very basic of dw bi cpm
Download
Skip this Video
Download Presentation
Very basic of DW, BI, CPM

Loading in 2 Seconds...

play fullscreen
1 / 50

Very basic of DW, BI, CPM - PowerPoint PPT Presentation


  • 86 Views
  • Uploaded on

Very basic of DW, BI, CPM. Slavko Kastelic CSO. Agenda. Osnovni gradniki Data Warehouse Business Intelligence Corporate Performance Management. Minard 1869: Napoleon March to Moscow. http://cuatrotipos.files.wordpress.com/2008/03/chart-minard.jpg. US – Fiscal Chart From 1799-1870.

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about ' Very basic of DW, BI, CPM ' - nolan-moore


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
very basic of dw bi cpm

Very basic of DW, BI, CPM

Slavko KastelicCSO

agenda
Agenda
  • Osnovni gradniki
  • DataWarehouse
  • BusinessIntelligence
  • CorporatePerformanceManagement
minard 1869 napoleon march to moscow
Minard 1869: Napoleon March to Moscow

http://cuatrotipos.files.wordpress.com/2008/03/chart-minard.jpg

us fiscal chart from 1799 1870
US – Fiscal Chart From 1799-1870

http://timoelliott.com/blog/2010/03/stunning-business-intelligence-visualizations…-from-1830.html

year 2010

Dashboards

Year 2010

Scorecards

Statements

management
Management

Influences

Influences

Process

Sources

Results

Metrics

Metrics

Controller

Goals

Other

Data Flow

vmesni cilji
Vmesni cilji

Točka #1

Točka #2

Start

Cilj

5 min

5 min

5 min

spremljanje interno
Spremljanje - interno
  • KPI - Dashboard
  • Alerts – voda, olje, pas, nesreče, gneče...
  • Analize – board computer
bottom line 1812 vs 2010
Bottom Line: 1812 vs 2010
  • Nothing New - Except
vpliv latence na poslovno vrednost ukrepa
Vpliv latence na poslovno vrednost ukrepa

Poslovnidogodek

Podatekv DW

Informacija

Ukrepanje

Visoka

Poslovna vrednost

Nizka

Čas

podatki

analize

odločitve

vpliv latence na poslovno vrednost ukrepa1
Vpliv latence na poslovno vrednost ukrepa

Poslovnidogodek

Podatekv DW

Informacija

Ukrepanje

Visoka

Poslovna vrednost

Nizka

Čas

podatki

analize

odločitve

osnovni gradniki
Osnovni gradniki

MDM – Master Data Management

CPM

BI

Finančno in

regulatorno

poročanje

DI

Poročanje

DQ

Viri

Relacijski, ASCII, XML, aplikacije, ...

Interni viri

ERP

Analiza kock

OLAP analiza

Planiranje in

budžetiranje

Host

DWH

Podatkovno

skladišče(DW)

Salesforce

Ad hoc analiza

Marketing

Modeliranje in

Optimizacija

profitabilnosti

ETL

Obveščanje

Zunanji viri

Finančna

konsolidacija

AJPES

Banka

Data Mining

Data mart(DM)

Registri

Nadzorne plošče

Inkazalci

Vizualizacije

Metadata

slide20

Definicija DW

DW – DataWarehouse – Podatkovno skladišče

Je zbirka podatkov: organizirana po poslovnih področjih, integrirani, zgodovinski in so nespremenljivi. Vse to za potrebe izboljšati proces odločanja.

Vir: Bill Inmon

Je kopija transakcijskih podatkov, ki so strukturirani za poizvedbe in analize.

Vir:Ralph Kimbal, TheDataWarehouseToolkit

Zgodovina DW:

1960ta - General MillsinDartmouth College, v skupni raziskavi razvijeta pojme “dimension” in “fact”.

1970ta- ACNielsenin IRI naredijo prve “datamarte” za potrebe prodaje.

1983 - Teradatapredstavi bazo podatkov, ki je zasnovaa posebej za sisteme za podporo odločanju.

1988 - Barry Devlin in Paul Murphy objavita članekAn architecture for a business and information systems vIBM Systems Journalkjer objavita terimin"business data warehouse".

1990 - Red Brick Systems predstavi Red Brick Warehouse, baza podatkov, ki specializirana za podatkovna skladišča

1991 - Prism Solutions predstavi Prism Warehouse Manager, programsko opremo za izgradnjo podatkovnih skladišč.

1991 - Bill Inmonobjavi knjigo Building the Data Warehouse.

1995 – Ustavnovljen je The Data Warehousing Institute, je organizacija ki promovira podatkovna skladišča

1996 - Ralph Kimballobjavi knjigoThe Data Warehouse Toolkit.

