Ograniczanie wyników
Czasopisma help
Autorzy help
Lata help
Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 146

Liczba wyników na stronie
first rewind previous Strona / 8 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  Hurtownie danych
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 8 next fast forward last
W artykule omówiono wybrane, podstawowe aspekty stosowania narzędzi ETL (Extract - Transform - Load) do zasilania repozytoriów danych. Na tle ewolucji tych repozytoriów przedstawiono charakterystykę narzędzi ETL oraz wskazano tendencje rozwojowe i formułowane wobec nich nowe wymogi. Całość uzupełniają praktyczne przykłady zastosowań tych narzędzi.(abstrakt oryginalny)
2
100%
Koncepcja hurtowni danych w organizacjach zakłada przechowywanie danych w postaci tabel faktów opisujących rzeczywistość w pewnym kontekście odwzorowanym jako tabele wymiarów. Wymiary konstruowane są różnie w zależności od potrzeb biznesowych i możliwości implementacji. Autorzy przedstawili klasyfikację wymiarów występujących w strukturze hurtowni danych. Artykuł porusza tematykę projektowania hurtowni danych z wykorzystaniem serwera bazodanowego Microsoft SQL Server. Szczególną uwagę poświęcono tzw. wymiarowi abstrakcyjnemu oraz obsłudze szybkozmiennego wymiaru olbrzymiego z wykorzystaniem miniwymiarów prezentując sposób ich wdrożenia w projekcie w formie studiów przypadku. (abstrakt oryginalny)
Celem niniejszego artykułu jest przedstawienie miejsca hurtowni danych w systemie CRM przedsiębiorstwa oraz sposobu, w jaki ewoluował model zastosowania technologii data warehouse w CRM. (fragment tekstu)
W związku z coraz większym zapotrzebowaniem w resorcie finansów na systemy informowania kierownictwa wspomagające zarządzanie, 1 lutego 2001 r. podjęto decyzję o rozpoczęciu realizacji projektu o nazwie "Tematyczne hurtownie danych WHTAX" nazwa WHTAX pochodzi od skrótu angielskiej nazwy "podatkowa hurtownia danych" - warehouse tax. W skład hurtowni danych WHTAX wchodzą tzw. tematyczne hurtownie danych C1T (obejmują podatek dochodowy osób prawnych) - dysponentem tej hurtowni jest Departament Podatków Bezpośrednich (PB), hurtownie ZALEGŁOŚCI i EGA-SPRAW oraz od 2003 r., hurtownia RB. (fragment tekstu)
Artykuł ogranicza się do metod eksploracji (Data Mining), wypełniających lukę pomiędzy gwałtownie rosnącą ilością danych w przedsiębiorstwie, a w zasadzie nie wzrastającą ilością personelu analitycznego. Proponuje on podejście do analizy danych umożliwiające przedsiębiorstwom efektywniejsze działanie na rynku w walce o klienta ale nie rozwiązuje wszystkich problemów ekonomicznych. Wiele przedsiębiorstw podejmuje działania umożliwiające poprawę własnego funkcjonowania, korzystając z hurtowni danych oraz technik w nich wykorzystywanych jakimi są Data Mining. (fragment tekstu)
Przedstawiona koncepcja jest jedynie przykładem systemów, które mogą być oparte o ideę rozszerzonej analizy temporalnej. Zasygnalizowane możliwości i wymagania, zastosowane narzędzia oraz różnice, ale i podobieństwa do systemów HD i OLAP sugerują potrzebę poszerzania zakresu działania tych systemów. Dotyczy to zarówno źródeł informacji, zawartości, sposobu (modelu) ich przechowywania, narzędzi analizy i sposobów wizualizacji. Niektóre z postulowanych zmian nie mają charakteru prostych uzupełnień i wskazują na osiągnięcie trudnych do ominięcia ograniczeń obecnych rozwiązań. Być może jest to sygnał do pojawienia się rozszerzonych wersji obecnie eksploatowanych systemów HD i OLAP. (fragment tekstu)
Celem artykułu jest zbadanie nowych możliwości administrowania hurtowniami danych w takim środowisku.Kolejne części artykułu dotyczą: istoty samego administrowania hurtownią danych (AHD), podstawowych zasad i celów przetwarzania gridowego oraz użyteczności tego nowego środowiska w realizacji wybranych funkcji administrowania AHD (przykłady). W artykule odwołano się do platformy serwera Oracle 10g jako jednego z wiodących rozwiązań w zakresie przetwarzania gridowego. (fragment tekstu)
Definiowanie wymagań biznesowych oraz wymagań dla systemu jest fundamentalną rzeczą dla przyszłych jego użytkowników. Ze względu na coraz bardziej skomplikowaną architekturę systemów i sposób ich wytwarzania sam opis słowny często nie jest wystarczający - konieczne jest stworzenie odpowiednich modeli. W artykule na przykładzie wymagań dla Regionalnych Systemów Informacji Medycznej (RSIM) pokazano, jak przełożyć skomplikowane zależności między elementami wymagań dla systemu na powiązany zestaw modeli, umożliwiający odzwierciedlenie zależności między nimi oraz mierzalność samych wymagań. (abstrakt oryginalny)
