligence systémů a zmíněna role těchto komponent v rámci celku. Byly také uvedeny nejvýznamnější odlišnosti BI systémů od klasických systémů. Je potřeba si uvědomit, že použití BI komponent v rámci BI systémů, je vždy determinováno konkrétními podmínkami projektů implementace BI systémů. Z praxe lze odvodit zásadu, že čím komplexnější je oblast zdrojových systémů a čím větší jsou požadavky na integraci dat z různých zdrojů, tím je i architektura BI systémů členitější. U méně komplexních systémů, co do počtu a kvality dat zdrojových systémů, nemusí být zastoupeny všechny BI komponenty. Především pak ty, které mají na starosti přípravu dat do vhodné podoby pro analytické aplikace BI systémů (zejm. komponenty ODS, DWH). Naopak u komplexnějších systémů mohou být využívány komponenty stejného typu i vícekrát (např. komponenty DSA, data marty). V daném kontextu závisí samozřejmě i na dalších aspektech, jako jsou disponibilní kapacity na vývoj BI systémů, úroveň ICT infrastruktury společnosti a dalších. V rámci omezeného rozsahu příspěvku nebylo možno se věnovat dalším důležitým oblastem, která navazují na téma rozebírané v tomto článku. Jedná se především o dosud málo pokrytou oblast metodik vývoje BI systémů, oblast datové kvality a oblast aplikací BI. Tyto témata mohou být pokryty budoucím dalším výzkumem. Literatura Inmon, H. W.: Buildig the Data Warehouse. Wiley Publishing, 4. vyd ISBN , 543 s. Kimball, R., Ross, M.: The Data Warehouse Toolkit The Complete Guide To Dimensional Modeling. Wiley Compure Publishing, 2. vyd ISBN Thomsen E,: OLAP Solutions Building Multidimensional Information Systems. John Wiley & Sons. 2. vyd ISBN , 661 s. Novotný, O., Pour, J., Slánský, D.: Business Intelligence Jak využít bohatství ve vašich datech, 1. vyd. Praha: Grada Publishing, s. ISBN Ye, Nong: The Handbook of Data Mining, New Jersey Lawrence Erlbaum Associates, 2003, 689 s. ISBN ISBN:

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

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

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

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

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

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

CPM/BI a jeho návaznost na podnikové informační systémy. Martin Závodný

CPM/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

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

Infor Performance management. Jakub Urbášek

Infor 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

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

Obsah. Kapitola 1. Kapitola 2. Kapitola 3. Úvod 9

Obsah. 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................................................

Více

Zdroje informací v organizaci IS/ICT BI v rámci IS/ICT historie architektura OLTP x DW ukládání dat

Zdroje informací v organizaci IS/ICT BI v rámci IS/ICT historie architektura OLTP x DW ukládání dat Zdroje informací v organizaci IS/ICT BI v rámci IS/ICT historie architektura OLTP x DW ukládání dat Vladimíra Zádová BI CRM ERP SCM Aplikace pro podporu základních řídících a administrativních operací

Více

Datová kvalita základ úspěšného BI. RNDr. Ondřej Zýka, Profinit

Datová 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

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

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

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

kapitola 2 Datové sklady, OLAP

kapitola 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

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

Úvodní přednáška. Význam a historie PIS

Úvodní přednáška. Význam a historie PIS Úvodní přednáška Význam a historie PIS Systémy na podporu rozhodování Manažerský informační systém Manažerské rozhodování Srovnávání, vyhodnocování, kontrola INFORMACE ROZHODOVÁNÍ organizace Rozhodovacích

Více

Informační systémy 2006/2007

Informační 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

Více

Pilotní projekt implementace Business Intelligence ve studijní agendě VŠE v Praze

Pilotní projekt implementace Business Intelligence ve studijní agendě VŠE v Praze Úvod Pilotní projekt implementace Business Intelligence ve studijní agendě VŠE v Praze Ota Novotný, Lukáš Hrnčíř katedra informačních technologií VŠE v Praze email: novotnyo@vse.cz Business Inteligence

Více

Analýza a návrh datového skladu pro telekomunikační společnost. Bc. Josef Jurák

Analýza a návrh datového skladu pro telekomunikační společnost. Bc. Josef Jurák Analýza a návrh datového skladu pro telekomunikační společnost Bc. Josef Jurák Diplomová práce 2006 ABSTRAKT Business Intelligence a Data warehouse jsou základní prostředky pro podporu rozhodování, které

Více

ARBES BI MODERNÍ ŘEŠENÍ pro podporu strategického, taktického a operativního řízení.

