INTELIGENTNI SISTEMI ZA PODRKU ODLUIVANJU Rast podataka nadmauje

INTELIGENTNI SISTEMI ZA PODRŠKU ODLUČIVANJU • Rast podataka nadmašuje mogućnosti korisnika da analizira, interpretira, razume i vizuelizuje podatke, te da im da adekvatan smisao. • U uslovima velike raspoloživosti podataka sve je veća divergencija raspoloživih podataka i informacija potrebnih za donošenje adekvatnih odluka. • Zatečeni brojnošću izvora podataka, savremeni menadžeri sve više vremena troše na izbor relevantnih informacija.

Ogromno povećanje broja podataka dovelo je do prevaziđenosti tradicionalna rešenja 2

Možemo da pojednostavimo stvar, sredimo ovaj nered. . . 3

. . . ako i analitiku prebacimo u skladište. 4

INTELIGENTNI SISTEMI ZA PODRŠKU ODLUČIVANJU • Neophodno je da preduzeće raspolaže integralnim informacionim sistemom i softverskim proizvodima koji će omogućiti procesiranje transakcija, ali i sintetizovano kombinovanje i agregiranje podataka iz posebnih, nepovezanih ili neadekvatno povezanih sistema.

INTELIGENTNI SISTEMI ZA PODRŠKU ODLUČIVANJU

Business Intelligence Izraz Business Intelligence označava kategoriju sredstava analize podataka, podataka izveštavanja, postavljanja upita, koja korisniku u procesu poslovanja mogu pomoći da iz ogromne količine podataka sintetizuju vredne informacije na kojima će zasnivati poslovne odluke.

Business Intelligence Radi se o kategoriji informacione tehnologije koja korisnicima u poslovanju omogućava pristupanje, analizu i korišćenje podataka (Data Warehouse) u cilju sticanja neophodnih informacija za adekvatno odlučivanje i upravljanje, kao i o aplikativnim programima (Balanced Score. Card), programima kojima se podržava odlučivanje (EIS, DSS), postavljaju upiti i daju izveštaji, vrši online analitička obrada (OLAP), zatim statističke analize, Data Mining, predviđanje itd.

Business Intelligence System (BIS) BIS omogućavaju višedimenzionalnu analizu, analizu online analitičku obradu podataka, Data Mining, na bazi kojih menadžeri mogu otkriti skrivene trendove u velikim zbirkama podataka i doći do odgovora na veoma složena pitanja, pri čemu je veoma značajno znati postavljati prava pitanja.

Business Intelligence System (BIS) Preduzeća koja imaju uspešno razvijen Business Intelligence System ne samo što poboljšavaju interno odlučivanje u okviru preduzeća, već takođe i omogućavaju i drugim korisnicima (kupci, dobavljači i ostali poslovni partneri) da koriste raspoložive informacije.

Detaljisanje - Drill Down Menadžerima je često dovoljno ponuditi podatke agregiranih pozicija, a po potrebi ići na detaljisanje. Postupak silaženja u područje detaljnih podataka naziva se ''Drill Down'', gde se na taj način ide ka sve detaljnijim informacijama o prodaji po dimenziji vremena, geografskoj dimenziji, dimenziji proizvoda, prodaji po proizvodima i geografskim oblastima, po proizvodima i kupcima, po proizvodima, geografskim oblastima i kupcima i sl.

Detaljisanje (Drill Down) i agregacija (Drill Up), po hijerarhiji pozicija jedne dimenzije je specifična operacija za dimenzionalnu bazu podataka.

Business Intelligence System (BIS) U samom centru Business Intelligence System-a se nalazi baza podataka – Data Mart (DM) DM ili Data Warehouse (DW). DW I jedna i druga forma predstavljaju bazu podataka koja služi kao struktuirano i centralizovano skladište informacija crpljenih iz transakcionih ili operativnih podataka i dizajniranih kako bi zadovoljili raznovrsne upite, izveštaje i zahteve analize.

Data Warehouse omogućava da preduzeće podatke smešta u jedno skladište, te da ih organizuje na način koji će obezbediti njihovu brzu i laku dostupnost, kao i mogućnost manipulacije i analize podataka sa ciljem dobijanja potrebnih informacija koje će omogućiti nove uvide u procesu upravljanja.

Data Warehouse i Data Mart predstavlja logički podskup Data Warehouse -a i odnosi se na bazu podataka za podršku odlučivanju izgrađenu za potrebe organizacionih jedinica ili grupa osoba u preduzeću, odnosno nekog poslovnog procesa. Data Warehouse sačinjava unija pripadajućih Data Mart -ova. Dok Data Mart sadrži sumirane podatke formirane za posebne potrebe korisnika, Data Warehouse sadrži veliki skup detaljnih podataka.

