Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

Döntéstámogató rendszerek I.

Hasonló előadás


Az előadások a következő témára: "Döntéstámogató rendszerek I."— Előadás másolata:

1 Döntéstámogató rendszerek I.
Kupás Péter

2 Az alapfogalmak áttekintése

3 A vállalati és intézményi menedzsment feladatai:
Tervezés, végrehajtás (szervezés, munkaerő-biztosítás, vezetés), ellenőrzés. Egy eszköz: Szintek: stratégiai (hosszú távú) (70-es évektől) taktikai (néhány év) operatív (egy év) INFORMATIKA

4 A tervezés szintjei: Misszió: A cég küldetése, társadalmi, politikai szerepe, szándékai, értékei, viselkedési normája, kiszolgálandó piacai. Szervezeti célok: Mit kell a szervezetnek elérni, és mikorra. Stratégia: A célok megvalósítására vonatkozó elképzelések összessége. Stratégiai menedzsment: Elemzés, alternatívák kidolgozása, döntés, végrehajtás és ellenőrzés. Elsősorban minőségi mutatók meghatározása. Taktika: A stratégiai tervek konkrét programokra, feladatokra bontása. Mennyiségi mutatók meghatározása. Operatív terv, budget: A stratégiai és taktikai tervhez illeszkedve egy évre számszerűsíti a célokat és megnevezi a felelősöket.

5 Részletesebben: Stratégia Taktika Éves CÉL:
tartós versenyképesség bizto- sítása tulajdonosi elvárásoknak való megfelelés társadalmi/környezeti kihívások- hoz való alkalmazkodás FELADATAI: misszió, vízió megfogalmazása stratégiai elemzések készítése alap-, funkcionális, verseny- stratégiák kidolgozása stratégiai célok rögzítése stratégiai akciók megfogalma- zása, előzetes kiválasztás hosszú időtáv aggregált, minőségi adatok CÉL: stratégia megvalósíthatóságá- nak ellenőrzése stratégia elérésének biztosítása az éves operatív tervezésen keresztül FELADATAI: stratégiai akciók számszerűsí- tése, értékelése bázisterv kidolgozása sarokszámok meghatározása az éves operatív tervezés számára középtávú - 3 évre szól mennyiségi, átfogó adatok CÉL: üzleti terv célkitűzéseinek konkretizálása operatív szinten tevékenységek részletes meg- határozása felelősség megszemélyesítése a cselekvési tervben célok évközi megvalósításának ellenőrizhetővé tétele FELADATAI: cselekvési tervek (értékesítés, beszerzés, termelés, beruházás, személyzeti, költség-, ered- mény-, mérlegtervek) kidolgozása eredmények összevetése az üzleti terv sarokszámával egy évre szóló (havi/negyed- éves bontású) pontos, részletes adatok

6 Mutatószámok, mutatószám-rendszerek:
Beszámolórendszer: Az ellenőrzés nélkülözhetetlen eszköze, a szervezet működéséről szolgáltat olyan adatokat, melyek a terv-tény összehasonlításoknál jól használhatóak. Az innen származó adatok elemzése után, ha szükséges változtatni kell az operatív, a taktikai, vagy akár a stratégiai terveken is. Mutatószámok, mutatószám-rendszerek: (Pénzügyi és nem pénzügyi) Tömörített formában tájékoztatnak a gazdasági tényekről. A különböző döntésekhez szükséges információk számszerűsítése.

7 A stratégia egyik fontos eleme: az informatikai stratégia
Korunk erőteljes technológiai fejlődése következtében egyre növekszik a jelentősége A szervezetek működése egyre nagyobb mértékben épül az információs rendszereire Igen gyorsan változik a környezet, újabb és újabb beruházásokat követelve Elemezni kell a biztonsági és kockázati tényezőket Integrált rendszerre van szükség, amely az adott szervezet munkájához szabható (a döntéstámogató rendszernek is illeszkednie kell az informatikai környezethez) A vállalati stratégiára kell épülnie

