Technologie implementacji środowisk klasy Business Intelligence

• Autorzy: Maciej Zakrzewicz

Warianty tytułu

Business Intelligence Technologies

• Języki publikacji: PL

Abstrakty

Środkiem umożliwiającym polepszenie jakości podejmowanych decyzji są komputerowe systemy wspomagania analizy biznesowej (business intelligence), oparte na dużych zbiorach danych zarządzonych przez oprogramowanie hurtowni danych (data warehouses). Hurtownie danych stają się dziś coraz bardziej popularnym zastosowaniem systemów baz danych. Funkcjonalność hurtowni danych zwykle obejmuje: migrację danych z operacyjnych systemów informatycznych, integrację danych pochodzących z niezależnych źródeł, podnoszenie jakości danych przez ich uzupełnianie i korektę, wstępną agregację danych na potrzeby przetwarzania analitycznego. W środowisku hurtowni danych konstruuje się aplikacje, które w efektywny sposób pozyskują wiedzę biznesową, realizując złożone analizy danych. Za pomocą tych aplikacji użytkownicy-decydenci generują raporty zawierające złożone agregaty statystyczne (sumy, średnie, odchylenia standardowe itp.), stanowiące podstawę dla podejmowania decyzji o charakterze biznesowym. Celem artykułu jest charakterystyka i ocena wybranych technologii implementacji komputerowych systemów wspomagania analizy biznesowej. Autor omówi metody implementacji wielowymiarowych modeli danych (ROLAP, MOLAP) w bazach danych, ewolucję języków zapytań do danych wielowymiarowych, pomocnicze struktury danych zwiększające wydajność zapytań oraz zaawansowane metody optymalizacji zapytań analitycznych. (abstrakt oryginalny)

EN

Business Intelligence Systems focus on statistical analysis of historical business data in order to support future business decisions. Their architectures are centered around data warehouses - dedicated, subject-oriented, versioned databases designed to store aggregated historical business data. Users - business analysts -perform complex queries on the data warehouses to find interesting patterns, schemas, correlations, rules. Data warehouse queries are usually time - and resource-consuming. In this paper we give an overview of methods and techniques to improve performance of analytical data processing. We discuss the concepts of data warehouse models, data partitioning, materialized views, bitmap indexes, star transformation. (original abstract)

Słowa kluczowe

PL

Wywiad gospodarczy; Przetwarzanie danych; Hurtownie danych; Systemy informatyczne

EN

Business intelligence; Data processing; Data warehouse; Computer system

• Czasopismo: Zeszyty Naukowe Wyższej Szkoły Bankowej w Poznaniu
• Rocznik: 2009
• Numer: nr 22
• Strony: 75--84

Twórcy

autor

Maciej Zakrzewicz

• Wyższa Szkoła Bankowa w Poznaniu; Politechnika Poznańska

Bibliografia

• Adamson Ch., 2006, Mastering Data Warehouse Aggregates: Solutions for Star Schema Performance, Wiley.
• Chan C.Y., Ioannidis Y., 1998, Bitmap index design and evaluation, Proc. of the 1998 International Conference on Management of Data, Seattle, Washington, USA.
• Elmasri R., Navathe S.B., 2004, Fundamentals of Database Systems, Addison-Wesley.
• Inmon W.H., 2005, Building the Data Warehouse, Wiley.
• Jarke M., Lenzenni M., Vassiliou Y., Vassiliadis P., 2003, Hurtownie danych. Podstawy organizacji i funkcjonowania, WSiP.
• Lewis J., 2004, Bitmap Indexes 2: Star Transformations, www.dbazine.com.
• Mundy J., Thornthwaite W., Kimball R., 2006, The Microsoft Data Warehouse Toolkit: With SQL Server 2005 and the Microsoft Business Intelligence Toolset, Wiley.
• Powell G.JT, 2005, Oracle Data Warehouse Tuning for 10g, Digital Press.
• Todman Ch., 2005, Projektowanie hurtowni danych, WNT.