1. Source System Sislem operativnih zapisa cija je funkcija da"hvata' poslovne tran'sakcije. Izvorni sistem ^se. cesto naziva"tradicionaini sistem" (glavni sistem) u okruzenju veiikih "racunara.Glavni prioriteh izvomog sistema su stalna fuhkctonalnost idoslupnosl.Izvorni sistern moze biti biio koji tip organizovanihpodatakafbaze sa razlicitih platformi, textuaN' fajlovi, exeltablice^. _ )_2. data Staging Area Data Staging Area - storage podrucje iskup procesa koji ciste. transformisu, kombinuju, brisu duplikate,arhiviraju i pripremaju izvorne podatke za dalje koriscenje u OW-u to je "sve izmedu" soLirce system-a i prezentacionog sen/era.3. Presentation Server Presentation Server - je ciljna masina nakojoj je DW organizovan i pohranjen (store) za direktne upitekrajnjeg kohsnika, report writers i druge aplikacije.Podaci sesmestaju u dimenzionalnom obliku. Na njemu se nalazeaplikacije pomocu kojih krajnji korisnici bez mnogo IT iskustvamogu vrsiti upite nad DW-om odakle dobijaju analiticke podatke iizvestaje na osnovu kojih donose postovne odluke.4.Retacionabaza podataka - je baza podataka u kojoj supodacTonganizovani i prihvaceni u skladu sa relacijama, gde je: •relacija - skup dogadaja entiteta koji imaju iste atribute, zajedno sa timatributima Relacione baze podataka se projektuju u vidu tabeia,indeksiranih po razlicitim pojmovima (poljima) i sa vise kljuceva.Vec pri njihovom kreiranju mogu se uspostaviti logicke vezeizmed'u pojedtnih tabeia preko zajednickih polja tako da se nalak i jednostavan nacin dotazi do svih potrebnih podataka, biloda se radi o podacima samo izjedne tabele ili se podacidobijaju spcijanjem vise tabeia LI jednu novu, koja je'privreinenog karaktera, a sadrzi samo polja koja supolrebna korisniku.5. OLAP technology OLAP je lehnologija baze podataka koja jeoptimizovana za upite i pravtjenje izvestaja, a ne za obradbtransakcija. Izvorni podaci za OLAP su OLTP (OnlineTransactional Processing) baze podataka koje se obcno naiazeu skladislima za podatke OLAP podaci se dobijaju iz oviharhivskih podataka i sakupljaju se u strukturama kojedozvoljavaju siozenu analizu. OLAP podaci se takode hijerarhijskiorganizuju i skladiste u kocke umesto u taoete6. OLAP Systems - U OLAP sislemtma se tezi visokom stepenudenonralizacije. naprosfo da bi se lakse formirali upiti. U OLAPbazama podataka akcenat se stavlja na atanje 1 njihovopregrupisavanje da bi se iz podataka napravie rJormaojeKonzistenlnosl podataka je i ovoe veoma brtna karakteris&a jer.ako podaci nisu konzistentn bito koja mformac^a proistekiaje pogresna Osim toga Ovi sistemi se ne bave cpodataka nego samo tumacenjem i anakzwn Dvanaest praviU:1. Mulliriimenzionalni konceptuahi pogted. 2. Transparentnost. 3.Pnhvatljivost. 4. Konzistentnost izvestap 5. K^enUserverarhitektura. 6. Genencka dvnenzionalnast. 7. Oinamickorukovanje sparsa matncom. 8. MuJbkortsnjcka podrsKa. 9.Manipuiacija kroz podatke i dimenzije bez ogramcetTja, 10.Jednostavnost u manipuiaaji podacima, 11. Fteksibitnostizvestaja, 12. Neogranicen broj dimenzija i agregactonih nrvoa.QLAP.sisiem moze da preuzme podatke iz bito kog relacionog iline relacionog izvora podataka jer on podatke skladisti na svojnacin, i nije preterano bitna vrsta izvora podataka. OLAPposeduje i veoma mocan jezik upita za kreiranje mutti-dimenzionih upita, koji poseduje mnogo vise mogucnosti negoSQL jezik.

. Vodeci proizvodaa DW-Bl SW su Teradata, Oracle Cony. IBMCorp. i Microsoft Corp S Urn sto je UoDSoft najkrace na Irishr

_ 8. Online Transactional Processing su baze podatakj koje radeobradu transakcija. nasuprot tome DW je optnvzovan zaizvestavanje i analize.

- 9. DW osnovne karakteristike DataWarenous-Skladtstepodataka je baza podataka koja sadrzi tstonjske. nepromqenjrvepodatke KOJI su logicki i fizicki izvuceni iz razruh izvora. Ti podacisr u skladu s definisamm modelom uatavaju u skladiste iinlegrisu s postojecim podacima. a sve to u svrrtu podrskeposkwnom odluavannj •Sktadistenje podataka je procesinlegraciie podataka o postovamu neke organizacije u jednu bazupodataka iz koje krajnji korisnid mogu raditi tzvjestaje.postavljatiupite i analizirati podalke.'SWadistenje podataka proces koji nezavrsava intcijatnim uatavanjem podataka, vec se skladistepodataka osvezava novim podaoma u nekim, vremenskimintervaltma fsvaki dan, nedelino. mesecno) Iz toga sledi da jeskladisterije podataka kontmuiran i dugotrajan proces

x~ 10. DW citjevi - Skladiste podataka mora omoguciti pnstuppodacima bitmm za neku organizaciju ili kompaniju- Manageri i analiticari moraiu imati pristup do podataka koji subitni za tu organizaciju Taj pristup treba biti neposredan, brz, nazahtev korisnika i mora omoguciti visoke performanse Sve tokorisnici moraju rnoci postici koristeci svoj personalni racunar

