View
1
Download
0
Category
Preview:
Citation preview
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 1/100
Ver. 06.03.12.
Doc.dr.sc. Dragutin Lisjak
METODE POSLOVNE INTELIGECIJE KAO
POTPORA ODLUČIVANJU U PODUZEĆIMA
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 2/100
S A D R Ž A J
3. SUSTAV ZA PODRŠKU PROCESA DONOŠENJA ODLUKA
1. UVOD
2. OSNOVE BUSINESS INTELLIGENCE
4. SKLADIŠTENJE PODATAKA
5. MATEMATIČKI MODELI ZA DONOŠENJE ODLUKA
6. RUDARENJE PODATAKA
7. Microsoft SQL-Server 2008
8. Microsoft Business Inteligence Development Studio
9. PRIMJERI PRIMJENE RUDARENJA PODATAKA
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 3/100
Literatura
http://www.amazon.com/
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 4/100
Kratki opis tema poglavlja
Poglavlje 2.
• Opisane su osnove poslovne inteligencije s naglaskom na povezanost s ostalim
disciplinama.
• Objašnjena je važnost donošenja učinkovitih i pravovremenih odluka.
• Dan je pregled arhitekture sustava poslovne inteligencije i njegovog razvoja.
Poglavlje 3.
• Opisana je struktura sustava za podršku procesa donošenja odluka i proces
njegovog razvoja.
• Prikazane su prednosti koje uporaba sustava donosi, te neki problemi kod
implementacije.
Poglavlje 1.
• Uvod u tematiku problema.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 5/100
Poglavlje 4.
• Bavi se skladištenjem podataka.
• Opisana je arhitektura skladišta podataka i objašnjeni su razlozi primjene skladišta
podataka.
• Opisani ETL alati i višedimenzionalne kocke podataka.
Poglavlje 5.
• Obrađeni su matematički modeli koji se koriste u sustavima poslovne inteligencije i
klase u koje su podijeljeni.
Poglavlje 6.
• Opisano je rudarenje podataka.
• Navedeni su primjeri primjene rudarenja, opisan je proces rudarenja podataka, i
analizirane su metodologije koje se koriste.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 6/100
Poglavlje 7.
• Opisane su glavne komponente Microsoft SQL Server 2008 BI rješenja.
Poglavlje 8.
• Opisane su komponente SQL Servera za razvoj BI rješenja: SQL Server Analysis
Services, Business Intelligence Development Studio.
• Kod obrade tih komponenti naglasak je stavljen na rudarenje podataka.
• Opisani su svi algoritmi za rudarenje podataka koji su uključeni u navedeni softverski
sustav.
Poglavlje 9.
• Obrađen je konkretan primjer primjene BIDS-a za razvoj strukture rudarenja
podataka.
• Opisana je struktura u koju je uključeno više modela koji se temelje na različitim
algoritmima.
• Opisani su rezultati modela, te je izvršena njihova usporedba kako bi se odredio
najtočniji model koji će se koristiti za donošenje odluka.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 7/100
1. UVOD
• Velike promjene koje su se dogodile u načinu proizvodnje i
gospodarskim odnosima dovele su do rasta važnosti razmjene
nematerijalne robe, koja se većim dijelom sastoji od prijenosa
informacija.
• Na to utječu dva važna faktora.
• Prvi je globalizacija, odnosno stalno rastuća međuovisnost
gospodarstva pojedinih zemalja - stvaranje jedinstvenog
globalnog tržišta sa visokim stupnjem integracije.
• Drugi faktor su nove informacijske tehnologije, koje predvodi
masivno širenje interneta i bežičnih uređaja - mogućnost brzog
prijenosa velike količine podataka te raznolikost u primjeni
sofisticiranih sredstava komunikacije.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 8/100
• Jednostavan pristup informacijama i znanju nudi razne prednosti
sudionicima društveno ekonomskog okruženja.
• Pojedinci mogu puno brže doći do novih saznanja i
informacijama o događanjima, ili mogu obavljati trgovačke i
bankarske transakcije putem interneta.
• Poduzeća koja razvijaju nove proizvode i usluge mogu
uspješnije zadovoljiti potrebe korisnika, ili steći konkurentsku
prednost učinkovitijim korištenjem stečenog znanja.
• Pojava jeftinih tehnologija za masivnu pohranu podataka i
rasprostranjenost interneta omogućila je raznim organizacijama da
tijekom godina prikupe i pohrane veliku količinu podataka.
• Poduzeća koja su sposobna transformirati te podatke u znanja
mogu ih iskoristiti za donošenje učinkovitijih odluka i tako steći
konkurentsku prednost.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 9/100
• Javne uprave mogu iskoristiti dostupne informacije za razvoj boljih
usluga za građane.
• Koliko god te tehnologije bile napredne, one ne mogu funkcionirati
bez potpore kvalitetnih stručnjaka i naprednih metodologija analiza.
• Business intelligence – definira se kao skup matematičkih modela i
metodologija analiza koje sustavno koriste raspoložive podatke za
dobivanje informacija i znanja korisnih za složene procese
donošenja odluka.
• Naziv Poslovna (business) sugerira da se metodologija odnosi
samo na primjenu u poslovnim (proizvodnim) poduzećima, međutim
business intelligence sustavi primjenjuju se i kod svih ostalih vrsta
složenih organizacijskih sustava.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 10/100
• Metodologije poslovne inteligencije su interdisciplinarne i
obuhvaćaju više područja kao što su:
• prikaz i organizacija procesa donošenja odluka,
• teorije odlučivanja,
• prikupljanja i pohrana podataka,
• tehnologije skladištenja podataka,
• matematičkim modelima optimizacije i rudarenja podataka,
• operacijskim istraživanjem i statistikom,
• marketing,
• logistika,
• računovodstvo,
• kontrola, financija,
• javna uprava.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 11/100
• Može se reći da sustavi poslovne inteligencije promiču znanstveni i
racionalni pristup upravljanu poduzećima i složenim organizacijama.
