Adattárházak. Méréstechnika és Információs Rendszerek Tanszék
|
|
- Irma Jónásné
- 5 évvel ezelőtt
- Látták:
Átírás
1 Adattárházak Méréstechnika és Információs Rendszerek Tanszék 1
2 Adatfeldolgozási folyamat Döntés Modell Adatbányászat Adatok kinyerése, transzformálása Adattárház Termelés, Szolgáltatás => Adatbázis Hasznos információ Tudás reprezentázió Tisztított, feldolgozott adatok Nyers adatok
3 Motiváció Az adattárházak lehetőséget biztosítanak, hogy a termelő és üzleti folyamatokban keletkező adatokból, az üzleti döntések számára releváns információk legyenek kinyerhetők. Hogyan építsünk adattárházat? Hogyan rendezzük adatainkat? Hogyan nyerhetünk ki információt?
4 Eszközök, felhasználók Döntéshozó Megjelenítési technikák Modellek, szabályok, ábrázolás Adatbányászat Gépi tanulás, MI, Számítási Intelligencia Végfelhasználó Üzleti elemző Adatelemző Adat kinyerés Statiasztikai eszközök, Lekérdezések, Jelentések Adattárházak / Adat piacok OLAP, MDA Adat forássok Papírok, Fájlok, Személyek, Adatbázis rendszerek, OLTP Adatbázis admin.
5 Tipikus nagyvállalati adattárház Pénzügy Felhasználók Termékek Logisztika Felhasználók Termékek Számlázás Felhasználók Termékek Adattárház Felhasználók Pénzügy Logisztika Számlázás Termékek
6 Adattárház, mint információs környezet Információs környezet: Olyan folyamatok, eszközök tervezése és implementálása, amelyek alkalmasak elemzésekhez és döntéshozatalhoz szükséges teljes, pontos és áttekinthető információk adatokból történő kinyerésére. Minden olyan tevékenységet magába foglal, amit egy szervezetnek el kell végeznie, hogy egy adattárházat hozzon létre és üzemeltessen
7 Adattárház definiálása Döntéstámogató adatbázis, amelyet külön üzemeltetnek a szervezet működéséhez kapcsolódó adatbázistól Támogató információ feldolgozó egység, mely egy megbízható, feldolgozott hisztorikus, elemzések céljából összegyűjtött adatokat tartalmaz. A data warehouse is a subject-oriented, integrated, timevariant, and nonvolatile collection of data in support of management s decision-making process. W. H. Inmon Integrátor megközelítés: Kimball modell
8 Témaorientált Témakörök köré szervezett, pl. vásárlók, termékek, eladások. A döntéshozók számára szükséges adatok modellezéséhez és elemzéséhez kötődik, nem a napi működéshez, illetve adatátvitelhez. Egyszerű és tömör nézetet nyújt a fontos témakörökben, de nem tartalmazza azokat az adatokat, melyek nem fontosak a döntéshozatal szempontjából.
9 Integrált Több, különböző jellegű adatforrás integrálásával épül fel Relációs adatbázisok, különálló fájlok, online adatátviteli források Adattisztítási és adatintegrációs eszközöket alkalmaznak Amikor az adat bekerük az adattárházba konvertálódik A konzisztenciát az elnevezési konvenciók, struktúrák biztosítják a különböző adatforrások között
10 Idővariáns Az időhorizont sokkal nagyob mint egy operációs adatbázisban. Operációs adatbázis: aktuális adatok (pl. az elmúlt nap). Adattárház: hisztorikus adatok elemzésére (pl., előző 5-10 év) Minden fontosabb (kulcs) struktúra tartalmaz Idő elemet (explicit vagy implicit módon)
11 Nem "illékony" Fizikailag külön tárolt, a működési környezetből transzformált adatok. Az üzemvitelből adódó adatfissítés nem fordul elő az adattárházban: Nincs szükség online adatátvitelre, adat mentésre és visszatöltésre, illetve adatkonzisztenciát biztosító eljárásokra Csak két adatkezelési mód megengedett: adattárház töltése és adatok lekérdezése
12 Adattárház vagy elosztott adatbázisok Hagyományos elosztott, heterogén adatbázis integráció: Wrapper-ek/mediator-ok a heterogén adatbázisok felé illesztve Lekérdezés alapú megközelítésmód Kliens oldali lekérdezés hatására a mediátorban tárolt meta információk alapján a kérés a heterogén adatbázis egy-egy eleméhez kapcsolódó lekérdezésre fordítódik, és az egyes lekérdezések eredményei egy egységes válasszá integráljuk. Adattárház: feltöltés-alapú integritás biztosítása, nagy teljesítményű adatelérés: A heterogén adatforrások információi a lekérdezés előtt kerülnek integrálásra és tárolódnak a központi szerveren Direkt lekérdezésekhez és elemzések
13 Adattárház alkalmazásai Jelentések a szervezeten belüli információ megosztás hatékony eszköze automatikus riportok (web, , intranet) egyedi jelentések (infohoz való hozzáférés, munkamegosztás, teljes áttekintés) Statisztika, elemzések Klasszikus statisztikai eszközök Gépi tanulás alapú adatelemzés Valószínűségi modellek építése Minta (szignifikáns) Összefüggések, modellek kinyerése adatbányászat big data
14 Végfelhasználók igényei Tipikus felhasználók Alkalmi felhasználók ( non-frequent user ) nem érdekli őket az adattárház teljes tartalma, csak időről időre információra van szükségük Előre definiált, friss jelentéseket igénylő felhasználók Speciális érdeklődés, rendszeres időközönként Dinamikus, ad hoc lekérdezéseket igénylő felhasználó Üzletielemző Rendszerfejlesztő, üzemeltető felhasználó Számára minden adat fontos Specializált adatpiacokat alakítanak ki
15 OLAP (On line Analytical Processing) OLAP ötletét E.F. Codd, a relációs adatbázisok atyja 1993-ban egy Computerworld cikkben vetette fel. Codd szerint a tranzakciós adatbázisok (OLTP) elérték alkalmazásaiknak határait. Igen nagy számítási igény szükséges általános felépítésű nagy méretű adatbázisok lekérdezéseihez. Az operációs adatok sok esetben nem elégségesek a döntéstámogatáshoz, historikus adatok elemzése szükséges. Relációs adatbázis képes válaszolni tipikus kérdésekre, mint Mi?, Mit? Az adattárházak a múltbeli adatok összesítésével képesek válaszolni olyan kérdésekre, mint Mi volt a teljes forgalom az előző öt évben a második negyedévben? Az OLAP célja az adatok elemzése és megértése alapján a Miért?, Mi lenne ha? típusú kérdések megválaszolása.
