Главная
страница 1страница 2 ... страница 11страница 12

Оглавление


Глоссарий 1

Введение 2

Постановка задачи 5

1. OLAP – средство оперативного анализа данных 6

1.1Введение в OLAP 6

1.2 Хранилища данных 12

1.3 Многомерная модель данных 17

1.3.1 Реализация многомерной модели данных 26

1.4 Классификация OLAP-продуктов 29

1.4.1 Классификация по способу хранения данных 30

1.4.2 Классификация по месту размещения OLAP-машины 32

2. Исследование предметной области разрабатываемого модуля многомерного анализа данных 35

2.1 Цели и задачи СППР РЭП 35

2.2 Структура СППР РЭП 37

2.3 Основные объекты автоматизации СППР РЭП 37

2.4 Цели и задачи разрабатываемого модуля для СППР РЭП 39

3. Исследование возможностей современных OLAP-серверов 40

2.1 Выбор критериев для сравнения 42

3.2 Microsoft Analysis Services 45

3.3 Oracle Essbase 47

3.4 IBM Cognos TM1 48

3.5 Pentaho Mondrian 50

3.6 Jedox Palo 52

3.7 Результаты 54

4. Разработка хранилища данных и многомерных OLAP-кубов 57

4.1 Проектирование и разработка многомерного куба «Анализ показателей организаций-исполнителей» 60

4.2 Проектирование и разработка многомерного куба «Анализ стоимости мероприятий» 65

4.3 Проектирование и разработка многомерного куба «Анализ рисков и оценочной стоимости предложений» 69

4.4 Результаты 81

5. Разработка модуля многомерного анализа данных для СППР РЭП 82

5.1 Настройка OLAP-сервера 83

5.2 Подключение визуализатора в СППР РЭП 84

5.3 Результаты 88

Заключение 88

Список литературы 89

Приложения 90




Глоссарий




OLTP (Online Transaction Processing)

— обработка транзакций в реальном времени. Способ организации БД, при котором система работает с небольшими по размерам транзакциями, но идущими большим потоком, и при этом клиенту требуется от системы максимально быстрое время ответа. OLTP-системы оптимизированы для небольших дискретных транзакций.

Хранилище данных (ХД) (англ. Data Warehouse)

— очень большая предметно-ориентированная информационная корпоративная база данных, специально разработанная и предназначенная для подготовки отчётов, анализа бизнес-процессов с целью поддержки принятия решений в организации. Строится на базе клиент-серверной архитектуры, реляционной СУБД и утилит поддержки принятия решений. Данные, поступающие в хранилище данных, становятся доступны только для чтения.




































Введение


Современные условия ведения бизнеса, характеризующиеся возрастающей жесткой конкуренцией и нестабильностью экономических условий, предъявляют повышенные требования к оперативности и качеству принимаемых решений на всех уровнях управления предприятием или организацией. Поддержка принятия решений предполагает владение актуальной всеобъемлющей информацией о состоянии и тенденциях развития бизнеса методами и средствами Business Intelligence (BI). При этом объем информации, которую необходимо учитывать для формирования оптимальных обоснованных решений, неуклонно растет.

Это приводит к ситуации, когда становится невозможно эффективно управлять компанией без использования современных средств информационного обеспечения, а именно, методов и средств бизнес-аналитики. Бизнес-аналитика - это такие технологии, дающие возможность организациям превращать накапливаемые данные в информацию о бизнесе, а затем информацию - в знания для управления бизнесом, объединяются под термином Business Intelligence или BI решения.

За последние 20 лет информационно-аналитические системы меняли свои названия и содержание, пройдя путь от информационных систем руководителя (executive information systems, EIS) до систем поддержки принятия решений (decision support systems, DSS).

Во времена больших ЭВМ и миникомпьютеров, когда у большинства пользователей не было прямого доступа к компьютерам, организации зависели от своих подразделений ИТ, которые обеспечивали их стандартными и параметрическими отчетами. Но чтобы получить отчеты, отличные от стандартных, пользователям нужно было заказывать их разработку и ждать в течение нескольких дней или недель.

Приложения EIS были настроены на нужды руководителей и менеджеров и давали возможность получать основную агрегированную информацию о состоянии их бизнеса в виде таблиц или диаграмм. Обычно они включали регламентные запросы с набором параметров. Такие пакеты обычно разрабатывались силами своих подразделений ИТ. Для получения дополнительной информации и проведения дальнейшего анализа применялись другие приложения или создавались по заказу запросы или отчеты на языке SQL.

