Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

Döntéstámogató rendszerek I. Kupás Péter. Az alapfogalmak áttekintése.

Hasonló előadás


Az előadások a következő témára: "Döntéstámogató rendszerek I. Kupás Péter. Az alapfogalmak áttekintése."— Előadás másolata:

1 Döntéstámogató rendszerek I. Kupás Péter

2 Az alapfogalmak áttekintése

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

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: 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 Stratégia 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 TaktikaÉves 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 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: Információ- szolgáltató rendszerek 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. A működtető rendszer adatait megfelelő struktúrában tudják a közép- és felsővezetés számára szolgáltatni. Technológia: OLAP (On-Line Analitical Processing): Azonnali analitikus feldolgozás és elemzés elvégzésére optimalizált adatbázis szervező módszer (Codd, 1994)

11 Mi az OLAP? Az OLAP Council ( ) szerint:http://www.olapcouncil.org "... 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: OLTPOLAP OptimalizálásTranzakciók gyors elvégzéseElemzések elvégzése Lekérdezés Programozói ismeretek és az adatbázis szerkezetének pontos ismerete szükséges Nem szükséges programozói ismeret AdatmodellRendszerint relációsMultidimenzionális AdatmennyiségKicsi (tranzakciónként), részletesNagy, aggregált is AdatforrásHomogénHeterogén Műveletek I.MódosításFőleg lekérdezés Műveletek II.Rövid, gyakori, kevés adattalHosszú, ritkább, sok adattal KonkurenciaJelentős számúKevés, főleg vezetők ÁllapotAz aktuális állapotot mutatjaArchívumokból dolgozik MegvalósításRelációs adatbázisokDataWarehouse

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 MISCRMBSCstb. EIS

19 A döntéstámogatás (üzleti intelligencia) megvalósítása Microsoft termékekkel Forrás adatok: - RDBMS - Táblázatkezelő - dBase - ERP - … DTS Relációsadatraktár SQL Server 2000 Office XP Analysis Services OLAPkockák 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 Előnyök:  Olcsó Hátrányok:  Korlátozott az elérhető adatok köre  Gyenge a lekérdezésre optimalizálás szintje  Korlátozottak az adatműveleti lehetőségek OLTP OLAP réteg Kliens programok

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 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 OLTP OLAP réteg DW Kliens programok DataMart

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

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

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. Termék Régió Idő Az Eladás kocka:

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. Csillag modell: Eladás - érték - darabszám Termék - kód - kategória - megnevezés - egységár Régió - megye - város - bolt Idő - év - hónap - nap

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

37 A tervezés lépései 1)Az információigény felmérése 2)Az egyedek és kapcsolatok leírása, vagyis a modell meghatározása 3)A tényadatok kiválasztása 4)A dimenziók meghatározása 5)A hierarchiák kiépítése az egyes dimenziókban 6)A dimenziók tulajdonságainak meghatározása 7)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 adatbázisbanMaximum Szintek száma egy adatbázisbanMaximum Virtuális kocka felhasznált kockáiMaximum 64 Mértékek egy kockábanMaximum 1024 Mértékek egy virtuális kockábanMaximum 2024 Dimenziók egy kockábanMaximum 128 Szintek száma egy kockán belülMaximum 256 Szintek száma egy dimenzión belülMaximum 64 Tagok száma egy dimenzión belülMaximum 2^31-1= Tagok száma egy szülőn belülMaximum Számított tagok száma egy kockábanMaximum 64535

42 Az SQL Server 2000 Analysis Services tulajdonságai III. Korlátok II. Aggregációk egy partícióbanMaximum Adatcellák száma egy kérésreMaximum 2^31-1= Rekordméret egy forrás adattáblábanMaximum 64 Kb Objektum nevének hosszaMaximum: Analysis Manager esetén 50, Pivot Table szolgáltatás esetén 24 karakter Dimenzió névének hosszaMaximum 24 karakter Mérték adatoszlopának adattípusaNumerikus (kivéve Darab és Különböző darab aggregáló függvény esetén) Dimenzió adatoszlopának adattípusaKarakteres 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: Bontás:  Idő szerint: év, negyedév, hónap  Termékek szerint: termékkategória, alkategória, márkanév  Terület szerint: ország, megye, város, egyén  Üzletek szerint: ország, állam, város, üzlet Mekkora a bevétel? Mekkora a költség? Mekkora mennyiséget? 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.