16 OLAP OLAP és az adattárház komplementer fogalmak az adattárház tárolja és menedzseli, az OLAP stratégiai információvá alakítja az adatokat Az OLAP alapötlete, hogy a menedzserek képesek legyenek az adatok több dimenziót figyelembe vevő vizsgálatára, térbeli, időbeli eloszlásoknak az elemzésére. Felhasználási területe: Piac szegmentálás, marketing kutatás, termelés tervezés,... A megoldás a sok dimenziós adatbázis ( multi dimensional ).
17 Codd 12 szabálya 1. Többdimenziós áttekintés 2. Felhasználó számára egyszerű elérhetőség 3. Folyamatos elérhetőség 4. Konzisztens naplók készítése 5. Kliens szerver architektúra 6. Általános dimenzió aggregálás 7. Dinamikus ritka mátrixok kezelése 8. Multi user támogatás 9. Cross dimensional operations 10. Intuitív adatkezelés 11. Rugalmas jelentések 12. Korláttalan dimenziók
18 OLTP vs. OLAP Felhasználó Funkció Tervezés Adat Használat Elérés Munka egysége Elért rekordok száma Felhasználók száma Méret Mérték OLTP adatrögzítő, informatikus napról napra történő alkalmazás-orientált aktuális, naprakész, részletes, relációkba foglalt izolált Ismétlődő írás/olvasás rövid, egyszerű tranzakciók tizes nagyságrend ezres nagyságrend 100MB-GB Tranzakciós idő OLAP adatelemző döntés támogatás témakör-orientált történeti, összesített, többdimenziós integrált, konszolidált adhoc sok lekérdezés komplex lekérdezés milliós nagyságrend százas nagyságrend 100GB-TB Lekédzezési idő
19 Mikor hasznláljunk OLAP ot? Az adatok iránti igény nem tranzakciós hanem elemző jellegű Az elemzett információ nem elérhető közvetlen módon Jelentős számítási (pl. összesítés) igény Főként numerikus adatok Az elemek, melyek az adatpontokat definiálják nem változnak időben
20 Miért külön adattárház? Mindkét megközelítés jó teljesítményt nyújthat: Relációs adatbázis OLTP-re hangolva: közvetlen elérési módok, indexelés Adattárház OLAP-ra hangolva: összetett OLAP lekérdezések, többdimenziós nézet, konszolidáció. Különböző funkciók és különböző adatok: Hiányzó adatok: döntéstámogató rendszer olyan historikus adatokat kíván, melyeket egy tipikus relációs adatbázisban nem tárolnak Adat konszolidáció: pl. heterogén forrásból származó adatok aggregálása, összegzése Adat minőség: Különböző adatforrások általában inkonzisztens reprezentációt alkalmaznak, pl. eltérő idő formátumok
21 Dimenzionális adatmodellezés Koncepciók I. Tények Kapcsolódó adategységek üzleti egységet, tranzakciót, eseményt jelöl Kulcs tábla, melyben numerikus adatok szerepelnek
22 Dimenzionális adatmodellezés Koncepciók II. Dimenziók A tények hátterét definiálják (pl. idő, hely, üzletkötő ) Gyakran nem numerikus egységek pl. termék márka, alkalmazott Diagrammokban tengelyként ábrázolva Paraméterek, melyekre OLAP elemzést szeretnénk végezni pl. Idő, Hely, Vásárló...
23 lnformáció granuláltság, hierarchikus dimenziók Alacsony granuláltság - sok részlet Record Nagy granuláltság - kevés részlet Menedzsment termék típus üzleti év gyár Üzemvezető termék nap üzem Operátor elemek perc berendezés
24 Koncepciók hierarchiája: Dimenziók hirearhiája összes összes kontinens Európa... Észak-Amerika ország Magyarország... Belgium Kanada... Mexico város Budapest... Vancouver... Toronto kirendeltségek Belvárosi fiók
25 Dimenzionális adatmodellezés Koncepciók III. Mértékek (Measures) Egy tény numerikus értéke (pl. eladott mennyiség)
26 Koncepcionális modellezés Csillag diagram: Középen ténytábla körülötte dimenzió táblák Hópihe séma:a csillag séma finomítása ahol a dimenziók hierarchiája normált, azaz kisebb dimenzió táblákra osztott Tény konstellációk: Több ténytábla, csillag sémák összessége, ezért galaxis sémának is hívják Adatkocka
27 Példa csillag sémára time time_key day day_of_the_week month quarter year branch branch_key branch_name branch_type Measures Eladások tény tábla time_key item_key branch_key location_key units_sold dollars_sold avg_sales item item_key item_name brand type supplier_type location location_key street city province_or_street country
28 Példa hópihe sémára time time_key day day_of_the_week month quarter year Eladások tény tábla time_key item_key item item_key item_name brand type supplier_key supplier supplier_key supplier_type branch branch_key branch_name branch_type Measures branch_key location_key units_sold dollars_sold avg_sales location location_key street city_key city city_key city province_or_street country
29 Példa galaxis sémára location_key street city province_or_street country location Eladások ténytábla Measures item_key item_name brand type supplier_type item Szállítások ténytábla time_key item_key shipper_key from_location to_location dollars_cost units_shipped shipper_key shipper_name location_key shipper_type shipper time_key item_key branch_key location_key units_sold dollars_sold avg_sales time time_key day day_of_the_week month quarter year branch branch_key branch_name branch_type
30 Többdimenziós adatkocka Az eladási mennyiség a termék, az idő, és a régió függvényében Dimenziók: Termék, Hely, Idő Egységek hierarhikus összegzése Iparág Régió Év Kategória Ország Hónap Termék Termék Város Hét Hivatal Nap Idő
31 Példa adatkockára TV PC Videó sum 1.n.év Idő 2.n.év 3.n.év 4.n.év Teljes éves TV eladás sum U.S.A Kanada Mexikó Ország sum
32 Tábláktól az adatkockáig Az adatkocka, pl. eladások, lehetővé teszi, hogy több szempont figyelembevételével vizsgáljuk az adatokat: Dimenzió táblák, (pl. árucikk, cikk_név, márkanév, típus), vagy idő(nap, hét, hónap, negyedév, év) Tény tábla mértékeket (pl. dollár_forgalom) és kapcsolatokat tartalmaz melyek a dimenzió táblákhoz kapcsolódnak
33 Az adattárház felépítése Három tipikus komponens Maga az adattárház, az adatokkal és a hozzá tartozó szoftverrel, Adatgyűtjő (back end) szoftver, mely a külső forrásokból származó adatokat konszolidálja, összegzi és betölti az adattárházba, Kliens oldali (front-end) szoftver, mely lehetővé teszi a felhasználóknak, hogy elérjék és elemezzék az adatokat.