8 DSS (Decision Support System): Döntéstámogató rendszer
Olyan számítógép alapú rendszer, amely segít a döntéshozónak feltárni és kezelni az akár struktúrálatlan problémákat a döntéshozó direkt beavatkozása útján, erőforrásként adat- és analízis modelleket felhasználva. (Sprague) Fejlődés (70-es évek elejétől): a felsőbb vezetői szinteken egyre kevésbé strukturált adatokra van szükség adatfeldolgozás: távolodás a tranzakciós rendszerektől modellezés: szimbolikustól az interaktívig a PC-k és a számítástechnikai tudás fejlődése, gyarapodása szakértői rendszerek bevonása, mesterséges intelligencia módszerek alkalmazása

9 A jó döntéstámogató rendszer:
DDM (Dialog, Data, Modelling) Könnyen használható nem szakember számára is Nagy mennyiségű és sokféle típusú adathoz nyújt hozzáférést Mély modellezési és analízis eszközökkel rendelkezik Iteratív módon fejleszthető Rendelkezik a megfelelő szervezeti háttérrel Szakértői rendszer: a probléma elemzése után javaslatot is megfogalmaz, egy DSS rendszer „csak” információkat közöl a döntéshozóval (megjegyzés: átfedés, mesterséges intelligencia módszerek).

10 A szervezetek informatikai rendszere:
A működtető rendszer adatait megfelelő struktúrában tudják a közép- és felsővezetés számára szolgáltatni. Információ-szolgáltató rendszerek Technológia: OLAP (On-Line Analitical Processing): Azonnali analitikus feldolgozás és elemzés elvégzésére optimalizált adatbázis szervező módszer (Codd, 1994) Működtető rendszerek Az automatizálható, főleg adminisztratív feladatok gyors és pontos elvégzésére valók. Technológia: OLTP (On-Line Transaction Processing): Azonnali tranzakciók elvégzésére optimalizált adatbázis-kezelő rendszer.

11 Mi az OLAP? Az OLAP Council ( http://www.olapcouncil.org ) szerint:
"... olyan szoftver technológia, amely analitikusok, üzletemberek, vezetők számára lehetővé teszi, hogy vállalkozásuk adatainak dimenziók szerint rendezett mértékeit gyors, konzisztens és interaktív módon vizsgálhassák." Vagyis: az OLAP feladata, hogy a számítástechnikai ismeretekkel nem rendelkező felhasználók számára lehetővé tegye az információ gyors elérését, elemzését - az Excel Pivot tábláihoz hasonlóan. A relációs rendszerekben az adatbázis használatához szükséges lekérdezéseket előre, az adatbázis tervezésekor kell definiálni. Az OLAP technológia legnagyobb előnye, hogy tetszőleges, ad hoc lekérdezésekkel lehet az OLAP-adatkockákhoz fordulni, így sokkal rugalmasabban támogatja az üzleti elemzéseket.

12 Kérdések, melyek egy OLAP rendszer segítségével válaszolhatók meg hatékonyan
Sikerült-e teljesíteni a negyedéves tervet? Sikeres volt-e a kedvezményes akció? Mekkora volt a hardver cikkek forgalma az észak-magyarországi régióban az elmúlt két hónapban? Milyen forgalmi adatok várhatók a következő két hónapban? Mely boltok esetében volt a legnagyobb eltérés az átlagos forgalomhoz képest? Milyen termékeket vásárolnak gyakran együtt az ügyfelek? stb.

13 OLTP-OLAP különbségek:
Optimalizálás Tranzakciók gyors elvégzése Elemzések elvégzése Lekérdezés Programozói ismeretek és az adatbázis szerkezetének pontos ismerete szükséges Nem szükséges programozói ismeret Adatmodell Rendszerint relációs Multidimenzionális Adatmennyiség Kicsi (tranzakciónként), részletes Nagy, aggregált is Adatforrás Homogén Heterogén Műveletek I. Módosítás Főleg lekérdezés Műveletek II. Rövid, gyakori, kevés adattal Hosszú, ritkább, sok adattal Konkurencia Jelentős számú Kevés, főleg vezetők Állapot Az aktuális állapotot mutatja Archívumokból dolgozik Megvalósítás Relációs adatbázisok DataWarehouse