Podaci u skladistu podataka moraju biti konzistentni.Konzistenstnost znaci da ako dva konsnika traze isti podatakmoraju dobiii isti odgovor iako su oni to trazili u razlicito vreme.Takode znaci da ako podaci od jucer nisu do kraja uatanikorisnik mora biti upozoren.- Podaci se u skladistu podataka mogu kombinovati na svemoguce nacine, sto omogucava dimenzijonalni model- Skladiste podataka nisu samo podaci, vec ono mora sadrzati iskup alata za postavljanje upita (engl. query tools), alata zaanalizu i predstavljanje informacije- Skladiste podalaka je mesto gdje se objavljuju koristeni podaci

^fc- 11 ERP {skicir.h'Mica ao Ente'p//.se Resomce Planning} jeS*¥ttf'bfi4tsfsin4''lji f.ifitt svc HSfM-'kif; poslovanja sednekomprtnije. implemeniirani t£RP sistem je u mogucnosti dainlegnse poslovanje razlicitih delova ffrme (kao npr.racunnvodslvo prodaja. proizvodnja. itd.) u jednu jedinstvenuc&lmu. Tako se clobija sislem preko kojeg je moguce sa jedneslrane upravljati svim Ijudskim i materijalnim resursima a sartruge pianirati, razvijati i pratiti poslovne procese i procedure

jc- 12. StPosiovniii intelig_encija(Bus/ness Intelligence) je opslipojam za grupu aplikacija i tehnologija, koje ornogucavajuprikupljanie, cuvanje, analizu i pnstup podacima, u ciljudonosenja boljih poslovnih odluka unutar preduzeca

:i--13. OSS Decision Support Systems (sistemi za podrsku uodlucivanju) podrazumjevaju deo informacionog sistema kojipodrzava proces odlucivanja. DSS omogucava nosiocu

odlucivanja kqristenje podataka i testiranje nekih alternativnihrjesenja.Oblikovani su za pomaganje donosiocima odluka.Ombgucuju da prava informacija stigne pravoj osobi pravovrijeme'14. Data mining je tehnika pretrazivanja podataka u'citjuidentifikacije trazenih uzoraka i meclusobnih relacija. *Izdvajanje interesantnih (ne-trivijalnih, implicitnih, novih ipotencijalno kortsnih) informacija ili uzoraka sadrzanih u velikimbazama podataka -15. Queries & reports Upitnijezici predstavljaju standardniupitno-izvestajni atat, koji omogucava korisnicima da pretrazuju,analiziraju i izvlace pojedinacne podatke iz svojih baza podatakaradi formiranja razlicitih izvestaja koji su u funkciji formiranjataktickih poslovnih odluka. Pristup podacima preko upitnih jezikastiti korisnika od kornpleksnosti baze podataka koristeci neblokirajuce upite (koji se izvrsavaju u pozadini).16. ETL (extraction, transformation and loading ) - izvlacenje,transformacija i ucitavanje podataka. Podaci se logickitransformisu prilikom izvlacenja iz transakcione baze i ucitavanjau skiadiste podataka.Podaci u skladistu podataka se modeluju udimenzionalnt model podataka koji je pogodan za izvodenje upitanad milionima zapisa istovremeno. Izvlacenje, transformacija iucitavanje podataka se obavljaju pisanjerrr sknpti uodgovarajucem programskom jeziku (SQL, PL/SQL,...), teizvodenjem tih skripli.

r17. Relacioni OLAP (ROLAP)- korisnicki interfejsi i aplikacije kojirelacionoj bazi daju dimenzionalni izgled. ROLAPsistemipristupaju podacima direktno iz skladista podataka i rade sarelacionim bazama podataka. rnogu da rade sa velikimskupovima podataka. Kod ROLAP sistema ne postojeogranicenja po pitanju broja dimenzija koja postoje u slucajuMOLAP sistema.

Visedimenzioni OLAP {MOLAPJ-korisnicki interfejsi.aplikacije i sopstvene tehnologije baza koje su strogodimenzionalne. Podaci iz razlicitih transakcionih sistemaucitavaju u visedimenzionu bazu podataka pomocu batch rutina.Kada se zavrsi sa ucitavanjem podataka atomskog nivoa, prelazise na kreiranje agregacija. nakon cega je baza podatakaspremna za rad. Korisnici zadaju svoje zahteve za OLAPizvestajkna putem interfejsa.Prednost MOLAP sistema je sto obezbeduju odficne performansesistema kada se radi sa vec sracunatim podacima(agregacijama).Nettostatak MOLAP sistema je teskoca dodavanja novihit...i. ..-.

datke u simetncnom formatu 6jilevanje korisnka. performansene komponente drnenzionog

19.s_ t. e. *cc izsr 'a." a --=:a easi-trcs::--*^

>niegtaaavna (fafct) tabeta je ,„-,_modetu. Svaka fakt tabete p ny-to-many relacioneun^jtau. ovdMtf itmn. u.n iii fjicu^tdv^d ii^irf-uj-mattj 11 mm mmmiodnose. Dimenziona tabeia je jedna iz seta zdruzenJi tabeia facttabeti. Svaka dimenzija je definisana svojim primamim kljucema e . vaa menza e ensana svom pmamm ucemkoji sluzi kao baza za referentni integritet sa bilo kojom facttabefoiTi sTToJom Je p7idi'u2eria~_ '20. Fact table Tabeia cinjenica je mesto gdje se skladistenumerucki postovni pokazatef. Svata od tin pokazatelja se nalazi