ARBES BI MODERNÍ ŘEŠENÍ pro podporu strategického, taktického a operativního řízení. ARBES BI MODERNÍ ŘEŠENÍ pro podporu strategického, taktického a operativního řízení www.arbes.com ARBES BI BUSINESS INTELLIGENCE Většina firem dnes již ví, jak důležité je mít relevatní informace ve správný

Více

Na co se můžete s Oracle BI těšit

<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

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

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

Business Intelligence pro univerzitní prostředí

Business Intelligence pro univerzitní prostředí Martin Závodný, Robert Pergl Katedra informačního inženýrství Provozně ekonomická fakulta České zemědělské univerzity Kamýcká 129, 165 21 Praha 6 Suchdol martin.zavodny@gmail.com, pergl@pef.czu.cz Abstrakt:

Více

Manažerský informační systém pro efektivní řízení zdravotnictví ve Středočeském kraji

Manažerský informační systém pro efektivní řízení zdravotnictví ve Středočeském kraji Manažerský informační systém pro efektivní řízení zdravotnictví ve Středočeském kraji Josef Vencovský ARBES Technologies, s. r. o. Michal Houštecký ARBES Technologies, s. r. o. Praha, 24. 5. 2013 www.arbes.com

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

Manažerský informační systém na MPSV. Mgr. Karel Lux, vedoucí oddělení koncepce informatiky MPSV

Manažerský informační systém na MPSV. Mgr. Karel Lux, vedoucí oddělení koncepce informatiky MPSV Manažerský informační systém na MPSV Mgr. Karel Lux, vedoucí oddělení koncepce informatiky MPSV Konference ISSS-2009 Hradec Králové Aldis 6. dubna 2009 MIS na MPSV časové údaje projektu Vytvoření MIS MPSV

Více

výskyt události reakce na událost

výskyt události reakce na událost ARCHITEKTURA DATOVÉHO SKLADU A PŘÍSTUP K DATŮM V REÁLNÉM ČASE Dušan Kajzar Slezská univerzita v Opavě, Filozoficko - přírodovědecká fakulta, Ústav informatiky, Bezručovo nám. 13, 746 00 Opava, e-mail:

Více

Business Intelligence a datové sklady

Business Intelligence a datové sklady Business Intelligence a datové sklady Ing Jan Přichystal, PhD Mendelova univerzita v Brně 2 prosince 2014 Ing Jan Přichystal, PhD Úvod Intenzivní nasazení informačních technologií způsobuje hromadění obrovské

Více

Systémy pro podporu. rozhodování. 2. Úvod do problematiky systémů pro podporu. rozhodování

Systémy pro podporu. rozhodování. 2. Úvod do problematiky systémů pro podporu. rozhodování 1 Systémy pro podporu rozhodování 2. Úvod do problematiky systémů pro podporu rozhodování 2 Připomenutí obsahu minulé přednášky Rozhodování a jeho počítačová podpora Manažeři a rozhodování K čemu počítačová

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

v praxi Rizika a přínosy zavádění BI jako nástroje pro řízení podnikání

v praxi Rizika a přínosy zavádění BI jako nástroje pro řízení podnikání Podpora rozhodování v praxi Rizika a přínosy zavádění BI jako nástroje pro řízení podnikání HanušRais Business DevelopmentManager SAS Institute ČR s.r.o. Agenda Úvod - Profil SAS Institute Pojem Business

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

Konsolidovaný reporting CZ/SK v Cognos případová studie sanofi-aventis

Konsolidovaný reporting CZ/SK v Cognos případová studie sanofi-aventis Konsolidovaný reporting CZ/SK v Cognos případová studie sanofi-aventis Rosťa Levíček 22. listopadu 2011 Obsah Výchozí stav a požadavky Architektura řešení v CZ Varianty konsolidace Klíčové faktory úspěchu