• Business intelligence sustavi donosiocima odluka pružaju
informacije i znanja dobivena primjenom matematičkih modela i
algoritama nad dostupnim podacima.
• U nekim slučajevima, gotovo da se i ne primjenjuju kalkulacije
postotaka ili suma, već mnogo razvijenije analize koje koriste
napredne modele optimizacije te induktivnog učenja i predviđanja.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 12/100
2. OSNOVE POSLOVNE INTELIGENCIJE
• Pojava jeftinih tehnologija pohrane podataka i velika
rasprostranjenost interneta, omogućila je pojedincima i
organizacijama pristup velikom broju podataka.
• Podaci su često u heterogenog podrijetla i razlikuju se sadržajem i
značenjem. Npr.:
• komercijalni uvjeti,
• financijski,
• administrativni,
• transakcije,
• e-mail adrese,
• tekstovi,
• hipertekstovi itd.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 13/100
• Business intelligence – definira se kao skup matematičkih modela i
metodologija analiza koje sustavno koriste raspoložive podatke za
dobivanje informacija i znanja korisnih za složene procese
donošenja odluka.
2.1 Učinkovite i pravovremene odluke
• U složenim organizacijama odluke se donose na dnevnoj bazi.
• Odluke mogu biti više ili manje važne, mogu imati dugotrajan ili
kratkoročan učinak, i mogu uključivati ljude na raznim hijerarhijskim
razinama.
• Sposobnost za donošenje odluka, bilo pojedinca ili zajednice, je
jedan od primarnih faktora koji utječu na učinkovitost i
konkurentnost organizacije.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 14/100
• Većina odluka se donosi koristeći jednostavne i intuitivne metode,
koje uzimaju u obzir specifične elemente kao što su iskustvo, znanje
i dostupne informacije.
• Takav pristup dovodi do stagnacije načina donošenja odluka, koji je
neprikladan za nestabilne uvijete nametnute učestalim i brzim
gospodarskim promjenama.
• U današnjim organizacijama, procesi odlučivanja su često
presloženi i dinamični da bi se radilo na intuitivan način. Umjesto
toga zahtijeva se stroži pristup temeljen na analitičkim metodama i
matematičkim modelima.
• Glavna uloga sustava poslovne inteligencije je pružanje alata i
metoda koje omogućavaju donošenje učinkovitih i pravodobnih
odluka.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 15/100
Učinkovite odluke
• Primjena strogih analitičkih metoda omogućava donositeljima
odluka da se oslanjaju na informacije i znanja koja su pouzdanija.
• Rezultat toga je donošenje boljih odluka i planova djelovanja koji
omogućuju učinkovitije postizanje ciljeva.
• Analitičke metode zahtijevaju eksplicitan opis kriterija za procjenu
alternativa i mehanizama koji reguliraju problem.
• Nužan je temeljni pregled i razumijevanje temeljne logike procesa
donošenja odluka.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 16/100
Pravovremene odluke
• Poduzeća posluju u gospodarskom okruženju koje karakterizira rast
razine konkurencije i visoka dinamičnost.
• Sposobnost da se brzo reagira na akcije konkurencije i na nove uvjete
tržišta kritični je faktor za uspjeh ili čak opstanak tvrtke.
• Kada se donosioci odluka suočavaju s problemima postavljaju si niz
pitanja i razvijaju odgovarajuće analize.
• Nekoliko opcija se ispituje i uspoređuje, te se s obzirom na uvjete koji
su uzeti u obzir, odabire najbolja.
• Ako se donosioci odluka mogu osloniti na Business Intelligence sustav,
mogu se očekivati velika poboljšanja cjelokupne kvalitete procesa
donošenja odluka.
• Pomoću matematičkih modela i algoritama, moguće je analizirati veći
broj alternativnih akcija.
• Zaključuje se da je glavna prednost usvajanja Business Intelligence
sustava povećanje učinkovitosti procesa donošenja odluka.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 17/100
Prednosti primjene Business Intelligence sustava
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 18/100
2.2 Podaci, informacije i znanje
• U informacijskim sustavima, javnih i privatnih organizacija,
nakupljaju se velika količina podataka.
• Ti podaci potječu dijelom od internih transakcija administrativne,
logističke i komercijalne naravi, te dijelom od vanjskih izvora.
• Međutim, čak i ako su prikupljeni i pohranjeni na sustavan način, ne
mogu se izravno koristiti za donošenje odluka.
• Podaci trebaju biti obrađeni odgovarajućim alatima za ekstrakciju i
analitičkim metodama, sposobnim transformirati ih u informacije i
znanja, koja bi se mogla koristiti za donošenje odluka.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 19/100
Znanje
• Informacija se pretvara u znanje kada se koristi za donošenje
odluka i planiranje odgovarajućih akcija.
• Znanjem se smatra skup informacija iz nekog područja,
potpomognutih iskustvom i kompetencijom donositelja odluka u
rješavanju složenih problema.
• Analiza prodaje maloprodajnog poduzeća, može otkriti da je grupa
kupaca koja živi na području, gdje je konkurent otvorio prodajno
mjesto, smanjila potražnju.
