Systémy pro podporu rozhodování. Datový management
|
|
- Anežka Dušková
- před 8 lety
- Počet zobrazení:
Transkript
1 Systémy pro podporu rozhodování Datový management 1
2 Připomenutí obsahu minulé přednášky Systémy pro podporu rozhodování - hlubší pohled Konfigurace DSS Definice DSS Charakterizace a možnosti DSS Komponenty DSS (sybsystém datového, modelového a znalostního managementu, subsystém uživatelského rozhraní+uživatel) Hardware pro DSS 2
3 4. Datový management: sklady, přístup a vizualizace Principy MSS Nové koncepce Objektové databáze Inteligentní databáze Datové sklady On-line analytické zpracování (OLAP) Multidimensionalita Dolování v datech (Data mining) Internet / Intranet / Web 3
4 4.1 Motivační příklad: Datové sklady a DSS ve velké organizaci 2-3 miliony datových záznamů zpracováno měsíčně Jak to zvládnout a zorganizovat? Jak je využít pro podporu rozhodování? Jak nezvyšovat náklady? Jak zefektivnit službu zákazníkům? Jak efektivně využívat zdroje? Jak zvýšit celkovou kvalitu služeb? Odpověď Vytvořit obsažnou databázi (datový sklad) a použít DSS Velmi efektivní 4
5 4.2 Datové sklady, přístup, analýza a vizualizace Co dělat se všemi daty, která organizace sbírají, uchovávají a využívají (ve stále větším měřítku)? Současně narůstá počet uživatelů těchto dat (síťový přístup, nízká cena zpracování dat ) - - > Informační zahlcení! viz: Datové sklady Přístup k datům Dolování v datech (Data mining) Řešení On-line analytical processing (OLAP) Vizualizace dat = hlavní problémy při správě IT 6
6 4.3 Povaha a zdroje dat Data: Nezpracovaná, bez specifického významu (alfanumerická, obrázky, zvuky,...) Informace: Data organizovaná tak, aby vyjadřovala určitý význam pro příjemce Znalost: Datové položky organizované a zpracované tak, aby vyjadřovaly porozumění, zkušenost, nashromážděné učení a expertízu vzhledem k danému problému nebo činnosti DSS databáze mohou obsahovat jak data, tak informace nebo znalosti Datové položky v DSS mohou mít formu dokumentu, obrázku, mapy, zvuku, animace, nebo videa 7
7 Zdroje dat Interní Externí Personální 8
8 4.4 Sběr dat a související problémy Potřeba získávání dat z více interních a externích zdrojů Sběr dat v terénu Získávání dat od lidských respondentů Nutnost ověřování a filtrace dat Kvalita a integrita dat Data nejsou správná nejsou k dispozici včas nejsou správně indexována neexistují 9
9 Metody sběru zdrojových dat Ručně nebo pomocí přístrojů a senzorů Reprezentativní metody Časové studie Průzkumy Pozorování Dotazování expertů Systémy pro automatickou detekci a korekci chyb v sebraných datech 10
10 4.5 Internet a komerční databázové služby Pro externí data: Internet: hlavní dodavatel externích dat Komerční databanky : prodávají přístup ke specializovaným databázím Mohou přidávat externí data k MSS v pravý čas a s vynaložením rozumných nákladů 11
11 Některé zdroje externích dat Existuje mnoho zdrojů veřejně dostupných dat, přičemž ke mnoha z nich je přístup přes Internet. Např. základní zdroje v USA: Federální publikace Survey of Current Business (Department of Commerce) (continues Business Conditions Digest in short form)--měsíčně, obecné obchodní podmínky Monthly Labor Review (Department of Labor) měsíční statistika zaměstnanosti (časopis obsahující články) Employment and Earnings (Department of Labor)--měsíčně, podrobnější než Monthly Labor Review Jiné zdroje International Monetary Fund zprávy IMF, včetně měnových kurzů, pro podílející se země Moody's periodické manuály obsahující hutnou informaci o většině velikých amerických korporací, určeno pro investory Standard & Poor's pravidelně doplňovaná zpráva o finanční stabilitě většiny amerických korporací Advertising Age--marketingový časopis, s vysokým podílem údajů o marketingu
12 Reprezentativní komerční databanky (U.S.A.) Compustat Dow Jones Information Service Interactive Data Corporation Lockheed Information Systems Mead Data Central - Lexis a Nexis ALACRA KnowledgeExpress Albertina icome 13
13 Internet/Web a podnikové databáze a systémy Použití Webovských prohlížečů k přístupu k informacím důležitým pro zaměstnance a zákazníky implementaci exekutivních informačních systémů implementaci systémů pro podporu skupinového rozhodování (GSS) Některé systémy řízení databáze poskytují data ve formátu HTML 14
14 4.6 Systémy pro řízení databází v DSS SŘBD (DBMS): Program pro zabezpečení práce s databází: vstup (nebo přidání) informací, aktualizace, mazání, manipulace, uchovávání a výběr informací SŘBD v kombinaci s jazykem pro modelování tvoří typickou dvojici vývojových prostředků využívanou při konstrukci DSS nebo MSS SŘBD jsou navrženy tak, aby zvládaly práci s velkým množstvím informací 15
