Business Intelligence Skorkovský KAMI, ESF MU Principy BI nzpracování velkých objemů dat tak, aby výsledek této akce manažerům pomohl k rozhodování při řízení procesů nvýsledkem zpracování musí být relevantní informace, kterou dostanou manažeři ve správném čase nzákladní zdroj dat, která se často ukládají do datových skladů jsou ERP systémy (relační DB) nzískání informací jako výsledek strukturovaných dotazů musí probíhat rychle (krátká odezva) npoužívá se pro řízení na strategické, taktické u operační úrovni Principy BI nDefinice 1 : BI je sběr a analýza dat, jejímž cílem je lepší porozumění a reakce na změny, kterým organizace neustále čelí n nDefinice 2 : BI je znalost podniku získaná za použití HW a SW technologií, která umožní přeměnit data organizace v informaci n nDefinice 3 : sada procesů, aplikací a technologií, jejíchž cílem je účinně a účelně podporovat rozhodovací procesy ve firmě. Tyto procesy podporují analytické a plánovací činnosti podniků a organizací a jsou postaveny na principech multidimenzionálních pohledů na podniková data Nástroje BI nERP systémy nDočasná úložiště (DSA: Data Staging Area) nOperativní úložiště (ODS : Operational Data Store) nTransformační nástroje (ETL : Extraction Transformation Loading) nIntegrační nástroje (EAI : Enterprise Application Integration) nDatové sklady nDatová tržiště nOLAP nReportingové nástroje nEIS (Executive Information Systém) nData Mining n Omezení ERP jako poskytovatele dat nNeumožňují rychle a pružně měnit kriteria výběru n nOkamžitý přístup uživatelů k velkým objemům agregovaných dat n nERP jsou primárně určeny k pořizovaní dat a jejich aktualizaci n nV každém podniku se objem dat za každých pět let zdvojnásobí, což ovšem také znamená, že systém je zahlcen redundantními daty n nVícedimenzionální pohled na data v ERP je problematický. DB ERP není pro tento pohled stavěná. Databáze, které vzniknou přeměnou primárních dat z ERP a jsou využívány např. OLAP technologií jsou pro drilling a slice operace optimalizovány Zjednodušené schéma využívání ERP ERP Transakce - položky DB ERP Partneři Zprávy Náhledy sample2002-Graphs Informace Informace (trendy) Znalost metod řízení procesů a metrik Rozhodnutí Podnik keys Klíčová znalost keys Klíčová rozhodnutí Organizačně-technologické schéma podniku Vedení podniku BI,ERP,EIS,datové sklady, reporting Řízení výroby Řízení financí Řízení nákupu, prodeje a logistiky Řízení zdrojů, majetku a PAM BI BI BI OLAP kostka nhttp://www.databaseanswers.org/designing_olap_cubes.htm n Čas (Rok,Měsíc, den) řez Relační dimenzionální model: STAR j0295177 PRODUKT Kategorie Skupina Název cena OBLAST Název Popis Prodejce ČAS Rok Měsíc Den Vařečka Jižní Čechy 12 ks 240 Kč Jan Hromada xxx =dimenze Relační dimenzionální model: SNOWFLAKE DIM:KATEGORIE Kategorie_ID Kategorie_název DIM: SKUPINA Skupina_ID Kategorie_ID Skupina_název DIM: PRODUKT Produkt_ID Skupina_ID Produkt_název DIM: OBLAST Oblast_ID Oblast_název DIM: ČÁST Čas_ID Čas_rok Čas_měsíc Čas_den Výsledek Produkt_ID Oblast_ID Čas_ID Prodej_ks Prodej_Kč Datový sklad j0233536 Zákazníci Atd.… Dodavatelé Atd.… Zakázky Datový sklad > Podniková DB Transakce j0240409 j0195384 j0332268 Kopie, , organizace dat Sumarizace dat j0315839 > Dolování dat j0195384 j0292020 Datoví horníci : • “Profíci” – vědí co chtějí • “Výzkumníci” – nepředvídané výsledky Definice nDatový sklad: základní komponenta BI n nDatové tržiště : subjektově orientované analytické DB- součást datového skladu n nOperativní datová úložiště : podpůrné analytické DB n nDočasná úložiště dat : úložiště dat před jejich zpracování do databázových komponent řešení BI n Vrstvy pro analýzu dat nReporting : ad hoc dotazovací proces do DB komponent BI n(ad hoc = k tomuto, za tímto účelem, pro tento jednotlivý případ nOLAP : pokročilé a dynamické analytické úlohy n nData Mining (dolování dat) : sofistikovaná analýza většího množství dat n nAlgoritmy pro dolování dat : n nrozhodovací