• S vremenom će znanje prikupljeno na ovaj način dovesti do akcije
koja će biti usmjerena na rješavanje problema, primjerice
uvođenjem usluge besplatne dostave za kupce na tom području.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 20/100
• Znanje može biti prikupljeno iz podataka na pasivan način,
analitičkim kriterijem predloženim od strane donositelja odluka
(DO), ili aktivnom primjenom matematičkih modela, u obliku
induktivnog učenja ili optimizacije.
• Postoje javna i privatna poduzeća koja godinama razvijaju formalne
i sustavne mehanizme prikupljanja, pohrane i podjele znanja.
• Mehanizme prikupljanja sada smatraju neprocjenjivom
nematerijalnom imovinom.
• Aktivnosti pružanja podrške u širenju znanja, kroz organizaciju,
integracijom procesa donošenja odluka i usvajanjem informacijskih
tehnologija obično se nazivaju upravljanje znanjem.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 21/100
• Znanje može biti prikupljeno iz podataka na pasivan način,
analitičkim kriterijem predloženim od strane donositelja odluka
(DO), ili aktivnom primjenom matematičkih modela, u obliku
induktivnog učenja ili optimizacije.
• Postoje javna i privatna poduzeća koja godinama razvijaju formalne
i sustavne mehanizme prikupljanja, pohrane i podjele znanja.
• Mehanizme prikupljanja sada smatraju neprocjenjivom
nematerijalnom imovinom.
• Aktivnosti pružanja podrške u širenju znanja, kroz organizaciju,
integracijom procesa donošenja odluka i usvajanjem informacijskih
tehnologija obično se nazivaju upravljanje znanjem.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 22/100
Business intelligence i upravljanje znanjem
• Dijele neke sličnosti u svojim ciljevima.
• Glavni cilj obiju disciplina je razviti okruženje koje podupire
donosioce odluka u procesu donošenja odluka i aktivnostima
rješavanja složenih problema.
• Razlika:
• Metode upravljanja znanjem primarno orijentiraju na obradu
informacija koje su obično nestrukturirane, ponekad implicitne, i
uglavnom se nalaze u dokumentima, razgovorima i iskustvima.
• Business intelligence se temelji na strukturiranim
informacijama, najčešće kvantitativne prirode i obično
organizirane u baze podataka.
• Mogućnost analize e-mail adresa i internet stranica metodama
rudarenja kroz tekstove, postepeno se i business intelligence
sustavi počinju baviti nestrukturiranim informacijama.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 23/100
2.3 Uloga matematičkih modela
• Business intelligence sustavi pružaju donositeljima odluka
informacije i znanja izvađena iz podataka, primjenom matematičkih
modela i algoritama.
• U nekim se slučajevima ova aktivnost može svesti na izračun
postotka i grafički prikaz jednostavnih histograma, dok složenije
analize zahtijevaju razvoj naprednih modela optimizacije i učenja.
• Klasične znanstvene discipline, poput fizike, uvijek su posezale za
matematičkim modelima da bi opisale realne sustave.
• Druge discipline, kao što su operacijska istraživanja, koriste
znanstvene metode i matematičke modele za proučavanje umjetnih
sustava, primjerice privatnih i javnih organizacija.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 24/100
• Generalno gledano, usvajanje business intelligence sustava teži
promicanju znanstvenog i racionalnog pristupa upravljanju
poduzeća i složenih organizacija.
• Racionalni pristup business intelligenca može se podijeliti po
sljedećim fazama:
• Definiraju se objekti analize i pokazatelji performansi koji će se
koristiti za evaluaciju alternativnih mogućnosti.
• Razvijaju se matematički modeli koji se temelje na vezama
između varijabli, parametrima i mjerama evaluacije zadanog
sustava.
• Provodi se What-if analiza, kojom se vrši evaluacija
performansi koje ovise o varijaciji varijabla i promjenama
parametara sustava.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 25/100
• Znanje o sustavu, koje je dobiveno izradom matematičkog modela,
moguće je jednostavno prenijeti svim pojedincima unutar
organizacije.
• Na taj je način omogućeno bolje očuvanje znanja u odnosu na
empirijski (iskustveni) proces donošenja odluka.
• Matematički modeli koji su razvijeni za specifičan slučaj, vrlo su
općeniti i fleksibilni pa se u većini slučajeva mogu primijeniti u
rješavanju sličnih problema.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 26/100
2.4 Business inteligence struktura
Tipična Business Inteligence struktura
IZVORI SKLADIŠTA
METODE
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 27/100
Izvori podataka (engl. data sources)
• Početno, prikupljaju se i integriraju podaci, različitog podrijetla,
pohranjeni u raznim izvorima.
• Izvori se uglavnom sastoje od podataka koji pripadaju različitim
operacijskim sustavima, koji često sadrže nestrukturirane
dokumente kao što je elektronička pošta i podatke dobivene od
vanjskih dobavljača.
• Potrebni su veliki napori da se ujedine i integriraju različiti izvori
podataka.
Skladišta podataka (engl. data warehouses and data marts)
• Koriste se alati za vađenje, transformaciju i učitavanje podataka
(engl. extract, transforma, and load, ETL), kako bi se podaci iz
različitih izvora sortirali u baze podataka (skladišta podataka),
odnosno da bi se omogućile business intelligence analize.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 28/100
Glavne komponente Business Inteligence sustava
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 29/100
Istraživanje podataka (engl. data exploration)
• Na trećoj razini piramide, nalaze se alati za provedbu pasivnih
business intelligence analiza, koji se sastoje od:
• upita (engl. query),
• sustava izvješćivanja (engl. reporting systems),
• statističkih metoda.
• Nazivaju se pasivnima zato jer je donosioci odluka moraju odrediti
hipoteze ili kriterije izvlačenja podataka, i onda koristiti alate za
analizu.