15 4.7 Organizace a struktura databází Relační databáze Hierarchické databáze Síťové databáze Objektové databáze Multimediální databáze 16
16 4.8 Datové sklady Fyzická separace operačního prostředí a prostředí na podporu rozhodování Účel: vytvořit úložiště dat umožňující přístup k operačním datům Transformace operačních dat do relačního tvaru Z TPS přicházejí pouze data potřebná pro podporu rozhodování Data jsou transformována a integrována do konzistentní struktury Datové skladování (nebo skladování informací): řešení problému přístupu k datům Koncoví uživatelé provádějí ad hoc dotazování, analýzu reportů a vizualizaci dat 17
17 Výhody datových skladů Zvýšení produktivity znalostních pracovníků Podporují všechny požadavky rozhodovatelů na data Zabezpečují okamžitý přístup ke kritickým datům Izolují operační databáze od ad hoc zpracování dat Dávají souhrnné informace na vysoké úrovni Zabezpečují možnosti detailních pohledů 18
18 Výhody datových skladů Datové sklady poskytují: Zvýšenou podnikovou inteligenci (business intelligence) Konkurenční výhodu Zlepšené služby zákazníkům a jejich spokojenost Možnost tvorby rozhodnutí Pomoc při usměrňování podnikových procesů 19
19 Architektury datových skladů Dvojúrovňová (two-tier) architektura Tříúrovňová (three-tier) architektura 20
20 Dvouúrovňová architektura datového skladu (Petr Vršek, SOFTMODEL)
21 Repositář Interní zdroje Externí zdroje SW pro akvizici dat DB server EIS/DSS server EIS klient DSS klient EIS klient Datový sklad Multidim. Databáze Tříúrovňová architektura datového skladu
22 Složky datového skladu Velká fyzická databáze Logický datový sklad Datový trh (data mart) a aplikace: Systémy pro podporu rozhodování (DSS) a exekutivní informační systémy (EIS) 23
23 Vhodnost použití datových skladů Pro organizace, ve kterých Data se nacházejí v různých systémech Management využívá řídící přístupy založené na informacích (information-based) Velká báze zákazníků různého typu Některá data mají různou reprezentaci v různých systémech Data jsou ukládána ve vysoce technické a těžko dekódovatelné formě 24
24 Charakterizace datového skladování Data jsou organizována dle konkrétního typu subjektu a obsahují pouze informace relevantní konkrétní podpoře rozhodování (např. zákazník, obor činnosti apod.) Data jsou integrovaná z různých formátů v různých zdrojích do konzistentního tvaru Časově proměnná data za období 5-10 let Po vstupu do skladu se data už nemění ani neaktualizují 25
25 Výhody struktury datových skladů Integrita dat Konzistence v časových dimenzích Vysoká efektivnost Nízké provozní náklady Lze uchovávat data na různých úrovních sumarizace Poskytuje zákazníkům rychlý přehled 26
26 4.9 Vizualizace dat a multidimensionalita Digitální obrázky Technologie pro vizualizaci dat Geografické informační systémy Grafická uživatelská rozhraní Multidimenzionální prezentace Tabulky a grafy Virtuální realita Prezentace Animace 27
27 Multidimenzionalita 3-D + tabulky Data mohou být organizována způsobem, jakým je chtějí vidět spíše manažeři než systémoví analytici Lze lehce a rychle dosáhnout různých způsobů prezentace stejných dat Dimenze: výrobky, prodejci, segmenty trhu, obchodní jednotky, geografické lokality, distribuční kanály, země, průmysl Jednotky: peníze, objemy prodeje, propočty na hlavu, majetkový profit, aktuální versus předpověděné Čas: denně, týdně, měsíčně, čtvrtletně nebo ročně 28
28 Omezení multidimenzionality Až o 40% více paměti počítače než odpovídající relační databáze Vyšší cena až o 50% Navýšení spotřeby systémových prostředků a času Složitější rozhraní a údržba Multidimenzionalita je obzvláště populární u exekutivních informačních a podpůrných systémů 29
29 4.10 OLAP: Přístup k datům, dolování, dotazování a analýza Online Analytical processing (OLAP) DSS a EIS výpočty prováděné koncovými uživateli pomocí online systémů V protikladu je online zpracování transakcí (online transaction processing OLTP) Generování dotazů Aktivity OLAP Požadování ad hoc reportů Provádění statistických analýz Konstrukce multimediálních aplikací 30
30 OLAP využívá datový sklad a soubor nástrojů Nástroje pro dotazování Tabulky Nástroje pro dolování v datech Nástroje pro vizualizaci dat 31
31 Data Sou rc e s Busin ess Com m unica tion Qu erying Internal Da ta Sou rces Extern al Da ta Sou rces Da ta Acquisition, Extraction, Deliver y Tra nsformation Da ta Wa rehou se Repor t Gen era tion Sprea dsheet Forecastin g Analysis Modelin g Da ta Presen ta tion a nd Visualiza tion Mu ltim edia EIS, Others On line Analytica l Processin g FIGURE 4.1 Data Warehousing and Online Analytical Processing (OLAP).
