השוואת מאפייני יישומים תפעוליים ויישומים תומכי החלטות
Download
Report
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