Business Intelligence

Podobné dokumenty
Bu 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

Základy business intelligence. Jaroslav Šmarda

3 zdroje dat. Relační databáze EIS OLAP

DATABÁZOVÉ SYSTÉMY. Metodický list č. 1

Databázové systémy. 10. přednáška

Podnikové informační systémy Jan Smolík


Ing. Roman Danel, Ph.D. 2010

Ing. Petr Kalčev, Ph.D.

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

BI v rámci IS/ICT komponenty BI architektura. Charakteristika dat a procesů v IS/ICT. Datové sklady ukládání dat návrh datového skladu

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

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

Infor Performance management. Jakub Urbášek

ARCHITEKTURA INFORMAČNÍCH SYSTÉMŮ PODLE ÚROVNĚ ŘÍZENÍ

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

10. Datové sklady (Data Warehouses) Datový sklad

Informační systémy 2006/2007

kapitola 2 Datové sklady, OLAP

Datové sklady. Ing. Jan Přichystal, Ph.D. 1. listopadu PEF MZLU v Brně

NÁSTROJE BUSINESS INTELLIGENCE

Business Intelligence

BIG DATA. Nové úlohy pro nástroje v oblasti BI. 27. listopadu 2012

4IT218 Databáze. 4IT218 Databáze

Obsah. Úvod do problematiky. Datový sklad. Proces ETL. Analýza OLAP

Databáze Bc. Veronika Tomsová

Trendy v IS/ICT přístupy k návrhu multidimenzionální modelování

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

výskyt události reakce na událost

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

TM1 vs Planning & Reporting

Architektury Informačních systémů. Jaroslav Žáček

Architektury Informačních systémů. Jaroslav Žáček

Návrh a analýza požadavků na výběr manažerského informačního systému

METODY DOLOVÁNÍ V DATECH DATOVÉ SKLADY TEREZA HYNČICOVÁ H2IGE1

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY

Základní informace o co se jedná a k čemu to slouží

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

Business Intelligence

Multidimenzionální pohled na zdravotnické prostředí. INMED Petr Tůma

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

Jak velká jsou? Obchodní analytici FB velké datové sady BI = business intelligence. OLAP = Online Analytical Processing. DWH = Data Warehouse

Profitabilita klienta v kontextu Performance management

MIS. Manažerský informační systém. pro. Ekonomický informační systém EIS JASU CS. Dodavatel: MÚZO Praha s.r.o. Politických vězňů Praha 1

ZÍSKÁVÁNÍ ZNALOSTÍ Z DATABÁZÍ

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

Business Intelligence. Adam Trčka

Zkušenosti s Business Intelligence ve veřejném sektoru České republiky

Nová dimenze rozhodovacího procesu

GIS a Business Intelligence

ZÍSKÁVÁNÍ ZNALOSTÍ Z DATABÁZÍ

PostgreSQL jako platforma pro datové sklady

Aplikace IS, outsourcing, systémová integrace. Jaroslav Žáček

Moderní přístupy tvorby datových skladů

Využití IT nástrojů pro měření a řízení výkonnosti. Michal Kroutil

Datový sklad. Datový sklad

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

Vysoká škola ekonomická v Praze

Platforma Microsoft zajistila společnosti ISS nový finanční analytický systém

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

Databáze. datum jmeno prijmeni adresa_ulice adresa_mesto cislo_uctu platba zustatek

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

Analýza a modelování dat. Přednáška 8

Business Intelligence a datové sklady

Aplikace IS, outsourcing, systémová integrace. Jaroslav Žáček

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

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

Centralizace aplikací ve VZP

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

Přístupy k efektivnímu využití modelu MBI

powerful SAP-Solutions

Nabízíme řešení. v oblastech: integrací zdrojů dat:

Aplikace IS, outsourcing, systémová integrace. Jaroslav Žáček

QAD Business Intelligence

Analýza a modelování dat 5. přednáška. Helena Palovská

Novinky SQL Serveru 2005 v oblasti Business Intelligence

Aktuální otázky provozu datových skladů PAVEL HNÍK

Chytrá systémová architektura jako základ Smart Administration

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY

Databázové systémy. Doc.Ing.Miloš Koch,CSc.

Zhodnocení architektury podniku. Jiří Mach

Možnosti analýzy podnikových dat

Datové sklady a integrace podnikových aplikací

KIV/SI. Přednáška č.8. Jan Valdman, Ph.D.

