Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

Info architektúrák I. Dobay Péter, PTE KTK 1 /46 Információrendszer-architektúrák 7. Az Üzleti Intelligencia architektúrái 1. Üzleti intelligencia: reporting.

Hasonló előadás


Az előadások a következő témára: "Info architektúrák I. Dobay Péter, PTE KTK 1 /46 Információrendszer-architektúrák 7. Az Üzleti Intelligencia architektúrái 1. Üzleti intelligencia: reporting."— Előadás másolata:

1 Info architektúrák I. Dobay Péter, PTE KTK 1 /46 Információrendszer-architektúrák 7. Az Üzleti Intelligencia architektúrái 1. Üzleti intelligencia: reporting és OLTP 2. Adattárház, OLAP 3. Adatbányászat 4. SAP, Comshare, SAS Eset: Adatbányászat, AmEx

2 Info architektúrák I. Dobay Péter, PTE KTK 2 /46 Mit kíván a vezetés? Javítsuk az egyéni és a csoportos teljesítményeket úgy, hogy A/ Legyen „jobb” a rendszer kimenete B/ Legyenek hozzáférhető, a vezetői döntéseket támogató fejlesztői eszközök, eljárások

3 Info architektúrák I. Dobay Péter, PTE KTK 3 /46 A/ A kimenetek kérdése A.1./ Megfogható kimenetek ICT támogatása - a kimenet elkészítése hatékonyabb legyen - el kell tudni dönteni: kell ehhez ICT? - ha igen: ki kell választani a megfelelő rendszert - ki kell alakítani a megfelelő eljárásokat A.2./ Nem-megfogható kimenetek támogatása - Látnunk kell az Célok – Adat – Információ – Tudás vállalati sémáját - Látnunk kell a döntések minőségi információ-igényét - Mindehhez fejlesztő-eszközökre, eljárásokra van szükség CÉLOK Döntések Eljárások Információ Adat

4 Info architektúrák I. Dobay Péter, PTE KTK 4 /46 B/ A vezetés kiszolgálása: az MIS-től elvárt minőség Az MIS belső és külső kimenete adott minőségű kell legyen: TARTALOMBAN - IDŐBELISÉGBEN - FORMÁBAN Pontosság (adat, mértékegység, hivatkozás), hibamentesség Teljesség: az összes lényeges tényt tartalmazza Többféle célra rugalmasan felhasználható legyen Megbízható, hivatkozható, ellenőrzött legyen A döntéstámogató számára releváns legyen (megfelelőség) A megrendelő számára időben érkezzen (a döntési folyamat elvégezhető egyen) Igazolható, hiteles legyen (minőségbiztosítás, megszemélyesítés, külső hitelesítés) Elérhető, hozzáférhető legyen Megfelelős formátumú legyen (tiszta, részletezett, rendezett, bemutatott)

5 Info architektúrák I. Dobay Péter, PTE KTK 5 /46 Igény a feldolgozásra Sun Tzu (i.e , A háború művészete): „Ismerd meg teljes bizonyossággal saját magad és az ellenség erősségeit és gyöngeségeit – bármelyik hiánya vereséghez vezet.” ADAT INFORMÁCIÓ DÖNTÉS Adat: forrása bármi, aminek viselkedése, jellemzői formálisan rögzíthetőek Információ: értelmes kérdésre az adathalmaz alapján értelmes választ adunk Tudás: örökölt/szerzett képességek és készségek alternatívák felismerésére és közöttük történő döntéshozatalra Bölcsesség: széleskörű tudás, kreativitás, intuíció, nyitottság, a személyiség kiteljesítése A CÉL MINDIG A DÖNTÉS, A TÚLÉLÉS, A SIKER

6 Info architektúrák I. Dobay Péter, PTE KTK 6 /46 Adatok, információk és döntés: ‘2000 o A begyűjthető adatmennyiségek hatalmasra nőttek, s az Internet mindezt felgyorsította, elérhetővé tette o A mechanikusan növelhető állományok (pl. Web-szövegek!) hagyományos módszerekkel már nem szűrhetőek, nem elemezhetőek: az információ-kinyerés egyre nehezebb o A tudás-vállalatok és a magasabb tudású alkalmazottak megkövetelik a releváns, jó minőségű információt o A vezetői cselekvéshez ilyen, megbízható tudáson alapuló döntések szükségesek - az „üzleti intelligencia” támogatása, szintjének növelése a végső cél. Nyers, belső-külső Igényelt, releváns Meglévő tudás Döntés, adathalmazok információk tovább-építése cselekvés