47 A Eladások1998 kocka létrehozásának lépései I. 1.Az ODBC Data Source, vagyis adatforrás beállítása 2.A Mintapélda adatbázis létrehozása 3.Az adatforrás kiválasztása 4. Az Eladások1998 kocka létrehozása varázslóval 5.A ténytábla kiválasztása: sales_fact_ Mértékek rögzítése: store_sales, store_cost, unit_sales 7.Az Idő dimenzió létrehozása. Beállítások: Star Schema: A single dimension table; time_by_day; Time dimension; Year, Quarter, Month; Ido 8.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. 9.A Vevo dimenzió létrehozása. Beállítások: Star Schema: A single dimension table; Customer; Country, State_Province, City és lname; Vevo. 10.A Aruhaz dimenzió létrehozása. Beállítások: Star Schema: A single dimension table; Store; store_country, store_state, store_city, és store_name; Aruhaz. 11.A Cube Editor áttekintése 12.A kocka a eltárolási módjának meghatározása: MOLAP 13. Az aggregációs szint meghatározása: 40% 14.A Process, vagyis az adatfeltöltési-kiszámítási művelet Az Eladások kocka adatainak megtekintése

49 Új dimenziók létrehozása a Cube Editor-ral 1.A Cube Editor megnyitása 2.Insert/Dimension/New 3.A Reklam dimenzió létrehozása. Beállítások: Star Schema: A single dimension table; promotion; media_type és promotion_name 4.Az Aruhaztipus dimenzió létrehozása. Beállítások: Star Schema: A single dimension table; Store; store_type 5.A Vevokepzettseg dimenzió létrehozása. Beállítások: Star Schema: A single dimension table; customer; education 6. A kocka eltárolási módjának meghatározása: MOLAP 7.Az aggregációs szint meghatározása: 40% 8.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 1.Az Alkalmazottak dimenzió létrehozása. Shared Dimensions/New Dimension/Wizard. 2.Beállítások: Parent-Child: Two related columns in a single dimension table; employee; employee_id, supervisor_id, full_name; Alkalmazottak. 3.Az Emberi erőforrások kocka létrehozása. Beállítások: salary; salary_paid és vacation_used; Alkalmazottak, Aruhaz, Ido 4.A dimenzió hierarchiájának megtekintése és módosítása. Browse dimension data 5.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 1.Shared dimensions/Vevo/Edit 2.lname/Member properties: gender, marital_status, education, yearly_income, num_children_at_home, member_card

53 Virtuális dimenzió létrehozása 1.Shared Dimensions/New Dimension/Wizard 2.Virtual Dimension: The member properties of another dimension; Vevo; Lname.Yearly Income; Virtuális dimenzió használata 1.Eladasok1998/Edit 2.Dimensions/Existing Dimensions; Yearly Income 3.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 1.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; ; Dimension members; Számlák 2.A Számlák dimenzió kibontása a Dimenzió szerkesztőben 3.Tag-tulajdonság létrehozása a Számlák dimenzióban: account_type

57 A Kiadás költségvetés kocka elkészítése 1.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 2.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 1.Alkalmazottak dimenzió szerkesztése: Shared Dimensions/Employee/Edit; Properties/Advanced; Members with Data property: Nonleaf data visible; 2.Az Emberi erőforrások kocka szülő szintjeihez adatot rendelünk: Emberi erőforrások/Edit; Tools/Process Cube; No; Process; 3.Brose Data

59 Biztonsági beállítások: szerepek 1.Kocka-szerep: Eladás1998 kocka, Manage Rolls; New; Marketing; Add; OK és Emberi erőforrások kocka; New; HR; Add; OK. 2.Adatbázis-szerep: Database Rolls; Manage Rolls; New; Menedzsment; Add; Cubes; Emberi erőforrások és Eladás1998; OK.

60 Akció létrehozása 1.Eladások1998/Edit; Actions/New Action; A dimension in this cube; Vevo; URL; "http://search.msn.com/results.asp?q=" + Vevo.currentmember.name; Vevoinfo Átfúrás (drillthrough) 1.Eladások1998/Edit; Tools/Drillthrough Options; Enable drillthrough; Select All 2.Eladások1998/Manage Rolls; Management role/Drillthrough: Allow drillthrough 3.Az egyik mérték adatnál jobbegér/Drillthrough

61 Kliensek kiszolgálása: PivotTable Services Analysis server PivotTable Services Kliens

62 Újabb kiszámított tagok és mértékek 1.Az Emberi eroforrasok1998 kockában: Alkalmazottak száma (mérték); Vállalati összfizetés (mérték); Átlagfizetés (kiszámított tag). 2.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 Cél lehet:  Tömörített biztonsági másolat készítése  Nem használt adatok kivonása, melyek szükség esetén visszaállíthatók  Adatbázis másolása egyik szerverről a másikra 1.Mintaadatbazis/Archive database 2.Törlés 3.Szerver név/Restore database Kocka archiválása és helyreállítása

65 Adatbányászat

66 Adatbányászati modell


Letölteni ppt "Döntéstámogató rendszerek I. Kupás Péter. Az alapfogalmak áttekintése."

Hasonló előadás


Google Hirdetések