3 zdroje dat. Relační databáze EIS OLAP

Rozměr: px
Začít zobrazení ze stránky:

Download "3 zdroje dat. Relační databáze EIS OLAP"

Transkript

1 Zdroje dat

2 3 zdroje dat Relační databáze EIS OLAP

3 Relační databáze plochá dvourozměrná tabulková data OLTP (Online Transaction Processing) operace selekce projekce spojení průnik, sjednocení, rozdíl dotazování SQL QBE

4 EIS Executive Information Systems první pokus o přiblížení dotazování manažerům snadné ovládání přívětivé prostředí výběr z množiny předdefinovaných dotazů málo flexibilní MIS manažerské informační systémy

5 Úloha MIS Model chování systému MIS/EIS Požadují se : - trendy - souvislosti - struktury - what-if - flexibilita Model stavu systému Transakční systémy - operační data Požaduje se: - rychlost odezvy - kapacita - integrita dat - konsistence dat

6 OLAP Online Analytical Processing rychlost flexibilita intuitivní ovládání vizualizace grafické rozhraní

7 OLAP (F. Codd) multidimenzionální koncept ukládání i manipulace s daty intuitivní manipulace s daty práce s daty z heterogenních zdrojů použití analytických metod statistické metody what-if analýzy architektura klient-server podpora víceuživatelských pohledů ukládání výsledků i mimo zdrojová data dynamická manipulace s řídkými maticemi zpracování chybějících hodnot neomezený počet dimenzí a agregačních úrovní

8 Technologické rozdíly OLTP dostat data dovnitř relační databáze velké objemy statických transakcí statické aplikace data s plynule mění OLAP dostat informace ven datové sklady malý počet komplexních dotazů dynamické aplikace informace jsou zmraženy

9 Koncepční rozdíly OLTP automatizace rutiny každodenní činnosti cílem je výkonnost poháněné technologií OLAP možnost kreativity dlouhodobé strategie, podpora rozhodování cílem je konkurenční výhoda poháněné obchodními potřebami

10 Datový sklad (Data Warehouse) Externí data Datový sklad Externí data Datová pumpa zásobování výroba ekonomika odbyt

11 Datový sklad univerzální úložiště všech potenciálně užitečných dat - konsistentní informace potřebné pro taktické a strategické rozhodování data organizována předmětně (náklady, prodeje apod.) datová tržiště vybrané dimenze a fakta (předzpracovaná data pro určitou tematickou oblast) u každého záznamu je uchována informace o čase, kdy byl do datového skladu přidán (sledování historie záznamů) změny v databázi (aktualizace) probíhají dávkově (Batch Processing - nejčastěji v noci) analytické dotazy nad datovým skladem probíhá v reálném čase (OLAP)

12 Vlastnosti DW Dostupnost Aktuálnost Odezva Čistota (kvalita) dat ETL (extraction, transformation, loading) - základní komponenta DW sběr dat z různých zdrojů čištění (konsolidace) uložení dat do databáze DW

13 Základ OLAP datová krychle (dat cube) - multidimenzionální Transakční databáze uživatelské řezy (slices) výběry

14 Základní operace OLAP analýzy Drill-down nastavení nižší (jemnější) agregační úrovně - navigace v hierarchii dimenzí směrem k většímu detailu. Roll-up opak drill-downu nastavení vyšší (hrubší) agregační úrovně - menší detail v hierarchii dimenzí Pivoting otáčení datovou krychlí změna úhlu pohledu na data na úrovni presentace obsahu datového skladu. Slicing řezy datovou kostkou pohled, kdy je jedna dimenze fixována v jisté instanci určité agregační úrovně - aplikace filtru na instance příslušné agregační úrovně dané dimenze. Dicing obdoba slicingu filtr pro více dimenzí.

