Transcript השוואת מאפייני יישומים תפעוליים ויישומים תומכי החלטות

‫ארכיטקטורה כלל ארגונית‬
‫• תרשים ‪1.2‬‬
‫‪1‬‬
2
‫מערך מחשוב מבוזר והטרוגני‬
‫מחשב‪Intel :‬‬
‫מערכת הפעלה‪Windows/NT :‬‬
‫מחשבים‪ :‬י‪.‬ב‪.‬מ‪SUN ,HP ,Compaq ,‬‬
‫מערכת הפעלה‪UNIX :‬‬
‫בסיסי נתונים‪Informix ,Sybase ,DB/2 :‬‬
‫‪3‬‬
‫מה נמצא במחסן נתונים‬
‫• במחסן ‪ -‬ישנם‪:‬‬
‫* נתונים‬
‫* כלים לעיבוד אנליטי‬
‫• הכלים מאפשרים השגת יתרון אסטרטגי‬
‫‪4‬‬
‫כלים במחסן‬
‫•‬
‫‪5‬‬
‫* מחוללי שאילתות ודוחות‬
‫* מערכות ‪DSS‬‬
‫* מערכות ‪EIS‬‬
‫* מערכות ‪OLAP‬‬
‫( ‪)Multi Dimension Data Analysis‬‬
‫* מערכות לכריית נתונים ‪Data Mining -‬‬
‫השוואת מאפייני יישומים תפעוליים ויישומים תומכי החלטות‬
‫‪6‬‬
‫השוואת מאפייני יישומים תפעוליים ויישומים תומכי החלטות‬
‫‪7‬‬
‫השוואת מאפייני יישומים תפעוליים ויישומים תומכי החלטות‬
‫‪8‬‬
‫השוואת מאפייני יישומים תפעוליים ויישומים תומכי החלטות‬
‫‪9‬‬
‫השוואת מאפייני יישומים תפעוליים ויישומים תומכי החלטות‬
‫‪10‬‬
‫השוואת מאפייני יישומים תפעוליים ויישומים תומכי החלטות‬
‫‪11‬‬
‫סוגי שאלות‬
‫•מערכת תפעולית‬
‫•מחסן נתונים‬
‫•‬
‫‪12‬‬
‫מערכות תפעוליות ומחסן נתונים בחוג סגור‬
‫• תרשים ‪5.1‬‬
‫‪13‬‬
‫ארכיטקטורת מחסן נתונים ארגוני‬
Enterprise Data Warehouse Architecture
2.1 ‫• תרשים‬
14
‫שכבת הגישה לנתונים‬
‫•‬
‫•‬
‫•‬
‫•‬
‫‪15‬‬
‫נתונים תפעוליות ונתונים חיצוניים‬
‫שימוש בכלי ‪ETL – Extract, Transition and Load‬‬
‫לדוגמא‪:‬‬
‫* ‪ Data Stage‬של ‪ IBM‬ו‪ Matrix -‬בתור ספק‬
‫* ‪ EDA/SQL‬של חברת ‪IBM‬‬
‫* ‪ Informatica‬של ‪Informatica‬‬
‫מאפשרים גישה שקופה למגוון מקורות נתונים‪:‬‬
‫* קבצים שטוחים כגון‪ :‬קבצי ‪VSAM‬‬
‫* בסיסי נתונים היררכיים כגון‪ IMS :‬או ‪IDMS‬‬
‫* בסיסי נתונים טבלאיים כגון‪Oracle, Informix, Sybase, :‬‬
‫‪SQL Server‬‬
‫שכבת מחסן (בסיס) הנתונים הארגוני‬
‫‪Data Base Layer‬‬
‫• בסיס נתונים טבלאי‬
‫• הטענה באמצעות ‪ETL‬‬
‫• * נבנים אינדקסים‬
‫* מחושבים סיכומים‬
‫‪16‬‬
‫מחוללי שאילתות ודוחות – כלים‬
‫מובילים‬
:‫• מחוללי שאילתות‬
Business Object ‫ של חברת‬Business Object *
Oracle ‫ של חברת‬Discover *
Cognos ‫ של חברת‬Impromptu *
Brio Technologies ‫ של חברת‬Brio Enterprise *
17
‫מימדי‬-‫כלי ניתוח רב‬
OLAP (Online Analytic Processing)
:‫כלים מובילים‬