«r ruiiMufla dlMne i ztMDiirg. Crtanica >BbaRj btti~-~=-"_i«e e - - ; -~ -e zc-=z='e; -5^3-5 ccs r.'-cc ^—cass a :aiproces se okazuje nrtulraan ianuagnu (kohki je profit. kof*ofcaiKJuyuju. kottu su troskovi . ).Ctf jenice su ootcnokondnuirano vrednovane sto znaci da mogu poprimati razlicitevi|etlmni svata pu kad se mere. Kao i svaka tattca i tablica-",5^-=---3 ~=: ' _c <DC rje se kijuc sastoii od viseatrtxxa Dakie. tabfica cjnjemca ima slozeni kljuc, i sto je bitno onse sastop od svih pnmamih kljuceva dimenzijskih tablca.

•v 21. Dimension table tabele dimenzija sastoje se iz prostogprmamog Wjuca koji odgovara jednoj komonenti primamog kljucatabele fakata i jednog ili vise atributa dimenzije.Tabele dimenzijacuvaju podatke vezane za svaku pojedinu dimenziju. Dwnenzijedaju cinjencama kontekst, one su prirodni poslovni parametri kojiodreduju svaku cinjenicu Dimenzija vremena je dimenzija koja jeprisutna u svakom DW-u, zato sto je svako skladiste podatakavremenska serija snimaka stanja neke organizacije. Snimamostanja transakcijskog sistema i Skladistimo ta snimljena stanja uDW kao niz slojeva podataka te je svako skladiste podatakavremenski niz.

# 22. Business Process (poslovni proces) skup koordinisanihaktivnosti, sprovedenih od strane ijudi ili opreme. radi postizanjaodgovarajuceg organizacionog cilja, koherentan skup poslovnihaktivnosli koje cine smisao korisniku DW-a Za razliku odfunkcionalne (vertikalne) organizacije, horizontalna organizacijapodrazumeva posmatranje preduzeca na nivou poslovnihprocesa, oko kojeg se Implementira se jedan ili nekoliko DataMarts

^ 23. Data Marts (DM) (skupovi podataka}Datamart je subjektno orjentisani poslovni pogled na skladistepodataka. U okviru "skladista podataka" data martovi se koristeza tzv. informaticka ostrva vezana za finansije, proizvodnju i dr.Na ovaj nacin se zeli da pojedini segment! preduzeca donosebolje odluke. Mnogi datamartovi su podskup veiikih skladistapodataka.Datamartovi su multidimenzionalni i omogucuju korisnicima visekriterijuma za uporedjivanje koriscenjem ad-hoc upita Dalamattsluzi kao osnova za OLAP u sistemima za podrsku u odtucivaniu

^ 24. Skladiste podataka (Data Warehouse - DW) je glavnimagacin istorijskih podataka organizacije, njena korporativnamemorija. Ono sadrzi gomilu cistog materijala za sistem podrskeodlukama menadzmenta.Dok su operativni sisteme optimizovaniza jednostavnos i brzinu modifikacija (videti OLTP) kroz upotrebuveiikih baza i entity-relationship modeia , skladiste podataka jeoplimizovano za izvestavanje i analize (online analitickoprocesiranje, ili OLAP). Povremenu su podaci u skladistupodataka jako denormalizovani, sumarizovani ili smesteni umodelu zasnovanu na dimenziji. Medutim, ovo nije uvek

. zahtevano da bi se postiglo prihvatljivo vreme odgovora na upite.^ 25, Menadzerski zahtevi za informacijama. Menadzer trazi .

odgovore u formi:

- zbirnih informacija koje se mogu dalje razlagali- Gnjpisanih informacija prema viastitom izboru po: odeljenjima ,segmentima trzista, prodavnicama- Prikazivanje informacija u tabelarnom i grafickom obliku- Pnkazivanje po vremenskoj dimenziji posmatranog objektaposmatranja- Mogucnosl da se dobijene informacije fleksibilno posmatraju ane po unapred definisanim krutim pravilima

& 26. SQL Server- analitifki aiati- Analysis Services (SSAS) Microsoft SQL Server 2005 DataMining predstavlja tehnologiju koja vam pomaze da izgraditeslozene analiticke modele i ugradite te modele u svoje posiovneoperacije. Microsoft SQL Server 2005 Analysis Services postavljaosnove pronalazenja podataka. Kreirajuci jednostavne, prosirive,dostupne i fleksibilne platforme, mogucnosti za pronalazenjepodataka.- Integration Services (5SI5) izvrsava siozenu integracijupodataka, transformaciju i sintezu vetikom brzinom za veomavelike kolicine podataka- Reporting Services (SSRS) Usluge pravljenja izvestajapredstavljaju okruzenje za upravljanje izvestajima u vetikompreduzecu. koje je ugradeno i kojim se upravtja preko Webusluga. Izvestaji se mogu personalizovati i isporucivati u yeiikombroju formala, s razlicitim opcijarna za in(erakci]u i siampanie.

% 27. Upravljanje znanjem (KM- Knowledge Management)Obuhvata podrucje koriscenih praksa od organizacije zaindetifikaciju, kreiranje, predstavljanje i distribuciju znanja.

.. Upravljanje znanjem je svetsko trziste vredno vise miiijardidolara.Programi upravljanja znanjem su tipicno vezani za ciljeveorganizacije i namena im je da postignu odred"ene rezultate, aovo moze ukljucilj poboijsanje performanse, inovacije kojedonose konkurentsku prednost, transfer naucenih lekcija (naprimer izmedu projekata) i generalni razvoj zajednickih praksa.