14 Codd kritériumai I. Multidimenzionális adatmodell
Felhasználóbarát adatkezelő felület Bemenete heterogén adatforrások, kimenete elemzési modulok Rugalmas adatbetöltési funkciók Széles körű adatelemzési funkciók, változatok kezelésével Szerver-kliens struktúrán alapszik Megfelelő hozzáférést biztosít az OLAP adatokhoz Több felhasználó konkurens hozzáférését biztosítja Az adatok nem normalizáltak Az OLAP eredmény adatok elkülönülnek a forrásadatoktól

15 Codd kritériumai II. A NULL érték nem normál adatérték
A hiányzó adatokat az elemző rendszerek nem veszik figyelembe Rugalmas jelentéskészítési lehetőségekkel rendelkezik A jelentéskészítés hatékonyságát nem befolyásolja a dimenziók darabszáma Rugalmas és optimalizált fizikai tárolási struktúra Minden dimenzió egyenrangú Tetszőleges dimenziószámot és aggregációs szintet biztosít A döntéstámogatási feladatok ellátására a 80-as évek végétől létrejöttek a DataWarehouse-ok, vagyis az adattárházak.

16 DW: (DataWarehouse): Adattárház
Az adattárház egy témaorientált, integrált, nem változó, idővariáns adatrendszer, melynek elsődleges célja a stratégiai döntések támogatása, a vezetői igények kielégítése. (Inmon) Egy témakörre vonatkozó, a döntéshez szükséges összes, nagy mennyiségű információt tartalmazza. Az ütemezhető adatfeltöltésnél szűrést, tisztítást, transzformálást és csoportosítást lehet végezni. Egységes módon tárolja az adatokat a kapcsolatokat (metaadatok) Visszamenőleg nem módosítjuk az adatokat. Az adatokat időbélyeggel látjuk el. Vezetői kérdésekre könnyebben lehet válaszolni az egységes, megfelelő strukturáltságú adatkezelés és a felhasználóbarát felület következtében. Lekérdezésre optimalizált, képes bonyolult statisztikai számítások elvégzésére.

17 Lehetséges részegységek:
EIS (Executive Information System): Felsővezetői információs rendszer MIS (Management Information System): Középvezetői információs rendszer CRM (Customer Relationship Management): Ügyfél kapcsolat kezelés BSC (Balanced Scorecard): Stratégiai mutatók kialakitása stb.

18 Egy összetett döntéstámogató rendszer vázlata:
Tranzakciós adatbázis Datawarehouse MIS CRM BSC stb. EIS

19 Adatgyűjtés, egységesítés
A döntéstámogatás (üzleti intelligencia) megvalósítása Microsoft termékekkel Relációs adatraktár SQL Server 2000 Analysis Services OLAP kockák Office XP DTS Forrás adatok: RDBMS Táblázatkezelő dBase ERP Standard jelentések, ad-hoc elemzések Adatgyűjtés, egységesítés

20 A Microsoft SQL Server 2000 főbb jellemzői I.
Termékcsalád adatfeldolgozás, raktározás, elemzés és webes megjelenés céljára nagy- és kisvállalatok részére. Relációs adatbázis-kezelő rendszer, a Transact-SQL nyelvjárással. Támogatott illesztési felületek: OLE DB (pl. ActiveX Data Objects (ADO)), Open Database Connectivity (ODBC). Skálázható, megbízható, biztonságos. OLTP és OLAP igényeket is kielégít: lehetőséget nyújt az OLTP adatokból adattárház építésére, majd ebből az Analysis Services gyors elemzéseket képes végezni. Felhasználóbarát kezelőprogramok. Data Transformation Services (DTS)

21 A Microsoft SQL Server 2000 főbb jellemzői II.
Meta Data Services Webes funkciók és alkalmazások támogatása, XML (Extensible Markup Language) nyelv támogatása Hitelesítés: Windows Authentication, vagy SQL Server Authentication Megjegyzés: HTML és XML nyelvek a Standard Generalized Markup Language (SGML) célzottan egyszerűsített változatai.