7 Info architektúrák I. Dobay Péter, PTE KTK 7 /46 Mi hajtja a BI rendszerek megjelenését? Egyre több, sokféle üzleti alkalmazás Egyre több, valóban használható üzleti alkalmazás Egyre több, gyűjthető és gyűjtött adat Egyre jobb adatbázis- kezelők Egyre nagyobb, olcsóbb adattárak (hw) Egyre igényesebb vállalati irányítás: „Az adatok fontosak” Info-technológiák Vállalat-irányítás BI fejlesztések A teljesítmények figyelése a lényeg: KPI, BPI mutatószámok Hatóságok, tulajdonosok, partnerek info-igényei Az eredmény: hihetetlen mennyiségű, értékes adat BI megoldások BI platformok: SQL,OLAP, ETL BI „csomagok”: „EBIS”,OLAP, BI portálok

8 Info architektúrák I. Dobay Péter, PTE KTK 8 /46 Üzleti intelligencia – az új alkalmazási boom Történelme legnagyobb felvásárlását jelentette be az IBM, mikor 2007 november 13-án bekebelezte a Cognost: a BI szoftvereket fejlesztő vállalatért 5 milliárd dollárt fizettek A BI szoftverek globális piaca 2006-ban 12,5 milliárd dollárt tett ki (AMR Research), ezek a megoldások az inforendszerek kritikus elemévé válnak. A vállalati alkalmazások világpiacát mintegy 40 milliárd dollárra teszik. Az SAP 4,8 milliárd eurót fizetett 2007 őszén a francia Business Objects vállalatért: ez mintegy ötezer ügyfél… Ez válasz volt az Oracle márciusi akciójára, amikor a cég 3,1 milliárd dollárért kebelezte be a BI piac negyedik szereplőjét, a Hyperiont. Az ilyen jellegű szoftverek piaca az IDC alapján 2006-ban több, mint 11 százalékkal nőtt Az ok: az egyre duzzadó adathalmazokból a vezetőknek, döntéshozóknak értelmes, értékes információkat kell kinyerniük, és a szervezet tényleges teljesítményét nyomon kell követniük. A háttérben dolgozó adatbázis-kezelők piacának birtoklásáért is ádáz küzdelem folyik. A piac, 2006-ban: Business Objects 14,9 százalék SAS BI 10,9 százalék (az AMR Research szerint 21%) Cognos 10,0 százalék Microsoft 7 százalék ORACLE + Hyperionnal 8,5 százalék.

9 Info architektúrák I. Dobay Péter, PTE KTK 9 /46 Definíciók Az ERP rendszerek a folyamatok, tranzakciók kezelésére készülnek A vezetés az ERP belső információit külső adatok feldolgozásával veti össze: –Tudás-menedzsment –„Üzleti intelligencia” módszerek –Tartalom-menedzsment: szöveg-elemzések A BI olyan DSS változat, amely a vezetők komplex üzleti informálását támogatja

10 Info architektúrák I. Dobay Péter, PTE KTK 10 /46 Adatkezelés: trendek Hagyományos adatfájlok, adatgyűjtés, nyomtatás. Szolgáltatói adatfeldolgozás Vállalati nagygépes adatkezelés, funkcionális alkalmazások Igény: adatbázis. Elmélet, majd szoftverek ~1960 ~1970 ~1980 ~1990 ~2000 ~2010 Relációs adatbázisok, adatmodellezés, SQL Igény: OLTP tranzakció- kezelés, majd Web Saját kis/mikrogépes adatkezelés, funkcionális adathalmazok Elemző táblázatkezelők Vizualizációs technikák, multimédia,„tudás-kezelés” Igény: OLAP online elemzési lehetőség Adattárház-technológiák, adatbányászati eljárások Üzleti Intelligencia, új generáció: ERP II. A vezetés „Management” A szervezet „Operations”