Data Warehouse i Data Mart Gradnja Data Warehouse-a podrazumeva dve faze: 1. Kreiranje okružujuće arhitekture koja određuje opseg i implementaciju Data Warehouse-a u celini; 2. Nadziranje konstruisanja Data Mart-ova celovitog Data Warehouse-a.

Data Warehouse i Data Mart Svaki Data Mart mora biti predstavljen dimenzionalnim modelom, a svi Data Mart -ovi u Data Warehouse -u moraju biti izgrađeni od usklađenih dimenzija i usklađenih podataka. Na kraju, svi delovi Data Mart -a moraju da budu razbijeni na pojedinačne fizičke tabele na različitim serverima baza podataka.

Data Warehouse i Data Mart Kombinovanje podataka iz ovih posebnih tabela i postizanje integrisanog Data Warehouse -a, moguće je jedino ako dimenzije podataka imaju isto značenje kroz sve tabele. Kada dimenzija podataka ima isto značenje kroz sve tabele, tada se naziva usklađenom dimenzijom i tada ima isto značenje u svim mogućim tabelama sa kojima je povezana.

Data Warehouse i Data Mart Preduslov za funkcionisanje Data Warehouse-a kao integrisane celine, u uslovima neprekidnog menjanja zahteva, jeste da Data Mart-ovi budu dizajnirani sa usklađenim dimenzijama i usklađenim podacima, jer samo tako mogu da budu kombinovani i korišćeni zajedno.

Data Warehouse i Data Mart Usklađena dimenzija nudi niz prednosti, a one se ogledaju u sledećem: ü Da tabela iste dimenzije može da bude upotrebljena u odnosu na mnoštvo tabela podataka u istom prostoru baze podataka; ü Da korisnički interfejs i sadržaj podataka budu konzistentni; ü Da postoji dosledno tumačenje atributa kroz razne Data Mart-ove.

Data Warehouse i OLTP Za strateško upravljanje preduzećima posebno su značajne sledeće tehnologije: ü Tehnologija On. Line Transaction Processing (OLTP) OLTP – sistemi transakcione obrade podataka; ü Tehnologija Data Warehouse (DW). DW

OLTP - On. Line Transaction Processing OLTP su informacioni sistemi koji se bave procesiranjem podataka koji su nastali kao rezultat poslovnih transakcija. Transakcije su događaji koji se javljaju kao deo svakodnevnog poslovanja, dok je praćenje aktivnosti transakcionog procesiranja neophodno radi skladištenja i procesiranja podataka nastalih usled poslovnih transakcija.

OLTP - On. Line Transaction Processing OLTP se zasniva na Entity-Relationship (ER) modelima podataka koji su konstituisani tako da otklanjaju redundansu i olakšavaju dolaženje do kritičnih zapisa sa nekim kritičnim identifikatorom. Savremeni OLTP je obično zasnovan na sistemima za upravljanje relacionim bazama podataka, čime je korisniku omogućen pogled na dvodimenzionalni prikaz podataka, tabele sa redovima i kolonama.

Data Warehouse se može definisati kao veliko, jedinstveno, integrisano, prilagodljivo, elastično i bezbedno skladište podataka koje obezbeđuje infrastrukturalnu osnovu informacionih softverskih aplikacija u preduzeću i koje sadrži ka korisniku usmerene, integrisane, postojane različite skupove relevantnih, konzistentnih podataka, lako dostupnih i podložnih analizi i manipulisanju za svrhu podržavanja procesa odlučivanja u upravljanju preduzećem i njegovim procesima.

Data Warehouse Postupak dizajniranja Data Warehouse-a koji je specifičan i koji se znatno razlikuje od tehnike dizajniranja OLTP, naziva se dimenzionalno modeliranje. Osnovni cilj dimenzionalnog modeliranja je da baza podataka Data Warehouse-a bude jednostavna i lako razumljiva. Dimenzionalno modeliranje pruža mogućnost vizuelizacije podataka, što doprinosi ostvarenju ovog cilja.

Drill Down i Drill Up Hijerarhijska relacija između dimenzionalnih elemenata obezbeđuje sistem za Drill Down ili Drill Up. Up Drill Down pruža mnogo više detalja koji se vide kroz rezultirajući skup podataka. Obrnutno, Drill Up omogućava više sumirani pregled podataka.