Vir: Wikipedia

gradniki dw
Gradniki DW

Viri

Analitika

Aplikativni

strežnik

ETL, ELT

Podatkovno

skladišče

Meta podatki

transakcijski sistem
Transakcijski sistem
  • Dostop do podatkov je tipa pisanje in branje
  • Podatki so organizirani po aplikacijah
  • Podatki navadno niso standardizirani čez aplikacije
  • Zgodovina podatkov je ponavadi omejena na trenutno stanje

Sistem je optimiziran za procesiranje transakcij in ne za analitiko.

slide23

Podatkovno skladišče

Podatki v podatkovnih skladiščih so:

  • samo za branje
  • orientirani po področjih
  • integrirani
  • zgodovinski

Finance

Marketing

Podatki o

strankah

Prodaja

Nabava

Proizvodnja

Podatkovno skladišče je optimizirano za analitiko

slide24

ETL

ETL

  • Ekstrakcija, Transformacijain Load-prenosje proces:
  • Ekstrakcije podatkov iz različnih podatkovnih virov
  • Čiščenje in integracija podatkov
  • Prenos podatkov v podatkovno skladišče
slide25

Meta podatki

Podatkovno skladišče

Open the

district sales

analysis.

Select Sales_dollars,

District_id

From Fact_SkuDayStore

Lookup_district

District=District_id

in Lookup_District

Sales=Sum(Sales) in

Fact_ItemDayStore

Meta podatki

slide27

Definicija BI

BI – BusinessIntelligence – Poslovna Inteligenca oz. Poslovno Obveščanje

Izraz se nanaša na metode, tehnologije, aplikacije, prakso, ki pomagajo boljše razumeti poslovanje.

Je arhitektura in zbirka integriranih rešitev na operativnem nivoju in nivoju podpore odločanja ter baz podatkov, ki poslovnemu svetu zagotavljajo enostaven dostop do poslovnih podatkov.Vir: Moss, Atre: BusinessIntelligenceRoadmap

BI tehnologije nam omogočijo zgodovinski, trenutni in prediktivni vpogled v poslovanje. BI tehnologije vključujejo: Analitiko, OLAP, DataMining, Prediktivnoanalitiko, Alarme…

Namen BI je boljša podpora poslovnega odločanja, lahko tudi rečemo, da je BI sistem za podporo odločanju (Decision Support System).

BI in DW

Velikokrat BI aplikacije uporabljajo podatke iz podatkovnih skladišč. Vsa podatkovna skladišča se ne uporabljajo za BI in tudi vse BI aplikacije ne potrebujejo podatkovnega skladišča.

Zgodovina BI:

1958 – Je Hans Peter Luhn definiral izraz “BusinesIntellignece”, kot prezentacija dejstev na način, ki te vodijo h želenemu cilju.

1989 – Je HowardDresner(kasneje je postal analitik pri Gartner Group) predlagal BI kot skupni izraz ki opisuje: koncepte in metode kako izboljšati odločanje z uporabo “fact-based” sistemov.

Vir: Wikipedia

pogled na podatke olap

Trgovina

Izdelek

Ljubljana

Grozdje

Koper

Maribor

Češnje

Melone

Jabolka

Prodaja

Hruške

Stroški

Dobiček

Nabava

...

Q1

Q2

Q3

Q4

Čas

Pogled na podatke OLAP

Maribor

Maribor

Maribor

Češnje

Češnje

Češnje

Češnje

Češnje

Q4

Vir: dr. Jurij Jaklič, dr. Mojca Indihar Štemberger

data mining podatkovno rudarjenje
Data mining – podatkovno rudarjenje
  • Preprosto povedano: rudarjenje uporabljamo za odkrivanje vzorcev in povezav v podatkih z namenom boljših poslovnih odločitev.Robert Small, Two Crows
  • Je proces ekstrakcije veljavnih, prej nepoznanih informacij iz velikih baz podatkov, na podlagi katerih lahko ukrepamo.Cabena et al.: Discovering DM From Concept to Implementation
  • Avtomatizirano iskanje vzorcev, ki predstavljajo znanje in so implicitno spravljeni v velikih podatkovnih bazah, skladiščih in drugih velikih podatkovnih virih.
  • Tehnike, ki jih uporabljamo za iskanje spodaj ležečih struktur in povezav v velikih količinah podatkov.
vrste problemov naloge dm
Vrste problemov / naloge - DM
  • Karakterizacija in diskriminacija (opis razredov)
  • Asociacije (pravila povezav, kaj gre skupaj)
  • Klasifikacija (prireditev oznake)
  • Ocena (prireditev numerične vrednosti)
  • Napovedi (bodoče obnašanje)
  • Razvrščanje v skupine (clustering)
  • Evolucijska analiza (spremljanje sprememb obnašanja skozi čas - zaporedja)
data mining vs olap rolap