11 Info architektúrák I. Dobay Péter, PTE KTK 11 /46 A vezetők igényei: új megoldások A vezetői információrendszer (EIS) a felső szinten dolgozó menedzserek döntéshozatali munkáját támogató alrendszer. Viszonylag kevés elsődleges input adattal dolgozik, s ezek nagy része külső forrásból származik. A döntési szint aggregált információk kezelését feltételezi, ezek minősége nagyon fontos tényező, s a döntések hosszú távra szólnak, átfogó kérdésekre adnak választ. Megoldásaiban ezért különbözik az operatív (TPS) rendszerek technológiájától, s eltér a közvetlen adatbevitelt feltételező VIR (MIS) menedzseri szinteknél megszokott rendszerektől is: üzleti intelligencia Business Intelligence „A BI elterjedtségben ma ott tart, ahol a szövegszerkesztők álltak 20 évvel ezelőtt. Mindenkinek hozzáférhetővé kell tennünk ezeket az eszközöket. ” Jeff Raikes, Microsoft

12 Info architektúrák I. Dobay Péter, PTE KTK 12 /46 Információs rendszerek: a változás A ’80-as évektől uralkodó, relációs adatbázis-kezelőkre épített vállalati rendszerek megújulnak: az operatív adatkezelési szint automatikussá válik, ugyanakkor ezzel az elemezhető adattömeg jelentősen megnő Egységes szemléletű, „multi-dimenzionális” adatkezelés jelenik meg a leválogatott-megtisztított adathalmazokon: az ERP II rendszerek kiegészülnek OLAP / BI elemző modulokkal, s minden távolról, online módon kezelhetővé válik F OLTP adatbázis adattisztítás átalakítás betöltés OLAP adattárház adat- piacok F F EIS MIS KWS/OAS TPS/SOP BI OLAP OLTP

13 Info architektúrák I. Dobay Péter, PTE KTK 13 /46 Nézzük a technikai hátteret! Az adattárház (DW: data warehouse) tárgyorientált, integrált, tartós és időfüggő adatgyűjtemény a vezetői döntéstámogatás szolgálatában (Bill Immon) Tárgyorientált (témaorientált): témának, fogalomnak megfelelően gyűjtjük az adatokat a DW-ben. Integrált: az adatrendszer több helyről származó, integrált adatokat és kapcsolataikat tartalmazza Tartós: Az adatok egy „pillanatot” rögzítenek, további tranzakciós, vagy módosító változás nem történik Időfüggő: Gyakorlatilag idősorokat kezel.

14 Info architektúrák I. Dobay Péter, PTE KTK 14 /46 Az adattárház (DW) – egy példa Tárgyra-orientált: a különböző platformok, adatbázis- kezelők által gondozott állományokból egy adott téma érdekében válogatunk DW: „Gépkocsi- biztosítások Ügyfél Kár Ügynök Jutalék Integrált: egyidőben kezeli a téma elemzéséhez tartozó, különböző formátumú, eredetű, minőségű adatokat Tartós : az összeállított DW újra és újra elemezhető, tartalma (szokásosan) nem változik Időfüggő : az ETL folyamat a tranzakciós adatbázis egy adott állapotát tükrözi: ez a dátum jellemzi az adattárházat

15 Info architektúrák I. Dobay Péter, PTE KTK 15 /46 Az adatbázis és az adattárház (Sidló Csaba)

16 Info architektúrák I. Dobay Péter, PTE KTK 16 /46 Az információs folyamat Extract Transfer Load

17 Info architektúrák I. Dobay Péter, PTE KTK 17 /46 Az OLAP technikák Mire használhatjuk az adattárházat? Újfajta adatkezelési technikák Adat-elemzési módszerek új kombinációja, OL hozzáférés

18 Info architektúrák I. Dobay Péter, PTE KTK 18 /46 OLTP és On-Line Analytical Processing: lenn automatizálás, fenn elemzés TulajdonságokOLTPOLAP Orientációtranzakciókadatanalízis Felhasználóvállalat adminisztrációt döntéshozók és őket végző alkalmazottaiinformációval támogató alkalmazottak Feladatnapi folyamatok követésedöntéstámogatás, hosszútávú információ- gyűjtés és szolgáltatás Adatbázis Egyed-Kapcsolat modell, csillagséma alkalmazás orientálttárgy-orientált Adatokaktuális, up-to-datetörténeti adatok, időben archiválva Aggregált adatoknem jellemző; részletes felbontásösszegzett, egyesített adatok Adatok nézeterészletezett, relációsösszegzett, multidimenzionális Felhasználók hozzáféréseolvasás/íráslegtöbbször olvasás, adattárház adatait nem módosítják Hangsúlyadatbeviteleninformációkinyerésen van Rekordszámtízes nagyságrendű rekord alkalmanként akár milliós rekordszám Felhasználók számaviszonylag sokkevés, közép és felsővezetők Prioritásállandó rendelkezésre állás rugalmasság, felhasználói önállóság