PODNIKOVÁ INFORMATIKA

Business Intelligence

Úvodní přednáška. Význam a historie PIS

Obsah Úvod 11 Jak být úspěšný Základy IT

Systémy pro podporu rozhodování. Datové sklady, OLAP

SEMINÁŘ MANAŢERSKÉ SYSTÉMY

PV005 Služby počítačových sítí: Data Warehouses

Informační systémy. Jaroslav Žáček

III. Informační systém & databáze

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ

Technická specifikace HW pro rok 2012

Operátory ROLLUP a CUBE

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY FAKULTA PODNIKATELSKÁ ÚSTAV INFORMATIKY

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

Informační systémy. Jaroslav Žáček

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

Transkript:

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 informace, kterou dostanou manažeři ve správném čase základní zdroj dat, která se často ukládají do datových skladů jsou ERP systémy (relační DB) získání informací jako výsledek strukturovaných dotazů musí probíhat rychle (krátká odezva) používá se pro řízení na strategické, taktické u operační úrovni

Principy BI Definice 1 : BI je sběr a analýza dat, jejímž cílem je lepší porozumění a reakce na změny, kterým organizace neustále čelí Definice 2 : BI je znalost podniku získaná za použití HW a SW technologií, která umožní přeměnit data organizace v informaci Definice 3 : sada procesů, aplikací a technologií, jejíchž cílem je účinně a účelně podporovat rozhodovací procesy ve firmě. Tyto procesy podporují analytické a plánovací činnosti podniků a organizací a jsou postaveny na principech multidimenzionálních pohledů na podniková data

Nástroje BI ERP systémy Dočasná úložiště (DSA: Data Staging Area) Operativní úložiště (ODS : Operational Data Store) Transformační nástroje (ETL : Extraction Transformation Loading) Integrační nástroje (EAI : Enterprise Application Integration) Datové sklady Datová tržiště OLAP Reportingové nástroje EIS (Executive Information Systém) Data Mining

Omezení ERP jako poskytovatele dat Neumožňují rychle a pružně měnit kriteria výběru Okamžitý přístup uživatelů k velkým objemům agregovaných dat ERP jsou primárně určeny k pořizovaní dat a jejich aktualizaci V každém podniku se objem dat za každých pět let zdvojnásobí, což ovšem také znamená, že systém je zahlcen redundantními daty Vícedimenzionální pohled na data v ERP je problematický. DB ERP není pro tento pohled stavěná. Databáze, které vzniknou přeměnou primárních dat z ERP a jsou využívány např. OLAP technologií jsou pro drilling a slice operace optimalizovány

Zjednodušené schéma využívání ERP ERP Transakce - položky Partneři DB ERP Podnik Zprávy Náhledy Informace (trendy) Informace Rozhodnutí Znalost metod řízení procesů a metrik Klíčová rozhodnutí Klíčová znalost

Schematické a zjednodušené schéma BI Extraction Transformation Loading

Konstatování V poslední dekádě minulého tisíciletí firmy hýčkaly mantru ERP. Důvodem byla utkvělá představa, že miliony utracené za licence a implementační služby se projeví tak, že pro uživatele už nebude chytrost žádné čáry. A to navždy..

Organizačně-technologické schéma podniku Vedení podniku BI,ERP,EIS,datové sklady, reporting BI BI Dodavatelé EDI CRM Řízení výroby Řízení zdrojů, majetku a PAM Intranet, workflow,ois BI Řízení financí Řízení nákupu, prodeje a logistiky CRM EDI Zákazníci

OLAP kostka http://www.databaseanswers.org/designing_olap_cubes.htm Částky(prodej, náklady,doprava, ) Čas (Rok,Měsíc, den) řez

Datový sklad Podniková DB Transakce Zákazníci Dodavatelé Zakázky Atd. Atd. Kopie,, organizace dat Sumarizace dat Datoví horníci : Profíci vědí co chtějí Výzkumníci nepředvídané výsledky Datový sklad Dolování dat

Definice Datový sklad: základní komponenta BI Datové tržiště : subjektově orientované analytické DB- součást datového skladu Operativní datová úložiště : podpůrné analytické DB Dočasná úložiště dat : úložiště dat před jejich zpracování do databázových komponent řešení BI