stromy nNeuronové sítě nClustering a klasifikace 3wwl2ijc[1] 3wwl2ijc[1] Datový sklad->datové tržiště (anglická verze) 3wwl2ijc[1] Data Warehouse Data Mart Data Mart Data Mart Decision Support Information Decision Support Information Decision Support Information j0233536 Vysvětlení pojmu METADATA n Metadata jsou data o datech, kde pomocí předem definovaných dat s jasně danou a popsanou strukturou uchováváme informace o jiných datech. n n Typickým příkladem metadat jsou katalogizační záznamy v knihovnách, což byla jejich původní funkce. n Architektura OLAP (anglická verze) METADATA viz definice na předchozím snímku Hlavní komponenty BI a jejich vazby Operativní úložiště Datový sklad Reporting Dolování dat j0195384 j0195384 j0195384 Datové úložiště Transformační nástroje (ETL : Extraction Transformation Loading) Integrační nástroje (EAI : Enterprise Application Integration) Dolování dat nRozhodovací stromy nNeuronové sítě nGenetické algoritmy nClustering a klasifikace Dolování dat nRozhodovací stromy (RS) - prediktivní model, který se zobrazuje v podobě stromu, kde každý uzel určuje kritérium pro následní rozvětvení. Strom rozděluje veškerá zdrojová data do segmentů, kde každý list odpovídá určitému segmentu definovanému předešlými uzly.Data v jednom segmentu mají shodné vlastnosti. n n B + tree-jeden z příkladů RS n n Dividers (no data) Data Searching „Sandy“ = Search path Příklad vytvoření RS Typy stromů : a) CART=Classificaion and Regression Trees (kriterium redukce směrodatné odchylky) b)CHAID =Chi-squared Automatic Interaction Detector http://lisp.vse.cz/~berka/docs/izi456/SL-IDT.PDF Rozdělení postaviček podle atributů Hlava Úsměv Ozdoba Tvar těla Předmět Přátelský Kruh Ne Kravata Čtverec Šavle NE Čtverec Ano Motýlek Čtverec NIC ANO Kruh Ne Motýlek Kruh Šavle ANO Trojúhelník Ne Kravata Čtverec Balon NE Kruh Ano NIC Trojúhelník Květina NE Trojúhelník Ne NIC Trojúhelník Balon ANO Trojúhelník Ano Kravata Kruh NIC NE Kruh Ano Kravata Kruh NIC ANO Rozhodovací strom jako logický výraz Neuronové sítě nNeuronové sítě (NS) - užívané pro tvorbu prediktivních modelů, Jsou založeny na obdobných principech, které napodobují organizaci nebo způsob chování lidského mozku, založeném na systému neuronů. Synapse je vazba a má dva typy : Excitační (vybuzující) a Inhibiční (tlumící) Učení neuronových sítí Vícevrstvé neuronové sítě OLAP databáze nOLAP DB představují jednu nebo více souvisejících OLAP kostek nOLAP kostka na rozdíl od datových skladů zahrnuje předzpracované agregace dat podle definovaných hierarchických struktur dimenzí a jejich kombinací nTechnologie OLAP má několik variant (uvádím zde pouze dvě z nich): n nMOLAP - Multidimensional OLAP (speciální uložené v multidimenzionálních-binárních kostkách) n nROLAP – Relational OLAP (uloží data do relační DB) n Datová pumpa Primární transakční systém (ERP,CRM,..) Datový sklad Datová pumpa Datová pumpa (kritické místo celé aplikace) Datová pumpa, nebo-li ETL nástroj umožňuje efektivní zpracování velkých objemů z různých zdrojů a jejich uložení do datového skladu. Každý ETL nástroj musí umět: a) zpracovávat různorodá data obvykle fyzicky umístěná na různých místech, b)navrhovat transformace pro přenos dat mezi různými datovými formáty Primární transakční systém (ERP,CRM,..) Datový sklad Pumpa, provádějící Transformaci dat Zpracování = odstranění redundancí, agregace podle dimenzí, zapomínání dat Zapomínání dat = úmyslné odstranění nepotřebných dat z datového skladu Datová pumpa (kritické místo celé aplikace) Primární transakční systém (ERP,CRM,..) Datový sklad Pumpa Položky zboží Položky ocenění Věcné položky Zákaznické položky Pumpa 2002 (4)->2007 (2) 2006 (1)->2006 (3) časový filtr-dimenze čas Částečná změna struktury dat a případně další aplikace dimenzí (oblast, typ zákazníka,.. ) Test správnosti dat (konzistence) IF NOT OK THEN Opravná zpětná vazba=TRUE Datová pumpa = Extraction Transformation and Loading = ETL