34 Adattárház struktúrális elemei
35 Adat források Operációs adatbázisok Hisztorikus adatok Külső adatforrások (internet) Különböző platformokon Különböző módon strukturált információk Nem strukturált források: képek, multimédia, szöveg
36 Exktrakció/propagálás Különböző forrásokból az adatok gyűjtése Szelektív folyamat (releváns információk) Pulling (kinyerés) Pushing (propagáció)
37 Transzformáció/tisztítás Kódolások feloldása kódtáblák pl. 1: férfi, 2 nő rejtett üzleti szabályok feloldása pl. számlaszám, vonalkód felépítése Tisztítás (cleaning) hiányzó értékek pótlása normalizálás (pl. egységes deviza használata) konzisztens reprezentáció
38 Finomítás Rész adathalmazok generálása Számított mezők Információk összegzése (summarize) granuláltság szintjét változtatja pl. heti adatok Információk aggregálása Csoportok generálása pl. termékcsoportok
39 Adatpiac Speciális döntésekhez szabott előzetesen aggregált információk Végfelhasználók hozzáférésének kontrollálása Speciális információkhoz gyors hozzáférés Végfelhasználók fele interfész Adattárház kiegészítése Egyensúly az adatpiacok száma és specializáltsága (egyszerűsége) között
40 Meta adatok Kategóriák segítségével struktúrálja az adattárház adatait Téma orientált: a valós egyedek absztrakciói Definiálja, hogy kell a transzformált adatot interpretálni, pl. dátum 5/9/99 A válaszidő becslésére alkalmas, pl. rekordok száma A származtatott változók számításának leírása
Adatbázisrendszerek április 17.
Adatbázisrendszerek Áttekintés az adattárházakról és az OLAP-ról 2018. április 17. Az adattárházak célja 2 A számítási kapacitások állandó növekedése és az analitikai eszközök és módszerek egyre összetettebbé
RészletesebbenTudásalapú információ integráció
Tudásalapú információ integráció (A Szemantikus Web megközelítés és a másik irány) Tanszéki értekezlet, 2008. május 14. 1 Miért van szükségünk ilyesmire? WWW: (Alkalmazások) Keresés a weben (pl. összehasonlítás
RészletesebbenTörténet John Little (1970) (Management Science cikk)
Információ menedzsment Szendrői Etelka Rendszer- és Szoftvertechnológia Tanszék szendroi@witch.pmmf.hu Vezetői információs rendszerek Döntéstámogató rendszerek (Decision Support Systems) Döntések információn
RészletesebbenAdattárház tiszta alapokon Oracle Day, Budapest, november 8.
Adattárház tiszta alapokon Oracle Day, Budapest, 2011. november 8. WIT-SYS Consulting Zrt. Lévai Gábor gabor.levai@wit-sys.hu Tematika Az adattárházról általánosan Az adattárház definíciója Fő jellemzők
RészletesebbenInfor PM10 Üzleti intelligencia megoldás
Infor PM10 Üzleti intelligencia megoldás Infor Üzleti intelligencia (Teljesítmény menedzsment) Web Scorecard & Műszerfal Excel Email riasztás Riportok Irányít Összehangol Ellenőriz Stratégia Stratégia
RészletesebbenVállalati információs rendszerek I, MIN5B6IN, 5 kredit, K. 4. A meghirdetés ideje (mintatanterv szerint vagy keresztfélében):
Követelményrendszer 1. Tantárgynév, kód, kredit, választhatóság: Vállalati információs rendszerek I, MIN5B6IN, 5 kredit, K 2. Felelős tanszék: Informatika Szakcsoport 3. Szak, szakirány, tagozat: Műszaki
RészletesebbenVezetői információs rendszerek
Vezetői információs rendszerek Kiadott anyag: Vállalat és információk Elekes Edit, 2015. E-mail: elekes.edit@eng.unideb.hu Anyagok: eng.unideb.hu/userdir/vezetoi_inf_rd 1 A vállalat, mint információs rendszer
RészletesebbenSikerünk kulcsa: az információ De honnan lesz adatunk? Palaczk Péter
Sikerünk kulcsa: az információ De honnan lesz adatunk? Palaczk Péter Bevezető az Oracle9i adattárházas újdonságaihoz Elemzési és vezetői információs igények 80:20 az adatgyűjtés javára! Adattárházak kínálta
RészletesebbenTudásalapú információ-kereső rendszerek elemzése és kifejlesztése
Tudásalapú információ-kereső rendszerek elemzése és kifejlesztése 1 Tudásalapú információ-kereső rendszerek elemzése és kifejlesztése Természetes nyelv feldolgozás 2 Tudásalapú információ-kereső rendszerek
RészletesebbenTSIMMIS egy lekérdezés centrikus megközelítés. TSIMMIS célok, technikák, megoldások TSIMMIS korlátai További lehetségek
TSIMMIS egy lekérdezés centrikus megközelítés TSIMMIS célok, technikák, megoldások TSIMMIS korlátai További lehetségek 1 Információk heterogén információs forrásokban érhetk el WWW Társalgás Jegyzet papírok
RészletesebbenÜZLETI I TELLIGE CIA - VIZUALIZÁCIÓ
Budapest Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék ÜZLETI I TELLIGE CIA - VIZUALIZÁCIÓ Elméleti segédanyag Készítette: Kovács Dániel László 2007. november Tartalomjegyzék
RészletesebbenVIR alapfogalmai. Előadásvázlat. dr. Kovács László
VIR alapfogalmai Előadásvázlat dr. Kovács László Információ szerepe Információ-éhes világban élünk Mi is az információ? - újszerű ismeret - jelentés Hogyan mérhető az információ? - statisztikai - szintaktikai
RészletesebbenDW 9. előadás DW tervezése, DW-projekt
DW 9. előadás DW tervezése, DW-projekt Követelmény felmérés DW séma tervezése Betöltési modul tervezése Fizikai DW tervezése OLAP felület tervezése Hardver kiépítése Implementáció Tesztelés, bevezetés
RészletesebbenSAS szoftverek felhasználási lehetőségei a felsőoktatásban
SAS szoftverek felhasználási lehetőségei a felsőoktatásban Hodász Attila BDX Kft. Abrán József SAS Magyarország Miért SAS? Integrált keretrendszer amely a teljes feladat támogatására alkalmas Kiforrott
RészletesebbenData Vault adatmodellezés.