22 Az adattárház technológia

23 Adattárház típusai fizikai megvalósítás szerint I.
Virtuális OLTP OLAP réteg Kliens programok Előnyök: Olcsó Hátrányok: Korlátozott az elérhető adatok köre Gyenge a lekérdezésre optimalizálás szintje Korlátozottak az adatműveleti lehetőségek

24 Adattárház típusai fizikai megvalósítás szerint II.
Centralizált OLTP OLAP réteg DW Kliens programok Előnyök: Egyszerűen megvalósítható Minden adat egy központi helyen található Minden felhasználó elérhet minden adatot Hátrányok: Erőforrás igényes a központ Nem védett a működési zavarok ellen A különféle funkciók optimalizációjára nincs lehetőség

25 Adattárház típusai fizikai megvalósítás szerint III.
Kétszintű OLTP OLAP réteg DW Kliens programok DataMart Előnyök: Jobb teljesítmény Könnyen bővíthető Kisebb erőforrásigény egy DataMart esetében Hátrányok: Továbbra is egy központi DW fogadja az OLTP rendszer adatait A központi DW nem védett a működési zavarok ellen Nagy hálózati forgalom

26 Adattárház típusai fizikai megvalósítás szerint IV.
Osztott OLTP OLAP réteg DW Kliens programok Előnyök: A betöltés hálózati forgalma csökkent Hátrányok: A lekérdezés hatékony megvalósítása bonyolult lehet A hatékonyság növelése érdekében érdemes replikázni az adatokat

27 Adattárház típusai fizikai megvalósítás szerint V.
Hibrid OLTP OLAP réteg DW Kliens programok DataMart Előnyök: Rugalmasan alakítható Eloszlik a terhelés Hátrányok: Nehéz jól megszervezni és karbantartani

28 A multidimenzionális adatmodell
Cél: A logikailag összetartozó adatokat együtt lehessen kezelni, ne legyenek szétdarabolva táblákba, mint a relációs adatbázisok esetén. Megvalósítás: Multidimenzionális adatmodell (multi dimensional data model). Minden dimenzió egy-egy olyan szempontot valósít meg, amely szerint vizsgálni akarjuk az adatokat. Az Eladás kocka: Termék Régió Idő

29 Szerkezeti elnevezések I.
Tény (fact): Az az objektum, amiről egy adatkockában adatokat tárolunk és amit vizsgálni akarunk (pl. eladások, termelési érték). Adatcella (cell): Egy konkrét, sokszor összetett tényadat, az adatkocka egy kis belső kockája (pl. egy eladás adatai). Mérték (measure): Egy adatcella összetett tényadatát leíró adatstruktúra egy eleme (pl. eladott mennyiség, eladási ár) Dimenzió (dimension): Azok a jellemzők, vagy kulcsok, amelyek függvényében érhetők el a tényadatok (pl. dátum, termék, régió), a kocka élein helyezkednek el. A dimenziók mentén lehet az adatcella tényadatait vizsgálni. Hierarchia (hierarchy): A dimenzió alá-fölé rendeltségen alapuló struktúrája (pl. év, negyedév, hónap, nap)

30 Szerkezeti elnevezések II.
Dimenzió szint (dimension level): A dimenzió hierarchiájának egy eleme (pl. hónap) Dimenzió tag (dimension member): Egy legalacsonyabb hierarchiaszint egy konkrét előfordulása (pl november 12.). Egy n-dimenziós kockában egy adatcella egy dimenzió tag n-eshez tartozik és viszont. Tag tulajdonság (member property): A dimenzió tag azon jellemzői, leíró adatai, melyeket a dimenzió nem foglal magába (pl. a termék neve, ára, kódszáma). Kiszámított tag (calculated member): Olyan mérték, vagy dimenzió-tag, amely a már létező mértékek és dimenzió-tag adatok alapján futási időben kerül kiszámításra.

31 Kocka Minden kocka egy adattáblára, a ténytáblára (fact table) épül. A ténytábla az adattárház azon táblája, amely a mérték-adatokat és a dimenziótáblákhoz kapcsolható külső kulcsokat tartalmazza.