^ 28. The DRIP problem Odnosi si-ne situaciju kada je bazaprevelika, a nedovoljno potrebnih informacija. Situacija se mozeprameniti koriscenjem meta skladista za podatke, kako bi sedefinisale informacije koje su potrebne kompaniji. Odredjivanjemstrukture podataka koje firma poseduje, omogucice analiticaru daodredi sta je potrebno da se postojeci podaci prevedu u potrebneinformacije.

^ 29. Many-to-many dimension Jedna od dimenzija moze da imavise vrednosti. nprQ.1, ili vise za dati zapis Broj vrednoshdimenzije za takav fakt zapis nije poznat pre nego se kreira fakttabela. U nekom smislu broj vrednosti za tu dimenziju je rrterijivifakt. Ovakvu dimenziju nazivamo many to many.

%. 30. Role-Playing Dimensions. Rote u OW je situac^a gde sejedna dimenzija pojavljuje nekoliko pula u stoj fakt tabe*. Nprmozerro kreirati fakt tabelu sa podaoma o statusu i rasporedunarudzbine kupaca. Ovakva tabela zove se fakt tabelaakumuliranog trenutnog slanja Dimenzije ovc tabete su stedecedatum narudzbine. datum pakovanja datum isporuke. datumdostave. datum placanja. status nanidzbme. kupac. proizvod.skladiste. Svaka od ovih dimenzija je FK u tabes fakata kojiukazuju na specificne dimenzionalne tabele . Prvih sedam

--, 31. Organization and Parts HierarchiesPozeljni zahtevi za dizajn strukture organizacije:- Zadriavanje originatnog sastava dimenzije kupca. tako da Wjuckupca iz ove dimenzije kada se zeli moze bid direktno pndruzen "fact tabeli, mimoilazeci bilo koju bridge taoefcj koju smo mogfcizgraditi za navtgaciju hijerarhipm.- Biti u mogucnosti dodatne sumarizaaje dodatnti fektora siromstabla organizacqe. konsteci standardnu SQL GROUP BY togku.- Biti u mogucnosti dodatne sumanzaoje dodamti faktora siromili skupa neposrednih dodatnih pomagaia o kupcu- Biti u mogucnosti nalazenja neposrednoh roditeija. kao inajviseg roditeija bilo kog kupca u nijerarhiji orgamzaaje. ujednom koraku, konsteci standardnu SQL togiku.Mozemo ispuniti sve ove ciljeve u isto vreme. graded spedjatnuvrstu most-tabele izmedu dimenzije kupca t feet tabete. Mosf-fabe/a organizacije sadrzi jedan stog/zapis za svaku putanju odentiteta kupca do svakog podeJementa. Postoji isto i stog/zapisza putanje sa nula-duzinom od kupca do niega samog

^ 32. Time Stamping_Stralegija utiskivanja. belezenja vremena jecesto najboiji metod za upotrebu da bt se prevazisli problemi saprocesiranjem razlicitih vremenskih zona. pomazua kod pracenjakada se transakcija javi ili postane validna/nevalidna Nijeuobicajeno koristiti tri ili vise uliskivanja/betezenja vremena da bise pratilo kretanje podataka iz glavnog skladista nazad doglavnog izvora sioga/zapisa

% 33. Fact of Differing Ganularity Dimenzioni model postizesnagu posto individualni fact slog/zapis postaje sve snazniji isnazniji Na najnizem nivou individualne transakcije iliindividualnog preseka u vremenu. dizajn je najsnazniji jer

- Vise deskhptivnih atnbuta imaju jednu vrednost.

- Dizajn se uspesno odupire iznenadenjirna u formi novih fact(tabela), novih dimenzija ili novih atnbuta u okviru postojecihdimenzija.

- Obicno postoji vise izrazaja na nizim nivoima granularnosti, izato vise dimenzija ima smisla na ovom nivou

^- 34. Market Basket AnFilysisAnaliza tiiisne korpe se sastoji od belezenja kombinacijaprodukata koji se zajedno prodaju. lako su mnoge analize trzisnihkorpi doslovno analize korpe iz prodavnice. koncept lako mozebiti prosiren na druge situacije. Medutim. kljucni korak u analititrzisne korpe, nije da se bude zadovoljan sa parovima odeljenjakoje smo vec generisali. Moramo se spustiti na sledeci nivodelalja, za koje mislirno da je kategorija Zapocinjemo saparovima odeljenja visoke frekvencije generisanim u prvomkoraku

limo da napravimo fleksibilniju bazu, tako

da bilo koji menadzer u bilo kojoj zemiji moze videti' sumiraneiznose preduzeca u bilo kojoj valuti. Ova fleksibilnost se mozepostici izrazavnjem svih iznosa valuta u primamom factslogu/7-.apisu i u smislu lokalne valute u upotrebi kao i uinlemacionalnoj standardnoj valutu i dodavanjem standardne facttabele konverzije tokorn dizajna. U okviru svakog sloga facttabele, iznos izrazen u lokalnoj valuti je uvek tacan posio jeprodaja obavljana u toj valutu na taj dan. Tabela kursne liste imasve kombmacije postojece kursne iiste koje idu u oba smeraposto se podrazumeva da simetricna stopa izmedu bilo koje dvezemlje nije potpuno jednaka.