)Applix( Tm1
Business ‫ של‬Business Object/Olap
Object
SAS ‫ של‬SAS/MDDB
•
•
•
•
18
‫כריית נתונים‬
:‫• כלים מובילים‬
SPSS ‫ של חברת‬Clementine *
SAS ‫ של חברת‬SAS/Miner *
IBM ‫ של חברת‬Intelligent Miner *
‫ של חברת‬Data Mind Professional *
DataMind
19
‫מרכול הנתונים‬
‫‪Data Mart Architecture‬‬
‫• רקע‪:‬‬
‫* זמן ארוך להקמה‬
‫* הסכמה למשמעות הנתונים‬
‫* הסכמה לעדיפות הנושאים‬
‫* לחצים לקבלת מידע‬
‫* דרישות מידע משתנות‬
‫‪20‬‬
‫מרכול הנתונים ‪Data Mart‬‬
‫• תרשים ‪2.2‬‬
‫• תרשים ‪2.4‬‬
‫‪21‬‬
‫מחסן נתונים רב‪-‬שכבתי‬
‫‪Multi Tier Data Warehouse‬‬
‫• משלב בתוך ארכיטקטורה אחת מחסן נתונים ארגוני‬
‫יחד עם מספר לא מוגבל של מרכולי נתונים‬
‫‪22‬‬
‫טכנולוגיות עבור תהליכים אנליטיים‬
‫• מבוססי אימות‬
‫• מבוססי גילוי‬
‫‪23‬‬
‫טכנולוגיות עבור תהליכים אנליטיים‬
‫מבוססי אימות‬
‫• בנית הנחה והפעלת טכניקות כדי לאושש‪/‬לסתור‬
‫• התהליך מבוסס על ‪-‬‬
‫* אינטואיציה‬
‫* יכולתו להניח הנחות‬
‫* יכולתו לבנות שאילתות‬
‫* יכולתו לפרש‬
‫* יכולת לבחון תבניות‬
‫‪24‬‬
‫טכנולוגיות עבור תהליכים אנליטיים‬
‫מבוססי אימות‬
‫• הטכנולוגיות המתאימות‪:‬‬
‫* מחוללי שאילתות‬
‫* מחוללי דוחות‬
‫* כלי ניתוח רב‪-‬מימדי‬
‫‪25‬‬
‫טכנולוגיות עבור תהליכים אנליטיים‬
‫מבוססי גילוי‬
‫• גילוי קשרים‬
‫• בעזרת לכלים מבוססי אלגוריתמים מתחום‬
‫האינטליגנציה המלאכותית‬
‫‪26‬‬
‫טכנולוגיות עבור תהליכים אנליטיים‬
‫מבוססי גילוי‬
‫• הטכנולוגיות המתאימות – כלי כריית נתונים‬
‫• גילוי ‪-‬‬
‫* יחסים‬
‫* הקבצות‬
‫* קשרים‬
‫* תבניות‬
‫‪27‬‬
‫טכנולוגיות עבור תהליכים אנליטיים‬
‫מבוססי גילוי‬
‫• הטכנולוגיות המתאימות‪:‬‬
‫* כלי ניתוח רב‪-‬מימדי‬
‫* כלי כריית נתונים‬
‫‪28‬‬
‫ניתוח רב ממדי –‬
‫עובדות ומימדים‬
‫‪29‬‬
‫ייצוג רב‪-‬מימדי‬
‫• לכל מימד מספר אלמנטים (‪)Dimension attributes‬‬
‫• משמשים לצורך חיתוך המידע‬
‫‪30‬‬
‫שאלות מעניינות?‬
‫•‬
‫‪31‬‬
‫?‬
‫היררכיה בתוך מימדים‬
‫• תרשים ‪4.6‬‬
‫‪32‬‬
‫הוספת היררכיה למימדים עסקיים‬
‫‪33‬‬
‫שאילתות כתוצאה מהוספת היררכיה למימדים‬
‫• ?‬
‫‪34‬‬
‫ריבוי היררכיות בתוך מימד‬
‫‪35‬‬
‫הקובייה הרב‪-‬מימדית‬
‫• כל פאה מייצגת מימד עסקי‬
‫• בנקודת המפגש בין הממדים‬
‫(לדוג'‪ :‬זמן‪ ,‬חנות‪ ,‬מוצר)‬
‫נמצאות עובדות (דוג'‪ :‬מכירות)‬
‫• המשתמש מתעניין בפרוסה (‪ )Slice‬מתוך הקובייה‬