Informatyzacja służby zdrowia jak też umiejętne wykorzystywanie informacji zgromadzonych w medycznych bazach danych odgrywa kluczową rolę w podwyższaniu standardów leczenia jak również w procesie zarządzania wiedzą w organizacji. W pracy przeanalizowano koncepcję zastosowania narzędzi Business Intelligence w służbie zdrowia w celu ustalenia relacji między zdarzeniami medycznymi, a ich skutkami. Opisano kluczowe elementy tworzenia Struktury Wymiany Danych (SWD), Hurtowni Danych (HD) oraz stosowania technologii OLAP (On Line Analytical Processing). (abstrakt oryginalny)
This chapter includes the practical aspects of modeling and data warehouse implementation. These are described and illustrated with cases of the most important elements of this process, paying special attention to the analysis of requirements of a future user, the scalability, applied tools, reasons for failures and directions of development of effectively-implemented data warehouses. (fragment of text)
This chapter is devoted to the explanation of the basic concepts concerning data warehouses, their structure and diversity of liaisons defined in stored information recourses. It also contains content that concerns standardized concepts occurring in literature related to this problem that ends with conclusions that are a result of implementation experiences. One can describe different methods and also logic and technical structures, whose scope essentially exceeds the solutions applied in cases discussed in this monograph. In the first part are quoted issues closed to the types and diversity of the data being analysed and in the second basic mechanisms of processing are described. (fragment of text)
W artykule zaprezentowano model hurtowni danych, która wyposażona w mechanizmy adaptacyjnego i nadążnego dopasowania do zmiennych potrzeb informacyjnych organizacji będzie zasilać procesy budowy, weryfikacji i modelowania scenariuszy biznesowych w niezbędne dane, związane z obecną i prognozowaną strategią organizacji. Ponadto udostępni analitykom w procesach tworzenia scenariuszy biznesowych dane historyczne z dotychczasowych działań organizacji oraz dane wysoce wiarygodne, umożliwiając tym samym ocenę prognozowanych skutków realizacyjnych utworzonych w tych procesach scenariuszy (poprzez symulację). We wprowadzeniu do artykułu zaprezentowano uwarunkowania budowy adaptacyjnej hurtowni danych, której model zaprezentowano w części drugiej. Zastosowanie tego modelu w procesie opracowania scenariuszy biznesowych organizacji stanowi kolejną część artykułu, który zakończono podsumowaniem wskazującym na korzyści takiego rozwiązania.(abstrakt oryginalny)
Tradycyjnie wiedza była pozyskiwana od eksperta. Obecnie istnieje możliwość pozyskania wiedzy z hurtowni danych. Informacje przechowywane w hurtowniach danych można traktować jako źródło nowej wiedzy. Można odkrywać wiedzę formułując zależności ukryte w danych. W przedsiębiorstwach zgromadzono duże ilości informacji, które są przechowywane w różnego rodzaju bazach danych, na różnych platformach sprzętowych - od PC poczynając poprzez stacje robocze i serwery sieciowe, a na komputerach klasy mainframe kończąc. Dotychczas nie można było w pełni wykorzystać tych danych do wspomagania procesów podejmowania decyzji w przedsiębiorstwie. Narzędzia OLAP wyszły tym oczekiwaniom naprzeciw, gdyż stanowi podstawę technologiczną większości systemów wspomagających podejmowanie decyzji. Ważnym elementem podejmowania decyzji jest dokładna analiza argumentów za i przeciw, której można dokonać na podstawie zdobytych informacji, której zakres do podjęcia działań zależy od skali podejmowanego przedsięwzięcia. Niestety u nas ze zdobywaniem informacji jest najwięcej trudności. Brakuje jeszcze w kraju sprawnie działających form gromadzenia i przetwarzania informacji niezbędnych do sprawnego działania. W tym wiele do zrobienia mają hurtownie danych. (fragment tekstu)
Hurtownie danych - kolejny temat, po bazach danych. Potrzebują ich korporacje, firmy średniej wielkości i te najmniejsze. O korzyściach płynących z korzystania z hurtowni danych nie można mówić tylko w kontekście kosztów jakie pochłonie system informatyczny. Hurtownia danych to miary, hierarchie, wielowymiarowe struktury danych, cały zestaw narzędzi służących do takiego zorganizowania i zoptymalizowania systemu przechowywania i przetwarzania danych, który pomaga osiągnąć cel jakim jest uzyskanie informacji uporządkowanych w sposób pozwalający na porównanie i wyciągnięcie wniosków. (abstrakt oryginalny)
