Döntéstámogató rendszerek I.

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

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: 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:

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: EIS MIS CRM BSC stb. Datawarehouse Tranzakciós adatbázis

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

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

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

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

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

28. A multidimenzionális adatmodell Termék Idő Régió 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:

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. 1998. 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.

42. Az SQL Server 2000 Analysis Services tulajdonságai III.

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. 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.