19 Info architektúrák I. Dobay Péter, PTE KTK 19 /46 Codd kritériumai: Az adatkezelés „OLAP”, ha… 1. Sokdimenziós világnézet, több mint kettős relációk 2.Átláthatóság (tudja hogyan működik, értse mit csinál) 3. Hozzáférhetőség (any time, anywhere, adatbányászat) 4. Egyenletes lekérdezési teljesítmény (összegyűjtött adatok) 5. Kliens/szerver architektúra (nagyméretű OLAP szerver) 6. Többdimenziós felépítés, kiválasztható dimenziók 7. Dinamikus ritkamátrix kezelés (gyorsaság – nagy adattömeg) 8. Többfelhasználós üzemmód 9. Korlátlan többdimenziós műveletvégzés, bármilyen adattal 10. Intuitív adatkezelés (egér, beszéd, minimális billentyű vezérlés) 11. Rugalmas megjelenítés 12. Korlátlan dimenziószámok (15-19 adat dimenzió, összegzések,…)

20 Info architektúrák I. Dobay Péter, PTE KTK 20 /46 Multi-dimenzionális OLAP „adatkocka” Műveletek: 1.Aggregáció (roll-up): egy dimenzió mentén összegzést végzünk 2.Lefúrás (drill-down): az előző ellentéte, pl. havi adat lebontása 3.Forgatás (pivoting): dimenzió felcserélése: más nézet 4.Szelekció (filtering): egy dimenzióban értékre szűrünk 5.Szeletelés (slicing): egy dim-t lekötünk; (dicing): részkocka kivágása

21 Info architektúrák I. Dobay Péter, PTE KTK 21 /46 „Sokdimenziós” adatbázis: az OLAP kocka – Cella: a vizsgált adatmennyiséget tartalmazó tárolási egység. Pl. Egy konkrét eladás forgalmi adatait tartalmazza (érték, darabszám). – Változó: a cella leírására szolgáló összetett adatstruktúra egy eleme (pl. eladott mennyiség, ár). – Dimenziók: a kocka éleihez rendelt mennyiségek, amitől függnek a cella értékek (pl. idő, hely adatok). – Jellemzők: a dimenziók leíró adatai (pl. termék-dimenzió esetén a terméket leíró adatok, mint terméknév, egységár, stb.). – Tag: a dimenzió egy érték-előfordulása.

22 Info architektúrák I. Dobay Péter, PTE KTK 22 /46 A DW elérése adatkockából Háromféle adatbázis technológia (az OLAP szerverben): ROLAP (Relational OLAP): hagyományos relációs adatbázis kezelő; a többdimenziós megjelenést (adatkocka) speciális relációs adatbázis sémák biztosítják. MOLAP (multidimensional OLAP). Olyan adatbázis kezelő, amely közvetlenül egy többdimenziós adatkockában tárolja az adatokat. HOLAP (Hybrid OLAP). Olyan hibrid megoldás, amely mind a relációs, mind a többdimenziós adatkocka-tárolás lehetőségét megengedi.

23 Info architektúrák I. Dobay Péter, PTE KTK 23 /46 OLAP: amit a vezető el tud képzelni („vizualizációs – dashboard - technikák”) SAS RadarSoft charting Dundas

24 Info architektúrák I. Dobay Péter, PTE KTK 24 /46

25 Info architektúrák I. Dobay Péter, PTE KTK 25 /46 Adatbányászati technikák A probléma: tudáskinyerési hatalmas adatmennyiségből úgy, hogy a kérdések nagy része előre nem ismert – mintákat, összefüggéseket keresünk az adattárházban A folyamat iteratív lépései: - adatpreparálás: adatok minőségének javítása - adatbányászat: kiszűrni, formalizálni a tudást, „mintákat” találni - tudás ellenőrzése: elvárások ellenőrzése Alapfeladatok: – osztályozás, klaszterezés, függőség modellezés, minőség mérés – adatbányászati eljárások: döntési fa, szabályképzés, NH neurális hálók, EA evolúciós algoritmusok, példa alapú tanulás, … – utófeldolgozás: szabályok egyszerűsítése, érdekes szabályok kiemelése, minták értelmezése