32 Dimenziók I. Minden dimenzió közvetlenül, vagy közvetve egy adattáblára, a dimenziótáblára (dimension table) épül. A dimenziótábla a ténytábla adataihoz kapcsolódó, azokat részletező adatokat tartalmaz. Általában a dimenziótábla elsődleges kulcsa kapcsolódik a ténytábla valamely külső kulcsához. A tábla oszlopait a megfelelő sorrendben kiválasztva alakíthatjuk ki a dimenzió hierarchiáját. A szeletelés (slicing) az a műveletet, amikor egy dimenzió esetén csak egy adott szinthez, vagy taghoz tartozó mérték-adatokat kérdezünk le. A lefúrás (drilldown) és felfúrás (drillup) az a művelet, amikor részletesebb, illetve kevésbé részletes szintekre térünk át a mérték-adatok lekérdezésekor.

33 Dimenziók II. A dimenzió lehet megosztott (shared), ekkor az adatbázis összes kockája használhatja, illetve magán (private), amikor csak egy kockán belül használható. A dimenzió szerkezete lehet: Normál (regular): egy dimenziótáblából egy, vagy több oszlopot kiválasztva ezeket hierarchiába rendezhetjük. Szülő-gyerek (parent-child): egy dimenziótáblából olyan két oszlopot választunk, melyek közül az első azonosítja a dimenzió tagjait, a másik pedig ennek a „szülő”-jét. Virtuális (virtual): egy már létező dimenzió egy, vagy több tag-tulajdonságát, vagy dimenziótábla-oszlopát választjuk ki (nincs tárolva)

34 Dimenziók III. Dimenzió felépítése (process): Teljes újraépítés, vagy csak az új (megváltozott) tagokkal való frissítés. A tag-tulajdonságokat (member properties) lekérdezéseknél és virtuális kockák építésénél használhatjuk.

35 Egy adatkocka szerkezetének grafikus megadása I.
Idő év hónap nap Csillag modell: Eladás érték darabszám Termék kód kategória megnevezés egységár Régió megye város bolt

36 Egy adatkocka szerkezetének grafikus megadása II.
Hópehely modell: Idő év hónap nap Eladás érték darabszám Hónap Év Kategória Termék kód kategória megnevezés egységár Megye Régió megye város bolt Város

37 A tervezés lépései Az információigény felmérése
Az egyedek és kapcsolatok leírása, vagyis a modell meghatározása A tényadatok kiválasztása A dimenziók meghatározása A hierarchiák kiépítése az egyes dimenziókban A dimenziók tulajdonságainak meghatározása Az adatcella változóinak megadása

38 Tárolási módok MOLAP (Multidimensional OLAP): Az adatok, az összegzések és a multidimenzionális struktúra is multidimenzionális kockában tárolódnak. ROLAP (Relational OLAP): Az adatok is maradnak, az összegzések és a multidimenzionális struktúra is relációs adattáblákban tárolódnak. Az adatok futás közben konvertálódnak mutidimenzionális formába. HOLAP (Hybrid OLAP): Az eredeti adatok relációs táblákban maradnak, az összegzések multidimenzionális kockában tárolódnak. A részletes adatokért a relációs adattáblákhoz kell nyúlni.

39 Adatfrissítések Az adatbázisok ritkán statikusak, az adatok változnak, frissülnek, karban kell tartani őket. Ennek megfelelően időnként az OLAP-kockát is újra kell generálni. Elvileg megoldható a forrásadatokkal való folyamatos szinkronizálás, de ez időigényes, és a napi változások követésének szükségessége ritkán merül fel. A gyakorlatban a forgalmi adatokat napi, a pénzügyi adatokat pedig az OLAP heti vagy havi újragenerálásával elegendő követni.

