هوش تجاری (سری سوم)

1. مدرس: دکتر احمد عبداله‏زادهبارفروش تدریس‏یار: سهیل محمدی هوش تجاری (سری سوم) آزمایشگاه سیستم‏های هوشمند (http://ce.aut.ac.ir/islab)

2. سیستم‎هایتصمیم‏یار مورد استفاده قرار می‎گیرند تا غالبا بر اساس داده‎های جمع آوری شده توسط سیستم‎های پردازش تراکنش برخط (OLTP)، در تصمیم گیری در کسب و کار کمک نمایند (نه این که تصمیم گیری کنند). مثال‎هایی از تصمیم‎های کسب و کار: چه اقلامی باید در انبار ذخیره گردند؟ چه حقوق بیمه‎ای باید تغییر یابد؟ تبلیغات برای چه کسانی باید ارسال گردد؟ مثال‎هایی از داده‎هایی که برای تصمیم گیری مورد استفاده قرار می‏گیرند: جزئیات تراکنش‎های خرده فروشان پروفایل‎های مشتریان (درآمد، سن، جنسیت و ...) سیستم‎هایتصمیم‎یار آزمایشگاه سیستم های هوشمند (http://ce.aut.ac.ir/islab)

3. وظایف تحلیل داده توسط ابزار‎های تخصصی و توسعه‎هایSQL ساده شده‎اند. مثال‏هایی از وظایف تحلیل داده: برای هر دسته بندی محصولات و هر منطقه، مجموع فروش در سه ماهه پایان سال چقدر بوده است و چگونه می‎توان آن را با مجموع فروش در زمان مشابه سال گذشته مقایسه نمود؟ مانند مثال فوق، این مقایسه بر روی هر دسته از محصولات و هر دسته از مشتریان نیز انجام می‏گیرد. تحلیل داده آزمایشگاه سیستم های هوشمند (http://ce.aut.ac.ir/islab)

4. تحلیل آماری بسته‎های تحلیل آماری (مانند S++) که می‎توانند با پایگاه داده‎ها در ارتباط باشند. داده کاوی داده کاوی جستجو می‎کند تا دانش را به شکل الگو‏ها و قواعد آماری از پایگاه داده‎های بزرگ به طور خودکار کشف نماید. پایگاه داده تحلیلی یک پایگاه داده تحلیلی، اطلاعات جمع آوری شده از منابع متعدد را بایگانی نموده و آن‎ها را بر اساس یک طرح یکپارچه در یک سایت ذخیره می‎کند. برای کسب و کار‏های بزرگ مهم است که از بخش‎هایمتعدد و در صورت امکان در سایت‎هایمتعدد، داده تولید نمایند. ممکن است داده‏ها از بیرون خریداری شوند. انواع روش‎های تحلیل داده آزمایشگاه سیستم های هوشمند (http://ce.aut.ac.ir/islab)

5. فرض کنید کارخانه ایران خودرو محصولات مختلفی از قبیل پژو، سمند، وانت و غیره را تولید می‎کند. همچنین، این کارخانه در شهر‎هایمختلف دارای نمایندگی است و مدیران کارخانه می‎خواهندعملکرد فروش محصولات خود در شهر‏هایمختلف را تحلیل کنند. OLAP سرویسی است که وظیفه آن پاسخ سریع به سوالات مربوط به کسب و کار است. سوالاتی از قبیل: در مهرماه سال 90 میزان فروش پژو در تهران به چه میزان بوده است؟ در شهر اصفهان کدام نوع خودرو بیش‎ترینفروش را داشته است؟ میزان فروش سال 90 نسبت به سال 89 چقدر تفاوت دارد؟ کدام رنگ سمند بیش‏تر به فروش می‏رود؟ با توجه به هزینه‏هایتولید و میزان فروش، سود حاصل از کدام محصول بیش‏تراست؟ OLAP به تمامی این سوالات در کم‏ترینزمان ممکن پاسخ می‏دهد. مأموریت OLAP آزمایشگاه سیستم های هوشمند (http://ce.aut.ac.ir/islab)

6. زیرساخت داده‎ایOLAP OLTP OLAP Database Data Warehouse ROLAP HOLAP MOLAP Relational DB Relational DB Multi-dimensional DB Cubes Tables Tables داده غیرمجتمع آزمایشگاه سیستم های هوشمند (http://ce.aut.ac.ir/islab) داده مجتمع

7. زیرساخت داده‎ایدر OLAP پایگاه داده تحلیلی می‎باشد؛ در حالی که در OLTP، پایگاه داده زیرساخت داده‏ایاست. در OLAP دو نوع داده وجود دارد که عبارتند از: داده‏هایغیر مجتمع داده‏های مجتمع زیرساخت داده‏ایOLAP آزمایشگاه سیستم های هوشمند (http://ce.aut.ac.ir/islab)

8. چهار روش برای ذخیره سازی در OLAP وجود دارد: ROLAP(Relational OLAP): اگر هم داده‏های مجتمع و هم غیرمجتمع در پایگاه داده رابطه‎ای ذخیره شوند. MOLAP(Multi-dimensional OLAP): اگر هم داده‏های مجتمع و هم غیرمجتمع در پایگاه داده ابعادی ذخیره شوند. HOLAP(Hybrid OLAP): اگر داده‏های غیر مجتمع در پایگاه داده رابطه‏ای و داده‏های مجتمع در پایگاه داده ابعادی ذخیره شوند. DOLAP(Desktop OLAP). زیرساخت داده‏ایOLAP آزمایشگاه سیستم های هوشمند (http://ce.aut.ac.ir/islab)