Data Vault adatmodellezés Nemeth.Zoltan@iqpp.hu Új adattárház adatmodellezési módszer Dan Linstedt nevéhez fűződik Ismérvei Részletes, tételes adatok Történetiség kezelése Data Vault Üzleti területek köré
RészletesebbenSQL OLAP 2. óra. Multi-dimenzionális adatmodell. A normalizált relációs modell bonyolult a felhasználók számára
SQL OLAP 2. óra Multi-dimenzionális adatmodell A normalizált relációs modell bonyolult a felhasználók számára TELEP(tkod, nev, kozpont, regio,...) TERMÉK(kod, megnevezes, egysegar,...) TERMELES(termek,
RészletesebbenVÁLLALATI INFORMÁCIÓS RENDSZEREK. Debrenti Attila Sándor
VÁLLALATI INFORMÁCIÓS RENDSZEREK Debrenti Attila Sándor Információs rendszer 2 Információs rendszer: az adatok megszerzésére, tárolására és a tárolt adatok különböző szempontok szerinti feldolgozására,
RészletesebbenAdatbányászat és Perszonalizáció architektúra
Adatbányászat és Perszonalizáció architektúra Oracle9i Teljes e-üzleti intelligencia infrastruktúra Oracle9i Database Integrált üzleti intelligencia szerver Data Warehouse ETL OLAP Data Mining M e t a
RészletesebbenKORMÁNYZATI SZEMÉLYÜGYI DÖNTÉSTÁMOGATÓ RENDSZER KÖFOP VEKOP 16
KORMÁNYZATI SZEMÉLYÜGYI DÖNTÉSTÁMOGATÓ RENDSZER KÖFOP 2.1.5 VEKOP 16 Előadó: Balogh Csaba dátum: 2018.01.26. BEVEZETÉS BEVEZETÉS Előzmények KÖZIGTAD Jellemző strukturális hibák Gyenge adatszolgáltatási
RészletesebbenAdattárházak. Adattárház: alapfogalmak. Adattárház modellek: adatkockák és OLAP. Adattárház architektúrák. Adattárházak megvalósítása
Adattárházak Adattárház: alapfogalmak Adattárház modellek: adatkockák és OLAP Adattárház architektúrák Adattárházak megvalósítása Adatok általánosítása és fogalmi leírások Az adattárháztól az adatbányászatig
RészletesebbenAdatbázis, adatbázis-kezelő
Adatbázisok I. rész Adatbázis, adatbázis-kezelő Adatbázis: Nagy adathalmaz Közvetlenül elérhető háttértárolón (pl. merevlemez) Jól szervezett Osztott Adatbázis-kezelő szoftver hozzáadás, lekérdezés, módosítás,
RészletesebbenADATBÁZISOK, ADATTÁRHÁZAK
ADATBÁZISOK, ADATTÁRHÁZAK 1 Adattárolás Háttértárak Fájlok Fájlkezelő rendszer 2 Adattárolás Az adatok, információk bináris formában kerülnek tárolásra. Értelmezés kérdése, hogy egy bitsorozatnak milyen
RészletesebbenDr. Sasvári Péter Egyetemi docens
A magyarországi vállalkozások Üzleti Intelligencia használatának vizsgálata Dr. Sasvári Péter Egyetemi docens II. IRI Társadalomtudományi Konferencia, 2014. április 25-26. Nové Zámky (Érsekújvár) Gymnázium
RészletesebbenThe nontrivial extraction of implicit, previously unknown, and potentially useful information from data.
Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs rendszerek Tanszék Adatelemzés intelligens módszerekkel Hullám Gábor Adatelemzés hagyományos megközelítésben I. Megválaszolandó
RészletesebbenMicrosoft SQL Server telepítése
Microsoft SQL Server telepítése Az SQL Server a Microsoft adatbázis kiszolgáló megoldása Windows operációs rendszerekre. Az SQL Server 1.0 verziója 1989-ben jelent meg, amelyet tizenegy további verzió
RészletesebbenData Vault 2.0 és az Oracle DW/BD referencia architektúra. Gollnhofer Gábor Meta Consulting Kft.
Data Vault 2.0 és az Oracle DW/BD referencia architektúra Gollnhofer Gábor Meta Consulting Kft. Az Oracle referencia architektúrák Rövid bevezető Az IT Strategies from Oracle (ITSO) része Átgondolt, bevált,
RészletesebbenTöbb mint BI (Adatból üzleti információ)
Több mint BI (Adatból üzleti információ) Vállalati műszaki adattárház építés és üzleti elemzések az ELMŰ-ÉMÁSZ Társaságcsoportnál Papp Imre Geometria Kft MEE, Mátraháza, 2013. szeptember 12. Visszatekintés
RészletesebbenA webanalitika változó világa 4 felvonásban
A webanalitika változó világa 4 felvonásban Arató Bence, BI Consulting Email: arato@bi.hu, Twitter: @aratob Traffic Meetup, 2013.02.06 1 Bemutatkozás 15 éves szakmai tapasztalat az üzleti intelligencia
RészletesebbenI. RÉSZ. Tartalom. Köszönetnyilvánítás...13 Bevezetés...15
Tartalom 5 Tartalom Köszönetnyilvánítás...13 Bevezetés...15 I. RÉSZ AZ ALAPOK... 17 1. fejezet Egy kis történelem...19 A korai MIS rendszerektől az alapgondolatig...19 Operatív és analitikus rendszerek
RészletesebbenFogalomtár bevezetése a Magyar Telekomnál
Fogalomtár bevezetése a Magyar Telekomnál Koncz Béla (MT) Tóth Rózsa (IQSYS) IQSYMPOSIUM, 2012. április 26 Tartalom 1. A projekt: Dilemmák és megoldások a Fogalomtár körül 2. Az eszköz: Funkciók és a működési
RészletesebbenAdattárház kialakítása a Szövetkezet Integrációban, UML eszközökkel. Németh Rajmund Vezető BI Szakértő március 28.