32 Architektura multidimenzionálního OLAP (MD-OLAP)
33 Architektura relačního OLAP (ROLAP)
34 OLAP Packages DSS Web (MicroStrategy, Inc.) Oracle Express Server (Oracle Corp.) DataFountain (Dimensional Insight Inc.) Pilot Internet Publisher (Pilot Software, Inc.) WebOLAP (Information Advantage Inc.) Focus Fusion (Information Builders, Inc.) Business Objects Inc. (Business Objects) InfoBeaconWeb (Platinum Technology, Inc.) BrioQuery (Brio Technology Inc.) Data multidimensionality - In Touch/ Pilot personal cubes 35
35 Data Mining - dolování v datech Pojem pokrývající odkrývání znalostí v databázích extrakci znalostí datová archeologie explorativní analýza dat zpracování obrazců dat bagrování v datech rozsáhlý sběr informací ( žně ) 36
36 Hlavní charakteristiky a cíle dolování v datech Data jsou často hluboko zahrabána Architektura klient/server Účinné nové nástroje -- zahrnují pokročilé vizualizační nástroje -- pomáhají odstranit nánosy na informacích Úprava a synchronizace dat Užitečnost měkkých dat (obvykle textové soubory) Koncový uživatel, provádějící dolování, mívá k dispozici nástroje pro detailizaci pohledů na data (data drills) a jiné mocné dotazovací nástroje bez potřeby znalostí programování Často zahrnuje nálezy neočekávaných výsledků Nástroje jsou často kombinovány s tabulkovými procesory atd. Paralelní zpracování pro dolování v datech 37
37 Aplikační oblasti pro dolování v datech Marketing Bankovnictví Prodej Výroba Obchodování na burze Pojišťovnictví Počítačový hardware a software Vláda a obrana Letectví Péče o zdraví Rozhlasové a televizní vysílání Kriminalistika 38
38 4.11 Inteligentní databáze a dolování v datech Vývoj aplikací pro MSS vyžaduje přístup do databází AI technologie (ES, ANN) pomáhají při řízení databáze Propojení ES s velkými databázemi Příklad: optimalizace dotazů Rozhraní v přirozeném jazyce 39
39 Inteligentní dolování v datech Použití inteligentního prohledávání k nalézání informací v datových skladech, které dotazy a reporty nejsou schopny efektivně objevit Nalézání obrazců v datech a na jejich základě odvozování pravidel Použití obrazců a pravidel k návodům při rozhodování a předpovědích Dolováním v datech lze získat pět obecných typů informací: 1) asociace, 2) posloupnosti, 3) klasifikace, 4) shluky a 5) předpovědi 40
40 Hlavní nástroje používané v inteligentním dolování v datech Případové uvažování (Case-based Reasoning) Neurální výpočty (Neural Computing) Inteligentní agenti (Intelligent Agents) Jiné nástroje rozhodovací stromy indukce pravidel vizualizace dat 41
41 Inteligentní databáze jako integrace ES a databáze
42 4.12 Souhrn Data pro rozhodování přicházejí z interních a externích zdrojů Systém pro řízení báze dat (SŘBD) je jednou z hlavních složek většiny systémů na podporu managementu Znalost nejnovějšího pokroku v této oblasti je velmi důležitá Data jsou zlatým dolem informací, pokud je dokážeme vydolovat Organizace skladují data a dolují v nich Nástroje pro multidimenzionální analýzu a nové podnikové architektury systémů jsou velmi užitečné Užitečné jsou rovněž nástroje OLAP 43
43 Souhrn (pokrač.) Objektový přístup k analýze systémů, k jejich návrhu a implementaci může být velmi vhodný Nové formáty dat pro multimediální SŘBD Internet a intranety použitím Webovských prohlížečů pro přístup SŘBD Zabudované metody umělé inteligence v SŘBD 44
44 Literatura L. Lacko: Databáze: datové sklady, OLAP a dolování dat. ComputerPress,
45 Konec 46
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
VíceSystémy 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
VíceSystémy 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
VíceZáklady business intelligence. Jaroslav Šmarda
Základy business intelligence Jaroslav Šmarda Základy business intelligence Business intelligence Datový sklad On-line Analytical Processing (OLAP) Kontingenční tabulky v MS Excelu jako příklad OLAP Dolování
VíceDATABÁZOVÉ SYSTÉMY. Metodický list č. 1
Metodický list č. 1 Cíl: Cílem předmětu je získat přehled o možnostech a principech databázového zpracování, získat v tomto směru znalosti potřebné pro informačního manažera. Databázové systémy, databázové
VíceAdventureWorksDW2014 SQL Server Data Tools Multidimenziona lnı model Tabula rnı model Multidimenziona lnı mo d Tabula rnı mo d MS SQL Server 2016 Tabula rnı mo d Azure Analysis Services 16 3.2 Dimenzionální
VíceBusiness Intelligence
Business Intelligence Josef Mlnařík ISSS Hradec Králové 7.4.2008 Obsah Co je Oracle Business Intelligence? Definice, Od dat k informacím, Nástroj pro operativní řízení, Integrace informací, Jednotná platforma