• Npr.,voditelj prodaje primijeti da su prihodi određene grupe kupaca
na određenom području smanjeni, te želi uporabom ETL alata i
statističkim testom provjeriti da li su njegovi zaključci na
raspoloživom skupu podataka ispravni.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 30/100
Rudarenje podataka (engl. data mining)
• Na četvrtoj razini nalaze se aktivne business intelligence
metodologije, kojima je svrha vađenje informacija i znanja iz
podataka.
• Metodologije uključuju matematičke modele raspoznavanja, strojno
učenje i tehnike rudarenja podataka.
• Za razliku od alata navedenih u nižim razinama piramide, ovi su
modeli aktivni, te donosioci odluka ne moraju formulirati hipotezu,
koja će se kasnije provjeravati.
• Njihova svrha je proširiti znanje donosiocima odluka.
Optimizacija
• Model optimizacije omogućava odabir najboljeg rješenja od
mogućih alternativa.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 31/100
Odluka
• Predstavlja zaključak procesa donošenja odluka.
• Odluku moraju donijeti donosioci odluka (DO).
• Donosioci odluka mogu na temelju neformalnih i nestrukturiranih
informacija promijeniti odluku preporučenu od strane matematičkih
modela.
Odgovornosti unutar piramide BI-sustava
• Na dnu piramide, potrebni su stručnjaci za informacijske sustave,
koji se obično nazivaju administratorima baza podataka.
• Za matematičke i statističke modele, koji se nalaze u srednjim
razinama piramide, odgovorni su analitičari-statističari.
• Za aktivnosti na vrhu piramide zaduženi su donosioci odluka.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 32/100
2.5 Ciklus Business inteligence analize
• Svaka Business intelligence analiza slijedi svoj tok ovisno o
području primjene, subjektivnosti donosioca odluka, te dostupnih
analitičkih metodologija.
Glavne komponente Business Inteligence sustava
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 33/100
Analiza
• Tijekom analize prepoznaje se zadani problem i identificiraju se
kritični faktori koji se doimaju najvažnijim.
• Primjena BI metodologije omogućava brzi razvoj različitih modela
istraživanja, dok se ne pronađe zadovoljavajući model.
Uvid
• Ova faza donosiocima odluka pruža mogućnost boljeg
razumijevanja danog problema.
• Npr., ako provedena analiza pokazuje da velik broj klijenata zatvara
policu osiguranja nakon isteka godišnjeg ugovora, onda se u ovoj
fazi identificiraju sličnosti koje ti klijenti dijele.
• U ovoj se fazi, informacije prikupljene u fazi analize, pretvaraju u
znanje.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 34/100
Odluka
• Tijekom ove faze, znanje stečeno u fazi uvida pretvara se u odluku,
a zatim u akciju.
Evaluacija
• Posljednja faza business intelligence ciklusa uključuje mjerenja i
evaluaciju.
• Definira se metrika uspješnosti koja uključuje definiciju ključnih
pokazatelja uspješnosti (KPI) različitih odjela organizacije.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 35/100
2.6 Ključni faktori Business inteligence projekta
Tehnologija
• Hardverske i softverske tehnologije bitni su faktori za razvoj
business intelligence sustava poduzeća i složenih organizacija.
• Tijekom posljednja dva desetljeća, snaga mikroprocesora povećava
se 100% svakih 18 mjeseci, a i cijena im je pada.
• Trend omogućava primjenu naprednih algoritama koji koriste
metode induktivnog učenja i modele optimizacije.
• Moguće je koristiti tehnike vizualizacije, s prikazima u realnom
vremenu.
• Eksponencijalno povećanje kapaciteta uređaja za pohranu
podataka, čija cijena također pada, što omogućuje organizacijama
pohranu velikog broja podataka u BI-sustave.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 36/100
• Mrežno povezivanje, odnosno ekstranet (engl. extranet) i intranet
(engl. intranet), koji imaju jednu od glavnih uloga u širenju
informacija i znanja unutar organizacije.
• Jednostavnost integracije hardvera i softvera različitih proizvođača,
bitan je faktor koji utječe na alate za analizu podataka.
Analitika
• Matematički modeli i analitičke tehnologije imaju ključnu ulogu u
vađenju informacija i znanja iz dostupnih podataka.
• Vizualizacija podataka, ima važnu ulogu u olakšavanju procesa
donošenja odluka.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 37/100
Ljudski potencijali
• Vrijednost ljudskih potencijala čine ljudi koji djeluju unutar
organizacije, bilo kao pojedinci ili timovi.
• Ukupna znanja koja posjeduju i dijele pojedinci čine organizacijsku
kulturu.
• Sposobnost prikupljanja informacija i pretvaranja u akcije jedan je
od glavnih faktora svake organizacije, i ima velik utjecaj na kvalitetu
procesa odlučivanja.
• Ako je poduzeće uvelo napredni business intelligence sustav, još
uvijek su potrebni radnici koji će provoditi analize, interpretirati
rezultate, pronalaziti kreativna rješenja i smišljati učinkovite planove
djelovanja.
• Organizacije, čiji su zaposlenici spremni prihvatiti promjene u
načinu donošenja odluka, steći će prednost nad konkurencijom.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 38/100
2.6 Razvoj Business inteligence sustava
• Razvoj business intelligence sustava vrlo je sličan razvoju projekta.
• Sličan je jer je potrebno definirati konačan cilj sustava, vrijeme i
troškove razvoja sustava, te resurse koji su potrebni za izvođenje
planiranih aktivnosti.