Приложения DSS первого поколения были пакетами прикладных программ с динамической генерацией SQL-скриптов по типу запрашиваемой пользователем информации. Они позволяли аналитикам получать информацию из реляционных БД, не требуя знания языка SQL. В отличие от EIS приложения DSS могут отвечать на широкий спектр вопросов бизнеса, имеют несколько вариантов представления отчетов и определенные возможности форматирования. Однако гибкость таких пакетов все же была ограничена из-за ориентации на конкретный набор задач.

С приходом ПК и локальных сетей следующее поколение приложений DSS строится уже на основе BI и позволяет пользователю-непрограммисту легко и оперативно извлекать информацию из различных источников, формировать собственные настраиваемые отчеты или графические представления, проводить многомерный анализ данных. Развитие систем бизнес-аналитики прошло путь от «толстых» клиентов до Web-приложений, в которых пользователь ведет исследование с помощью браузера и может работать удаленно.

Сам термин «Business Intelligence» и его идея были предложены в 1989 году Говардом Дреснером – сотрудником исследовательской группы GartnerGroup. Он использовал термин BI для того, чтобы описать «процесс, который включает доступ и исследование информации, ее анализ, выработку интуиции и понимания, которые ведут к улучшенному и неформальному принятию решений».

В основе технологий BI лежит организация доступа конечных пользователей и анализ структурированных количественных по своей природе данных и информации о бизнесе. BI порождает итерационный процесс бизнес-пользователя, включающий доступ к данным и их анализ, и тем самым проявление интуиции, формирование заключений, нахождение взаимосвязей, чтобы эффективно изменять предприятие в положительную сторону. BI имеет широкий спектр пользователей на предприятии, включая руководителей и аналитиков.

Цель технологий BI - своевременно принимать решения, основываясь на корректных данных. Сегодня создание и внедрение BI технологий сформировалось в самостоятельное динамично развивающееся направление индустрии информационных технологий (ИТ).

Из всех категорий BI-продуктов можно выделить следующие:



  • Средства генерации отчётов и диаграмм (Reporting)

  • Средства оперативной аналитической обработки данных (OLAP)

  • Средства интеллектуального анализа данных (Data Mining)

  • Средства переноса и интеграции данных (ETL)

Как правило, вышеперечисленные средства объединяются в корпоративные BI-наборы (enterprise BI suites, EBIS).

В данной ВКР рассматриваются технологии оперативной аналитической обработки данных (OLAP), а именно, исследуются подходы и инструменты к построению хранилищ данных, многомерных кубов и визуализации аналитической обработки данных.

На основе результатов исследований разрабатывается модуль многомерного анализа данных в системе поддержки принятия управленческих решений с учётом финансово-экономических и производственно-технологических рисков предприятий. Данная система позволяет оценивать риски выполнения предприятиями радиоэлектронной промышленности государственных заказов и выдавать советы для принятия управленческих решений.

ВКР разрабатывается в рамках НИР «Разработка методологии оценки финансово-экономических и технологических рисков выполнения предприятиями радиоэлектронной промышленности федеральных целевых программ и государственных оборонных заказов».



следующая страница >>
Смотрите также:
2. Исследование предметной области разрабатываемого модуля многомерного анализа данных 35
572.04kb.
9 стр.
2. Исследование предметной области разрабатываемого модуля многомерного анализа данных 35
816.08kb.
12 стр.
Особенности анализа многомерных данных
170.74kb.
1 стр.
Отчет о лаботарорной работе методы и средства анализа данных по теме: «Система анализа данных weka»
383.87kb.
2 стр.
Диссертация посвящена вопросу оперативного многомерного анализа данных (olap) в системах поддержки принятия решений (сппр). Рассматривается класс систем, учитывающих для формирования оптимальных решений изменяемые с течением времени факторы
945.67kb.
7 стр.
12 Пример применения: оптимизация зоны обслуживания на основе векторных данных
52.42kb.
1 стр.
Формула специальности: Содержанием специальности 22. 00. 04 – «Социальная структура, социальные институты и процессы»
36.75kb.
1 стр.
Дипломная работа студента Коробкина А. А
588.33kb.
4 стр.
Отчет о лаботарорной работе по дисциплине Методы и средства анализа данных по теме: «Система анализа данных weka»
229.16kb.
1 стр.
Лабораторные работы по дисциплине "Теория экономических информационных систем"
95.98kb.
1 стр.
Исследование предметной области 11 2 Проектирование системы 24 3 Разработка системы 38
421.31kb.
1 стр.
Место теории измерений в методах анализа данных
266.06kb.
1 стр.