-jf — 36. Problem of Multiple Units of MeasurePonekad konflikti rastu u predstavljanju iznosa, kada u lancuvrednosti imamo ukljucuivanje nekoliko poslovnih procesanadgledanja toka proizvoda kroz sistem ili visestruka merenjainventara na razlicitim tackama. Svako se moze sloziti da su cifrekorektne, ali razlicite strane u lancu mogu pozeleti da vide cifreizrazene u razlicitim jedinicama mera.

#-- 37. Conformed dimenzija znaci isto za svaku fakt tabelu kojoj jepridruzena. Osnovna odgovomost cenlralnog DW dizajna je dauspostavi, publikuje, odriava conformed dimenzije. Primeri:kupac, artikal, lokacija,...Conformed dimenzije cine sledecemoguciro:- Jedna tabela dimenzija moze da se koristi od vise tabela fakata- Korisnicki interfejs je konzistentan uvek kada se dimenzijakoristi- Konzistentna interpretacija atnbuta i rollup kroz razlicite DM- Najnizi nivo agregacije- Conformed dimenzije je vise poslovna nego tehnicka odluka

^. - V38, Granularnosi Najvaznije pitanje dizajna s kojima se suocavaCreator skladista je odredivanje pravog nivoa granularnostipodataka koji ce biti smesteni u skladiste podataka. Granularnostutice na to koliko efikasno se podaci isporucuju razlicitimokruzenjima i odreduje tipove analiza koje se moguobaviti.Granulamost ukazuje na nivo detalja ili sumarizacijejedinica podataka u skladistu podataka. Sto vise detaija tu ima, toje nizi je nivo granularnosti. Sto manje detalja tu ima, to je visinivo uranularnosli.

#-' 39. Drilling UP and Down Busenje kroz podatke je mogucnostkretanja izmedu nivoa hijerarhije podataka kada se posamatrajupodaci u okviru skladista podataka. Postoje 3 tipabusenja Busenje dole - Menjanje pogleda na podatke na vecinivo detalja Busenje gore - Menjanje pogleda na podatke navecem nivou agregacije BuSenje kroz - Menjanje pogleda nadrugu vrednost dmenzije u istom nivou kao lekuapooled Busenje dole znaci nista vise nego "daj mi vise detalja".RoiUptumotati UVD) ka w&m dimenz^amaDnt Down (razmotavatt razvfatt) ka pojednadnim

j Snowtake model je znatno biizi ERD-u (entity-rn) jer su dmicnap normafezovane i sa

hijom. Zbog toga SFSM ima znatno bolje loadperformanse i koristi se pre svega tamo gde je potrebno sto prenapunili podatke. dok su performanse upita u drugom planu.Osobine SFSM'- ima slozenu rnetadlfra^ruRTuTuV^KojiTie^TrfriCfgcrtakSc-"^"prilagoditi razlicitim zahtevima- Brze pum manje normalizovane tabete ali i ozbiljno degradiraperfocmanse zbog veMcog broja join-a- Oozvo^ava izmene podataka konscenjem amivskii (history)

- - iX_SUr Schema ,* dominantan modej u razvoju data warehous-a pre svega zbog perforrnansi uptta (query) SSM se mozeprscsiavo kao zvezda, sa vefikom tabetom u centru koja sadrzifad idetatpe) podatke. i dtmension (dimenzjje) tabetama koje je

tr. saltapma-jepovezana preko primary i foreign kljuceva.bsobwe SSM- Razumljiv konsnicima jer mu je struktura jednostavna ielementama. sa jasnom metadata strukturom (definicije: fact-a.dimenzija, hijerarhije i relacija. pravila integriteta i kontrola-constraints).- Ima najbrze moguce rezuttale quenja i optimizovan broj join-a:fact i dimension tabela- Nema arhivske (history) tabele, a izmene podataka senaznacuju preko indikatora {level fields)- Fodrzavaju ga skoro svi DW softverski alati- Zahleva dosta vremena za razvoj zbog visokog nivoadenormal izacije

: - 42. Vrste dimenzija- Slowly Changing Dimenstons(Sporo promenljive dimenzije )- Rapidly Changing Small Dim ens ion (brzo promenljive maledimenzije)- Large Dimensions (Velike dimenzije)- Rapidly Changing Monster Dimensions (brzo promenljiveogromne dimenzije)- Degenerate Dimensions (Degeninsane-lose dimenzije)

. - 43. Slowly Changing Dimensions(Sporo promenljive dimenzije )U tehnikama za rukovanje dimenzijama koje se sporo menjajukao sto je proizvod ili kupac, kljucna pretpostavka je daproduction product key ili the production customer key se nernenjaju ad se menja opis proizvoda ili kupca. Kao odgovor naove promene, skladiste podataka ima tri opcije:- Upisivanje preko sloga dimenzije nove vrednosti, tako gubeci

;- --.' ,-. Y i',iAnii -'!..-'i.i;r.O|i i;!o>jd diru&nz(|fj konsteci novti

- Kreitanje "starog" polja u slogu dimenzije za smesta]neposredne prethodne vrednosti atnbuta.

l~ 44. Rapidly Changing Small Dimension (brzo promenljive maledimenzije) Cak iako su vase promene brze i dogadaju se svakidan ill bar vise puta godisnje, verovatno treba da koristite Tip 2tehniku sporog menjanja dimenzije za pracenje svih verzija vasegproizvoda ili vaseg kupca. Ako ste u poslu kao sto sutelekomunikacione kompanije koje imaju na hiljade struktumoorijentisanih proizvoda ili usluga, i konstantno razmisljate onjihovim detinicijama, onda vam je gotovo sigurno potrebnopouzdano pracenje svake verzije svakog proizvoda ili usluge.