Více

Aplikace IS, outsourcing, systémová integrace. Jaroslav Žáček jaroslav.zacek@osu.cz http://www1.osu.cz/~zacek/

Aplikace IS, outsourcing, systémová integrace. Jaroslav Žáček jaroslav.zacek@osu.cz http://www1.osu.cz/~zacek/ Aplikace IS, outsourcing, systémová integrace Jaroslav Žáček jaroslav.zacek@osu.cz http://www1.osu.cz/~zacek/ Kontext Dodavatelé Strategická Zákazníci ERP Taktická Operativní Kategorie ERP - zaměřeno na

Více

Koncept architektury reportovacích a datově analytických systémů

Koncept 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

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

Moderní metody automatizace a hodnocení marketingových kampaní

Moderní metody automatizace a hodnocení marketingových kampaní Moderní metody automatizace a hodnocení marketingových kampaní SAS CI Roadshow 2014 24/09/2014 Vít Stinka Agenda Představení společnosti Unicorn Systems Aliance Unicorn Systems a SAS Celkový koncept Customer

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

Informační systémy 2008/2009. Radim Farana. Obsah. Obsah předmětu. Požadavky kreditového systému. Relační datový model, Architektury databází

Informační 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,

Více

Centralizace aplikací ve VZP 9.11.2011

Centralizace aplikací ve VZP 9.11.2011 Centralizace aplikací ve VZP 9.11.2011 Jiří Holubec, Solution Architect jiri.holubec@gemsystem.cz GEM System a. s. All rights reserved HEWLETT-PACKARD celosvětová technologická společnost IT leader na

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

Multidimenzionální pohled na zdravotnické prostředí. INMED Petr Tůma

Multidimenzionální 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

Více

Projekt SEPIe - Datový sklad a analytická nadstavba MIS - manažerský informační systém pro vedoucí zaměstnance resortu MV (konference)

Projekt SEPIe - Datový sklad a analytická nadstavba MIS - manažerský informační systém pro vedoucí zaměstnance resortu MV (konference) Projekt SEPIe - Datový sklad a analytická nadstavba MIS - manažerský informační systém pro vedoucí zaměstnance resortu MV (konference) Ing. Petr Pechar (vedoucí řešitelského týmu), Praha, 27.11.2013 Úvod

Více

Aplikace IS, outsourcing, systémová integrace. Jaroslav Žáček jaroslav.zacek@osu.cz http://www1.osu.cz/~zacek/

Aplikace IS, outsourcing, systémová integrace. Jaroslav Žáček jaroslav.zacek@osu.cz http://www1.osu.cz/~zacek/ Aplikace IS, outsourcing, systémová integrace Jaroslav Žáček jaroslav.zacek@osu.cz http://www1.osu.cz/~zacek/ Kontext Dodavatelé Strategická Zákazníci ERP Taktická Operativní Kategorie ERP - zaměřeno na

Více

Analýza dat skoro zadarmo možnosti rozborů pro malé organizace

Analýza 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

Více

Konceptuální modely datového skladu

Konceptuální modely datového skladu Vladimíra Zádová Katedra informatiky, TU Liberec, e-mail: vladimira.zadova@tul.cz Abstrakt: Příspěvek je zaměřen na modely datového skladu pro konceptuální úroveň návrhu. Existující modely pro tuto úroveň

Více

Datové sklady a integrace podnikových aplikací

Datové sklady a integrace podnikových aplikací Datové sklady a integrace podnikových aplikací Jaromír Habáň Centrum pro výzkum informačních systémů odborná sekce ČSSI jaromir.haban@cvis.cz Abstrakt Integrace podnikových aplikací patří ke stěžejním

Více

Podpora manažerského rozhodování užitím Business Intelligence Ing. Jan Klimeš, ORTEX spol. s r.o., Hradec Králové

Podpora manažerského rozhodování užitím Business Intelligence Ing. Jan Klimeš, ORTEX spol. s r.o., Hradec Králové Podpora manažerského rozhodování užitím Business Intelligence Ing. Jan Klimeš, ORTEX spol. s r.o., Hradec Králové I ve vodohospodářských společnostech platí pravidlo, že objem dat potřebných pro rozhodování