Adattárház kialakítása a Szövetkezet Integrációban, UML eszközökkel Németh Rajmund Vezető BI Szakértő 2017. március 28. Szövetkezeti Integráció Központi Bank Takarékbank Zrt. Kereskedelmi Bank FHB Nyrt.
RészletesebbenAdatbázis rendszerek. dr. Siki Zoltán
Adatbázis rendszerek I. dr. Siki Zoltán Adatbázis fogalma adatok valamely célszerűen rendezett, szisztéma szerinti tárolása Az informatika elterjedése előtt is számos adatbázis létezett pl. Vállalati személyzeti
RészletesebbenBEVEZETÉS AZ ADATTÁRHÁZ AUTOMATIZÁLÁSBA
BEVEZETÉS AZ ADATTÁRHÁZ AUTOMATIZÁLÁSBA Gollnhofer Gábor JET-SOL Kft. Nyilvántartási szám: 503/1256-1177 JET-SOL KFT. Alapadatok 2003-ban alakultunk Több mint 120 magasan képzett munkatárs Ügyfélkör Nagyvállalati
RészletesebbenVizuális adatelemzés - Gyakorlat. Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék
Vizuális adatelemzés - Gyakorlat Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Adatelemzés szerepe a rendszermodellezésben Lényeges paraméterek meghatározása
RészletesebbenADATTÁRHÁZ MENEDZSMENT ÉS METAADAT KEZELÉS
ADATTÁRHÁZ MENEDZSMENT ÉS METAADAT KEZELÉS Gollnhofer Gábor JET-SOL Kft. Nyilvántartási szám: 503/1256-1177 TARTALOM Bemutatkozás Adattárház menedzsment szemszögből Mi kell a sikeres adattárházhoz? Kérdések
RészletesebbenSelf Service szekció. XXVIII. Budapesti Menedzsment és Controlling Fórum. Havas Levente. Budapest, május 26. IFUA Horváth & Partners
Self Service szekció XXVIII. Budapesti Menedzsment és Controlling Fórum Havas Levente Budapest, 2016. május 26. Self Service szekció XXVIII. Budapesti Menedzsment és Controlling Fórum Havas Levente Budapest,
RészletesebbenSegítség, összementem!
Segítség, összementem! Előadók: Kránicz László Irimi János Budapest, 2013. április 10. ITFI - Adatintegrációs Kompetencia Központ ITFI - Adatintegrációs Kompetencia Központ Tartalomjegyzék 2 Az Adattárház
RészletesebbenValós idejű megoldások: Realtime ODS és Database In-Memory tapasztalatok
Valós idejű megoldások: Realtime ODS és Database In-Memory tapasztalatok Pusztai Péter IT fejlesztési senior menedzser Magyar Telekom Sef Dániel Szenior IT tanácsadó T-Systems Magyarország 2016. április
Részletesebben2009.04.29. 2009. április 24. INFO Savaria 2009 2. 2009. április 24. INFO Savaria 2009 4. 2009. április 24. INFO Savaria 2009 3
Négy adatbázis-kezelı rendszer összehasonlítása webes környezetben Sterbinszky Nóra snorav@gmail.com Áttekintés Növekvı igény hatékony adatbázis- kezelıkre a világhálón Hogyan mérhetı ezek teljesítménye
RészletesebbenAnalitikus adatfeldolgozás. Adattárház Adatkocka Adatbányászat
Analitikus adatfeldolgozás Adattárház Adatkocka Adatbányászat 1 Áttekintés A hagyományos adatbázisokat sok, apró, egyszerű lekérdezésre hangolták A jelenlegi alkalmazások kevesebb, de idő igényesebb, bonyolultabb
RészletesebbenFolyamatmodellezés és eszközei. Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék
Folyamatmodellezés és eszközei Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Folyamat, munkafolyamat Munkafolyamat (Workflow): azoknak a lépéseknek a sorozata,
RészletesebbenIntegráció az adatok szintjén
Tartalom Legacy rendszerek integrációja Legacy rendszerek jellemzői Integrációs lehetőségek Integráció az adatok szintjén Mit jelent adat szintű integráció? Hogyan valósítható meg Master Data Management
RészletesebbenTérbeli és időbeli elemzések multidimenzionális szemléletben
Nyugat-Magyarországi Egyetem Geoinformatikai Kar GISOPEN 2007 konferencia Térbeli és időbeli elemzések multidimenzionális szemléletben Kottyán László PhD hallgató Székesfehérvár, 2007.03.13. A döntéstámogató
Részletesebben30 MB INFORMATIKAI PROJEKTELLENŐR INFORMATIKAI RENDSZEREK INTEGRÁCIÓJA INTEGRÁCIÓS TECHNOLÓGIÁK (LEGACY RENDSZEREK, ADATOK, TÖRZSADAT MENEDZSMENT)
INFORMATIKAI PROJEKTELLENŐR 30 MB DOMBORA SÁNDOR INFORMATIKAI RENDSZEREK INTEGRÁCIÓJA INTEGRÁCIÓS TECHNOLÓGIÁK (LEGACY RENDSZEREK, ADATOK, TÖRZSADAT MENEDZSMENT) 2016. 10. 21. MMK- Informatikai projektellenőr
RészletesebbenGazdasági informatika alapjai
PSZK Mesterképzési és Távoktatási Központ / H-1149 Budapest, Buzogány utca 10-12. / 1426 Budapest Pf.:35 II. évfolyam Név: Neptun kód: Kurzus: Tanár neve: HÁZI DOLGOZAT 2. Gazdasági informatika alapjai
RészletesebbenVvAaLlÓóSs IiıDdEeJjȷŰű OoDdSs goldengate alapokon a magyar telekomban
VvAaLlÓóSs IiıDdEeJjȷŰű OoDdSs goldengate alapokon a magyar telekomban Pusztai Péter IT fejlesztési senior menedzser Magyar Telekom Medveczki György szenior IT architekt T-Systems Magyarország 2014. március
RészletesebbenModellkiválasztás és struktúrák tanulása
Modellkiválasztás és struktúrák tanulása Szervezőelvek keresése Az unsupervised learning egyik fő célja Optimális reprezentációk Magyarázatok Predikciók Az emberi tanulás alapja Általános strukturális
RészletesebbenAz információ hatalom. adatok. információ
DW 3. előadás Az információ hatalom adatok információ Információs rendszerek Hagyományos adatforrások (legacy system) Virt. vállalati Virtual coop. Információs Informational Döntési (Decisional) Műveleti
RészletesebbenAz információs rendszerek adatai
Az információs rendszerek adatai Nagy mennyiségű adat Tárolás Karbantartás Visszakeresés, feldolgozás Adatbázis 2 Az adatbázis fogalma Az adatbázis együtt tárolt, egymással kapcsolatban levő adatok rendszere.
