1

Тема 1. Введення в бізнес інтелект.

1. Що таке Business Intelligence.

2. Архітектура систем Business Intelligence.

3. Види візуалізації даних.

4. Місце і роль BI в сучасній компанії, проблеми формування

достовірної та непротівіречівой звітності.

5. Історичний аспект: становлення і розвиток бізнес-інтелекту.

6. Потреби бізнесу в інтелекті і способи їх задоволення.

7. Базові концепції бізнес-інтелекту.

8. Принципова схема використання бізнес-інтелекту.

9. Еволюція методів і рішень: від систем підтримки прийняття

рішень до експертній системи.

10. Умови успішного застосування інструментів і платформ бізнес-

інтелекту.

11. Групи користувачів бізнес-інтелекту, їх потреби і особливості

задоволення.

Тема 2. Багатовимірні моделі даних.

12. Багатовимірна модель даних.

13. Ієрархії в вимірах.

14. Загальні принципи побудови та обробки багатовимірних

масивів даних.

15.Багатовимірна модель даних.

Тема 3. Гіперкубическіе моделі даних.

16. Сховища даних.

17. Визначення сховища даних, принципи організації сховищ,

дизайн сховищ даних, процеси роботи з даними, інтеграція сховищ

даних з корпоративними додатками.

18. Оперативний аналіз даних (OLAP). Визначення OLAP,

структури даних OLAP, OLAP-куб, типи OLAP, реалізації OLAP, мова

запитів, дія OLAP.

19. Проблеми організації сховищ, інтегрованість сховищ,

коректіруемого, залежність від часу, джерела даних, операції з даними,

2

принципи організації сховищ: консолідація даних, федералізація даних,

поширення даних.

Тема 4. Технології бізнес-інтелекту: OLAP-технології, DM-

технології, системи візуалізації даних і рішень, генератори звітів.

20. Структура корпоративної інформаційно-аналітичної системи.

21. Засоби OLAP в MS Office.

22. MOLAP. ROLAP. HOLAP.

23. Сховищами даних (Data Warehouse (DW)).

24. Інтелектуальний аналіз даних (Data Mining (DM)).

25. Стадії процесу інтелектуального аналізу даних.

26. Класифікація технологічних методів ІАД. Рівні знань, які з

даних.

27. Нейронні мережі.

28. Системи міркувань на основі аналогічних випадків.

29. Генетичні алгоритми.

30. Системи для візуалізації багатовимірних даних.

Тема 5. Функції бізнес-інтелекту: ідентифікація, моділирование,

прогнозування, оптимізація рішень, аналіз чутливості.

31. Загальні принципи моделювання систем і процесів.

32. Елементи теорії моделювання систем і процесів.

33. Типові схеми моделювання.

34. Аналітичне та імітаційне моделювання.

35. Моделювання для прийняття рішень при управлінні.

36.Оптимізація рішень при їх прийнятті.

37. Оцінка впливу чинників на результати моделювання (аналіз

чутливості моделі).

38. Методи і технологія прогнозування.

39. Планування, постановка і обробка результатів машинних

експериментів моделювання систем.

Тема 6. Методи бізнес-інтелекту.

40. Прийняття рішень на основі методу аналізу ієрархій.

3

41. Декомпозиція проблеми.

42. Ієрархічне представлення проблеми.

43. Шкала відносин.

44. Матриці парних порівнянь.

45. Подання знань і висновок на знаннях.

46. Дані і знання.

47. Моделі представлення знань.

48. Семантична мережу.

49. Висновок на знаннях.

50. Стратегії управління виводу.

51. Статистичні методи аналізу даних.

Тема 7. Моделі пошуку нового знання, регресія, прогнозування

часових рядів, кластеризація, асоціації, послідовності.

52. Технології аналізу даних в інтелектуальних інформаційних

системах.

53. Методи Big Data та Data Mining.

54. Виявлення знань в базах даних.

55. Основні етапи дослідження даних за допомогою методів KDD.

56. Множинна лінійна регресія.

57. Кластеризація.

58. Дерева рішень.

59. Алгоритм класифікації.

60. Модифікація методу дерев рішень.

61. Глобальна оптимізація.

62. Метод найближчих сусідів.

Тема 8. Управління знаннями.

63. Історія Big Data та Data Mining, постановка задачі, бази даних,

статистика, моделі Big Data та Data mining, навчання, підготовка даних.

64. Статистичні методи, нейронні мережі, дерева рішень,

генетичні алгоритми, алгоритми обмеженого перебору.

65. Візуальний і текстовий аналіз даних (Visual and Text Mining).

66. Трансформація даних, ETL.

67. Методи очищення даних.

4

68. Витяг даних, методи і алгоритми трансформації даних,

завантаження даних в сховище.

69. Виявлення помилок в даних, виправлення помилок

Тема 9. Дополнитеольно.

70. BI (Business intelligence) – бизнес-аналитика

71. ERP (Enterprise Resource Planning) - планирование ресурсов

предприятия

72. SAP R/3 (SAP ERP) - корпоративная информационная система

73. Галактика - корпоративная информационная система

74. Концепция ERP-систем: назначение ERP-систем; этапы

создания ERP- систем; инструментальные средства для создания

ERP-систем.

75. Корпоративная информационная система (КИС) – общие

понятия.

76. Логические модели преставления знаний.

77. Модели представления знаний.

76. Основные характеристики современных корпораций.

77. Построение формальной модели предметной области.

78. Системы управления знаниями: основы построения;

инструментальные средства.

79. Опишите основные объекты Enterprise Business Architecture.

80. Каковы основные достоинства MOLAP и недостатки ROLAP?

81. Что такое «витрины данных»? В чем выгоды их

использования?

82. Каковы основные достоинства ROLAP и недостатки MOLAP?

83. Какое место занимает хранилище данных в КИС?

84. Какая модель данных используется в хранилище данных?

85. В чём принцип построения схемы «снежинка»?

86. Отличие модели данных «звезда» от реляционной модели

данных?

87. Что такое Web-сервис и какую роль такой сервис играет в

информационной инфраструктуре компании?

88. В чём заключается суть интеграции информационных

ресурсов предприятия?

89. В чём заключается «многомерность» OLAP?

5

90. Зачем система OLAP должна иметь клиент-серверную

архитектуру?

91. Дайте определение OLAP–куба.

92. Какие вы знаете классификации БД?

93. Чем отличается СУБД от СУБЗ?

94. Какие бывают экспертные системы?

95. Классификация экспертных систем.

96. Приведите собственный пример дерева решений.

97. Что такое искусственные нейронные сети?

98. В чём разница между нечёткой логикой и нечётким

множеством?

99. Зачем нужен Business Intelligence?

100. Что такое коллективный разум.