26 Info architektúrák I. Dobay Péter, PTE KTK 26 /46 DM technikák Az adatpreparálás során a kiindulási adatok minőségét javítjuk: tisztítás, ellenőrzés A második lépés a tulajdonképpeni adatbányászat, mely kiszűri, formalizálja a tudást. A harmadik lépés, a tudás ellenőrzés, leginkább szubjektív ellenőrzése az eredménynek. A tudáskinyerési folyamat során többféle alapfeladatot alkalmazunk: osztályozást, klaszterezést, függőség vizsgálatot, minőségmérést. Osztályozás esetén az adatok közül kiválasztunk egy céljellemzőt és a többi adattal jósoljuk a céljellemző értékét /osztályát. A klaszterezést mint csoportosítási technikát használjuk a jellemzők kiválogatására. Az adatok közt lehetnek belső függőségi viszonyok. A függőség vizsgálat során szabályokkal írjuk le az adatok közti függőségeket. A minőség mérésénél a kapott tudás pontosságát (pl. az osztályozás helyessége), egyszerűségét, érdekességét vizsgáljuk.

27 Info architektúrák I. Dobay Péter, PTE KTK 27 /46 DM lépések Adatpreparálás. A legfőbb tevékenysége a jellemzők szelektálása. Általában többféle adatból, jellemzőből kell kiválasztatni azt a részhalmazt, amely megfelelően jellemezni tudja az adatok összességét. Két elterjedt technika a szelektálásra a szűrő és a wrapper-alapú részhalmaz kiválasztás. A szűrő alapúnál az adatok közti belső függőségeket vizsgáljuk, és így választjuk ki a legjobb részhalmazt.A wrapper alapúnál egy osztályozás hatékonyságát vizsgáljuk. Kiválasztva egy részhalmazt, a hozzá tartozó jellemzők alapján osztályozunk egy teszt példasort. Mérjük az osztályozás hatékonyságát és azt a részhalmazt választjuk, amelynél a legsikeresebb az osztályozás. Adatbányászat. A tényleges tudáskinyerés többféle módszerrel lehetséges: döntési fa, szabályképzés, neurális hálózat, evolúciós algoritmus stb. Döntési fa esetén az adatok lehetséges értékei alapján olyan fastruktúrát írhatunk fel, amelynek egyes útvonalai (ágai) egy-egy példacsoporthoz tartoznak, és így osztályozni tudják a példákat. A szabályképzés „IF … Then …”formájú összefüggéseket keres az adatok közt. Az MI neurális háló módszere a példákból megtanulhat egy osztályozási feladatot. Az MI evolúciós algoritmus módszere a legkülönbözőbb feladatokra használható: akár döntési fa, akár osztályozás előállítására, generálására felhasználható. Utófeldolgozás (a tudás ellenőrzése). Tipikus feladatai közé tartozik a szabályok egyszerűsítése. Csökkenthetjük a szabályok vagy a feltételek számát, ill. az érdekes, új összefüggéseket feltáró szabályokat kiemelhetjük.

28 Info architektúrák I. Dobay Péter, PTE KTK 28 /46 „Üzleti Intelligencia” Howard Dresner (Gartner Group, 1989): „A BI olyan módszerek, fogalmak halmazát jelenti, melyek a döntéshozás folyamatát javítják adatok és ún. tényalapú rendszerek használatával.” A "tényalapú rendszer" a következő alrendszereket foglalja magába: Vezetői információs rendszerek (Executive Information Systems EIS) Döntéstámogató rendszerek (Decision Support Systems, DSS) Vállalati információs rendszerek (Enterprise Information Systems ERP) Adattárház-technikákra épülő vezetői célú adatelemző eljárások Online Analytical Processing (OLAP) Adat- és szöveg-bányászati eljárások, heurisztikus, neurális és evolúciós „mesterséges-intelligencia” módszerek (Data Mining, AI) Adat-vizualizáció, változatos megjelenítési technikák Tér-információs rendszerek (Geographic Information Systems, GIS) Az ún. adattárház megoldásokat az üzleti intelligencia megoldások egy szeletének lehet tekinteni.