• Glavne faze razvoja su:
• Analiza,
• Dizajn,
• Planiranje,
• Implementacija i kontrola.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 39/100
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 40/100
Analiza
• Utvrđuju se potrebe organizacije koje su bitne za business
intelligence sustav.
• Faza se obično provodi kroz niz intervjua sa zaposlenicima u
organizaciji.
• Potrebno je jasno opisati glavne ciljeve i prioritete sustava, kao i
troškove te prednosti uvođenja business intelligence sustava.
Dizajn
• Faza se sastoji od dvije podfaze kojima je cilj odrediti privremeni
plan cjelokupne arhitekture, uzimajući u obzir razvoj u bliskoj
budućnosti.
• Proučava se proces donošenja odluka koji će business intelligence
sustav podržavati.
• Utvrđuju se faze razvoja, prioriteti, očekivano vrijeme razvoja i
troškovi, te potrebni resursi.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 41/100
Planiranje
• Detaljno su definirane i opisane funkcije business intelligence
sustava.
• Procjenjuju se postojeći podaci i podaci iz vanjskih izvora.
• Oblikuje se struktura BI-sustava, koja se sastoji centralnog
skladišta podataka (engl. central data warehouse) i ako je potrebno
satelitskih skladišta podataka (engl. satellite data mart).
• Prepoznavanjem raspoloživih podataka, definiraju se matematički
modeli koji će se primijeniti.
• Izrada jeftinog prototipa, ograničenih mogućnosti, s ciljem
otkrivanja različitosti između stvarnih potreba i onih definiranih u
projektu.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 42/100
Implementacija i kontrola
• Razvijaju se skladišta podataka koja predstavljaju informacijsku
strukturu koja će BI-sustav snabdijevati s informacijama.
• Objašnjenja značenja podataka koji se nalaze u skladištima
podataka, zapisuju se u dokument koji se naziva arhiva
metapodataka (engl. metadata).
• Utvrđuju se ETL procedure koje će vaditi i transformirati podatke iz
primarnih izvora, te ih unositi u skladišta podataka.
• Razvijaju se ključne business intelligence aplikacije koje
omogućavaju provođenje planiranih analiza.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 43/100
3. SUSTAV ZA PODRŠKU PROCESA DONOŠENJA ODLUKA
• Sustav za podršku procesa donošenja odluka je interaktivna
računalna aplikacija koja kombinira podatke i matematičke modele
kako bi pomogla donosiocima odluka riješiti složene probleme u
organizacijama i poduzećima.
• U ovom poglavlju opisano je:
• Sustav za podršku procesa donošenja odluka,
• Prednosti i ključni faktori bitni za njegovo uvođenje,
• Opisane su faze razvoja.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 44/100
3.1 Sustavi za podršku procesa donošenja odluka (SPPDO)
• Sustav za podršku procesa donošenja odluka definiran je kao
interaktivni računalni sustav koji pomaže donosiocima odluka da
kombiniranjem podataka i matematičkih modela riješe djelomično
strukturirane i nestrukturirane probleme.
• Ova definicija povezuje tri glavna elementa sustava za podršku
procesa donošenja odluka:
• baze podataka,
• matematičke modele,
• grafičko sučelje.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 45/100
Struktura sustava za podršku procesa donošenja odluka
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 46/100
Glavne značajke SPPDO sustava
Učinkovitost
• Sustavi za podršku procesa donošenja odluka trebali bi pomoći
donosiocima odluka da dođu do efikasnijih odluka.
• To ne znači nužno povećanje efikasnosti procesa donošenja
odluka.
• Uvođenjem sustava za podršku procesa donošenja odluka
uključuje preciznije analize koje zahtijevaju više vremena od samog
donošenja odluka.
• Međutim, veći napori obično rezultiraju boljim odlukama.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 47/100
Matematički modeli
• Kako bi se postigle učinkovitije odluke, sustav za podršku
donošenja odluka koristi matematičke modele iz područja
operacijskih istraživanja i statistika, koji se primjenjuju na podatke iz
skladišta podataka.
• Korištenje analitičkih modela za transformaciju podataka u znanje i
pružanje aktivne podrške glavna je karakteristika koja čini razliku
između sustava za podršku donošenja odluka i običnog
informacijskog sustava.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 48/100
Integracija u proces donošenja odluka
• K
Integracija u proces donošenja odluka
• Sustav za podršku procesa donošenja odluka trebao bi osigurati
pomoć za razne probleme, unutar istog stručnog područja, u
rješavanju djelomično strukturiranih i strukturiranih problema.
• Sustav je namijenjen za strateške, taktičke i operativne procese
donošenja odluka.
• Donosioci odluka trebali bi imati mogućnost integriranja sustava s
obzirom na svoje sklonosti i sposobnosti, prilagođavajući ga svojim
potrebama radije nego pasivno prihvaćati njegove rezultate.
• Na taj način sustav za podršku procesa donošenja odluka postupno
preuzima ulogu ključne komponente za rješavanje problema.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 49/100
Organizacijska uloga
• U mnogim situacijama sustav za podršku procesa donošenja
odluka koristi se na različitim hijerarhijskim razinama, i pozitivno
djeluje na kvalitetu komunikacije između različitih dijelova
organizacije.
• Pružajući podršku za sekvencijalne i međusobno zavisne procese,
sustav može pratiti analize i informacije koje su dovele do određene
odluke.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 50/100
Fleksibilnost
• Sustav za podršku procesa donošenja odluka mora biti fleksibilan i
prilagodljiv kako bi se uvele promjene potrebne za prilagodbu
okruženju i procesu donošenja odluka.