Najważniejszą kwestią, którą trzeba mieć na uwadze jest fakt, że hurtownia danych nie jest gotowym produktem, a raczej procesem przekształcania danych w informacje, którą użytkownicy mogą analizować w celu szybkiego podejmowania taktycznych i strategicznych decyzji dla działania banku. Hurtownia danych może być nawet traktowana jako zbiór procesów połączonych z rozwiązaniami technologicznymi (produktowymi) umożliwiającymi osiągnięcie celów biznesowych przez bank. Rozwiązania hurtowni danych stanowią połączenie technologu bazy danych, sprzętu i oprogramowania w zintegrowany produkt końcowy, który może się zmieniać wraz z dynamiką rozwoju banku. (fragment tekstu)
Rynek hurtowni danych nie będzie spokojny. Wiele wskazuje na to, że chociaż lider o swoją pozycję nie będzie musiał (chyba) się martwić to zapowiada się wiele zmian. Ogromne ilości danych poza ewidencją podstawowej działalności niosą ze sobą olbrzymi potencjał analityczny. Przy coraz niższych kosztach nośników danych, ich wolumen nie powoduje powstania problemu kosztów. Niemniej jednak właśnie ze względu na ilość danych wykonywanie skomplikowanych obliczeń i analiz często prowadzi do przeciążenia systemów, ale ze względu na ich wartość wymagane są solidne i sprawdzone zabezpieczenia. Rozwiązaniem stosowanym przez przedsiębiorstwa jest budowa hurtowni danych, czyli rozwiązanie, które nie tylko „kolekcjonuje” dane z systemów transakcyjnych i optymalizuje pod kątem potrzeb analitycznych. Przetwarzanie danych i złożone analizy odbywają się więc poza podstawowymi systemami nie powodując zakłóceń w pracy operacyjnej przedsiębiorstw. (abstrakt oryginalny)
Artykuł ma na celu przedstawienie koncepcji przetwarzania i analizowanie dużych ilości danych. Tradycyjne oprogramowanie przestaje być zdolne do zarządzania wielkimi danymi i ustępuje miejsca nowym technologiom. Przyszłość baz danych to nie tylko hurtownie danych ale nierelacyjne bazy danych i technologie Big Data takie jak Hadoop czy MapReduce. Rosnące zapotrzebowanie na złożone operacje analityczne oznacza coraz większą popularność narzędzi BA (Business Analytics) (abstrakt oryginalny)
W artykule przedstawiono koncepcję Data Center. Ukazano kompleksowy obraz centrów danych na świecie. Opisano problemy oraz koszty związane z funkcjonowaniem centrów danych.
Eksploracja danych (drążenie danych, pozyskiwanie wiedzy, wydobywanie danych, ekstracja danych) (data mining) jest jednym z etapów procesu odkrywania wiedzy z danych i informacji zawartych w bazach przedsiębiorstw. Idea eksploracji danych polega na wykorzystaniu nowoczesnych technik opartych na regułach statystycznych do znajdowania ukrytych dla człowieka (z uwagi na ograniczone możliwości czasowe) prawidłowości między danymi zgromadzonymi w bazach czy też hurtowniach danych [LARO06]. Informacje wydobyte za pomocą narzędzi eksploracyjnych mogą zostać użyte do wsparcia procesu podejmowania decyzji, prognozowania, analizy finansowej i analizy ryzyka, optymalizacji [OwHPO3]. Decyzje mające na celu zwiększenie efektywności przedsięwzięcia e-commerce można podejmować w oparciu o statystyczną próbkę zebranych danych. Na rynku dostępne są różne narzędzia raportujące. W tym artykule skupiono się na możliwościach narzędzi drążenia danych i ich zastosowaniu do optymalizacji procesów sprzedaży w systemach e-commerce. (fragment tekstu)
Podstawowe wnioski wynikające z artykułu można ująć następująco: należy podkreślić wzrastające znaczenie badań w zakresie BI, czego dowodem są liczne konferencje i czasopisma publikujące wyniki badań z obszaru BI, sektor publiczny powinien w coraz większym zakresie korzystać z technologii wykorzystujących systemy BI. Podane potencjalne przykłady zastosowania omawianych rozwiązań uzasadniają ich przydatność zarówno z uwagi na infrastrukturę będącą w dyspozycji jednostek sektora publicznego, jak i rodzaje i zakres decyzji wymagających nowoczesnych technologii, - propozycje rozwiązań modelowych dla różnych podmiotów życia publicznego powinny wynikać z identyfikacji stanu rozwiązań systemów BI - wyniki prowadzonych badań powinny stanowić dobry fundament dla skutecznej implementacji tych systemów w wybranych jednostkach samorządu terytorialnego i przedsiębiorstwach infrastrukturalnych. Zainicjowane badania będą kontynuowane w kolejnych latach. Z uwagi na rangę przedsięwzięcia, a także zakres potencjalnych rozwiązań, monitorowanie tego obszaru wydaje się konieczne. (fragment tekstu)
first rewind previous Strona / 8 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.