RészletesebbenA szak specializációi
A szak specializációi Specializációk A specializációválasztás során a hallgatónak preferenciasorrendet kell megjelölnie, legalább két specializáció megadásával. A specializációkra történő besorolás a hallgatók
RészletesebbenAdatmodellezés. 1. Fogalmi modell
Adatmodellezés MODELL: a bonyolult (és időben változó) valóság leegyszerűsített mása, egy adott vizsgálat céljából. A modellben többnyire a vizsgálat szempontjából releváns jellemzőket (tulajdonságokat)
RészletesebbenSzolgáltatás Orientált Architektúra a MAVIR-nál
Szolgáltatás Orientált Architektúra a MAVIR-nál Sajner Zsuzsanna Accenture Sztráda Gyula MAVIR ZRt. FIO 2009. szeptember 10. Tartalomjegyzék 2 Mi a Szolgáltatás Orientált Architektúra? A SOA bevezetés
RészletesebbenProgramozás. Bevezetés. Fodor Attila. Pannon Egyetem Műszaki Informatikai Kar Villamosmérnöki és Információs Rendszerek Tanszék
Programozás Fodor Attila Pannon Egyetem Műszaki Informatikai Kar Villamosmérnöki és Információs Rendszerek Tanszék foa@almos.vein.hu 2010. február 11. Tantárgy célja, szükséges ismeretek Tantárgy célja,
RészletesebbenBIRDIE. Business Information Reporter and Datalyser. Előadó: Schneidler József
BIRDIE Business Information Reporter and Datalyser Előadó: Schneidler József BIRDIE RIPORT RIPORT KÉSZÍTŐ ÉS ÉS TERJESZTŐ RENDSZER A Daten-Kontor Kft. saját fejlesztésű dobozos alkalmazása A BIRDIE célja:
RészletesebbenNyílt forráskódú integrált vállalatirányítási rendszerek. Pető István Vállalatirányítási rendszerek 2015. március 10.
Nyílt forráskódú integrált vállalatirányítási rendszerek Pető István Vállalatirányítási rendszerek 2015. március 10. Integrált vállalatirányítási rendszerek Vezetői szintek és információs igényük Alsó
Részletesebben<Insert Picture Here> Közeli jövőkép az üzleti intelligenciáról
Közeli jövőkép az üzleti intelligenciáról Radnai Szabolcs Üzleti Intelligencia Üzletfejlesztési vezető - Kelet-közép Európa régió Az üzleti intelligencia feladata Embedded Business
RészletesebbenHogyan növelje kritikus üzleti alkalmazásainak teljesítményét?
Hogyan növelje kritikus üzleti alkalmazásainak teljesítményét? Alkalmazás archiválás EMC Forum 2013 Sepsy Zoltán Mindennapi alkalmazásaink Folyamatos változás az alkalmazás technológiákban. Kiterjedt
RészletesebbenADATBÁZIS-KEZELÉS - BEVEZETŐ - Tarcsi Ádám, ade@inf.elte.hu
ADATBÁZIS-KEZELÉS - BEVEZETŐ - Tarcsi Ádám, ade@inf.elte.hu Számonkérés 2 Papíros (90 perces) zh az utolsó gyakorlaton. Segédanyag nem használható Tematika 1. félév 3 Óra Dátum Gyakorlat 1. 2010.09.28.
RészletesebbenRendszermodernizációs lehetőségek a HANA-val Poszeidon. Groma István PhD SDA DMS Zrt.
Rendszermodernizációs lehetőségek a HANA-val Poszeidon Groma István PhD SDA DMS Zrt. Poszeidon EKEIDR Tanúsított ügyviteli rendszer (3/2018. (II. 21.) BM rendelet). Munkafolyamat támogatás. Papírmentes
RészletesebbenADATBÁZISOK, ADATTÁRHÁZAK
ADATBÁZISOK, ADATTÁRHÁZAK Adattárolás Háttértárak Fájlok Fájlkezelő rendszer 2 Adattárolás Az adatok, információk bináris formában kerülnek tárolásra. Értelmezés kérdése, hogy egy bitsorozatnak milyen
RészletesebbenA vállalkozás sikerének tényezi. Termék, szolgáltatás Erforrások Információtechnológia 2005.12.08. 1
A vállalkozás sikerének tényezi Termék, szolgáltatás Erforrások Információtechnológia 2005.12.08. 1 A siker két egymást segít eleme az IT-ben ERP rendszerek alkalmazása Outsourcing 2005.12.08. 2 A vállalati
RészletesebbenVirtuális Obszervatórium. Gombos Gergő
Virtuális Obszervatórium Gombos Gergő Áttekintés Motiváció, probléma felvetés Megoldások Virtuális obszervatóriumok NMVO Twitter VO Gombos Gergő Virtuális Obszervatórium 2 Motiváció Tudományos módszer
RészletesebbenFekete Csaba Csongor Üzleti intelligencia vezető Citibank ZRt.