Vrstvy pro analýzu dat Reporting : ad hoc dotazovací proces do DB komponent BI (ad hoc = k tomuto, za tímto účelem, pro tento jednotlivý případ OLAP : pokročilé a dynamické analytické úlohy Data Mining (dolování dat) : sofistikovaná analýza většího množství dat Algoritmy pro dolování dat : rozhodovací stromy Neuronové sítě Clustering a klasifikace

Datový sklad->datové tržiště (anglická verze) Data Mart Decision Support Information Data Warehouse Data Mart Decision Support Information Data Mart Decision Support Information

Vysvětlení pojmu METADATA Metadata jsou data o datech, kde pomocí předem definovaných dat s jasně danou a popsanou strukturou uchováváme informace o jiných datech. Typickým příkladem metadat jsou katalogizační záznamy v knihovnách, což byla jejich původní funkce.

Architektura OLAP (anglická verze) METADATA viz definice na předchozím snímku

Hlavní komponenty BI a jejich vazby ERP,CRM, EAI ETL Dočasné úložiště Operativní úložiště Datový sklad Datové úložiště Reporting Dolování dat Transformační nástroje (ETL : Extraction Transformation Loading) Integrační nástroje (EAI : Enterprise Application Integration)

Dolování dat Rozhodovací stromy Neuronové sítě Genetické algoritmy Clustering a klasifikace

Dolování dat Rozhodovací stromy (RS) - prediktivní model, který se zobrazuje v podobě stromu, kde každý uzel určuje kritérium pro následní rozvětvení. Strom rozděluje veškerá zdrojová data do segmentů, kde každý list odpovídá určitému segmentu definovanému předešlými uzly.data v jednom segmentu mají shodné vlastnosti.

Příklad vytvoření RS Typy stromů : a) CART=Classificaion and Regression Trees (kriterium redukce směrodatné odchylky) b) CHAID =Chi-squared Automatic Interaction Detector http://lisp.vse.cz/~berka/docs/izi456/sl-idt.pdf

Rozdělení postaviček podle atributů Hlava Úsměv Ozdoba Tvar těla Předmět Přátelský Kruh Ne Kravata Čtverec Šavle NE Čtverec Ano Motýlek Čtverec NIC ANO Kruh Ne Motýlek Kruh Šavle ANO Trojúhelník Ne Kravata Čtverec Balon NE Kruh Ano NIC Trojúhelník Květina NE Trojúhelník Ne NIC Trojúhelník Balon ANO Trojúhelník Ano Kravata Kruh NIC NE Kruh Ano Kravata Kruh NIC ANO

Rozhodovací strom jako logický výraz

OLAP databáze OLAP DB představují jednu nebo více souvisejících OLAP kostek OLAP kostka na rozdíl od datových skladů zahrnuje předzpracované agregace dat podle definovaných hierarchických struktur dimenzí a jejich kombinací Technologie OLAP má několik variant (uvádím zde pouze dvě z nich): MOLAP - Multidimensional OLAP (speciální uložené v multidimenzionálních-binárních kostkách) ROLAP Relational OLAP (uloží data do relační DB)

Datová pumpa Primární transakční systém (ERP,CRM,..) Datová pumpa Datový sklad

Datová pumpa (kritické místo celé aplikace) Datová pumpa, nebo-li ETL nástroj umožňuje efektivní zpracování velkých objemů z různých zdrojů a jejich uložení do datového skladu. Každý ETL nástroj musí umět: a) zpracovávat různorodá data obvykle fyzicky umístěná na různých místech, b) navrhovat transformace pro přenos dat mezi různými datovými formáty Primární transakční systém (ERP,CRM,..) Pumpa, provádějící Transformaci dat Datový sklad Zpracování = odstranění redundancí, agregace podle dimenzí, zapomínání dat Zapomínání dat = úmyslné odstranění nepotřebných dat z datového skladu

Datová pumpa (kritické místo celé aplikace) Datová pumpa = Extraction Transformation and Loading = ETL Primární transakční systém (ERP,CRM,..) Pumpa Datový sklad Položky zboží Položky ocenění Věcné položky Pumpa 2006 (1)->2006 (3) časový filtr-dimenze čas Částečná změna struktury dat a případně další aplikace dimenzí (oblast, typ zákazníka,.. ) Test správnosti dat (konzistence) Zákaznické položky 2002 (4)->2007 (2) IF NOT OK THEN Opravná zpětná vazba=true