ארכיטקטורה כלל ארגונית

1

ארכיטקטורה כלל ארגונית

1.2תרשים •

2

3

מערך מחשוב מבוזר והטרוגנימערך מחשוב מבוזר והטרוגני

, . . מ: ב י ,Compaq, HPמחשביםSUN : הפעלה UNIXמערכת

: נתונים ,DB, Sybase/2בסיסיInformix

Intelמחשב:

: הפעלה מערכתWindows/NT

4

מה נמצא במחסן נתונים

במחסן - ישנם: • * נתונים

* כלים לעיבוד אנליטי

יתרון אסטרטגיהכלים מאפשרים השגת •

5

כלים במחסן

מחוללי שאילתות ודוחות *• DSS * מערכות EIS מערכות *

מערכות * OLAP

( Multi Dimension Data Analysis) מערכות לכריית נתונים *

-Data Mining

6

השוואת מאפייני יישומים תפעוליים ויישומים תומכי החלטות

7

השוואת מאפייני יישומים תפעוליים ויישומים תומכי החלטות

8

השוואת מאפייני יישומים תפעוליים ויישומים תומכי החלטות

9

השוואת מאפייני יישומים תפעוליים ויישומים תומכי החלטות

10

השוואת מאפייני יישומים תפעוליים ויישומים תומכי החלטות

11

השוואת מאפייני יישומים תפעוליים ויישומים תומכי החלטות

12

סוגי שאלות

מערכת תפעולית•מחסן נתונים••

13

מערכות תפעוליות ומחסן נתונים בחוג סגור

5.1תרשים •

14

ארכיטקטורת מחסן נתונים ארגוניEnterprise Data Warehouse Architecture

2.1תרשים •

15

שכבת הגישה לנתונים

נתונים חיצוניים ונתונים תפעוליות•

ETL – Extract, Transition and Load שימוש בכלי•

לדוגמא: * •Data Stage של IBM -ו Matrix בתור ספק

* EDA/SQL של חברת IBM * Informatica של

Informatica מאפשרים גישה שקופה למגוון מקורות נתונים: •

VSAM * קבצים שטוחים כגון: קבצי IMS * בסיסי נתונים היררכיים כגון:

* בסיסי נתונים טבלאיים כגון: IDMSאו Oracle, Informix, Sybase, SQL Server

16

שכבת מחסן )בסיס( הנתונים הארגוני

Data Base Layerטבלאיבסיס נתונים •

ETLהטענה באמצעות •

אינדקסים* נבנים •סיכומים * מחושבים

17

מחוללי שאילתות ודוחות – כלים מובילים

מחוללי שאילתות: • * Business Object של חברת

Business Object * Discover של חברת Oracle

* Impromptu של חברת Cognos * Brio Enterprise של

Brio Technologiesחברת

18

כלי ניתוח רב-מימדי )Online Analytic Processing( OLAP

כלים מובילים:•

•Tm1 (Applix)