Fekete Csaba Csongor Üzleti intelligencia vezető Citibank ZRt. Tartalom BI mérföld kövek Kezdeti architektúra és kontextus Lokális Adattárház Kialakítása CRM Evolúció Üzleti Intelligencia kiaknázó eszközök
RészletesebbenAlkalmazásokban. Dezsényi Csaba Ovitas Magyarország kft.
Tudásmodellezés Kereskedelmi Alkalmazásokban Dezsényi Csaba Ovitas Magyarország kft. Tudásmenedzsment Adat -> Információ -> Tudás Intézményi tudásvagyon hatékony kezelése az üzleti célok megvalósításának
RészletesebbenI. CRM elmélete és gyakorlata. II. Stratégiai elemek. III. Strukturális megoldások
Transzformáció -CRM Értékesítési stratégiák I. CRM elmélete és gyakorlata II. Stratégiai elemek III. Strukturális megoldások 1 Customer Relationship Management egy filozófia Értékesítés Ügyfél Marketing
RészletesebbenADATBÁZISOK ADATBÁZIS-KEZELŐ RENDSZEREK. Debrenti Attila
ADATBÁZISOK ADATBÁZIS-KEZELŐ RENDSZEREK Debrenti Attila Az adatbázis fogalma 2 Számos egzakt, tudományos definíció. Hétköznapi definíció: az adatbázis valamilyen jól definiált rendszer szerint tárolt adatokból
RészletesebbenÜgyfél- és címadatok feldolgozása Talenddel
Ügyfél- és címadatok feldolgozása Talenddel 2012.október 4. Dr. Miskolczi Mátyás, Kiss György A Stratisról röviden Jellemzők - Alapítva: 1998 - Tisztán magyar tulajdon - 50 tanácsadó - 140 ügyfél - 500+
RészletesebbenSzolgáltatás mérés/riportolás magas fokon Egy valós megoldás Pepsi berkekben
Szolgáltatás mérés/riportolás magas fokon Egy valós megoldás Pepsi berkekben Mérő Gábor PepsiAmericas Kft Technikai szolgáltatási Vezető Hajdú Miklós ICON Számítástechnikai Rt Alkalmazás- és Rendszerfelügyeleti
RészletesebbenAz információs rendszerek adatai
Az információs rendszerek adatai Nagy mennyiségű adat Tárolás Karbantartás Visszakeresés, feldolgozás Adatbázis 2 Az adatbázis fogalma Az adatbázis együtt tárolt, egymással kapcsolatban levő adatok rendszere.
RészletesebbenMiskolci Egyetem Gépészmérnöki és Informatikai Kar Alkalmazott Informatikai Tanszék. Dr. Kulcsár Gyula egyetemi docens
Miskolci Egyetem Gépészmérnöki és Informatikai Kar Alkalmazott Informatikai Tanszék Dr. Kulcsár Gyula egyetemi docens Tartalomjegyzék Bevezetés Termelési paradigma fogalma Paradigma váltások A CIM fogalmának
RészletesebbenHogyan lesz adatbányából aranybánya?
Hogyan lesz adatbányából aranybánya? Szolgáltatások kapacitástervezése a Budapest Banknál Németh Balázs Budapest Bank Fehér Péter - Corvinno Visontai Balázs - KFKI Tartalom 1. Szolgáltatás életciklus 2.
RészletesebbenEGYÜTTMŰKÖDŐ ÉS VERSENGŐ ERŐFORRÁSOK SZERVEZÉSÉT TÁMOGATÓ ÁGENS RENDSZER KIDOLGOZÁSA
infokommunikációs technológiák EGYÜTTMŰKÖDŐ ÉS VERSENGŐ ERŐFORRÁSOK SZERVEZÉSÉT TÁMOGATÓ ÁGENS RENDSZER KIDOLGOZÁSA Témavezető: Tarczali Tünde Témavezetői beszámoló 2015. január 7. TÉMAKÖR Felhő technológián
RészletesebbenAdatbázisok II. Jánosi-Rancz Katalin Tünde 327A
Adatbázisok II. 8 Jánosi-Rancz Katalin Tünde tsuto@ms.sapientia.ro 327A Adattárház rendszerek Data Warehousing 8 Miről lesz szó? Motiváció Adattárházak létrehozásának motivációja A tárgy (és tanulásának)
RészletesebbenETL keretrendszer tervezése és implementálása. Gollnhofer Gábor Meta4Consulting Europe Kft.
ETL keretrendszer tervezése és implementálása Gollnhofer Gábor Meta4Consulting Europe Kft. Tartalom Bevezetés ETL keretrendszer: elvárások és hogyan készítsük A mi keretrendszerünk Bevezetési tanulságok
RészletesebbenKÖVETKEZŐ GENERÁCIÓS NAGYVÁLLALATI TARTALOMKEZELŐ MEGOLDÁSOK Stratis Kft. / Autonomy üzleti reggeli / 2014.10.16. Mezei Ferenc üzletág-igazgató
KÖVETKEZŐ GENERÁCIÓS NAGYVÁLLALATI TARTALOMKEZELŐ MEGOLDÁSOK Stratis Kft. / Autonomy üzleti reggeli / 2014.10.16. Mezei Ferenc üzletág-igazgató Hasonló, mégis más Ez se rossz amíg ezt ki nem próbáltad!
RészletesebbenOracle SQL Developer Data Modeler és a DW adatmodellezés. Gollnhofer Gábor Meta Consulting Kft.
Oracle SQL Developer Data Modeler és a DW adatmodellezés Gollnhofer Gábor Meta Consulting Kft. Oracle Information Management & Big Data Reference Architecture 2 Mi a NoSQL modellezés célja? Forrás: Insights
RészletesebbenAdatmodellezés, alapfogalmak. Vassányi István
Adatmodellezés, alapfogalmak Vassányi István Alapok A helyes modell az információs rendszer későbbi használhatóságánakazalapja, olyanmint a jómunkaruha: véd, de nem akadályozza a munkát Objektum-orientált
RészletesebbenADATBÁZIS-KEZELÉS. Adatbázis-kezelő rendszerek
ADATBÁZIS-KEZELÉS Adatbázis-kezelő rendszerek Adat (Data) Észlelhető, felfogható ismeret Jelsorozat Tény, közlés Valakinek vagy valaminek a jellemzője Adatbázis (Data Base, DB) Hosszú ideig évekig meglévő
RészletesebbenFélreértések elkerülése érdekében kérdezze meg rendszergazdáját, üzemeltetőjét!