VíceBusiness Intelligence
Business Intelligence Skorkovský KAMI, ESF MU Principy BI zpracování velkých objemů dat tak, aby výsledek této akce manažerům pomohl k rozhodování při řízení procesů výsledkem zpracování musí být relevantní
VíceARCHITEKTURA 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
VíceMETODY DOLOVÁNÍ V DATECH DATOVÉ SKLADY TEREZA HYNČICOVÁ H2IGE1
METODY DOLOVÁNÍ V DATECH DATOVÉ SKLADY TEREZA HYNČICOVÁ H2IGE1 DOLOVÁNÍ V DATECH (DATA MINING) OBJEVUJE SE JIŽ OD 60. LET 20. ST. S ROZVOJEM POČÍTAČOVÉ TECHNIKY DEFINICE PROCES VÝBĚRU, PROHLEDÁVÁNÍ A MODELOVÁNÍ
VíceDatabáze Bc. Veronika Tomsová
Databáze Bc. Veronika Tomsová Databázové schéma Mapování konceptuálního modelu do (relačního) databázového schématu. 2/21 Fyzické ik schéma databáze Určuje č jakým způsobem ů jsou data v databázi ukládána
VíceKIS 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.:
VíceGIS 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
VíceBusiness Intelligence. Adam Trčka
Business Intelligence Adam Trčka 09:00 11:30: BI v kostce Navrhněme si sklad Ukázka BI Datamining 12:30 14:30: Pokračování kurzu 14:30 15:00: Q&A Agenda Co se dnes dovíme? Data informace znalost Business
Více3 zdroje dat. Relační databáze EIS OLAP
Zdroje dat 3 zdroje dat Relační databáze EIS OLAP Relační databáze plochá dvourozměrná tabulková data OLTP (Online Transaction Processing) operace selekce projekce spojení průnik, sjednocení, rozdíl dotazování
VíceObsah. Kapitola 1. Kapitola 2. Kapitola 3. Úvod 9
Obsah Úvod 9 Kapitola 1 Business Intelligence, datové sklady 11 Přechod od transakčních databází k analytickým..................... 13 Kvalita údajů pro analýzy................................................
VíceGeografické informační systémy p. 1
Geografické informační systémy Slajdy pro předmět GIS Martin Hrubý hrubym @ fit.vutbr.cz Vysoké učení technické v Brně Fakulta informačních technologií, Božetěchova 2, 61266 Brno akademický rok 2004/05
VíceAnalýza nestrukturovaných dat pomocí Oracle Endeca Information Discovery
Analýza nestrukturovaných dat pomocí Oracle Endeca Information Discovery Petr Podbraný Oracle Business Intelligence Sales Consultant 1 2012 Oracle Corporation Co znamená Information Discovery? Zjednodušeně
VíceBIG DATA. Nové úlohy pro nástroje v oblasti BI. 27. listopadu 2012
BIG DATA Nové úlohy pro nástroje v oblasti BI 27. listopadu 2012 AGENDA 1. Úvod 2. Jaké jsou potřeby? 3. Možné řešení 2 Jaké jsou potřeby? Dopady Analýza dat potřeba nového přístupu Jak na nestrukturovaná
VíceSystémy pro podporu rozhodování. Modelování a analýza
Systémy pro podporu rozhodování Modelování a analýza 1 Připomenutí obsahu minulé přednášky Datové sklady, přístup, analýza a vizualizace Povaha a zdroje dat (data, informace, znalosti a interní, externí,
Více10. Datové sklady (Data Warehouses) Datový sklad
10. Datové sklady (Data Warehouses) Datový sklad komplexní data uložená ve struktuře, která umožňuje efektivní analýzu a dotazování data čerpána z primárních informačních systémů a dalších zdrojů OLAP
VíceMBI - technologická realizace modelu
MBI - technologická realizace modelu 22.1.2015 MBI, Management byznys informatiky Snímek 1 Agenda Technická realizace portálu MBI. Cíle a principy technického řešení. 1.Obsah portálu - objekty v hierarchiích,
VíceManažerský 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
Více4IT218 Databáze. 4IT218 Databáze
4IT218 Databáze Osmá přednáška Dušan Chlapek (katedra informačních technologií, VŠE Praha) 4IT218 Databáze Osmá přednáška Normalizace dat - dokončení Transakce v databázovém zpracování Program přednášek
VíceDI3MK_EPP2 Ekonomika Ekono a řízení mika průmyslových podn průmyslových iků podn iků
DI3MK_EPP2 Ekonomika a řízení jaro 2014 Harmonogram předmětu sobota 01. 03. 2014 / 16:40 19:15 / učebna 51 Organizační pokyny Strategický management sobota 15. 03. 2014 / 10:15 12:50 / učebna 51 Provozní
VíceZákladní informace o co se jedná a k čemu to slouží
Základní informace o co se jedná a k čemu to slouží založené na relačních databází transakční systémy, které jsou určeny pro pořizování a ukládání dat v reálném čase (ERP, účetní, ekonomické a další podnikové
VíceInformační systémy 2006/2007
13 Vysoká škola báňská Technická univerzita Ostrava Fakulta strojní, Katedra automatizační techniky a řízení Informační systémy 2006/2007 Ivan Kedroň 1 Obsah Analytické nástroje SQL serveru. OLAP analýza
VíceArchitektury 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?