• Mora biti jednostavan za korištenje, sa intuitivnim interakcijskim
metodama, i kvalitetnim grafičkim prikazom informacija.
• Poželjno je da sustavi za podršku procesa donošenja odluka
koriste web preglednike kao sučelje za komunikaciju s korisnicima.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 51/100
Upravljanje podacima
• Modul za upravljanje podacima obuhvaća bazu podataka
namijenjenu pohrani podataka potrebnih procesu donošenja
odluka, koje koristi sustav za podršku procesa donošenja odluka.
• Modul za upravljanje podacima uglavnom je povezan sa skladištem
podataka, koje predstavlja glavno spremište podataka dostupnih za
razvoj BI analiza.
Upravljanje modelima
• Modul sadrži korisnicima zbirku matematičkih modela izvedenih iz
operacijskih istraživanja, statistike i financijskih analiza.
• Obično su to relativno jednostavni modeli koji omogućavaju
provođenje vrlo korisne analize za vrijeme procesa donošenja
odluka.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 52/100
Integracije
• U većini slučajeva, sustav za podršku procesa donošenja odluka
koristi se interaktivno za provođenje analiza.
• Korisnik podatke unosi na jednostavan i intuitivan način.
• Za interakciju se najčešće koristi web preglednik, a dobivene
informacije i znanja koja generira sustav prikazuju se u
odgovarajućem grafičkom obliku.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 53/100
Upravljanje znanjem
• veći broj razmatranih opcija ili alternativa,
• veća svijest i bolje razumijevanje analiziranog područja i danog
problema,
• mogućnost izvođenja scenarija i what-if analiza variranjem
pretpostavki i parametara matematičkih modela,
• bolja sposobnost pravovremene reakcije na nepredviđene
situacije,
• bolja komunikacija i koordinacija između pojedinaca i
organizacijskih odjela,
• učinkovitiji razvoj timskog rada,
• veća pouzdanost kontrolnih mehanizama zbog boljeg
razumijevanja procesa odlučivanja.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 54/100
3.2 Razvoj sustava za podršku procesa donošenja odluka
• Za razliku od drugih aplikacija, kao što su informacijski sustavi i
uredski alati, SPPDO sustavi nisu dostupni kao standardne
aplikacije.
• SPPDO sustavi razvijaju se za potrebe rješavanje specifičnih
problema.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 55/100
Faze razvoja sustava za podršku procesa donošenja odluka
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 56/100
Planiranje
• Definiraju se potrebe i mogućnosti, koje se prevode u projekt, a
kasnije u PPDO sustav.
• Uključuje analizu izvedivosti:
• definiraju se opći i specifični ciljevi sustava, korisnici, troškovi.
• Identifikacija prednosti sustava za podršku procesa donošenja
odluka.
• Glavna prednost većine sustava za podršku procesa donošenja
odluka nije povećana učinkovitost, već poboljšana kvaliteta
donesenih odluka.
• Potrebno je definirati aktivnosti, zadatke, odgovornosti i faze
razvoja.
• Kod planiranja se koriste klasične metodologije projektnog
menadžmenta.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 57/100
Analiza
• U ovoj fazi detaljno se definiraju funkcije PPDO koje će se razvijati.
• Definiraju se zadaci sustava, korisnici, te način i vrijeme korištenja.
• Provodi se analiza procesa donošenja odluka koji će biti podržan,
tijekom koje je nužno uočiti sve povezanosti između zadanih
problema i okruženja.
• Ocjenjuju se posljedice uvođenja PPDO na organizaciju,
• Simulacija izbacivanja aktualnog procesa donošenja odluka i
procjena kako će novi proces izgledati kada se uvede sustav.
• Pregled podataka kako bi se utvrdilo koji podaci postoje, te podaci
koje se mogu dobiti iz vanjskih izvora.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 58/100
Oblikovanje
• Određuje se način na koji će raditi sustav za podršku procesa
donošenja odluka.
• Definira se cijela arhitektura sustava, hardverska platforma,
struktura mreže, softverski alati za razvoj aplikacija i specifične
baze podataka koje će se koristiti.
• Detaljno se definira korisnička interakcija sa sustavom, unos
podataka putem maske, grafička vizualizacija na zaslonu ispis
izvještaja – interakcija putem web preglednika.
• Daljnji aspekt koji treba razjasniti tijekom ove faze je da li
implementaciju PPDO sustava prepustiti trećoj strani, u cijelosti ili
djelomično.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 59/100
lmplementacija
• Jedan aspekt u ovoj fazi koji se često previdi, je opći utjecaj
sustava za podršku procesa donošenja odluka na organizaciju.
• Takve učinke treba pratiti pomoću tehnike upravljanja promjenama,
pazeći da se niko ne osjeća isključeno iz inovacijskog procesa ili da
odbacuje novi sustav.
• Ponekad projekt ne ispunjava očekivanja, ne dolazi se do
uspješnog završetka, ili čak ispada potpuni neuspjeh.
• Smanjenje rizika od neuspjeha - brza izrada prototipa (engl. rapid
prototyping development), gdje se umjesto za kompletni sustav
identificiraju autonomni podsustavi, za koje se razvijaju podsustavi
koji su ograničenih mogućnosti.
• Daljnjim razvojem tih podsustava, korak po korak, dolazi se do
sustava koji u cijelosti odgovara sustavu za podršku procesa
donošenja odluka.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 60/100
• Brzi razvoj prototipa ima sljedeće prednosti, a u cilju smanjenja
rizika od neuspjeha:
• Podsustav može biti razvijen brže nego cijeli sustav, te je zbog
toga i ranije dostupan.