29 Info architektúrák I. Dobay Péter, PTE KTK 29 /46 Az OLAP és az „üzleti intelligencia” Az OLAP vezetői szintű adatelemzést szolgáló, valós idejű rendszer, amely lehetővé teszi jelentések készítését, ad-hoc jellegű kérdések megválaszolását, összefüggések feltárását, intelligens „mintakeresést” Az OLAP a már meglévő adatokból (tranzakciós adatbázis) olyan információkat hoz létre, amelyek segítséget nyújtanak a döntésekhez. A többdimenziós adatmodellben az elemző tetszőleges szempontok szerint, különböző nézetekből vizsgálhatja adatait. Az OLAP adat-háttere a tranzakciós adatbázisból időről időre elkészített adattárház (data warehouse), s ennek speciális lekérdezésekkel készített metszetei (data-mart). Példa: Az értékesítést online tranzakciók kísérik; az OLTP adatbázis frissül. Az adatbázisból naponta kivonat készül a vezetés számára (adatkockák, akár történeti adatokkal, idősorokkal) ezt speciális BI szoftverek kezelik (adatbányászati technikák). A marketing-elemző OLAP rendszerével marketing adatszeletet, „piacot” (data mart) készít, ezen elemzéseket végez, vizuálisan megjeleníti. Az OLAP rendszereket BI (Business Intelligence) szoftverek támogatják: adat-integrálás, konvertálás többféle rendszerből, adatok áttöltése (ETL), gyors lekérdezés, majd változatos „intelligens elemzés”

30 Info architektúrák I. Dobay Péter, PTE KTK 30 /46 A BI architektúra-megoldások „legacy” adatbázisok OLTP architektúrákkal Adattárház OLAP technikák DM adatbányászati technikák

31 Info architektúrák I. Dobay Péter, PTE KTK 31 /46 Az információszolgáltatás formája és időzítése - Ugyanakkor, ugyanazt, ugyanúgy: regular time, standard form" - Ugyanazt, ugyanúgy, de csak akkor, ha szükséges - Exception Reporting: "standard reporting, any time" - Sokféle ugyanazt, azonnali válasszal, kérésre on-line szolgáltatások - Tetszőleges igényre elegendően jó válasz: interaktív számítógépes rendszer, "any time, any form": AdatforrásokAdattárházEredmények Döntés OLAP DSS DM K D D: Knowledge Detection from Databases

32 Info architektúrák I. Dobay Péter, PTE KTK 32 /46 A BI megoldások tipikus struktúrája Sántáné et al.; „Business Object” szoftver nyomán Adat-integrációs szint Üzleti intelligencia – platform BI portál elérése – Információterjesztés – Együttműködés Elemző motorok – Metaadatok – Biztonság – Fejlesztői szolgáltatások Jelentések, reporting Más rendszerekbe beágyazott és vállalati aggregált jelentések Lekérdezések, elemzések Interaktív elemzések Ad hoc lekérdezések Teljesítmény-menedzsment (BPM): döntések Mutatószámok Teljesítmény-menedzsment alkalmazások A leggyakoribb módszerek: mutatószám-rendszerek (scorecard); kulcsfontosságú jellemzők megjelenítése (dashboarding); egyéb vizualizáció; teljesítmény-menedzsment; adatbányászat; adattárház-építés; DSS; dokumentum-tárházak; EIS / VIR; OLAP analitika; térinformatika; szövegbányászat, stb.

33 Info architektúrák I. Dobay Péter, PTE KTK 33 /46 Példa: Az SAP BI megoldása

34 Info architektúrák I. Dobay Péter, PTE KTK 34 /46

35 Info architektúrák I. Dobay Péter, PTE KTK 35 /46 Az SAP BW felhasználása „Üzleti Tartalom” rendszer: – Adatkinyerő programok, adatkockák, beszámolók, lekérdezések (170 adatkocka, 800 Excel beszámoló,…) – Lekérdezési lehetőségek különböző beosztásokhoz (szerepközpontú). Standard területek: pénzügy, beszerzés, termelés, marketing, emberi erőforrás. Speciális iparági területek: bank, egészségügy, … - Az SAP BW további döntéstámogató rendszereknek lehet az alapja: ilyen az SAP Stratégiai vállalatvezetés (SEM: Strategic Enterprise Management) termék.