Více

Helios Easy. integrované řešení pro řízení

Helios Easy. integrované řešení pro řízení integrované řešení pro řízení Skupina ASSECO je jedním z nejvýznamnějších softwarových domů ve střední Evropě. Chcete držet své náklady více pod kontrolou? Potřebujete, aby vaše investice měly rychlou

Více

Architektury Informačních systémů. Jaroslav Žáček jaroslav.zacek@osu.cz http://www1.osu.cz/~zacek/

Architektury Informačních systémů. Jaroslav Žáček jaroslav.zacek@osu.cz http://www1.osu.cz/~zacek/ Architektury Informačních systémů Jaroslav Žáček jaroslav.zacek@osu.cz http://www1.osu.cz/~zacek/ Nutné pojmy Co je to informační systém? Jaké oblasti zahrnuje? Jaká je vazba IS na podnikovou strategii?

Více

Technologická centra krajů a ORP

Technologická centra krajů a ORP Technologická centra krajů a ORP Přínosy TS krajů a TC ORP jako součásti egon center podstatně přispějí k zavedení automatizace a elektronizace výkonu státní správy i činností samosprávy vznikne zázemí

Více

Výčet strategií a cílů, na jejichž plnění se projektový okruh podílí:

Výčet strategií a cílů, na jejichž plnění se projektový okruh podílí: Karta projektového okruhu Číslo a název projektového okruhu: Garant karty projektového okruhu: Spolupracující subjekty: 9. Elektronizace podpůrných procesů Ministerstvo vnitra, Ministerstvo financí Správa

Více

Information and Data Management. RNDr. Ondřej Zýka

Information and Data Management. RNDr. Ondřej Zýka Information and Data Management RNDr. Ondřej Zýka 1 Informační a datový management Disciplína zaměřená na správu informací (z mnoha zdrojů) a spřístupnění informací různým typům uživatelů podle jejich

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

Nová dimenze rozhodovacího procesu

Nová 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

Více

INFORMAČNÍ SYSTÉMY (IS) Ing. Pavel Náplava Katedra počítačů K336, ČVUT FEL Praha 2004/2005

INFORMAČNÍ SYSTÉMY (IS) Ing. Pavel Náplava Katedra počítačů K336, ČVUT FEL Praha 2004/2005 INFORMAČNÍ SYSTÉMY (IS) Ing. Pavel Náplava Katedra počítačů K336, ČVUT FEL Praha 2004/2005 AGENDA definice IS, zavedení pojmů možnosti a rozdělení typická struktura technologie nasazení praktická ukázka

Více

powerful SAP-Solutions

powerful 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

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

TM1 vs Planning & Reporting

TM1 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

Více

Obsah: Základní pojmy, definice Informační systémy IT architektura Typické aplikační komponenty Implementace aplikací

Obsah: Základní pojmy, definice Informační systémy IT architektura Typické aplikační komponenty Implementace aplikací Monitorovací indikátor: 06.43.10 Počet nově vytvořených/inovovaných produktů Akce: Přednáška, KA 5 Číslo přednášky: 30 Téma: INFORMAČNÍ SYSTÉMY A ARCHITEKTURA IT V PODNIKU Lektor: Ing. Michal Beránek Třída/y:

Více

3. Očekávání a efektivnost aplikací

3. Očekávání a efektivnost aplikací VYUŽÍVANÍ INFORMAČNÍCH SYSTÉMŮ V ŘÍZENÍ FIREM Ota Formánek 1 1. Úvod Informační systémy (IS) jsou v současnosti naprosto nezbytné pro úspěšné řízení firem. Informačním ním systémem rozumíme ucelené softwarové

Více

ECM. Enterprise Content Management. čt 9:15 Petr Bouška (xboup00) Zbyněk Hostaš Lukáš Maršíček Martin Nikl (xnikm00)

ECM. Enterprise Content Management. čt 9:15 Petr Bouška (xboup00) Zbyněk Hostaš Lukáš Maršíček Martin Nikl (xnikm00) ECM Enterprise Content Management čt 9:15 Petr Bouška (xboup00) Zbyněk Hostaš Lukáš Maršíček Martin Nikl (xnikm00) Co nás čeká... Definice ECM Problém podnikového obsahu Historie vzniku ECM Architektura

