slide1
Download
Skip this Video
Download Presentation
ארכיטקטורה כלל ארגונית

Loading in 2 Seconds...

play fullscreen
1 / 53

ארכיטקטורה כלל ארגונית - PowerPoint PPT Presentation


  • 141 Views
  • Uploaded on

ארכיטקטורה כלל ארגונית. תרשים 1.2. מערך מחשוב מבוזר והטרוגני. מחשב: Intel. מערכת הפעלה: Windows/NT. מחשבים: י.ב.מ, Compaq , HP , SUN. מערכת הפעלה: UNIX. בסיסי נתונים: 2/ DB , Sybase , Informix. מה נמצא במחסן נתונים.

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 'ארכיטקטורה כלל ארגונית' - avalon


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
slide3
מערך מחשוב מבוזר והטרוגני

מחשב: Intel

מערכת הפעלה: Windows/NT

מחשבים: י.ב.מ, Compaq, HP, SUN

מערכת הפעלה: UNIX

בסיסי נתונים: 2/DB,Sybase,Informix

slide4
מה נמצא במחסן נתונים
  • במחסן - ישנם: * נתונים * כלים לעיבוד אנליטי
  • הכלים מאפשרים השגת יתרון אסטרטגי
slide5
כלים במחסן
  • * מחוללי שאילתות ודוחות * מערכות DSS * מערכות EIS* מערכות OLAP ( Multi Dimension Data Analysis) *מערכות לכריית נתונים - Data Mining
slide12
סוגי שאלות
  • מערכת תפעולית
  • מחסן נתונים
slide15
שכבת הגישה לנתונים
  • נתונים תפעוליות ונתונים חיצוניים
  • שימוש בכליETL – Extract, Transition and Load
  • לדוגמא: * Data Stage של IBM ו- Matrix בתור ספק * EDA/SQL של חברת IBM * Informatica של Informatica
  • מאפשרים גישה שקופה למגוון מקורות נתונים: * קבצים שטוחים כגון: קבצי VSAM * בסיסי נתונים היררכיים כגון: IMS או IDMS * בסיסי נתונים טבלאיים כגון: Oracle, Informix, Sybase, SQL Server
data base layer
שכבת מחסן (בסיס) הנתונים הארגוניData Base Layer
  • בסיס נתונים טבלאי
  • הטענה באמצעות ETL
  • * נבנים אינדקסים * מחושבים סיכומים
slide17
מחוללי שאילתות ודוחות – כלים מובילים
  • מחוללי שאילתות: * Business Object של חברת Business Object * Discover של חברת Oracle * Impromptu של חברת Cognos * Brio Enterprise של חברת Brio Technologies
online analytic processing olap
כלי ניתוח רב-מימדי(Online Analytic Processing)OLAP
  • כלים מובילים:
  • Tm1 (Applix)
  • Business Object/Olap של Business Object
  • SAS/MDDB של SAS
slide19
כריית נתונים
  • כלים מובילים: * Clementine של חברת SPSS* SAS/Miner של חברת SAS * Intelligent Miner של חברת IBM * Data Mind Professional של חברת DataMind
data mart architecture
מרכול הנתוניםData Mart Architecture
  • רקע: * זמן ארוך להקמה * הסכמה למשמעות הנתונים *הסכמה לעדיפות הנושאים * לחצים לקבלת מידע * דרישות מידע משתנות
data mart
מרכול הנתונים Data Mart
  • תרשים 2.2
  • תרשים 2.4
multi tier data warehouse
מחסן נתונים רב-שכבתיMulti Tier Data Warehouse
  • משלב בתוך ארכיטקטורה אחת מחסן נתונים ארגוני יחד עם מספר לא מוגבל של מרכולי נתונים
slide23
טכנולוגיות עבור תהליכים אנליטיים
  • מבוססי אימות
  • מבוססי גילוי
slide24