36 Info architektúrák I. Dobay Péter, PTE KTK 36 /46 Példa: A Microsoft új, integrált üzleti intelligencia platformja

37 Info architektúrák I. Dobay Péter, PTE KTK 37 /46 Példa: A ComShare BI rendszer Comshare Menedzsment Tervezés és Kontrol (MPC: Management Planning and Control System)

38 Info architektúrák I. Dobay Péter, PTE KTK 38 /46 Példa: a SAS integrált adatplatform

39 Info architektúrák I. Dobay Péter, PTE KTK 39 /46 A SAS BI elemei Lekérdező, jelentéskészítő eszközök – OLAP – SAS/EISZ: fejlesztőeszköz OLAP alk. fejlesztésére – SAS/Enterprise Guide: stat. elemzések, leválogatások Adatbányászat: klaszter elemzés, asszociáció szabályok alapján, modellek (NH, döntési fa, regresszió,…) Statisztikai elemzések – E-csatorna (SAS e-intelligence). Web látogatók elemzése

40 Info architektúrák I. Dobay Péter, PTE KTK 40 /46 Miért „éri meg” az információ-elemzés? Tipikus alkalmazások: tervezési, teljesítmény-követési, eltérés-elemzési, szimulációs, adatbányászati, előrejelzési, kontrolling feladatok – az „üzleti intelligencia” ismeretszerzése, bármely céllal Példák: Web-oldalak szöveg-bányászata, visszakeresés Hitelkérelem összetett paraméter-vizsgálata; Sarbanes-Oxley! Marketing adatpiac elemzésével ügyfél-szegmentáció: kisebb költség, nagyobb hatékonyság Kritikus teljesítmény-mutatók (KPI) elemzése nagy szervezetekben Web-oldalon történő mozgás és előzetes értékesítés alapján személyre szabott ajánlatkészítés (PC kiegészítők) Vásárlások alapján „bevásárlókosár-minták” készítése, vevőprofilok alapján együttes értékesítési akciók, akár személyre szabottan (elektronika, utazások, biztosítások) Felsőoktatás: lemorzsolódás, felvételik, munkahelyek összefüggései

41 Info architektúrák I. Dobay Péter, PTE KTK 41 /46 Néhány adatbányászati alkalmazási terület

42 Info architektúrák I. Dobay Péter, PTE KTK 42 /46 Néhány BI termékről Microsoft: „Hagyja el az Excelt, lépjen feljebb!” Office Performance Point Server 2007 (az Office 2007 csomag utolsó tagjaként, a MS SQL Server 2005-re építve). A szokásos alkalmazásokon (Excel, Outlook, Sharepoint) keresztül kimutatások, jelentések, scorecardok, benchmarkok készíthetők, az adatok „összeszedése” Office és MS Dynamics környezetben folyik. Az OPPS 2007 szerverenként 20 ezer dollár, felhasználónként 195 dollár: árverseny! ORACLE: Business Intelligence Standard Edition One integrált üzleti adatelemzési és adattárház rendszer KKV-k számára ( felhasználói licenc): interaktív műszerfal-nézet (dashboard), formázott kimutatások, eseti lekérdezések és adatelemzések, adatkinyerést, átalakítását, betöltését végző ETL-technológia, Orcel adatbáziskezelő. A cél a maximális kezelési egyszerűség. Licenc: 1,000 dollár/munkahely. A nagyobb licenc: Oracle Business Intelligence Suite EE SAS Intelligence Architecture; Enterprise Business Intelligence Server: integráló platform, riportolás, lekérdezések, bonyolult elemzések, OLAP kockák, képi megjelenítés, MS Office környezet. Az importálást az intelligens platform (SAS Enterprise Intelligence Platform) biztosítja (adat-integráció, adattárolás, elemző intelligencia, üzleti intelligencia). Enterprise Miner: Hatalmas portfolió, funkcionális alkalmazásokkal. SAP /Business Objects: a két termékcsalád integrációja következik OpenOffice / Sun: Az OpenOffice.org nyílt szoftvercsomagba integrálták a Pentaho nevű jelentéskészítő eszközt. Base, OLAP, XML forrásokból importálhatók adatok. SPSS – Clementina: előrejelző adatbányászati megoldások a statisztikai adatbázisra alapozva Más cégek: Actuate, Applix, Business Objects, Cognos, Comshare, Eclipse BIRT, Dat Allegro, Greenplum, Hyperion, Informatica, Jaspersoft, Netezza, Panorama,Par Accel, Pentaho, SPSS Clementina, Teradata, DBMiner, Mineset Silicon Graphics, IBM Intelligent Miner, …