Více

Znalostní systém nad ontologií ve formátu Topic Maps

Znalostní systém nad ontologií ve formátu Topic Maps Znalostní systém nad ontologií ve formátu Topic Maps Ladislav Buřita, Petr Do ladislav.burita@unob.cz; petr.do@unob.cz Univerzita obrany, Fakulta vojenských technologií Kounicova 65, 662 10 Brno Abstrakt:

Více

Chytrá systémová architektura jako základ Smart Administration

Chytrá systémová architektura jako základ Smart Administration Chytrá systémová architektura jako základ Smart Administration Ing. Petr Škvařil, Pardubický kraj Dipl. Ing.Zdeněk Havelka PhD. A-21 s.r.o. 1 Nepříjemné dotazy Jsme efektivní v provozování veřejné správy?

Více

KIS A JEJICH BEZPEČNOST-I

KIS A JEJICH BEZPEČNOST-I KIS A JEJICH BEZPEČNOST-I INFORMAČNÍ SYSTÉMY POUŽÍVANÉ V MANAŽERSKÉ PRAXI pplk. Ing. Petr HRŮZA, Ph.D. Univerzita obrany, Fakulta ekonomiky a managementu Katedra vojenského managementu a taktiky E-mail.:

Více

EKONOMICKÝ A LOGISTICKÝ SOFTWARE. Luhačovice 24.10.2013

EKONOMICKÝ A LOGISTICKÝ SOFTWARE. Luhačovice 24.10.2013 EKONOMICKÝ A LOGISTICKÝ SOFTWARE Luhačovice 24.10.2013 CRM řízení vztahů se zákazníky CRM - je zkratka z anglického Customer Relationship Management a označují se tak systémy pro řízení vztahů se zákazníky.crm

Více

Vytvoření datového skladu

Vytvoření datového skladu Bankovní institut vysoká škola Praha Katedra informatiky a kvantitativních metod Vytvoření datového skladu Diplomová práce Autor: Petr Havlas Informační technologie a management Vedoucí práce: doc. Ing.

Více

Efekty a rizika Business Intelligence

Efekty a rizika Business Intelligence Jan Pour Katedra informačních technologií VŠE pour@vsecz David Slánský Adastra Corporation DavidSlansky@AdastraCorpcom Abstrakt: Tento článek analyzuje nejdůležitější efekty užití aplikací Business Intelligence

Více

Business Intelligence nástroje a plánování

Business 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

Více

Ludvík Klema / Karel Malík Projekty ve veřejné správě Trnitá cesta od myšlenky k realizaci aneb pražský strážník 21. století

Ludvík Klema / Karel Malík Projekty ve veřejné správě Trnitá cesta od myšlenky k realizaci aneb pražský strážník 21. století Ludvík Klema / Karel Malík Projekty ve veřejné správě Trnitá cesta od myšlenky k realizaci aneb pražský strážník 21. století CORTIS Consulting s.r.o. Trnitá cesta od myšlenky k realizaci aneb pražský strážník

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

Výčet strategií a cílů, na jejichž plnění se projektový okruh podílí: Strategický rámec rozvoje veřejné správy České republiky pro období

Výčet strategií a cílů, na jejichž plnění se projektový okruh podílí: Strategický rámec rozvoje veřejné správy České republiky pro období Karta projektového okruhu Číslo a název projektového okruhu: Garant karty projektového okruhu: Spolupracující subjekty: 6.3 Sdílitelné služby technologické infrastruktury Ministerstvo vnitra, Ministerstvo

Více

Manažerská ekonomika

Manažerská ekonomika PODNIKOVÝ MANAGEMENT (zkouška č. 12) Cíl předmětu Získat znalosti zákonitostí úspěšného řízení organizace a přehled o současné teorii a praxi managementu. Seznámit se s moderními manažerskými metodami

Více

Management informačních systémů. Název Information systems management Způsob ukončení * přednášek týdně

Management informačních systémů. Název Information systems management Způsob ukončení * přednášek týdně Identifikační karta modulu v. 4 Kód modulu Typ modulu profilující Jazyk výuky čeština v jazyce výuky Management informačních systémů česky Management informačních systémů anglicky Information systems management

Více

GIS jako důležitá součást BI. Jan Broulík, Petr Panec ARCDATA PRAHA, s.r.o.