15 REGION sever jih východ Analýza segmentů trhu PRODEJCI Hračky Hry Stavebnice Dealeři E-shop Maloobchod OBOR

16 S01 S02 S03 Analýza nákladů STŘEDISKO ČAS NÁKLADOVÝ DRUH Materiál Mzdy Energie DH12 H123 S007 VÝROBEK

17 OLAP krychle OLAP krychle Čas Řez krychlí OLAP aplikace (Excel) Kč (data) Druh účtu Org. jednotka

18 OLAP dimenze Rok Přímé náklady Výrobek Měsíc Náklady na materiál Výrobna

19 Vlastnosti dimenzí Hierarchie Granularita Sdílení Proměnlivost

20 Vlastnosti dimenzí Hierarchie dimenze katedra, fakulta, univerzita, vysoké školy stavba, závod, divize, celá společnost. Granularita dimenze základní úroveň detailu dat nejnižší úrovni detailu u všech dimenzí (objem dat x míra detailů dat) Sdílené dimenze společné pro všechna čas, organizační jednotka, produkt, zákazník Proměnlivost dimenze atributy dimenze se mohou v čase měnit komplikace historických přehledy (sledování trendů) ukládání dvojích hodnot (staré a nové)

21 Příklady dimenzí u aplikace prodeje Čas (rok, měsíc, případně den v roce či den v měsíci) Stav (prognóza, plán skutečnost) Útvar (dle konkrétního organizačního uspořádání) Zákazník (obchodní zástupce, významný zákazník, přímý odběratel apod.) Segment trhu (státní sektor, soukromý sektor, bytová výstavba apod.) Produkt/zakázka (typ, provedení apod.) Teritorium (Evropa, ČR, kraj apod.) Nákladový druh (materiál, mzdy, cestovné,provize a pod.) a další dle konkrétních požadavků obchodníků

22 Příklady fakt u aplikace prodeje Objem tržeb Náklady Zisk Počet zákazníků Z hodnot fakt a jejich dimenzí pak systém tvoří ukazatele

23 MOLAP, ROLAP MOLAP multidimenzionální OLAP pro středně velké statistické aplikace nevhodné pro dynamické aplikace požadující informace z pravidelně aktualizovaných dat ROLAP relační OLAP vhodný pro rozsáhlé aplikace využívající transakční data schémata hvězda (star) vločka (snowflake)

24 Příklad prodeje 3 dimenze prodejna produkt čas dimenze prodejen obchod okres region dimenze produktů výrobek značka výrobce dimenze času datum měsíc čtvrtletí rok

25 Schéma hvězdy 1 centrální tabulka faktů obsahující primární klíč a detailní data tabulka faktů dimenze prodejna Id_prodejna data_prodejny město Id_okres data o okresu Id_regionu data o regionu úroveň dimenze produkt Id_produkt data o produktu značka výrobce úroveň Id_prodejna Id_produkt Id_období cena množství dimenze čas Id_období data o období rok čtvrtletí měsíc den

26 Schéma vločky normalizované tabulky dimenzí, každá ukazuje na odpovídající agregovanou tabulku faktů dimenze prodejna Id_prodejna data_prodejny město Id_okres data o okresu Id_regionu data o regionu úroveň Id_okresu data o okresu Id_regionu fakta prodejny Id_prodejna Id_produkt Id_období Id_regionu data o regionu fakta okresu Id_okresu Id_produkt Id_období fakta regionu Id_regionu Id_produkt Id_období cena množství cena množství cena množství

27 Příklad chybné interpretace dat nesprávné zobecnění závěrů při přechodu mezi jednotlivými úrovněmi Vraždy na Floridě ( ) oběť běloch pachatel běloch pachatel černoch oběť černoch pachatel běloch pachatel černoch rozsudek smrt jiný rozsudek Popraveno: v případě bílých obětí 48/(48+238) = 16,8 % černochů 72/( ) = 3,4 % bělochů v případě černých obětí 11/( ) = 0,5 % černochů 0 = 0 % bělochů

28 Tentýž příklad po provedení operace roll-up přechod na méně podrobnou úroveň Vraždy na Floridě ( ) pachatel běloch pachatel černoch rozsudek smrt jiný rozsudek Popraveno: 72/( ) = 3,2 % bělochů 59/( ) = 2,3 % černochů Paradox relativních četností