טכנולוגיות עבור תהליכים אנליטיים מבוססי אימות
  • בנית הנחה והפעלת טכניקות כדי לאושש/לסתור
  • התהליך מבוסס על - * אינטואיציה * יכולתו להניח הנחות * יכולתו לבנות שאילתות * יכולתו לפרש * יכולת לבחון תבניות
slide25
טכנולוגיות עבור תהליכים אנליטייםמבוססי אימות
  • הטכנולוגיות המתאימות: * מחוללי שאילתות * מחוללי דוחות * כלי ניתוח רב-מימדי
slide26
טכנולוגיות עבור תהליכים אנליטייםמבוססי גילוי
  • גילוי קשרים
  • בעזרת לכלים מבוססי אלגוריתמים מתחום האינטליגנציה המלאכותית
slide27
טכנולוגיות עבור תהליכים אנליטיים מבוססי גילוי
  • הטכנולוגיות המתאימות – כלי כריית נתונים
  • גילוי - * יחסים * הקבצות * קשרים * תבניות
slide28
טכנולוגיות עבור תהליכים אנליטיים מבוססי גילוי
  • הטכנולוגיות המתאימות: * כלי ניתוח רב-מימדי * כלי כריית נתונים
slide30
ייצוג רב-מימדי
  • לכל מימד מספר אלמנטים (Dimension attributes)
  • משמשים לצורך חיתוך המידע
slide36
הקובייה הרב-מימדית
  • כל פאה מייצגת מימד עסקי
  • בנקודת המפגש בין הממדים (לדוג': זמן, חנות, מוצר) נמצאות עובדות (דוג': מכירות)
  • המשתמש מתעניין בפרוסה (Slice) מתוך הקובייה בעלת מספר מצומצם של מימדים
slide37
הקובייה הרב-מימדית
  • יצירת מספר פרוסות מידע
  • המשתמש יכול: * לסובב את הקובייה * לבצע קידוח כלפי מטה * לנוע כלפי מעלה *להסיק מסקנות *להיעזר בעשיית החלטות *להשיג יתרון אסטרטגי * לבצעמבחני רגישות
slide41
הצגת מידע מותאם אישית לצורכי המשתמש
  • ניתן להציג או להסתיר אלמנטים מסוימים מתוך אותו ממד
  • לדוגמא: ??
aggregate view
נקודות מבט סיכומיות (Aggregate View)
  • סיכום ממד אחד או יותר
  • לדוגמא: הצגת סך כל המכירות לפי חנויות על פני כל המוצרים ועל פני כל החודשים
  • שימוש באינדקסים
derived data
עמודות / שורות מחושבות (Derived data)
  • יצרת שורות/עמודות חדשות הנובעות ממניפולציה מתמטית על הנתונים
slide44
צורת החישוב
  • * Pre-calculate * On the Fly - בזמן אמת
  • יתרונות ???
  • חסרונות ???
slide45
צורת החישוב
  • MS-OLAP (Analysis Services) * Pre calculate * מתחילים עכשיו On the fly
  • Oracle 10G OLAP - Pre calculate
  • TM1 – On the fly (זמן אמת)
slide48
עושר באופרטורים
  • בחירת מימדים (Dimension selection)
  • החלפת/הוספת מימדים (Dimension switching)
  • סיבוב ממדים (Rotate)
  • סיבוב סביב הציר (Pivoting)
  • פריסה וחיתוך (Slicing and Dicing)
  • חישוב נתונים (Calculated Data)
  • קידוח מטה(Drill down)בהיררכית הממד
slide51
אופרטורים נפוצים
  • קידוח מעלה(Drill up)
  • קבלת פירוט מעבר למנוהל בבסיס הנתונים הרב-מימדי (Reach through)
  • שימוש באופרטורים קבוצתיים AND, OR, NOT, UNION לדוגמא: המכירות בחנויותחדשותבקניונים בלבד באזור חיפה ורמת גן
slide53
מגבלות גודל הקוביה הרב-מימדית
  • מספר תאים מוגבל
  • קוביה עם 500 מוצרים, 52 שבועות, 300 חנויות, 50 מבצעי מכירה תהיה בת 39,000,000 תאים
  • קוביה דלילה (Sparse cube)היא קוביה בה מס' התאים הריקים גדול
  • אין שמירת תאים ריקים
ad