Poročanje in OLAP nam dajeta informacije iz zgodovinskih dejstev nam podatkovno rudarjenje lahko pomaga napovedati dogodke v prihodnosti

Poročanje in OLAP nam dajeta informacije iz zgodovinskih dejstev nam podatkovno rudarjenje lahko pomaga napovedati dogodke v prihodnosti

DataMiningvs. OLAP/ROLAP
cpm definicija
CPM Definicija

CPM – CorporatePerformanceManagement – Upravljanje učinkovitosti poslovanja

Je skupek upravljalskih in analitičnih procesov, ki omogočajo učinkovitost organizacije z namenom doseganja enega ali več izbranih ciljev.

CPM je del BI, ki vključuje spremljanje, upravljanje učinkovitosti organizacije, glede na KPI (ključne dejavnike uspeha) kot so promet, stroški, povračilo investicije…

Sinonimi: BPM, CPM, EPM

Zgodovina CPM:

Referenca CPM se pojavi v knjigi SunTzu z naslovom TheArtofWar. SunTzu razlaga,da moramo za zmago v bitki imeti dobro razumevanje naših prednosti in slabosti, enako velja za sovražnika. Pomanjkanje znanja na katerem koli področju se lahko konča s porazom.

Leta 1989 HowardDresner, raziskovalec pri Gartnerju označi BI kot izraz, ki pod isto streho uvršča metode za izboljševanje poslovnega odločanja na podlagi dejstev.

cpm aplikacije
CPM Aplikacije

Budgeting, PlanningandForecasting

DashboardsandScorecards

ProfitabilityModelingandOptimization

FinancialConsolidation

Financial, StatutoryandMgmt. Reporting

bi maturity model
BI Maturity Model

maturity model that benchmarks your progress in data warehousing and business intelligence

help you determine where you are, where to go next and how to get there

Wayne W. Eckerson, Director of TDWI Research (TheDataWarehousing Institute)

created 2004, renewed 2007, new aspects 2009

bi adoption curve
BI adoptionCurve
  • eight key categories(scope, sponsorship, funding, value, architecture, data, development, delivery)
  • fivestages, two gaps

Source: TDWIResearch

1 prenatal and infant stage
1. Prenataland Infant Stage

Typicaly

  • managementreporting (print)
  • operational reporting (OLTP)
  • spreadmarts (Excel, Access)
  • IT backlog -> powerfull end users
  • multiple truths
  • whathappened, willhappen

Cross the Gulf

  • executive sponsorship
  • funding
  • data quality
  • manage change
  • manage people

InformExecutives!

Source: TDWIResearch

2 child stage
2. ChildStage

Typical

  • first steps in DW
  • departmental
  • multiple data marts
  • first BI tool
    • query
    • reporting
    • ad hoc OLAP
  • power users
  • what happened

EmpowerWorkers!

Source: TDWIResearch

3 teenager stage
3. TeenagerStage

Typical

  • single consistent DW
  • cross departmental
  • standards (project, methodology)
  • BI manager
  • self service for power users
  • casual users
  • what is happening

Cross the Chasm

  • manage business changes
  • standardize semantics
  • move to corporate IT
  • prevent ‘report chaos’
  • keep up with business needs

Monitor Processes!

Source: TDWIResearch

4 adult stage
4. AdultStage

Typical

  • strategic enterprise DW
  • unified architecture
  • fully loaded
  • flexible and layered
  • just-in-time delivery
  • dashboards & scorecards
  • predictive analytics
  • centralized management
  • competence center
  • whatshouldwe do

DrivetheBusiness!

Source: TDWIResearch

5 sage stage
5. Sage Stage

Typical

  • framework of standards
  • center of excellence
  • federated development
  • extended enterprise(customers, suppliers)
  • BI and data services
  • decisionautomation
  • what can we offer

Drivethe Market!

EDW becomescommodity.

(like electricity, water, transportation)

Source: TDWIResearch

business value and roi
BusinessValueand ROI

- VALUE

- COST

Source: TDWIResearch

local control vs enterprise standards
LocalControlvsEnterpriseStandards

- STANDARDS

- FLEXIBILITY

Source: TDWIResearch

bi usage
BI Usage

- CASUAL USERS

- POWER USERS

Source: TDWIResearch

bi insight
BI Insight

- DATA FRESHNESS

- DECISION LATENCY

Source: TDWIResearch

slide49

?

Slavko Kastelic

[email protected]

ad