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

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

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

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

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

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

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

Dobývání znalostí. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze

Dobývání znalostí. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze Dobývání znalostí Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze Dobývání znalostí Úvod do problematiky Doc. RNDr. Iveta Mrázová,

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

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

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

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

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

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

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

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

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

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

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

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

Obr. 1 Plochý soubor s daty

Obr. 1 Plochý soubor s daty 2. Databáze 2.1 Relační databáze V prehistorii databází byla data ukládána v jednom velkém plochém souboru (tzv. flat file) ke kterému se přistupovalo indexsekvenčními metodami (ISAM). Soubor byl indexován

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

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

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

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

Podnikové informační systémy Jan Smolík

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

Více

DATABÁZOVÉ SYSTÉMY. 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

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

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

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

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

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

Více

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

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

Více

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

Modelování a návrh datových skladů

Modelování a návrh datových skladů Modelování a návrh datových skladů Doc. Ing. B. Miniberger, CSc. BIVŠ Obsah 1. Přednáška I. Základy modelování datových skladů (DW) 2. Přednáška II. ETL procesy III. Data Mining IV. Kvalita dat a BI Literatura

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

ZÍSKÁVÁNÍ ZNALOSTÍ Z DATABÁZÍ

ZÍSKÁVÁNÍ ZNALOSTÍ Z DATABÁZÍ metodický list č. 1 Dobývání znalostí z databází Cílem tohoto tematického celku je vysvětlení základních pojmů z oblasti dobývání znalostí z databází i východisek dobývání znalostí z databází inspirovaných

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

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

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

Více

STÁTNÍ POKLADNA. Integrovaný informační systém Státní pokladny (IISSP)

STÁTNÍ POKLADNA. Integrovaný informační systém Státní pokladny (IISSP) POKLADNA Integrovaný informační systém Státní pokladny (IISSP) Ing. Miroslav Kalousek ministr financí Praha 17.12.2012 Page 1 Integrovaný informační systém Státní pokladny (IISSP) Centrální systém účetních

Více

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

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

Více

Advanced SQL Modeling in RDBMS - SQL Spreadsheet part1. Your Organization (Line #1)

Advanced SQL Modeling in RDBMS - SQL Spreadsheet part1. Your Organization (Line #1) Advanced SQL Modeling in RDBMS - SQL Spreadsheet part1 2005-12-31 1.12.2009 Your Daniel Name Vojtek Jakub Your Valčík Title Your Organization (Line #1) Your Organization Query Languages (Line #2) I Agenda

Více

Analýza a modelování dat. Přednáška 9

Analýza a modelování dat. Přednáška 9 Analýza a modelování dat Přednáška 9 Další dotazování nad kostkou Rozšíření SQL99 rozšíření SQL99 (minulá přednáška): seskupovací operátory za GROUP BY CUBE statistiky dle řezů ROLLUP statistiky dle rolování

Více

Analýza a modelování dat 5. přednáška. Helena Palovská

Analýza a modelování dat 5. přednáška. Helena Palovská Analýza a modelování dat 5. přednáška Helena Palovská Historie databázových modelů Multidimenzionální model Kvantitativní typ faktu s určitými hledisky např.: Kdo komu kdy jak moc čeho prodal. kdo, komu,

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

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

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

Oracle Sales Cloud. moderní řízení obchodu

Oracle Sales Cloud. moderní řízení obchodu Oracle Sales Cloud moderní řízení obchodu Úvod Oracle Sales Cloud je nástroj moderního obchodování, který lze snadno nasadit a rychle užívat. Je to zcela mobilní řešení s analytickou výbavou, stavěné pro

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

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

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

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

Více

MAGISTRÁT HLAVNÍHO MĚSTA PRAHY ODBOR INFORMATIKY ÚTVAR ROZVOJE HL. M. M. PRAHY. Geografický informační systém hl. m. Prahy (GIS)