Data Warehouse arhitektura se sastoji od različitih međusobno povezanih strukturalnih nivoa: ü Sistem izvora sirovih podataka; ü Nivo za dodavanje podataka; ü Data Warehouse nivo prezentacionih servera; ü Nivo za pristup podacima od strane krajnjeg korisnika.

Osnovni elementi Data Warehouse arhitekture

Sistem izvora sirovih podataka čine operativne baze podataka i/ili bilo koji drugi eksterni nivo baza podataka. Prioritetni zadatak ovog sistema je da bude pravovremen i raspoloživ za ažuriranje. Upiti, kao deo transakcionog procesa su veoma ograničeni u svojim zahtevima i uglavnom ciljani. Najviše su oslonjeni na prebrojavanje podataka i filtriranje.

Sistem izvora sirovih podataka U sistemima izvora sirovih podataka, baze podataka imaju jedinstvene ključeve podataka, koji se nazivaju primarni ključevi. Oni se tretiraju kao atributi, odnosno kao bilo koji drugi tekstualni opisi. Primarni ključevi se nikada ne koriste kao ključevi u Data Warehouse, zato što su isključivo identifikacione, a ne klasifikacione prirode, koje bez dobrog tekstualnog opisa ne predstavljaju kvalitetan podatak.

Nivo za dodavanje podataka predstavlja vezu između sistema izvora sirovih podataka i prezentacionog servera. On se sastoji od podnivoa za skladištenje podataka i podnivoa za obradu podataka. Podnivo za obradu podataka vrši procese brisanja, transformacije, povezivanja, arhiviranja, kao i dodatnu obradu sirovih izvornih podataka.

Nivo za dodavanje podataka U funkcionalnom smislu, ovaj nivo ne obezbeđuje direktne upite krajnjih korisnika, pisane izveštaje, kao ni bilo koji drugi prezentacioni servis. U hardverskom smislu, najbolje ga je realizovati centralizovano kao jednu hardversku celinu, nego da se prostire kroz nekoliko PC-a.

Nivo za dodavanje podataka Iako je ovaj nivo osnovni i najvažniji proces obrade podataka, on u sebi sadrži još neke podprocese, kao što su: ü ekstrakcija, ü transformacija, ü učitavanje i indeksiranje, ü osiguranje provere kvaliteta podataka.

Ekstrakcija predstavlja prvi korak dobijanja podataka unutar Data Warehouse-a, a podrazumeva čitanje i razumevanje izvornih sirovih podataka, kao i kopiranje delova koji su neophodni za budući rad.

Transformacija obuhvata: čišćenje od podataka koji su pogrešni; odbacivanje podataka koji nisu korisni za Data Warehouse; povezivanje podataka sa tačno odgovarajućom vrednosti ključa; kreiranje surogatnih ključeva i pravljenje agregacija za podizanje performansi korisničkih upita.

Učitavanje i indeksiranje nastaje nakon transformacije, kada je podatak u obliku zapisa, koji je pogodan za učitavanje. Masovno učitavanje podataka u Data Warehouse okruženju uobičajeno je u obliku dimenzionalnih tabela.

Provera kvaliteta podataka nastaje nakon što se u svaki Data Mart učitaju podaci, indeksiraju i dopune agregiranim podacima. Osiguranje kvaliteta podataka vrši se opsežnim i složenim izveštajima cele kolekcije novoučitanih podataka. Sve kategorije izveštaja moraju biti izvršene, a sva prebrojavanja i totali moraju biti zadovoljavajući.

Pristup podacima od strane krajnjeg korisnika Odvija se kroz nekoliko programskih aplikacija. Programske aplikacije za krajnjeg korisnika predstavljaju kolekciju programskih alata za korisničke upite, analizu i predstavljanje informacija. Cilj je da se na bazi alata za pristup podacima od strane korisnika, alata za tabelarna izračunavanja, grafičkog paketa i pristupačnog korisničkog okruženja, pruži podrška za donošenje poslovnih odluka.

Programski alati Programski alat za pristup podacima može biti jednostavan kao alati za ad hoc upit ili složen kao Data Mining ili Modeling Application. Programski alat za ad hoc upit predstavlja određenu vrstu alata za pristup podacima od strane krajnjeg korisnika. Korisnik formuliše sopstveni upit neposrednom manipulacijom relacionim tabelama i njihovim povezivanjem.

Najpoznatiji alati za stvaranje Data Warehouse-a • IBM Data Warehouse Plus, Plus • Oracle Data Warehousing 11 g Essentials, Essentials • Teradata Scalable Warehouse, Warehouse • Sybase Warehouse Studio, Studio • Microsoft Data Warehouse.