40 Az SQL Server 2000 Analysis Services tulajdonságai I.
Analysis Server: multidimenzionális adatbázis létrehozására, kezelésére és lekérdező kliens programok kiszolgálására alkalmas Kliens programok: multidimenzionális adatok lekérdezésére alkalmasak, saját program az Analysis Manager, egyéb pl. az Excel A szerver objektumai a Msmdrep.mdb fájlban tárolódnak A szerverhez az MSSQLServerOLAPService szolgáltatás tartozik A szerveren belül egy adatbázisba kell szervezni azokat az adatokat, melyek valamilyen szempontból összefüggenek Egy adatbázison belül definiálni kell egy, vagy több adatforrást (vagyis OLE DB szolgáltatót). Az elérhető relációs adatbázisok: SQL Server 6.5-től, MS Access 97-től, valamint Oracle 7.3 és 8.0

41 Az SQL Server 2000 Analysis Services tulajdonságai II.
Korlátok I. Dimenziók száma egy adatbázisban Maximum 65535 Szintek száma egy adatbázisban Virtuális kocka felhasznált kockái Maximum 64 Mértékek egy kockában Maximum 1024 Mértékek egy virtuális kockában Maximum 2024 Dimenziók egy kockában Maximum 128 Szintek száma egy kockán belül Maximum 256 Szintek száma egy dimenzión belül Tagok száma egy dimenzión belül Maximum 2^31-1= Tagok száma egy szülőn belül Maximum 64000 Számított tagok száma egy kockában Maximum 64535

42 Az SQL Server 2000 Analysis Services tulajdonságai III.
Korlátok II. Aggregációk egy partícióban Maximum 65535 Adatcellák száma egy kérésre Maximum 2^31-1= Rekordméret egy forrás adattáblában Maximum 64 Kb Objektum nevének hossza Maximum: Analysis Manager esetén 50, Pivot Table szolgáltatás esetén 24 karakter Dimenzió névének hossza Maximum 24 karakter Mérték adatoszlopának adattípusa Numerikus (kivéve Darab és Különböző darab aggregáló függvény esetén) Dimenzió adatoszlopának adattípusa Karakteres vagy Numerikus (vagy pénznem)

43 Az Analysis Services objektum-hierarchiája

44 Microsoft stratégia Az OLAP-technológia korábban elsősorban felsővezetői alkalmazás volt, ma a Microsoft stratégiája az, hogy az SQL 2000-be épített OLAP-technológiát, pontosabban az általa nyújtott lehetőségeket a vezetés alsóbb szintjein is hozzáférhetővé tegye. Az SQL 2000 Enterprise Edition megvásárlásával a cég OLAP-eszközök birtokába is jut, az ügyféloldalon az Excel elterjedt és ismert program. Ezeknek a szoftvereknek a birtokában minden további licencdíj fizetése nélkül használható az OLAP.

45 Mintafeladat

46 Kérdések az eladásokról:
Alaphelyzet: Most a FoodMart 2000 Corporation nemzetközi élelmiszer üzletlánc munkatársaként a cég adatait fogjuk elemezni. A cég üzletei az USA-ban, Kanadában és Mexikóban találhatók. Kérdések az eladásokról: Mekkora a bevétel? Mekkora a költség? Mekkora mennyiséget? Bontás: Idő szerint: év, negyedév, hónap Termékek szerint: termékkategória, alkategória, márkanév Terület szerint: ország, megye, város, egyén Üzletek szerint: ország, állam, város, üzlet

47 A Eladások1998 kocka létrehozásának lépései I.
Az ODBC Data Source, vagyis adatforrás beállítása A Mintapélda adatbázis létrehozása Az adatforrás kiválasztása Az Eladások1998 kocka létrehozása varázslóval A ténytábla kiválasztása: sales_fact_1998 Mértékek rögzítése: store_sales, store_cost, unit_sales Az Idő dimenzió létrehozása. Beállítások: Star Schema: A single dimension table; time_by_day; Time dimension; Year, Quarter, Month; Ido A Termék dimenzió létrehozása. Beállítások: Snowflake Schema: Multiple, related dimension tables; product és product_class; product_category, product_subcategory és brand_name; Termek