- - - - - - - -"-;

i

Drugim recima, ne zelimo da izgubimo zapis o proizvodu ill usluzisamo zato sto ga zapravo nismo nikad isporucili nijednom kupcu.

S 45. Large Dimensions (Velike dimenzije)Skladista podataka kojismestaju eksremno granulirane podatke mo'gu zahlevatiekstremno velike dimenzije. Mi smo sada u poziciji gde u vecinislucajeva mozemo podriati ove vrlo velike dimenzije sa tekucom

' generacijom relacionih baza. Medutim, mi moramo da usvojimokonzervativan dizajn da driimo ove dimenzije pod kontrolom.

j. 46. Rapidly Changing Monster Dimensions (brzo promenljiveogromne dimenzije) Na nesrecu. velike dimenzije kupacaverovatno ce se vise menjati nego srednje-velicine dimenzije.Moramo pratiti prirodu sporog menjanja dimenzije kup'aca, ali semi ne usudujemo da koristimo nijednu tehniku' za dimenzijesrednje veiicine zbog veiicine labels. Resenje ove dilerne je urazbijanju • vrucih atributa kupca u njihove vlastite odvojenedimenzione tabele

^ 47. Degenerate Dimensions (Degenirisane-lose dimenzije}Ponekad zelimo da smestimo identifikatore koji dolaze iztransakcija izvornog sistema u skladiste podataka, u ciljugrupisanja redova, pracenja gde podaci dolaze iz ill in korisle kaoprimarne kljuceve u fakt tabelama. Ne kreiramo izdvojenedimenzije za ove atribute posto bi one sadriale samo jedno polje,tako ih smestamo direktno u fakt tabelu i nazivano ihdegerativnim dimenzijama.

%- 48. Foreign, Primary and Surrogate Key kljuc definisejedinstvenost u dimenzionoj tabeli. Morale koristiti kljuceve zavadenje slogova da vidite sta oni sadrze. Strani-Mju£~ Jedna ilivise kolona u tabeli reiacione baze koja implementira vise-ka-jedan (many-to-one) relacija koje odredena tabela ima sa drugimtabelama ili sa samom sobom. Primarni kljuc — Skup od jedne ilivise kolona u tabeli baze cije vrednosti, u kombinaciji, sezahtevaju da budu jedinstvene u okviru tabele. Surogat kljudevise koriste za pridruzivanje fakt tabele dimenzijama, koriste se upracenju pramena u dimenzionim tabelama.

•A 49. Fakta- osobine Najbolji i najkorisniji Fakti su: numercki,kontinuirano vrednovani i aditivni. Fakti trebaju biti" numercki jersu one pokazatelji nekog poslovnog procesa, a taj proces seiskazuje nekakvim iznosima (koliki je profit, koiiko firma duguje.koliki su troskovi...).Najbolji Fakti su aditivni i uvek se tezi tomeda budu aditivni. Razlog tome je cinjenica da se pri goiovosvakom upitu prolazj kroz stotine.hiljade, pa cak i milione zapisakako bi se izgradio odgovor. Taj veltki broj zapisa se moze sazetiu nekoliko redova ako se cinjenice aditivne. Fakti u tablici fakatamogu jos biti neaditivni ili semaditivni. Semaditrvni fakti se mogusabirati samo kroz neke dimenzije, dok se neaditivni uopste nemogu sabrati kroz nijednu dimenziju, a to nije prihvat ivo zaskladista podataka.50. Kimball - Metod za, dizain fakUabelejem a dimenzija se rada u cettri korafcacT^orak 1. izbor izvora podatakaKorak 2. Opisivanje granulata fak: '.see eKorak 3. Izbor dimenzijaKorak 4. Izbor Fakata J. _.-157. Transforming processes (proces/ ^r&Cleaning - ciscenje podataka, 'as unos. dornenskinedostajuci podaci, parsing u standardne formatePurging odred*ena polja koja nisu od interesa za DWKombinovanje izvora podatakaKreiranje surrogate kljuceva ome se obezbeduje referencqalntintegritetIzgradnja agregadja za zajednicke uprte

u 53. Project planning (pteniranje projekata) definicija i opsegDW projekta, kntican rani taskZivotni ciklus pocinje sa planiranjem projekta. Planiranje projektaukazuje na definicije i obim projekta skladistenja podataka,ukljucujuci procenjivanje spremnosti i poslovne opravdanosto. Onsluzi kao temelj za tekuce upravljanje projektom skladistenjapodataka. Planiranje projekla zavisi od poslovnih zahteva.

_>' 54. Business Requirements DefinitionsfDefinidje poslovnihzahteva) Poslovni zahtevi predstavljaju osnovu za podatke.tehnologiju i aplikacije krajnjih korisnika.

»r 55. Dimensional Modeling(dimenzionalno modeliranje) jetehnika logickog dizajna koja tezi prikazivanju podataka nastandardizovan, intuitivan nacin koji omogucava pristuppodacima velikom brzinom.Dimenzionaini model se najcesce prikazuje apstraktno kao kockacije dimenzije predstavljaju dimenzije posla koji modelujemo, apodatak na preseku tih dimenzija predstavlja podatak kojitrazimo. Broj dimenzija u praksi moze biti i veci od tri pa se ondagovori o visedimenzionalnoj kocki. Struktura dimenzionalnogmodela se sastoji od jedne tablice sa slozenim kljucem koje senaziva tablicom cinjenica (engl. fact table) i vise tablica dimenzija(engl.dimensional tables) od kojih svaka ima jednostavan kljuckoji je deo slozenog kljuca tablice fakata. Takva struktura se -cesto zove zvijezda (engl. star-join schema).