• Sustav je moguće predati korisnicima na testiranje čak i ako još
nije u potpunosti razvijen.
• U situacijama u kojima postoji jasna razlika između značajki
razvijenog prototipa i očekivanja korisnika, moguće je u ranoj
fazi prekinuti projekt što smanjuje krajnje troškove.
• Potrebno je predvidjeti daljnji razvoj aplikacije, te je potrebno
ostaviti mjesta za buduće promjene i prilagodbe.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 61/100
lntegracija
• Oblikovanje i razvoj sustava za podršku procesa donošenja odluka
zahtijevaju skladan rad brojnih metodologija, alata, modela,
pojedinaca i organizacijskih procesa.
• To rezultira vrlo složenim projektom koji zahtjeva različite
sposobnosti i kompetencije.
• Važna je uloga sistemskog integratora.
• Sistemski integrator je stručnjak koji ima kompetencije iz
područja koja su uključena u razvoj PPDO sustava kao što su
arhitektura informacijskog sustava i matematički modeli.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 62/100
Sudjelovanje korisnika
• Isključivanje ili marginalizacija budućih korisnika sustava i
donosioca odluka, iz projektnog tima, pogreška je koja se događa
tijekom oblikovanja i razvoja sustava.
• To se u mnogim slučajevima događa jer se sustav za podršku
procesa donošenja odluka smatra samo računalnom aplikacijom, te
se razvoj dodjeljuje isključivo ili prvenstveno odjelu za informacijske
tehnologije.
• Sudjelovanje donositelja odluka i korisnika u razvojnom procesu
vrlo je bitna da prihvate sustav kao novi alat za svakodnevnu
primjenu.
• Nužno je promicati neformalne komunikacije, posebno tijekom faza
oblikovanja i implementacije prvih prototipa.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 63/100
Nesigurnost
• Izradom prototipa, korisničkom pristupačnošću, testiranjem sustava
u preliminarnim fazama i evolucijskom implementacijom moguće je
smanjiti nesigurnost neuspješnosti projekta i previsokih troškova.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 64/100
4. SKLADIŠTENJE PODATAKA
• U ovom poglavlju opisane su:
• Značajke skladišta podataka i data marts,
• Dan je pregled arhitekture skladišta podataka,
• Objašnjena je uloga ETL alata i meta podataka,
• Objašnjena je on-line analitička obrada (OLAP),
• Objašnjene su višedimenzionalne kocke.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 65/100
4.1 Općenito o skladištu podataka
• Termin skladištenje podataka uključuje čitav niz međusobno
povezanih aktivnosti koje uključuju oblikovanje, implementaciju i
korištenje skladišta podataka.
• Podatke koji se pohranjuju u skladište podataka moguće je podijeliti
u tri glavne skupine, a to su:
• interni podaci,
• vanjski podaci,
• osobni podaci.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 66/100
Interni podaci
• Interni podaci prikupljaju se kroz transakcijske aplikacije koje se
koriste u raznim odjelima poduzeća, kao što je uprava,
računovodstvo, proizvodnja i logistika.
• Skup takvih transakcijskih aplikacija naziva se sustavom za
planiranje poslovnih resursa (engl. enterprise resource planning,
ERP).
• Ti podaci obično dolaze iz različitih dijelova informacijskog sustava:
• back-office sustav - prikuplja osnovne transakcijske zapise kao što su
narudžbe, fakture, zalihe, logistički podaci i podaci iz proizvodnje.
• front-office sustav - sadrži podatke iz pozivnog centra, službe za
pružanje pomoći korisnicima, marketinških kampanja.
• web-based sustav - prikuplja transakcije prodaja putem internet
stranica, posjete internet stranicama, podatke iz obrazaca koje
popunjavaju postojeći i potencijalni klijenti.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 67/100
Eksterni podaci
• Postoji više izvora eksternih podataka koji se mogu koristiti za
širenje informacija pohranjenih u internim bazama podataka kao
npr.:
• agencije za prikupljanje podataka bitnih za prodaju, tržišni udio,
buduće trendove za specifične poslovne djelatnosti, ekonomske i
financijske pokazatelje.
• agencije za anketiranje tržišta i prikupljanje mišljenja potrošača
provode putem upitnika.
• geografski informacijski sustavi (GIS), koji predstavljaju skup
aplikacija za prikupljanje, organiziranje, pohranu i prikaz
teritorijalnih podataka. Ovi podaci omogućavaju izvođenje
specifičnih analiza nad podacima povezanih s geografskim
elementima i grafički prikaz rezultata.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 68/100
Osobni podaci
• U većini slučajeva, donositelji odluka provode business intelligence
analize koje se oslanjaju na informacije i osobne procjene
pohranjene unutar radnih listova ili lokalnih baza podataka koje se
nalaza na njihovim računalima.
• Dohvaćanje tih informacija i njihova integracija sa strukturiranim
podacima iz internih i eksternih izvora jedan je od ciljeva sustava
upravljanja znanjem.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 69/100
Učinkovitost
• Upiti (engl. queries) koji vade informacije za business intelligence
analize mogu opterećivati računalne resurse i utjecati na vrijeme
obrade.
• Ako se složeni upiti usmjeravaju na transakcijski sustav ugrožava
se učinkovitost ERP sustava, što negativno utječe na rutinske
aktivnosti unutar organizacije.
• Bolje rješenje je usmjeriti složene upite OLAP analiza, izravno na
skladište podataka koje je fizički odvojeno od operativnog sustava.