GIS jako důležitá součást BI. Jan Broulík, Petr Panec ARCDATA PRAHA, s.r.o. GIS jako důležitá součást BI Jan Broulík, Petr Panec ARCDATA PRAHA, s.r.o. ARCDATA PRAHA, s.r.o. THE GEOGRAPHIC ADVANTAGE Motto Sladit operační taktiku s organizační strategií Strategie bez taktiky je

Více

Tovek Server. Tovek Server nabízí následující základní a servisní funkce: Bezpečnost Statistiky Locale

Tovek Server. Tovek Server nabízí následující základní a servisní funkce: Bezpečnost Statistiky Locale je serverová aplikace určená pro efektivní zpracování velkého objemu sdílených nestrukturovaných dat. Umožňuje automaticky indexovat data z různých informačních zdrojů, intuitivně vyhledávat informace,

Více

Databáze. datum jmeno prijmeni adresa_ulice adresa_mesto cislo_uctu platba zustatek

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

MBI portál pro podporu řízení podnikové informatiky. mbi.vse.cz

MBI portál pro podporu řízení podnikové informatiky. mbi.vse.cz MBI, Management Byznys Informatiky MBI portál pro podporu řízení podnikové informatiky mbi.vse.cz J. Pour Katedra IT VŠE pour@vse.cz MBI, Management byznys informatiky Snímek 1 Agenda 1. Vznik a rozvoj

Více

4IT218 Databáze. 4IT218 Databáze

4IT218 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

Více

Moderní přístupy tvorby datových skladů

Moderní přístupy tvorby datových skladů Mendelova univerzita v Brně Provozně ekonomická fakulta Moderní přístupy tvorby datových skladů Diplomová práce Vedoucí práce: Ing. Jan Přichystal, Ph.D. Bc. Luboš Bednář Brno, 2010 Rád bych touto cestou

Více

ČD Telematika a.s. Efektivní správa infrastruktury. 11. května 2010. Konference FÓRUM e-time, Kongresové centrum Praha. Ing.

ČD Telematika a.s. Efektivní správa infrastruktury. 11. května 2010. Konference FÓRUM e-time, Kongresové centrum Praha. Ing. ČD Telematika a.s. Efektivní správa infrastruktury 11. května 2010 Konference FÓRUM e-time, Kongresové centrum Praha Ing. František Nedvěd Agenda O společnosti ČD Telematika a.s. Efektivní správa konfigurací

Více

Business Intelligence

Business Intelligence Business Intelligence BI jako součást IS/ICT IS/ICT BI v rámci IS/ICT BI architektura, komponenty procesy v BI data v IS/ICT organizace dat v DW (Multi)dimenzionální modelování budování DW Pro další informace

Více

GIS a Business Intelligence

GIS a Business Intelligence GIS pre územnú samosprávu GIS a Business Intelligence (pohled ze strany GIS) Rudolf Richter, BERIT services s.r.o. 1 Východiska pro rozhodování Data existují, ale jsou fragmentována v různorodých produkčních

Více

Vývoj moderních technologií při vyhledávání. Patrik Plachý SEFIRA spol. s.r.o. plachy@sefira.cz

Vývoj moderních technologií při vyhledávání. Patrik Plachý SEFIRA spol. s.r.o. plachy@sefira.cz Vývoj moderních technologií při vyhledávání Patrik Plachý SEFIRA spol. s.r.o. plachy@sefira.cz INFORUM 2007: 13. konference o profesionálních informačních zdrojích Praha, 22. - 24.5. 2007 Abstrakt Vzhledem

Více

Benefity při práci se systémem konsolidovaných pacientských dat. Ing. Ladislav Pálka, MBA C SYSTEM CZ a.s.