MAGISTRÁT HLAVNÍHO MĚSTA PRAHY ODBOR INFORMATIKY ÚTVAR ROZVOJE HL. M. M. PRAHY. Geografický informační systém hl. m. Prahy (GIS) ÚTVAR ROZVOJE HL. M. M. PRAHY Geografický informační systém hl. m. Prahy (GIS) GIS v Praze Mapy, plány a informace Internet Mapový portál hl. m. Prahy, Sdílení geodat, Integrovaný IS Správa dat DMP, ISKN,

Více

Fakulta aplikovaných věd Katedra informatiky a výpočetní techniky DIPLOMOVÁ PRÁCE

Fakulta aplikovaných věd Katedra informatiky a výpočetní techniky DIPLOMOVÁ PRÁCE Fakulta aplikovaných věd Katedra informatiky a výpočetní techniky DIPLOMOVÁ PRÁCE Plzeň, 2006 Markéta Vlášková Západočeská univerzita v Plzni Fakulta aplikovaných věd Katedra informatiky a výpočetní techniky

Více

ZÍSKÁVÁNÍ ZNALOSTÍ Z DATABÁZÍ

ZÍSKÁVÁNÍ ZNALOSTÍ Z DATABÁZÍ Metodický list č. 1 Dobývání znalostí z databází Cílem tohoto tematického celku je vysvětlení základních pojmů z oblasti dobývání znalostí z databází i východisek dobývání znalostí z databází inspirovaných

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

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV INFORMATIKY FACULTY OF BUSINESS AND MANAGEMENT INSTITUTE OF INFORMATICS ANALYTICKÉ SLUŽBY BUSINESS INTELLIGENCE VE

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

Řešení potřeb veřejné správy pomocí velkých i malých BI systémů. Tomáš Jindřich Pavel Bobkov 19.9.2013

Řešení potřeb veřejné správy pomocí velkých i malých BI systémů. Tomáš Jindřich Pavel Bobkov 19.9.2013 Řešení potřeb veřejné správy pomocí velkých i malých BI systémů Tomáš Jindřich Pavel Bobkov 19.9.2013 Agenda 1) Požadavky organizací veřejného sektoru 2) Porovnání standardních a specializovaných BI 3)

Více

Systémy pro podporu rozhodování. Datové sklady, OLAP

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

Více

Datové sklady a možnosti analýzy a reportování dat ve výuce

Datové sklady a možnosti analýzy a reportování dat ve výuce Vysoká škola ekonomická v Praze Fakulta informatiky a statistiky Vyšší odborná škola informačních služeb v Praze Datové sklady a možnosti analýzy a reportování dat ve výuce Autor bakalářské práce: David

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

Cenové mapy prodejních cen a jejich využití v praxi

Cenové mapy prodejních cen a jejich využití v praxi Cenové mapy prodejních cen a jejich využití v praxi Diskusní setkání časopisu Stavební fórum Středa 16. září 2015 PARKHOTEL Praha Kvalita a spolehlivost dat rezidenčního trhu Současná situace Data shromažďovaná

Více

Operátory ROLLUP a CUBE

Operátory ROLLUP a CUBE Operátory ROLLUP a CUBE Dotazovací jazyky, 2009 Marek Polák Martin Chytil Osnova přednášky o Analýza dat o Agregační funkce o GROUP BY a jeho problémy o Speciální hodnotový typ ALL o Operátor CUBE o Operátor

Více

Přístupy k efektivnímu využití modelu MBI

Přístupy k efektivnímu využití modelu MBI MBI, Management byznys informatiky Přístupy k efektivnímu využití modelu MBI Jan Dohnal Katedra softwarového inženýrství, F, ČVUT Jan Pour Katedra, FIS, VŠE MBI, Management byznys Snímek informatiky 1

Více

Je právní systém opravdu pro právníky? Jan Kracík

Je právní systém opravdu pro právníky? Jan Kracík Je právní systém opravdu pro právníky? Jan Kracík 1 AGENDA Kdo jsme Historie projektu Jak jsme nepoužili Ensemble Jak jsme použili Caché a ZEN Jak jsme řešení nabídli jako službu Jak jsme nebyli nadšeni