V 56. Physical Design Dizajn fizicke baze podalaka se fokusira nafizicke struktufe kao podrsku logickom dizajnu. Dirnenzionainimodeli razvijeni u prethodnim sekcijama treba da budu prevedeniu fizicKi dizajn. U dimenzionom modeliranju logicki i fizicki dizajniimaju vrlo veliku slicnost. Fizicki model ce se razlikovati odlogickog modela u smislu detalja speciificnih za fizicke baze.ukljufiujuci fizicka imena kolona (ne bojte se upotrebe dugackihimena), tipove podataka, opisa kljuceva (ako su potrebni). idozvoljenosti praznih (nula) vrednosti.

$ 57. Data Staging Design and Development glavni koraci su:ekstrakci|a. translormacijg i punienje Finalna aktivnost upracenju podataka je dizajn i razvoj posiavljanta ili ETL ststem.Postavljanje podataka uzima masovne podatke od operativnogsistema i priprema ih za dimenzioni model u oblasti prezentacije.Na nesrecu, mnogi timavi se fokusiraju samo na E i na L od ETLakronirna. Mnogo teskog pomeranja se javlja u korakutransformacije (T), gde kombtnujemo podatke, resavamo pitanjekvaliteta, identifikujemo izmenjene podatke, upravljamo surogatkljucevima, pravimo agregate i resavmo greske.

^ 58. Technical Architecture Design je nacrt tehnickih servisa ielemenata skladista podataka. Tehnicka arhitektura se sastoji odsenje modela koji kopaju duboko u sitne detalje za svaku glavnukomponentu. Tehnicka arhitektura skladista podataka podrzava

komunikaciju na osnovu Konzistsntnog skupa tehnickih zahteva uokviru lima, sve do menadzmenta i spol|a. do dobavljaca.

*• 59. Product Selection and Installation Zadaci pridruzentselekciji proizvoda;.- Razumevanje procesa kupovine u korporaciji.- Razvoj matrice ocenjivanja proizvoda.- Sprovodenje istrazivanja trzista.« Suzavanje opctja na kratku lislu i obavijanje detaljnbgocenjivanja- Pravljenje prototipa, ako je potrebno.- Izbor proizvoda, instaiiranje probne verzije i pregovaranje

:•- 60. End User Application Specification Definise se skupstandarda korisnickih aphkacija. Opisuju se report templejti,korisnicki parametri i kalkulacije.

— 61. End User Application DevelopmentKoraci zahtevani u ovoj fazi zivotnog ciklusa su veoma zavisni odsvake organizacije i alata koji se koriste za pristup podacima.Ova sekcija prosto daje ideje o tome sta sve treba uzeti urazmatranje.

^ 62. Poslovni zahtevi ka DW-u Poslovni zahtevi predstavljajuosnovu za podatke. tehnologiju i aplikacije krajnjih korisnika.Poslovni- zahtevi odreduju potrebne podatke za korisnickeanaliticke zahteve. Dizajn modela podataka je razlicit u odnosuna operacioni sistem dizajn.

J- 63. Intervjui vs. krealivnt breinstormingVeca grupa + moderator = kreativni breiostorm/ng; £ttMl .art»«j }» (TOv^JQ fmaa^ t reooika.Ppstoje dve osnovne tehnike za prikupljanje zahteva i istrazivanjepperativnih podataka: intervjui i facilitated session. Intervjui sevode ili sa pojedincima ili u veoma matim gruparna, a prednostpvog pristupa je malo vremena koje oduzimaju u rasporeduispitanika.64. Role i odgovornosti u timu koji intervjuiseVodeci ispitivac. Osriovna odgovornost ispitivaca je postavtjanjepitanja, ah i hvatanje beleski. naicesce kao osnova za sledecepitan|e. Beleznik Osnovna odgovornost je zapisivanje opsirnihbeleski tokom intervjua, gde je potrebno uhvatiti sto vise detalja uvezi sadrzaja intervjua, bez obzira da It su one novost ili ne. Ovebeleske korisle kao osnova dokumentacije za ceo DW tim.Posmatraci Oni su alternative deo tima. a mogu biti ostali clanoviDW tima, modelari podataka, DBAs, tehnicka podrska ukljucenau ocenjivanje alata.S5. Pre-interview Research Pre nego zapocnemo procespr^Kupljana podatahapetrebnoje uraditi odrs^e^r 5-: .-os: - zapocetak treba anafizlrati godisnji izvestaj kompantje._potrebno ]e:-=~ eoati strateske inicijative korporacije. organizaoonu struktJui hijerarh^u izvestavaniu Ako je dostupna proveriii -c - .sponzofQvog intemog postovnog p(ana. kao i ofganizacjisky5-re"~u matVeting itteraturu Dobro je pogtedati orgarz=:,"wee sie kako bi se razumete poruke koje kompanije ;e ::posal)e trzistu kao i tfitemi iniranet za uvd u promenu zaposiendij druge Ko/npahqs'" = - ; a: . s

-V 66. Odabtranje osoba za intervjuisanje Nedeiotvomo je, cak inemoguce, da se mtervju planira sa svim Ijudima, tako da je

osnovu organizacione seme i kljucnih procesa. Potrebno jeutvrditi ko je uticajan. ko je posmatran kao visionar. ko jepokretacodeljenja; ko je onaj kojt podrzava i na kraju ko je onajkoji ne siusa naredjenja kada je u prtanju donosenje odluka naosnovu inftxmadia. Takodje. kako svaka orgamzaaje ima kijucneIS |ude KOf imaju sve podatke. potrebno je i njrti ukljuati uintarviu. razoovarati i sa Ijudwna koji su odgovomi za operativneMStBino. programenma rtd-