VíceDATABÁZOVÉ 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
VíceMarketingová komunikace. 3. soustředění. Mgr. Pavel Vávra 9103@mail.vsfs.cz. Kombinované studium Skupina N9KMK3PH (vm3bph)
Marketingová komunikace Kombinované studium Skupina N9KMK3PH (vm3bph) 3. soustředění Mgr. Pavel Vávra 9103@mail.vsfs.cz http://vavra.webzdarma.cz/home/index.htm Zdroje Studijní materiály Heleny Palovské
VíceInformační systémy 2008/2009. Radim Farana. Obsah. Obsah předmětu. Požadavky kreditového systému. Relační datový model, Architektury databází
1 Vysoká škola báňská Technická univerzita Ostrava Fakulta strojní, Katedra automatizační techniky a řízení 2008/2009 Radim Farana 1 Obsah Požadavky kreditového systému. Relační datový model, relace, atributy,
VíceInfor Performance management. Jakub Urbášek
Infor Performance management Jakub Urbášek Agenda prezentace Stručně o produktu Infor PM 10 Komponenty Infor PM - PM OLAP a PM Office Plus Reporting Analýza Plánování / operativní plánování Infor Performance
VíceInovační vouchery s Univerzitou Hradec Králové. doc. Ing. Mgr. Petra Marešová, Ph.D. Ing. Richard Cimler
Inovační vouchery s Univerzitou Hradec Králové doc. Ing. Mgr. Petra Marešová, Ph.D. Ing. Richard Cimler Úvod Hlavní směry výzkumu: = Informační technologie = Bioinformatika = Ekonomika a management = Vzdělávání
VíceKapitola 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
VíceDatabáze II. 1. přednáška. Helena Palovská palovska@vse.cz
Databáze II 1. přednáška Helena Palovská palovska@vse.cz Program přednášky Úvod Třívrstvá architektura a O-R mapování Zabezpečení dat Role a přístupová práva Úvod Co je databáze Mnoho dat Organizovaných
VíceObsah. 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
VíceDatová věda (Data Science) akademický navazující magisterský program
Datová věda () akademický navazující magisterský program Reaguje na potřebu, kterou vyvolala rychle rostoucí produkce komplexních, obvykle rozsáhlých dat ve vědě, v průmyslu a obecně v hospodářských činnostech.
VíceÚvodní 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
VíceDatové sklady. Ing. Jan Přichystal, Ph.D. 1. listopadu 2011. PEF MZLU v Brně
PEF MZLU v Brně 1. listopadu 2011 Úvod Intenzivní nasazení informačních technologií způsobuje hromadění obrovské spousty nejrůznějších údajů. Příkladem mohou být informace z obchodování s cennými papíry
VíceNÁSTROJE BUSINESS INTELLIGENCE
NÁSTROJE BUSINESS INTELLIGENCE Milena Tvrdíková VŠB Technická univerzita Ostrava, Ekonomická fakulta, Katedra informatiky v ekonomice, Sokolská 33, 701021 Ostrava1, ČR, milena.tvrdikova@vsb.cz Abstrakt
VíceSurfujte v business analýze jako profík. Naučíme Vás podpořit klíčová rozhodnutí firmy.
Surfujte v business analýze jako profík Naučíme Vás podpořit klíčová rozhodnutí firmy. Intuice nestačí. S čím Vám pomůžeme? Firmy čelí narůstající záplavě dat, posilují své analytické schopnosti a hledají
Více1. 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
Více5.15 INFORMATIKA A VÝPOČETNÍ TECHNIKA
5.15 INFORMATIKA A VÝPOČETNÍ TECHNIKA 5. 15. 1 Charakteristika předmětu A. Obsahové vymezení: IVT se na naší škole vyučuje od tercie, kdy je cílem zvládnutí základů hardwaru, softwaru a operačního systému,
VíceIng. Petr Kalčev, Ph.D.