Více

Platforma Microsoft zajistila společnosti ISS nový finanční analytický systém

Platforma Microsoft zajistila společnosti ISS nový finanční analytický systém Microsoft Windows Server Platforma Microsoft zajistila společnosti ISS nový finanční analytický systém Přehled Země: Česká Republika Odvětví: Facility services Profil zákazníka: ISS WORLD Czech Republic

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

Obsah. Kapitola 1. Kapitola 2. Kapitola 3. Kapitola 4. Úvod 11. Stručný úvod do relačních databází 13. Platforma 10g 23

Obsah. Kapitola 1. Kapitola 2. Kapitola 3. Kapitola 4. Úvod 11. Stručný úvod do relačních databází 13. Platforma 10g 23 Stručný obsah 1. Stručný úvod do relačních databází 13 2. Platforma 10g 23 3. Instalace, první přihlášení, start a zastavení databázového serveru 33 4. Nástroje pro administraci a práci s daty 69 5. Úvod

Více

Úvod do informačních a řídicích systémů. lení

Úvod do informačních a řídicích systémů. lení Úvod do informačních a řídicích systémů Základní pojmy a rozdělen lení Informace Pojem vysoce abstraktní Skutečné informace musí být pravdivé, včasné, jednoznačné a relevantní (atributy informace) Základní

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

Využití IT nástrojů pro měření a řízení výkonnosti. Michal Kroutil 22.11.2005

Využití IT nástrojů pro měření a řízení výkonnosti. Michal Kroutil 22.11.2005 Využití IT nástrojů pro měření a řízení výkonnosti Michal Kroutil 22.11.2005 1 Obsah 1 2 3 4 5 Představení Ciber Novasoft Klíčové ukazatele výkonnosti Zdroje dat SAP SEM Implementační projekt 2 Představení

Více

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

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

Více

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

Kapitola 1: Úvod. Systém pro správu databáze (Database Management Systém DBMS) Účel databázových systémů

Kapitola 1: Úvod. Systém pro správu databáze (Database Management Systém DBMS) Účel databázových systémů - 1.1 - Kapitola 1: Úvod Účel databázových systémů Pohled na data Modely dat Jazyk pro definici dat (Data Definition Language; DDL) Jazyk pro manipulaci s daty (Data Manipulation Language; DML) Správa

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

MASARYKOVA UNIVERZITA FAKULTA INFORMATIKY DIPLOMOVÁ PRÁCE. Manažerské systémy pro střední a menší firmy

MASARYKOVA UNIVERZITA FAKULTA INFORMATIKY DIPLOMOVÁ PRÁCE. Manažerské systémy pro střední a menší firmy MASARYKOVA UNIVERZITA FAKULTA INFORMATIKY DIPLOMOVÁ PRÁCE Manažerské systémy pro střední a menší firmy Jitka Kauerová 2008 Prohlášení Prohlašuji, že tato práce je mým původním autorským dílem, které jsem

Více

Stručný obsah. K2118.indd 3 19.6.2013 9:15:27

Stručný 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

Více

ANALÝZA NÁKUPNÍHO KOŠÍKU SEMINÁŘ

ANALÝZA NÁKUPNÍHO KOŠÍKU SEMINÁŘ ANALÝZA NÁKUPNÍHO KOŠÍKU SEMINÁŘ 18.11.2012 Radim Tvardek, Petr Bulava, Daniel Mašek U&SLUNO a.s. I Sadová 28 I 702 00 Ostrava I Czech Republic PŘEDPOKLADY PRO ANALÝZU NÁKUPNÍHO KOŠÍKU 18.11.2012 Daniel

Více

Efektivní řízení pomocí Business Intelligence. Ján Zajíc (Clever Decision) Robert Havránek (Microsoft)

Efektivní řízení pomocí Business Intelligence. Ján Zajíc (Clever Decision) Robert Havránek (Microsoft) Efektivní řízení pomocí Business Intelligence Ján Zajíc (Clever Decision) Robert Havránek (Microsoft) Kde najdete nejefektivnějšího manažera? Hierarchie řízení a informační potřeby High level, agregované