43 Info architektúrák I. Dobay Péter, PTE KTK 43 /46 BI szoftverek Árbevétel (millió USD) Piaci részesedés (%) Oracle Corp.1639,512,3 IBM1388,910,4 SAS Institute1073,28,0 Microsoft Corp.716,35,4 Business Objects700,75,2 Hyperion Solutions 512,73,8 Cognos Inc.506,03,8 SAP AG345,32,6

44 Info architektúrák I. Dobay Péter, PTE KTK 44 /46 A vezető termékek értékesítése Az üzleti intelligencia piac polarizálódása: milliárd dolláros üzlet! Forrás: The OLAP market grew faster than predicted in )

45 Info architektúrák I. Dobay Péter, PTE KTK 45 /46 A vezetői info-input architektúrája Spontán informálódás, adat-transzfer „Terasz- ugrás” inputok Belső adat-”közmű” input szolgáltatásai AdaTVÁSÁRLÁSiSTRATÉGIAAdaTVÁSÁRLÁSiSTRATÉGIA Ötévenként át kell építeni az adatgyűjtési rendszert, forrásokat, csatornákat! ADATTÉRKÉPADATTÉRKÉP Vezető OLAP Z. Karvalics DW Adat- vásárlók

46 Info architektúrák I. Dobay Péter, PTE KTK 46 /46 Vállalat, vezetés, információ A vezetés informatikai támogatása Adatforrások, adatfeldolgozás Üzemirányítás, irodai rendszerek, információ-elemzés: „Mi történt?” Integrált vállalat- irányítás, ERP, lekérdezés, jelentés: „Miért történt?” Vezetői elemző- rendszer, VIR/EIS/DSS/OLAP „Mi lenne, ha…?” Komplex „üzleti intelligencia”- támogatás: „Mit kellene még tudnunk?” üzleti cselekvés üzleti döntés, tervezés üzleti információ üzleti adathalmaz

47 Info architektúrák I. Dobay Péter, PTE KTK 47 /46 Új fogalmak, kulcsszavak Adatfájl, adatállomány: egyetlen folyamat egyetlen résztvevő elemének egyedeit leíró állomány – egyedi tervezés, egyedi alkalmazás, egyedi struktúra Adatbázis: matematikai szigorúságú modellezés alapján felépített komplex adatszerkezet, amelyet önálló manipulációs- lekérdező szoftver (DBMS) segítségével kezelünk OLTP: hálózati (távoli) hozzáféréssel üzleti tranzakció végrehajtása (regisztrálás-ellenőrzés, adatbevitel, visszaigazolás, akár végrehajtás is) Adattárház: operatív adatbázisokból legyűjtött cél-orientált adathalmazok, amelyek időfüggőek, változatlanok, tematikusak és integráltak (Bill Inmon, 1992); az ezekhez kapcsolódó új adatkezelési technikák (adatbányászat) Adatpiac: az adattárház funkcionális igényt kielégítő része OLAP: közvetlen hozzáféréssel végezhető üzleti elemző szolgáltatások (ld. Adattárház) Adatbányászat: speciálisan felépített „adatkockákon” végzett kutató-mintakereső műveletek (lefúrás, aggregálás, szeletelés, forgatás, mintakeresések, osztályozási eljárások, stb.) Adatbányászati eszközök: speciális lekérdezési, adat-tisztítási, áttöltési, lekérdező szoftverek, speciális „mesterséges intelligencia” algoritmusok Adatbányászati alkalmazások: az eszközökre épített üzleti intelligencia – rendszerek, iparág, vagy probléma- specifikusan, rugalmas, kész eszközválasztékot kínálva Tudásmenedzsment, KM: a tudás megszerzését, feltárását, közzétételét, értékelését és fejlesztését szolgáló emberi és gépi eljárások összessége – a tudás, mint vállalati erőforrás hatékony kihasználása, menedzselése Tudásfeltárás adatbázisokból: KDD meglévő adatbázisok intelligens algoritmusokkal történő elemzése, új összefüggések keresése céljából Üzleti intelligencia, BI: a vállalati (egyéni és csoportos) döntéseket elősegítő újszerű információ- és tudás-menedzselési eljárások, speciális adatszervezési megoldások komplex összessége

48 Info architektúrák I. Dobay Péter, PTE KTK 48 /46 A technikák fejlődése


Letölteni ppt "Info architektúrák I. Dobay Péter, PTE KTK 1 /46 Információrendszer-architektúrák 7. Az Üzleti Intelligencia architektúrái 1. Üzleti intelligencia: reporting."

Hasonló előadás


Google Hirdetések