Ing. Petr Kalčev, Ph.D. 17.10.2017 24.10.2017 31.10.2017 7.11.2017 14.11.2017 21.11.2017 28.11.2017 5.12.2017 12.12.2017 19.12.2017 Úvod do manažerský informačních systémů Typy informačních systémů Příklady
VíceMarketingová komunikace. 2. a 3. soustředění. Mgr. Pavel Vávra 9103@mail.vsfs.cz. Kombinované studium Skupina N9KMK3PH (vm3aph)
Marketingová komunikace Kombinované studium Skupina N9KMK3PH (vm3aph) 2. a 3. soustředění Mgr. Pavel Vávra 9103@mail.vsfs.cz http://vavra.webzdarma.cz/home/index.htm Co nás čeká: 2. soustředění 16.1.2009
VíceÚvod 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
VíceGIS 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
VíceArchitektury Informačních systémů. Jaroslav Žáček
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?
VíceObjektově orientované databáze. Miroslav Beneš
Objektově orientované databáze Miroslav Beneš Obsah přednášky Motivace Vlastnosti databázových systémů Logické datové modely Nevýhody modelů založených na záznamech Co potřebujeme modelovat? Identifikace
VíceAplikace moderních analytických a optimalizačních metod na data získaná z technologií Smart Metering
Aplikace moderních analytických a optimalizačních metod na data získaná z technologií Smart Metering Ing. Michal Osladil, Ph.D., IBM Global Business Services CZ, SK & HU Datová exploze Každým dnem je generováno
VíceDatabáze v MS ACCESS
1 z 14 19.1.2014 18:43 Databáze v MS ACCESS Úvod do databází, návrh databáze, formuláře, dotazy, relace 1. Pojem databáze Informací se data a vztahy mezi nimi stávají vhodnou interpretací pro uživatele,
VíceBu B sin i e n s e s s I n I te t l e lig i en e c n e c Skorkovský KA K M A I, E S E F MU
Business Intelligence Skorkovský KAMI, ESF MU Principy BI zpracování velkých objemů dat tak, aby výsledek této akce manažerům pomohl k rozhodování při řízení procesů výsledkem zpracování musí být relevantní
Více<Insert Picture Here> Na co se můžete s Oracle BI těšit
Na co se můžete s Oracle BI těšit Tomáš Pospíšil, Oracle Czech Olomouc, 6.3.2014 Oracle BI Ukázka Oracle BI Možnosti platformy Oracle Business
VíceUživatelská podpora v prostředí WWW
Uživatelská podpora v prostředí WWW Jiří Jelínek Katedra managementu informací Fakulta managementu Jindřichův Hradec Vysoká škola ekonomická Praha Úvod WWW obsáhlost obsahová i formátová pestrost dokumenty,
VíceDatabázové a informační systémy
Databázové a informační systémy doc. Ing. Miroslav Beneš, Ph.D. katedra informatiky FEI VŠB-TUO A-1007 / 597 324 213 http://www.cs.vsb.cz/benes Miroslav.Benes@vsb.cz Obsah Jak ukládat a efektivně zpracovávat
VíceOracle 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
VícePRODUKTY Tovek Server 6
Tovek Server je serverová aplikace určená pro efektivní zpracování velkého objemu sdílených strukturovaných i nestrukturovaných dat. Umožňuje automaticky indexovat data z různých informačních zdrojů, intuitivně
VíceZáklady databází. O autorech 17 PRVNÍ ČÁST. KAPITOLA 1 Začínáme 19
3 Obsah Novinky v tomto vydání 10 Význam základních principů 11 Výuka principů nezávisle na databázových produktech 12 Klíčové pojmy, kontrolní otázky, cvičení, případové studie a projekty 12 Software,
VícePODNIKOVÁ INFORMATIKA
GÁLA Libor POUR Jan TOMAN Prokop PODNIKOVÁ INFORMATIKA Obsah O autorech... 11 Na úvod jak chápat tuto knihu... 13 Část I: Principy podnikové informatiky... 17 1. Informatika, aplikovaná informatika, podniková
Více1 Úvod 1.1 Vlastnosti programového vybavení (SW)
1 Úvod 1.1 Vlastnosti programového vybavení (SW) - dávkové zpracování - omezená distribuce - zakázkový SW - distribuované systémy - vestavěná inteligence - laciný HW - vliv zákazníka 1950 1960 1970 1980
VíceMěření teploty, tlaku a vlhkosti vzduchu s přenosem dat přes internet a zobrazování na WEB stránce
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE Fakulta elektrotechnická Katedra mikroelektroniky Měření teploty, tlaku a vlhkosti vzduchu s přenosem dat přes internet a zobrazování na WEB stránce Zadání Stávající
VíceIng. Jiří Fejfar, Ph.D. Geo-informační systémy
Ing. Jiří Fejfar, Ph.D. Geo-informační systémy Definice, budování a život GIS Kapitola 1: Vztahy strana 2 Data, informace, IS, GIS Kapitola 1: Vztahy strana 3 Rozhodnutí Znalosti Znalostní systémy. Informace
VíceGeoinformatika. I Geoinformatika a historie GIS
I a historie GIS jaro 2014 Petr Kubíček kubicek@geogr.muni.cz Laboratory on Geoinformatics and Cartography (LGC) Institute of Geography Masaryk University Czech Republic Motivace Proč chodit na přednášky?