>- 67. Vodenje intervjua Postoje odredjena glavna pravila zavoojenfe rttervjua- Treba se drzab dodeljenih utoga i odgovomosti tima zamtervjutsanje- Tokom intervjua potrebno je kontrolisati komunikaaju. na pravinacin shvatiti ono sto ispitanik govon. rasvetliti potencijalnenejasnoce u trenutku kada nastaju a ne na kraju intervjua i si- Potrebno je defimsali terminologiju. jer tacna definicija imaogroman uticaj na sadrzaj i dimenzionalnost modela podataka- Tim za intervjuisanje treba da nastoji da izbegne hijerarhijske

/• razlike medju danova i da pretpostavi njihovu jednakost.- Potrebno je i omoguciti fleksibilnost rasporeda inlervjua. gde jemoguce da se broj ispitanika povecava pa je potrebno da se tirrza Sntervjuisanje pripremi za ovakve promene.- Treba imati na umu da je intervjuisanje veoma naporno, pa netreba preterivati sa odrzavanjem velikog broja u kratkom roku.- Dobro je i upravljati ocekivanjirna korisnika u toku inlervjua

•$- 58. Rezime intervjua Potrebno je utvrditi kriterijume uspeh;projekta. Vodja tima za intervjuisanje treba da pita koji je najbitnijuslov za ostvarivanje pozitivnih rezultala projekta. Treba II"navesti da odrede merljive i kvantitativne kriterijume uspeha, prcemu "lako za koriscenje" i "brzo" ne treba da budu adekvalnkriterijumi zato sto imaju razlicito znacenje za razlicite ljudePrihvatljivi metricki kriterijumi uspeha mogu biti: aImplementaciona metrika - broj upita, b) Metrika aktivnostiupotrebna metrika, c) Metrika servisa - raspolozivost, kvalitepodataka, vreme, odziv, podrska servisa, d) Metrika uticaja n;biznis - performanse u odnosu na prethodno stanje, zahvalnosintervjuisanim, sta ih ocekuje u bliskoj buducnosti, upoznavanjisa prioritetima

>- 69. DW Modelovanje Implementacija DW je preko baz'podataka iuc|!avnorn rel5cione> sa v'pok'm Pt&twnn'n r^fiuc'^'ivfa rnehanii'arn svolt'tip :H /atv.u(i.v?iri n:-i Ni-if!;iv:i;-i M-i|i'':|ii»r. .dobro razluciti poslovne procese koje zelimo pratiti i prepoznaprave cinjenice. jer o tome ovisi cijeli logicki model, a ako je olos biti ce lose i skladiste podataka1. Koje poslovne procese treba modelovati, odnosno koje stabele fakala2. Sto je srz svake tabele fakata3. Koje su dimenzije svake tabele fakata4 Koji su fakti bitni5. Koji su atributi dimenzija6. Kako cemo pratiti dimenzije koje se sporo mijenjaju7 Koje agregacije koristiti, koje su heterogene tabliominidimenzije, nacini upita i ostali problem! fizickog spremanpodataka

8 Koliko dugo cemo cuvati podatke9. S kojom se ucestaloscu podaci izvlace i ucitavaju u skladiste70. ER DW koraci Pretvaranje ER u posebne diskretne pracese iodvojeno modelovanje svakog za sebe Oizajn fact tabela- iz mxmrelacija koja sadrie nuinericka i adilivna svojstva Denormalizacijapreostahh iabela u dimenzije71. Sponsors and Drivers- SponsorOni su poslovni vlasnici projekta i cesto imaju finansijskuodgovornost za projekat Oni pomazu donosenju i.podrzavanjukljucnih ciljnih odluka projekta. Oni podsticu ostvarivanje ciljeva,svojirn enluzt|37.morn ohrabruju druge da defe vizije opoboljsavanju pristupa podacima. Bussines .drivers ga taktickizamenjuje

j .=- 72. Project manager . •Odgovoran je za menadzment projektom, poznavanje tehnologijerazvoja sistema. Mora da poseduje snazne komunikacionevestmei da ima jako poiiticko uporiste u organizaciji.

^/._ 73. Business systems analystsOdgovran JE defintsanje poslovnih zahteva. Ova uloga je cestododeljena IS resursima koji su okrenuti korisnicima .i kojiposeduju znanje i informacije o poslu

-x- 74. Data modelerOdogovoran je za izvodjenje detaljnje anaiize podataka irazvijanje climenzionog data modela Kreira iogicki i fizicki modelpodataka, utvrdjivanje vatjanosti podataka, mapiranje pocetnih iciljnih podataka, jntegraciju alata za modelovanje podataka,profiltsanje podataka, standardizaciju podataka ..

:£ - 75. DW DBA Prevodi dimensionalni model u fizicku strukturu.Odreduje inicijalne strategije agregacija, postavljanja particija iindeksiranja. Dnevni support bazi, obezbeduje integritetpodataka, raspolozivost baze i performanse.

^ 76. Data staging system designer. Odgovoran je za end to enddizajn ETL procesa. On kreira i odrzava end user aplikacije,najcesce upotreborn postojecih softvera za pristup podacima.

^ - 77. End user application developers. Kreira i odrzavaRon snick e aplikacije . Ljudi koji razvijaju aplikacije za krajneKorisnike su takocte odgovomi za punjenje alata za prisfuppodacima

(.FJt)

.- - •-

•