9. 1992 (Inmon): پايگاه داده تحليلی، پايگاهداده‏ايبه منظور تصميمگيريمي‏باشدكهدارايخصوصياتغير قابل تغيير، در يك محدوده وسيعزماني، يكپارچه و مبتني بر موضوع است. (طراحی بالا به پایین) 1995 (Imhoff): مجموعه‏اياز پايگاهداده‏هاييكپارچه، مبتني بر موضوع و بهينهطراحي شده برايپشتيباني از سيستم‏هايتصميم‏يار. 1996 (Kimball): منبعيكهكاربراننهاييمي‏توانند در آن به داده‏هايشاندسترسيپيداكنند. (طراحی پایین به بالا) 1997 (Abbey & Corey): مجموعه‏اياز اطلاعات يكي شده حاصل از سيستم‏هايعملياتي و برخي منابع داده خارجي با هدف پشتيباني از تصميمگيري‏هايتجاري. مروری بر تعاریف پایگاه داده تحلیلی آزمایشگاه سیستم های هوشمند (http://ce.aut.ac.ir/islab)

10. جامع‏ترينتعريف: منبع داده جمع آوري شده از داده‏هايمنابع اطلاعاتي مختلف و حتيناهمگن تحت يك ساختار در يك محدوده وسيعزماني با هدف پاسخ‏گوييبه پرسش‏هايتحليليكاربران مروری بر تعاریف پایگاه داده تحلیلی آزمایشگاه سیستم های هوشمند (http://ce.aut.ac.ir/islab)

11. پوشش دامنه زمانيوسيع‏تر يكپايگاه داده یكپارچهحاصل از پردازش چندينپايگاه داده عملياتي قابليتپاسخ‏گوييبه پرسش‏هايپيچيدهكاربران و برنامه‏هايكاربردي تفاوت پایگاه داده تحلیلی با پایگاه داده عملیاتی آزمایشگاه سیستم های هوشمند (http://ce.aut.ac.ir/islab)

12. مبتني بر موضوع سازماندهيداده‏هابسته به چگونگي ارجاع كاربران یكپارچگی يكپارچهسازياسامي يكپارچهسازيواحدهاي اندازه گيريمتغيرها يكپارچهسازيساختارهايداده‏اياز نظر محدوده ارزش‏ها حذف ناسازگاري‏هاو اطلاعات متناقض غيرقابل تغيير داده‏هايفقط خواندني مشخصات پایگاه داده تحلیلی آزمایشگاه سیستم های هوشمند (http://ce.aut.ac.ir/islab)

13. محدوده وسيعزماني محيط‏هايعملياتي: گستره زماني60 تا 90 روز پايگاه داده تحليلی: گستره زماني5 تا 10 سال خلاصه شده داده‏هايتحليلي مناسب برايتصميمگيري‏هابر اساس اهداف تعيينشده حجيم به علت محدوده وسيعزماني نرمال نشده امكان وجود افزونگي مشخصات پایگاه داده تحلیلی آزمایشگاه سیستم های هوشمند (http://ce.aut.ac.ir/islab)

14. داده جاري داده‏هايفعلي منابع عملياتي داده قديمي داده‏هايقديمي منابع اطلاعاتي داده خلاصه شده داده‏هاينتيجه شده از داده‏هايموجود و پردازش‏هاي مرتبط فراداده اطلاعات مربوط به داده‏ها ديكشنري از اطلاعات پايگاه راهنمايي جهت نگاشت داده از محيطعملياتي به محيطپايگاه داده تحليلی قواعد استفاده شده براي خلاصه سازي انواع داده در پایگاه داده تحلیلی آزمایشگاه سیستم های هوشمند (http://ce.aut.ac.ir/islab)

15. معمارييكپايگاه داده تحليلي شامل سه لايهميباشد: لایه زیرین، منابع اوليه داده را تشكيلمي‏دهد. این لایه شامل پایگاه‏هايداده رابطه‏اي، فايل‏هايمسطح و منابع ديگر است. لایه میانی را خود پایگاه داده تحلیليو سرویس دهنده‏هايپردازش تحلیلی برخط تشكيلمي‏دهند. سرويسدهنده‏هايپردازش تحليليبرخط، داده چند بعدي را براي ارائه به كاربراننهايي در اختيار قرار مي‏دهند. لایه انتهایی، سرويسگيرنده‏هاهستند كه با عمليات داده كاوي، پرس‏و‏جوو تحلیل، داده را از سرويسدهنده‏هايپردازش تحلیلی بر خط مي‏گیرند. معماری پایگاه داده تحلیلی آزمایشگاه سیستم های هوشمند (http://ce.aut.ac.ir/islab)

16. معماری پایگاه داده تحلیلی (پایین به بالا) (Kimball) آزمایشگاه سیستم های هوشمند (http://ce.aut.ac.ir/islab)

17. معماری پایگاه داده تحلیلی (بالا به پایین) (Inmon) آزمایشگاه سیستم های هوشمند (http://ce.aut.ac.ir/islab)

18. به منظور ایجاد یک پایگاه داده تحلیلی تکنیک ها و فرایند های زیر می بایست مورد استفاده قرار گیرند: مدل سازی ابعادی ETL (Extraction, Transformation, Load) مجتمع سازی ایندکس گذاری پارتیشن سازی تکنیک‏ها و فرآیند‏های پایگاه داده تحلیلی آزمایشگاه سیستم های هوشمند (http://ce.aut.ac.ir/islab)