VíceProces vývoje HRIS Vema (Human Resources Information System) Jaroslav Šmarda
Proces vývoje HRIS Vema (Human Resources Information System) Jaroslav Šmarda Proces vývoje HRIS Vema Vlastnosti HRIS (Human Resources Information System) HRIS Vema Proces vývoje HRIS Vema Vema, a. s. Přední
VíceZkušenosti s Business Intelligence ve veřejném sektoru České republiky
Zkušenosti s Business Intelligence ve veřejném sektoru České republiky Slovak Business Intelligence Day 2006 Jan Pour Katedra IT, VŠE Praha pour@vse.cz, http://nb.vse.cz/~pour Snímek 1 Zkušenosti s BI
VíceDatabázové systémy. Doc.Ing.Miloš Koch,CSc. koch@fbm.vutbr.cz
Databázové systémy Doc.Ing.Miloš Koch,CSc. koch@fbm.vutbr.cz Vývoj databázových systémů Ukládání dat Aktualizace dat Vyhledávání dat Třídění dat Výpočty a agregace 60.-70. léta Program Komunikace Výpočty
VíceDatabázové systémy úvod
Databázové systémy úvod Michal Valenta Katedra softwarového inženýrství Fakulta informačních technologií České vysoké učení technické v Praze c Michal Valenta, 2016 BI-DBS, LS 2015/16 https://edux.fit.cvut.cz/courses/bi-dbs/
VíceCPM/BI a jeho návaznost na podnikové informační systémy. Martin Závodný
CPM/BI a jeho návaznost na podnikové informační systémy Martin Závodný Agenda Význam CPM/BI Aplikace CPM/BI Projekty CPM/BI Kritické body CPM/BI projektů Trendy v oblasti CPM/BI Diskuse Manažerské rozhodování
VíceVývoj 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
VíceManagement 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
VíceRole logistiky v ekonomice státu a podniku 1
Obsah KAPITOLA 1 Role logistiky v ekonomice státu a podniku 1 Úvod 2 Definice logistického řízení 2 Vývoj logistiky 5 Systémový přístup/integrace 8 Role logistiky v ekonomice 10 Role logistiky v podniku
VíceBusiness 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
VíceSystémy pro podporu managementu 1
Systémy pro podporu managementu 1 Přednášky pro im2, im3, im5, ai2, ai3 Ing. Karel Mls, Ph.D. 1 2 Základní literatura EFRAIM TURBAN, JAY E. ARONSON: DECISION SUPPORT SYSTEMS AND INTELLIGENT SYSTEMS. PRENTICE
VícePodpora 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
VíceManuscriptorium jako základ pro virtuální badatelské prostředí
Manuscriptorium jako základ pro virtuální badatelské prostředí Obsahová dimenze versus technické moduly Jindřich Marek Zdeněk Uhlíř Národní knihovna ČR Definice pojmů virtuální badatelské prostředí množina
VíceAdministrační systém ústředen MD-110
SAS MD-110 Administrační systém ústředen MD-110 SAS MD-110 Administrační systém ústředen MD-110 Efektivní systém administrace poboček a parametrů ústředen Ericsson MD110 s přímou vazbou na telefonní seznam
VíceÚvod. Klíčové vlastnosti. Jednoduchá obsluha
REQUESTOR DATASHEET Úvod Requestor Service Desk poskytuje kompletní řešení pro správu interních i externích požadavků, které přicházejí do organizace libovolnou cestou. Produkt je zaměřen na vytvoření
VíceDatabázové systémy úvod
Databázové systémy úvod Michal Valenta Katedra softwarového inženýrství FIT České vysoké učení technické v Praze c Michal Valenta, 2011 BI-DBS, ZS 2011/12 https://edux.fit.cvut.cz/courses/bi-dbs/ Michal
VíceArchitektura 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
VíceVývoj informačních systémů. Obecně o IS
Vývoj informačních systémů Obecně o IS Informační systém Informační systém je propojení informačních technologií a lidských aktivit směřující k zajištění podpory procesů v organizaci. V širším slova smyslu
VíceObsah ČÁST I JAK SE UCHÁZET O ZÁKAZNÍKY NA WEBU KAPITOLA 1
Obsah O autorech 11 Poděkování 13 Předmluva 15 Úvod 17 Proč byste se měli přečíst tuto knihu 17 Co tato kniha obsahuje 18 Jak používat tuto knihu 19 Zpětná vazba od čtenářů 20 Errata 20 ČÁST I JAK SE UCHÁZET
VíceNová dimenze rozhodovacího procesu