48 A Eladások kocka létrehozásának lépései II.
A Vevo dimenzió létrehozása. Beállítások: Star Schema: A single dimension table; Customer; Country, State_Province, City és lname; Vevo. A Aruhaz dimenzió létrehozása. Beállítások: Star Schema: A single dimension table; Store; store_country, store_state, store_city, és store_name; Aruhaz. A Cube Editor áttekintése A kocka a eltárolási módjának meghatározása: MOLAP Az aggregációs szint meghatározása: 40% A Process, vagyis az adatfeltöltési-kiszámítási művelet Az Eladások kocka adatainak megtekintése

49 Új dimenziók létrehozása a Cube Editor-ral
A Cube Editor megnyitása Insert/Dimension/New A Reklam dimenzió létrehozása. Beállítások: Star Schema: A single dimension table; promotion; media_type és promotion_name Az Aruhaztipus dimenzió létrehozása. Beállítások: Star Schema: A single dimension table; Store; store_type A Vevokepzettseg dimenzió létrehozása. Beállítások: Star Schema: A single dimension table; customer; education A kocka eltárolási módjának meghatározása: MOLAP Az aggregációs szint meghatározása: 40% A Process, vagyis az adatfeltöltési-kiszámítási művelet

50 Feladat Hozza létre a Raktárak1998 kockát Idő, Áruház, Termék dimenziókkal, ahol a bevételekre és a költségekre vagyunk kíváncsiak.

51 Szülő-gyerek dimenzió létrehozása
Az Alkalmazottak dimenzió létrehozása. Shared Dimensions/New Dimension/Wizard. Beállítások: Parent-Child: Two related columns in a single dimension table; employee; employee_id, supervisor_id, full_name; Alkalmazottak. Az Emberi erőforrások kocka létrehozása. Beállítások: salary; salary_paid és vacation_used; Alkalmazottak, Aruhaz, Ido A dimenzió hierarchiájának megtekintése és módosítása. Browse dimension data Kapcsolatok: department_id törlése, time_by_day (the date) és salary (pay_date) között, valamint store (store_id) és employee (store_id) között.

52 Kiszámított tag létrehozása (átlagár áruházanként)
Az Eladasok1998 kocka szerkesztése: New calculated member; Measures; Atlagar; store_sales/unit_sales Az Atlagar mérték megtekintése Dimenzió tag tulajdonság létrehozása Shared dimensions/Vevo/Edit lname/Member properties: gender, marital_status, education, yearly_income, num_children_at_home, member_card

53 Virtuális dimenzió létrehozása
Shared Dimensions/New Dimension/Wizard Virtual Dimension: The member properties of another dimension; Vevo; Lname.Yearly Income; Virtuális dimenzió használata Eladasok1998/Edit Dimensions/Existing Dimensions; Yearly Income Process

54 Feladat 1. Az Eladások1998 kockában hozzon létre egy Profit nevű kiszámított tagot és kérdezze le hogy mekkora volt a profit: az USA-ban a kenyérfélékből negyedévében? Mexikó Veracruz államában Orizaba város 10. számú boltjában 1998 januárjában? 2. Az Áruház dimenzióban hozzon létre egy olyan tag-tulajdonságot, amely azt írja le, hogy az áruházban van-e kávézó. Ennek felhasználásával hozzon létre egy „Kávézó is” nevű virtuális dimenziót. Vegye fel ezt új dimenzióként az Eladások1998 táblába. Végül nézze meg, hogy az USA-ban az eladott kávé termékek átlagára hol nagyobb, a kávézós, vagy anélküli áruházakban?

55 Dimenzió speciális beállításai
Adat tag (Data member): Szülő-gyerek dimenzió esetén egy szülő szinthez gyerekként létrehozható tag, amely a szülőhöz az alacsonyabb szintek aggregált adatain kívül ezektől független adatot kapcsol. Egyéni számítás felsőbb szintre (Custom rollup): Szülő-gyerek dimenzió esetén a +,-,*,/ és ~ jelekkel lehet egyszerű formában megadni, hogy a gyerek szint adatai a szülő szinten hogyan legyenek figyelembe véve.