• Business Object/Olap של Business Object

•SAS/MDDB של SAS

19

כריית נתונים

כלים מובילים: • * Clementine של חברת SPSS

* SAS/Miner של חברת SAS * Intelligent Miner של חברת IBM

* Data Mind Professional של DataMindחברת

20

מרכול הנתוניםData Mart Architecture

רקע: •ארוך להקמה זמן *

הנתונים למשמעות * הסכמה לעדיפות הסכמה *

לחציםהנושאים * לקבלת מידע *

משתנותמידע דרישות

21

Data Martמרכול הנתונים

2.2תרשים •

2.4תרשים •

22

מחסן נתונים רב-שכבתיMulti Tier Data Warehouse

משלב בתוך ארכיטקטורה אחת מחסן נתונים •ארגוני יחד עם מספר לא מוגבל של מרכולי

נתונים

23

אימותמבוססי •

גילוימבוססי •

טכנולוגיות עבור תהליכים אנליטיים

24

טכנולוגיות עבור תהליכים אנליטיים

מבוססי אימות והפעלת טכניקות כדי בנית הנחה•

לאושש/לסתורהתהליך מבוסס על - •

אינטואיציה * הנחות * יכולתו להניח

שאילתות * יכולתו לבנות לפרש * יכולתו

תבניות * יכולת לבחון

25

טכנולוגיות עבור תהליכים אנליטייםמבוססי אימות

: הטכנולוגיות המתאימות• * מחוללי שאילתות * מחוללי דוחות

* כלי ניתוח רב-מימדי

26

טכנולוגיות עבור תהליכים אנליטייםמבוססי גילוי

גילוי קשרים •

בעזרת לכלים מבוססי אלגוריתמים מתחום •האינטליגנציה המלאכותית

27

טכנולוגיות עבור תהליכים אנליטיים מבוססי גילוי

כלי כריית נתוניםהטכנולוגיות המתאימות – •

גילוי - • * יחסים * הקבצות * קשרים

* תבניות

28

טכנולוגיות עבור תהליכים אנליטיים מבוססי גילוי

: הטכנולוגיות המתאימות• * כלי ניתוח רב-מימדי * כלי כריית נתונים

29

ניתוח רב ממדי –עובדות ומימדים

30

)Dimension attributes (אלמנטיםלכל מימד מספר • המידע חיתוךמשמשים לצורך•

ייצוג רב-מימדי

31

שאלות מעניינות?

• ?

32

היררכיה בתוך מימדים

4.6תרשים •

33

הוספת היררכיה למימדים עסקיים

34

שאילתות כתוצאה מהוספת היררכיה למימדים

•?

35

ריבוי היררכיות בתוך מימד

36

הקובייה הרב-מימדית

עסקימימדכל פאה מייצגת •

הממדים בנקודת המפגש בין •(לדוג': זמן, חנות, מוצר)

(דוג': מכירות)עובדות נמצאות

) מתוך Slice (בפרוסההמשתמש מתעניין •הקובייה בעלת מספר מצומצם של מימדים

37

הקובייה הרב-מימדיתפרוסות מידעיצירת מספר •

המשתמש יכול: • את הקובייה לסובב *

כלפי מטה קידוח * לבצע מעלה * לנוע כלפי

מסקנות להסיק * להיעזר בעשיית *

*החלטות יתרון אסטרטגי להשיג

רגישותמבחני לבצע *

38

נקודת מבט של מנהל מוצר

39

נקודת מבט של מנהל החנות

40

קובייה רב-מימדית עם היררכיות

41

הצגת מידע מותאם אישית לצורכי המשתמש

אלמנטים מסוימים להסתיראו להציג ניתן •אותו ממד מתוך

לדוגמא: ?? •

42

(Aggregate Viewנקודות מבט סיכומיות )

סיכום ממד אחד או יותר• חנויות לפי המכירותלדוגמא: הצגת סך כל •

החודשים ועל פני כל המוצרים על פני כל באינדקסיםשימוש•

43

(Derived dataעמודות / שורות מחושבות )

יצרת שורות/עמודות חדשות הנובעות •ממניפולציה מתמטית על הנתונים

44

צורת החישוב

• *Pre-calculate * On the Flyבזמן אמת -

יתרונות ???•

חסרונות ???•

45

צורת החישוב

•MS-OLAP (Analysis Services) * Pre calculate

On the fly * מתחילים עכשיו

•Oracle 10G OLAP - Pre calculate

•TM1 – On the fly(זמן אמת)

46

מבט רב-ממדי כאוסף של מבטים דו-ממדיים

47

טבלה עם ארבעה מימדים מקוננים

48

עושר באופרטורים )Dimension selection(מימדים בחירת –

Dimension(מימדים החלפת/הוספת –switching(

)Rotate ממדים (סיבוב–

)Pivoting (סיבוב סביב הציר–

)Slicing and Dicing (פריסה וחיתוך–

)Calculated Data נתונים (חישוב–

בהיררכית הממד (Drill down) קידוח מטה–

49

בהיררכית המימד קידוח מטה

50

קידוח מטה ע"י הוספת מימד נוסף

51

אופרטורים נפוצים (Drill up) קידוח מעלה•הנתונים • בבסיס למנוהל מעבר פירוט קבלת

(Reach through)הרב-מימדי

שימוש באופרטורים קבוצתיים • AND, OR, NOT, UNION

חדשות בחנויות לדוגמא: המכירות בלבד באזור חיפה ורמת גן בקניונים

52

מעבר מרמה סיכומית לרמת פירוט

53

מגבלות גודל הקוביה הרב-מימדית

מספר תאים מוגבל•

עם • מוצרים, 500קוביה שבועות, 52 חנויות, 300 תאים 39,000,000 מבצעי מכירה תהיה בת 50

דלילה • מס' (Sparse cube)קוביה בה קוביה היא התאים הריקים גדול

תאים ריקיםאין שמירת •