Nová dimenze rozhodovacího procesu Marek Matoušek Pavel Mašek Data, nebo INFORMACE Využití dostupných firemních dat Několik systémů, mnoho různých dat Různé divize, různé potřeby Potřeba integrace dat
VíceDatové 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
VíceZnalostní 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:
VíceDatabázové systémy BIK-DBS
Databázové systémy BIK-DBS Ing. Ivan Halaška katedra softwarového inženýrství ČVUT FIT Thákurova 9, m.č. T9:311 ivan.halaska@fit.cvut.cz Stránka předmětu: https://edux.fit.cvut.cz/courses/bi-dbs/parttime/start
VíceUkládání a vyhledávání XML dat
XML teorie a praxe značkovacích jazyků (4IZ238) Jirka Kosek Poslední modifikace: $Date: 2014/12/04 19:41:24 $ Obsah Ukládání XML dokumentů... 3 Ukládání XML do souborů... 4 Nativní XML databáze... 5 Ukládání
VíceDatový sklad KGI/APGPS. RNDr. Vilém Pechanec, Ph.D. Univerzita Palackého v Olomouci
Datový sklad KGI/APGPS RNDr. Vilém Pechanec, Ph.D. Univerzita Palackého v Olomouci Univerzita Palackého v Olomouci INVESTICE DO ROZVOJE VZDĚLÁVÁNÍ Environmentální vzdělávání rozvíjející uplatnění v praxi
VíceKMA/PDB. Karel Janečka. Tvorba materiálů byla podpořena z prostředků projektu FRVŠ č. F0584/2011/F1d
KMA/PDB Prostorové databáze Karel Janečka Tvorba materiálů byla podpořena z prostředků projektu FRVŠ č. F0584/2011/F1d Sylabus předmětu KMA/PDB Úvodní přednáška Základní terminologie Motivace rozdíl klasické
VíceWORKFLOW. Procesní přístup. Základ perspektivního úspěšného podnikového řízení. Funkčnířízení založené na dělbě práce
WORKFLOW Procesní přístup Základ perspektivního úspěšného podnikového řízení Funkčnířízení založené na dělbě práce Procesní řízení princip integrace činností do ucelených procesů 1 Funkční řízení Dělba
VíceSoftware pro analýzu energetických dat W1000
Software pro analýzu energetických dat W1000 Data pro snadný život vašich zákazníků Manage energy better Mít správné informace ve správný čas je základem úspěchu každého snažení, tedy i řízení spotřeby
VíceAnalýza a modelování dat. Přednáška 8
Analýza a modelování dat Přednáška 8 OLAP, datová kostka, dotazování nad kostkou Motivace většina DB relační zaznamenání vztahů pomocí logicky provázaných tabulek jakou mají velmi často vztahy povahu vztah
VíceIII. Informační systém & databáze
III. Informační systém & databáze IS základní terminologie IS konceptuální model informačního systému Vztah IS & databáze Systém řízení báze dat Databázové modely Záznam, pole, datové typy, atribut, instance,
VíceChytrá 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?
VíceAnalýzou dat k efektivnějšímu rozhodování
Analýzou dat k efektivnějšímu rozhodování Chytrá řešení pro veřejnou správu Václav Bahník, ECM Solution Consultant Marek Šoule, ECM Software Sales Representative 8.4.2013 Řízení efektivního poskytování
VíceSW 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
VíceAplikace IS, outsourcing, systémová integrace. Jaroslav Žáček
Aplikace IS, outsourcing, systémová integrace Jaroslav Žáček jaroslav.zacek@osu.cz http://www1.osu.cz/~zacek/ Kontext Dodavatelé Strategická Zákazníci Taktická Operativní Kategorie ERP - zaměřeno na řízení
VíceModerní systémy pro získávání znalostí z informací a dat
Moderní systémy pro získávání znalostí z informací a dat Jan Žižka IBA Institut biostatistiky a analýz PřF & LF, Masarykova universita Kamenice 126/3, 625 00 Brno Email: zizka@iba.muni.cz Bioinformatika:
VíceRezortní registry (ereg) a Jednotná technologická platforma rezortu zdravotnictví
Projekt ereg Rezortní registry (ereg) a Jednotná technologická platforma rezortu zdravotnictví technologická a organizační pravidla provozu a rozvoje aplikací elektronického zdravotnictví Ing. Fares Shima
Více7. Geografické informační systémy.
7. Geografické informační systémy. 154GEY2 Geodézie 2 7.1 Definice 7.2 Komponenty GIS 7.3 Možnosti GIS 7.4 Datové modely GIS 7.5 Přístup k prostorovým datům 7.6 Topologie 7.7 Vektorové datové modely 7.8
Více