56 Feladat A Számlák dimenzió létrehozása: Shared Dimensions/New Dimension/Wizard; Parent-Child: Two related columns in a single dimension table; Account; account_id; account_parent; account_description; Select all; Enable custom rollups; …; Use an existing column; account_rollup; Nonleaf members have associated data; Data members are visible; <Name>; Dimension members; Számlák A Számlák dimenzió kibontása a Dimenzió szerkesztőben Tag-tulajdonság létrehozása a Számlák dimenzióban: account_type

57 A Kiadás költségvetés kocka elkészítése
A Forgatókönyv dimenzió elkészítése: Shared Dimensions/New Dimension/Wizard; Dimension type: Parent-Child; Table: Category; Member key: Category_id, Parent key: Category_parent, Member name: Category_description; Advanced options: Custom rollups; Custom rollups: Enable custom rollups, MDX-defined custom formula. Click the expand (...) button,  then select Create a new column, and then name it Category_Formula; Name: Forgatókönyv A Kiadás költségvetés kocka elkészítése: Cubes/New Cube/Wizard; Fact table: expense_fact; Measures: amount; Dimensions: Forgatókönyv, Számlák, Áruházak, Idő; Count fact table rows?  Yes; Name: Kiadás költségvetés

58 Adat hozzárendelése szülő szinthez
Alkalmazottak dimenzió szerkesztése: Shared Dimensions/Employee/Edit; Properties/Advanced; Members with Data property: Nonleaf data visible; Az Emberi erőforrások kocka szülő szintjeihez adatot rendelünk: Emberi erőforrások/Edit; Tools/Process Cube; No; Process;   Brose Data

59 Biztonsági beállítások: szerepek
Kocka-szerep: Eladás1998 kocka, Manage Rolls; New; Marketing; Add; OK és Emberi erőforrások kocka; New; HR; Add; OK. Adatbázis-szerep: Database Rolls; Manage Rolls; New; Menedzsment; Add; Cubes; Emberi erőforrások és Eladás1998; OK.

60 Átfúrás (drillthrough)
Akció létrehozása Eladások1998/Edit; Actions/New Action; A dimension in this cube; Vevo; URL; " + Vevo.currentmember.name; Vevoinfo Átfúrás (drillthrough) Eladások1998/Edit; Tools/Drillthrough Options; Enable drillthrough; Select All Eladások1998/Manage Rolls; Management role/Drillthrough: Allow drillthrough Az egyik mérték adatnál jobbegér/Drillthrough

61 Kliensek kiszolgálása: PivotTable Services
Analysis server PivotTable Services Kliens

62 Újabb kiszámított tagok és mértékek
Az Emberi eroforrasok1998 kockában: Alkalmazottak száma (mérték); Vállalati összfizetés (mérték); Átlagfizetés (kiszámított tag). Az Eladasok1998 kockában: Eladások száma (mérték); Eladások átlagértéke (kiszámított tag)

63 Virtuális kocka (virtual cube)
A virtuális kocka már meglévő, egyéb (normál vagy kapcsolt) kockák adatait fogja össze logikailag egy kockába. Csak a szerkezetet kell tárolni, így egy virtuális kocka tárigénye jelentéktelen. Egy kocka lényegi részét is ki lehet így emelni. Egy kocka bizalmas részét is lehet vele védeni (szerepek). Megtekinteni csak a process művelet után lehet, amely belső kapcsolatokat létesít a bevont dimenziók és mértékek között. A forrás kockák változtatása után az ezekből létrehozott virtuális kockában újra el kell végezni a process műveletet. Virtuális kocka létrehozása: Cubes/New virtual cube; Eladasok1998 és Raktarak1998; Store sales és Warehouse cost; Ido, Aruhaz és Raktar; Koltseg_es_bevetel

64 Kocka archiválása és helyreállítása
Cél lehet: Tömörített biztonsági másolat készítése Nem használt adatok kivonása, melyek szükség esetén visszaállíthatók Adatbázis másolása egyik szerverről a másikra Mintaadatbazis/Archive database Törlés Szerver név/Restore database

65 Adatbányászat

66 Adatbányászat Adatbányászati modell


Letölteni ppt "Döntéstámogató rendszerek I."

Hasonló előadás


Google Hirdetések