‫בעלת מספר מצומצם של מימדים‬
‫‪36‬‬
‫הקובייה הרב‪-‬מימדית‬
‫• יצירת מספר פרוסות מידע‬
‫• המשתמש יכול‪:‬‬
‫* לסובב את הקובייה‬
‫* לבצע קידוח כלפי מטה‬
‫* לנוע כלפי מעלה‬
‫* להסיק מסקנות‬
‫* להיעזר בעשיית החלטות‬
‫* להשיג יתרון אסטרטגי‬
‫* לבצע מבחני רגישות‬
‫‪37‬‬
‫נקודת מבט של מנהל מוצר‬
‫‪38‬‬
‫נקודת מבט של מנהל החנות‬
‫‪39‬‬
‫קובייה רב‪-‬מימדית עם היררכיות‬
‫‪40‬‬
‫הצגת מידע מותאם אישית לצורכי המשתמש‬
‫• ניתן להציג או להסתיר אלמנטים מסוימים‬
‫מתוך אותו ממד‬
‫• לדוגמא‪?? :‬‬
‫‪41‬‬
‫נקודות מבט סיכומיות (‪)Aggregate View‬‬
‫• סיכום ממד אחד או יותר‬
‫• לדוגמא‪ :‬הצגת סך כל המכירות לפי חנויות‬
‫על פני כל המוצרים ועל פני כל החודשים‬
‫• שימוש באינדקסים‬
‫‪42‬‬
‫עמודות ‪ /‬שורות מחושבות (‪)Derived data‬‬
‫• יצרת שורות‪/‬עמודות חדשות הנובעות ממניפולציה‬
‫מתמטית על הנתונים‬
‫‪43‬‬
‫צורת החישוב‬
‫• * ‪Pre-calculate‬‬
‫* ‪ - On the Fly‬בזמן אמת‬
‫• יתרונות ???‬
‫• חסרונות ???‬
‫‪44‬‬
‫צורת החישוב‬
)Analysis Services( MS-OLAP •
Pre calculate *
On the fly ‫* מתחילים עכשיו‬
Pre calculate - Oracle 10G OLAP •
)‫ (זמן אמת‬On the fly – TM1 •
45
‫מבט רב‪-‬ממדי כאוסף של מבטים‬
‫דו‪-‬ממדיים‬
‫‪46‬‬
‫טבלה עם ארבעה מימדים מקוננים‬
‫‪47‬‬
‫עושר באופרטורים‬
‫– בחירת מימדים )‪(Dimension selection‬‬
‫‪(Dimension‬‬
‫מימדים‬
‫– החלפת‪/‬הוספת‬
‫)‪switching‬‬
‫– סיבוב ממדים (‪)Rotate‬‬
‫– סיבוב סביב הציר (‪)Pivoting‬‬
‫– פריסה וחיתוך (‪)Slicing and Dicing‬‬
‫– חישוב נתונים (‪)Calculated Data‬‬
‫– קידוח מטה )‪ (Drill down‬בהיררכית הממד‬
‫‪48‬‬
‫קידוח מטה בהיררכית המימד‬
‫‪49‬‬
‫קידוח מטה ע"י הוספת מימד נוסף‬
‫‪50‬‬
‫אופרטורים נפוצים‬
‫• קידוח מעלה )‪(Drill up‬‬
‫• קבלת פירוט מעבר למנוהל בבסיס הנתונים הרב‪-‬מימדי‬
‫)‪(Reach through‬‬
‫באופרטורים‬
‫• שימוש‬
‫‪AND, OR,‬‬
‫קבוצתיים‬
‫לדוגמא‪:‬‬
‫‪NOT, UNION‬‬
‫המכירות בחנויות חדשות בקניונים בלבד באזור‬
‫חיפה ורמת גן‬
‫‪51‬‬
‫מעבר מרמה סיכומית לרמת פירוט‬
‫‪52‬‬
‫מגבלות גודל הקוביה הרב‪-‬מימדית‬
‫• מספר תאים מוגבל‬
‫• קוביה עם ‪ 500‬מוצרים‪ 52 ,‬שבועות‪ 300 ,‬חנויות‪50 ,‬‬
‫מבצעי מכירה תהיה בת ‪ 39,000,000‬תאים‬
‫• קוביה דלילה )‪ (Sparse cube‬היא קוביה בה מס'‬
‫התאים הריקים גדול‬
‫• אין שמירת תאים ריקים‬
‫‪53‬‬