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

1. Integrační koncept

1. Integrační koncept Příloha č. 2: Technický popis integrace 1. Integrační koncept Z hlediska koncepčního budování Smart Administration na Magistrátu města Mostu je možno hovořit o potřebě integrace tří úrovní systémové architektury

Více

Manažerský informační systém (MIS) Statistická analýza jako služba Bc. Alena Chodounská

Manažerský informační systém (MIS) Statistická analýza jako služba Bc. Alena Chodounská Manažerský informační systém (MIS) Statistická analýza jako služba Bc. Alena Chodounská V Praze, 14.11.2014 Obsah Proč? Komu? Od Koho? Jak? Co? příklady Zdroj obrázku: www.hotbutterstudio.com 2 MIS proč?

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

SW pro správu a řízení bezpečnosti

SW pro správu a řízení bezpečnosti Integrační bezpečnostní SW pro správu a řízení bezpečnosti Systém je vlastním produktem společnosti Integoo. Trvalý vývoj produktu reflektuje požadavky trhu a zákazníků. Ať už je velikost vaší organizace

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

Zkušenosti s budováním základního registru obyvatel

Zkušenosti s budováním základního registru obyvatel Zkušenosti s budováním základního registru obyvatel Jiří Dohnal, ICZ a.s. ISSS 2012 1 ROB - EDITOŘI Primární: evidence obyvatel (IS EO), cizinecký informační systém (CIS) UFO v rámci CIS? Potřeba pro:

Více

Data v informačních systémech

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

Více

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

regionální rozvoj Využití Business Intelligence v kraji Vysočina

regionální rozvoj Využití Business Intelligence v kraji Vysočina Využití Business Intelligence v kraji Vysočina The usage of Business Intelligence in the Vysocina region Michal Šulc sulc.m@kr-vysocina.cz Krajský úřad kraje Vysočina, Odbor analýz Miloš Vystrčil vystrcil@vspj.cz

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

Datové sklady ve školství

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

Více

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

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

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

Více

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

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

Více

Management IS1. Doc.Ing.Miloš Koch,CSc. koch@fbm.vutbr.cz

Management IS1. Doc.Ing.Miloš Koch,CSc. koch@fbm.vutbr.cz Management IS1 Doc.Ing.Miloš Koch,CSc. koch@fbm.vutbr.cz 23 1 Proč a jaký IS/IT? Informační systém je pro podnik totéž, co šaty pro člověka. Může mít vlastní, může mít vypůjčené (outsourcing), ale musí

Více

Manažerský informační systém pro podporu ekonomického řízení laboratoří

Manažerský informační systém pro podporu ekonomického řízení laboratoří Manažerský informační systém pro podporu ekonomického řízení laboratoří FONS, 20.9.2010, Pardubice Bc. Pavel Jezdinský www.medila.cz medila@medila.cz Obsah Co potřebujeme řídit Řízení laboratoří MIS? Řízení

Více

Datové tržiště nákladní přepravy

Datové tržiště nákladní přepravy Karel Martinec, Jan Pospíšil 1 Datové tržiště nákladní přepravy Klíčová slova: DTNP, nákladní přeprava, datové tržiště (data warehouse), statistika Úvod Železniční nákladní přeprava je dosti složitým procesem

Více

Multidimenzionální modelování v rámci analýzy a návrhu IS/ICT

Multidimenzionální modelování v rámci analýzy a návrhu IS/ICT Multidimenzionální modelování v rámci analýzy a návrhu IS/ICT Abstrakt: Vladimíra Zádová Katedra informatiky, TU Liberec, e-mail: vladimira.zadova@tul.cz Strukturovaný a objektový přístup jsou klasické

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

Datové sklady. Zdeněk Kouba

Datové sklady. Zdeněk Kouba Datové sklady Zěk Kouba Data cube Sortiment Pečivo Maso Mléčné výrobky Koblihy Housky Chléb Místo Vepřové Hovězí Petrovice Drůbež Vysoký Chlumec Milevsko Mléko Kovářov Sýry Oslov Neveklov Jogurty Vrchotovy

Více