Benefity při práci se systémem konsolidovaných pacientských dat. Ing. Ladislav Pálka, MBA C SYSTEM CZ a.s. Benefity při práci se systémem konsolidovaných pacientských dat. Ing. Ladislav Pálka, MBA C SYSTEM CZ a.s. C SYSTEM CZ Společnost C SYSTEM CZ se zabývá komplexním řešením potřeb zákazníků v oblasti informačních

Více

MIS. 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 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

Více

Systémy pro podporu rozhodování. Hlubší pohled 2

Systémy pro podporu rozhodování. Hlubší pohled 2 Systémy pro podporu rozhodování Hlubší pohled 2 1 Připomenutí obsahu minulé přednášky Motivační příklad Konfigurace DSS Co to je DSS? definice Charakterizace a možnosti DSS Komponenty DSS Subsystém datového

Více

Jak připravit podnikový controlling a ABC Multidimenzionální vyhodnocování ziskovosti

Jak připravit podnikový controlling a ABC Multidimenzionální vyhodnocování ziskovosti Jak připravit podnikový controlling a ABC Multidimenzionální vyhodnocování ziskovosti Dean Brabec, Petra Řeřichová Cíle prezentace Specifikovat rozdíly mezi klasickým přístupem controllingu a sledováním

Více

PPM umožňuje: PPM napomáhá: Systém je postaven na čtyřech základních pilířích, vedoucích k efektivnímu vývoji a optimalizaci portfolia:

PPM umožňuje: PPM napomáhá: Systém je postaven na čtyřech základních pilířích, vedoucích k efektivnímu vývoji a optimalizaci portfolia: Solutions s.r.o. PPM umožňuje: Komplexní analýzu vývoje portfolia Strategické řízení Evidenci projektů Evidenci projektových a souvisejících dat Závislost procesů, podpora workflow definovaná událost

Více

Architektura informačních systémů. - dílčí architektury - strategické řízení taktické řízení. operativní řízení a provozu. Globální architektura

Architektura informačních systémů. - dílčí architektury - strategické řízení taktické řízení. operativní řízení a provozu. Globální architektura Dílčí architektury Informační systémy - dílčí architektury - EIS MIS TPS strategické řízení taktické řízení operativní řízení a provozu 1 Globální Funkční Procesní Datová SW Technologická HW Aplikační

Více

Datové sklady a BI veřejného sektoru v době krize? Ing. Václav Koudele, Krajský úřad Plzeňského kraje

Datové sklady a BI veřejného sektoru v době krize? Ing. Václav Koudele, Krajský úřad Plzeňského kraje Datové sklady a BI veřejného sektoru v době krize? Ing. Václav Koudele, Krajský úřad Plzeňského kraje Agenda O Plzeňském kraji DWH a BI ve veřejném sektoru Řešení DWH na Plzeňském kraji DWH a GIS Aktuální

Více

MBI - technologická realizace modelu

MBI - 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,

Více

Jak úspěšně bojovat s ekonomickou krizí pomocí CI

Jak úspěšně bojovat s ekonomickou krizí pomocí CI Jak úspěšně bojovat s ekonomickou krizí pomocí CI Každá doba sebou přináší příležitosti a hrozby, ti úspěšní se s nimi dokážou vyrovnat. Nástroje pro Competitive Intelligence (CI) pomáhají identifikovat

Více

Aplikační software. Řízení lidských zdrojů PRAHA 2014. Zpracoval: Ing. Pavel Branšovský pro potřebu VOŠ a SŠSE

Aplikační software. Řízení lidských zdrojů PRAHA 2014. Zpracoval: Ing. Pavel Branšovský pro potřebu VOŠ a SŠSE Aplikační software Řízení lidských zdrojů PRAHA 2014 Zpracoval: Ing. Pavel Branšovský pro potřebu VOŠ a SŠSE Volně použito podkladů z Internetových serverů www.vikupedie.com a dalších. 1 Procesy a dokumenty

Více

KIV/SI. Přednáška č.8. Jan Valdman, Ph.D. jvaldman@dns.cz

KIV/SI. Přednáška č.8. Jan Valdman, Ph.D. jvaldman@dns.cz KIV/SI Přednáška č.8 Jan Valdman, Ph.D. jvaldman@dns.cz 19.4.2011 Business Intelligence (BI) The Top Challenges of Midsize Companies Improve efficiency, reduce costs Strengthen customer relationships,

Více

NÁSTROJE BUSINESS INTELLIGENCE A JEJICH IMPLEMENTACE V PODNIKU

NÁSTROJE BUSINESS INTELLIGENCE A JEJICH IMPLEMENTACE V PODNIKU VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV INFORMAIKY FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF INFORMATICS NÁSTROJE BUSINESS INTELLIGENCE A JEJICH IMPLEMENTACE

Více