• Postoji više razloga zašto se skladišta podataka implementiraju
odvojeno od baza podataka za podršku OLTP aplikacija u
poduzeću. Neki od važnijih razloga su:
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 70/100
Integracija
• U mnogim slučajevima, sustav za podršku procesa donošenja
odluka koristi podatke iz više izvora, koji se nalaze u različitim
dijelovima organizacije ili raznim vanjskim izvorima.
• Skladišta podataka integriraju više izvora, koji su često heterogeni,
te je potrebno omogućiti pristup tim informacijama.
• Integracija podataka može biti postignuta primjenom različitih
tehnika kao npr. korištenjem metode jedinstvenog kodiranja, te
pretvaranja u standardne mjerne jedinice.
Kvaliteta
• Podaci koji se prenose iz operacijskog sustava u skladište
podataka ispituju se i ispravljaju kako bi se dobile pouzdane
informacije bez grešaka. Takvom praksom povećava se vrijednost
podataka pohranjenih u skladište podataka.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 71/100
Protežnost
• Podaci se u transakcijskom sustavu nalaze privremeno, zbog
ograničenja memorijskog kapaciteta.
• Nakon određenog vremenskog razdoblja podaci se uklanjaju iz
OLTP sustava i trajno arhiviraju na off-line uređaje za masovnu
pohranu, kao što su DVD, magnetske vrpce i sl.
• Business intelligence sustavima potreban je pristup svim podacima
iz prošlosti. To je moguće korištenjem skladišta podataka koje
zadržava povijesne podatke.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 72/100
Orijentiranost na entitete
• Podaci pohranjeni u skladišta podataka prvenstveno se bave
glavnim entitetima koji su bitni za analizu, a to su proizvodi, kupci,
narudžbe i prodaja.
• Dok su transakcijski sustavi više orijentirani prema operativnim
aktivnostima i temelje se na transakcijskim zapisima ERP
aplikacija.
• Orijentiranost na entitete omogućava procjenu rada tvrtke tijekom
business intelligence analiza i otkrivanje potencijalnih uzroka
neučinkovitosti.
• S obzirom na prethodno navedene značajke, skladišta podataka
možemo definirati kao zbirke podataka koje podržavaju procese
donošenja odluka i business intelligence sustave, te imaju sljedeće
karakteristike:
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 73/100
Vremenska promjenjivost
• Svi podaci uneseni u skladište podataka označeni su vremenskim
periodom kojem pripadaju.
• Vremenska dimenzija je ključan element u svim skladištima
podataka.
• Na taj način sustavi za podršku procesa donošenja odluka mogu
razviti analize povijesnih trendova.
Trajnost
• Kad se podaci unesu u skladište podataka, uglavnom se ne
mijenjaju.
• To olakšava proces ažuriranja i organiziranje korisnika kojima je
omogućen pregled tih podataka.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 74/100
Konsolidarnost
• Neki podaci koji se pohranjuju u skladište podataka sažetak su
primarnih podataka koji pripadaju operativnim sustavu iz kojeg
potječu.
• Primjerice, telefonske kompanije u skladište podataka mogu
pohraniti ukupni tjedni utrošak klijenta, umjesto pohrane pojedinih
poziva koje je zabilježio operativni sustav.
• Dva su razloga takvog načina pohrane:
• smanjenje prostora potrebnog za pohranu podataka u skladištu
podataka koji se gomilaju tijekom godina
• konsolidirani podaci mogu bolje ispunjavati potrebe business
intelligence sustava
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 75/100
Konsolidarnost
• Neki podaci koji se pohranjuju u skladište podataka sažetak su
primarnih podataka koji pripadaju operativnim sustavu iz kojeg
potječu.
• Primjerice, telefonske kompanije u skladište podataka mogu
pohraniti ukupni tjedni utrošak klijenta, umjesto pohrane pojedinih
poziva koje je zabilježio operativni sustav.
• Dva su razloga takvog načina pohrane:
• smanjenje prostora potrebnog za pohranu podataka u skladištu
podataka koji se gomilaju tijekom godina
• konsolidirani podaci mogu bolje ispunjavati potrebe business
intelligence sustava
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 76/100
Denormaliziranost
• Za razliku od operativnih baza podataka, podaci pohranjeni u
skladišta podataka nisu strukturirani u normalnom obliku, ali zato
može biti smanjena redundantnost, kako bi se omogućilo kraće
vrijeme odziva na složene upite.
• Granuliranost predstavlja najvišu razinu detalja izraženih primarnim
podacima sadržanih u skladištu podataka, koji se nazivaju i
atomskim podacima.
• Granuliranost podataka skladišta podataka ne može prelaziti onu iz
originalnih izvora podataka.
• Uglavnom je granuliranost manja zbog konsolidacije s ciljem
smanjena zauzetosti skladišnog kapaciteta.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 77/100
4.1.1 Data marts
• To su sustavi koji prikupljaju sve podatke koji su potrebni za
određeni odjel tvrtke, kao što je recimo marketing ili logistika, s
ciljem obavljanja business intelligence analiza i izvođenja aplikacija
za potporu donošenja odluka.
• Data mart se smatra funkcionalnim skladištem podataka, sa
specifičnim podacima i manje je veličine nego što je skladište
podataka cijele tvrtke.
• Npr. marketinški data mart sadrži podatke o kupcima i prodajnim
transakcijama, iz centralnog skladišta podataka, ali i dodatne
podatke koji se odnose na funkcije marketinga, kao što su rezultati
marketinških kampanja.
ZAVOD ZA INDUSTRIJSKO INŽENJERSTVO
INFORMACIJSKI MENADŽMENT
D. Lisjak 78/100
4.1.2 Kvaliteta podataka
• Neki od problema koji utječu na valjanost i integritet podataka
Recommended