Félreértések elkerülése érdekében kérdezze meg rendszergazdáját, üzemeltetőjét! http://m.equicomferencia.hu/ramada Liszkai János senior rendszermérnök vállalati hálózatok Miről is lesz szó? Adatközpont
RészletesebbenAdatbázis-kezelés. alapfogalmak
Adatbázis-kezelés alapfogalmak Témakörök Alapfogalmak Adatmodellek Relációalgebra Normalizálás VÉGE Adatbázis-kezelő rendszer Database Management System - DBMS Integrált programcsomag, melynek funkciói:
RészletesebbenAdatbázis-kezelő rendszerek. dr. Siki Zoltán
Adatbázis-kezelő rendszerek I. dr. Siki Zoltán Adatbázis fogalma adatok valamely célszerűen rendezett, szisztéma szerinti tárolása Az informatika elterjedése előtt is számos adatbázis létezett pl. Vállalati
RészletesebbenMezőgazdasági külső információs rendszerek fejlesztése
Mezőgazdasági külső információs rendszerek fejlesztése Pető István Szent István Egyetem, Gödöllő Gazdasági Informatika Tanszék I. Agrárinformatikai Nyári Egyetem, Gödöllő 2004. augusztus 25-27. Az előadás
RészletesebbenÖnkiszolgáló BI Az üzleti proaktivítás eszköze. Budapest,
Önkiszolgáló BI Az üzleti proaktivítás eszköze Budapest, 2016.10.27 Tartalom 1. Kihívások Való Világ 2. Hogyan segít az Önkiszolgáló BI? confidential 10/26/2016 2 Riportokkal szembeni igények alakulása
RészletesebbenFejlesztés, működtetés, felügyelet Hatékony infrastruktúra IBM szoftverekkel
IBM Software Group Fejlesztés, működtetés, felügyelet Hatékony infrastruktúra IBM szoftverekkel Rehus Péter Szoftver üzletág igazgató 2005. február 2. 2003 IBM Corporation On demand igény szerinti működési
RészletesebbenTANTÁRGYI ADATLAP I. TANTÁRGYLEÍRÁS
TANTÁRGYI ADATLAP I. TANTÁRGYLEÍRÁS 1 ALAPADATOK 1.1 Tantárgy neve TÉRINFORMATIKAI ELEMZÉSEK 1.2 Azonosító (tantárgykód) BMEEOFTA-J1 1.3 A tantárgy jellege kontaktórás tanegység 1.4 Óraszámok típus előadás
RészletesebbenGYIK GYAKRAN ISMÉTELT KÉRDÉSEK
GYIK GYAKRAN ISMÉTELT KÉRDÉSEK 1. Mi a pontos képzési program? A képzés megnevezése: Digitális Transzformáció és Ipar 4.0 alapképzés A képzés 2 db tananyagegységből/ modulból áll össze, melyek a következő
RészletesebbenCélkitűzések Az Oracle10 g felépítésének, használatának alapszíntű megismerése
BEVEZETÉS Célkitűzések Az Oracle10g felépítésének, használatának alapszíntű megismerése A relációs adatbázis-kezelés elméleti és gyakorlati vonatkozásainak áttekintése Az SQL, PL/SQL nyelvek használatának
RészletesebbenÚjdonságok. Jancsich Ernő Ferenc
Újdonságok Jancsich Ernő Ferenc Microsoft Dynamics NAV o Világszerte, több, mint 110 000 ezer kis- és középvállalat választotta a Microsoft Dynamics NAV rendszert növekedésének támogatásához. o Ez közel
RészletesebbenNETinv. Új generációs informatikai és kommunikációs megoldások
Új generációs informatikai és kommunikációs megoldások NETinv távközlési hálózatok informatikai hálózatok kutatás és fejlesztés gazdaságos üzemeltetés NETinv 1.4.2 Távközlési szolgáltatók és nagyvállatok
RészletesebbenHaladó irodai számítógépes képzés tematika
Haladó irodai számítógépes képzés tematika Word haladó Haladó szövegszerkesztés Szöveg effektusok alkalmazása Az automatikus javítási beállítások használata Szöveg körbefuttatása, szövegtörés A szövegirány
RészletesebbenVezetői Információs Rendszer a Központi Statisztikai Hivatalban
Vezetői Információs Rendszer a Központi Statisztikai Hivatalban Dr. Kárpáti József Főosztályvezető, KSH Tervezési főosztály Microsoft Szeminárium, 2007. március 21. E-mail: jozsef.karpati@ksh.hu Tel.:
RészletesebbenNetWare 6. bemutató. Szittya Tamás. ügyvezető igazgató. The Power to Change
NetWare 6 bemutató The Power to Change Szittya Tamás ügyvezető igazgató NetWare 6 három vélemény A NetWare 6 az iparág vezető hálózati operációs rendszerévé válik az üzleti szférában. NetWare 6 sleeping
RészletesebbenInformatikai alapismeretek Földtudományi BSC számára
Informatikai alapismeretek Földtudományi BSC számára 2010-2011 Őszi félév Heizlerné Bakonyi Viktória HBV@ludens.elte.hu Titkosítás,hitelesítés Szimmetrikus DES 56 bites kulcs (kb. 1000 év) felcserél, helyettesít
RészletesebbenParametrikus tervezés
2012.03.31. Statikus modell Dinamikus modell Parametrikus tervezés Módosítások a tervezés folyamán Konstrukciós variánsok (termékcsaládok) Parametrikus Modell Parametrikus tervezés Paraméterek (változók
RészletesebbenPentaho 4: Mindennapi BI egyszerűen. Fekszi Csaba Ügyvezető 2011. október 6.
Pentaho 4: Mindennapi BI egyszerűen Fekszi Csaba Ügyvezető 2011. október 6. 1 2 3 4 5 Bevezetés Pentaho-ról röviden - áttekintő Mindennapi BI egyszerűen a Pentaho 4 újdonságai Pentaho összefoglaló Alkalmazás
RészletesebbenTDK tájékoztató Gazdaságinformatika Intézeti Tanszék szeptember
TDK tájékoztató Gazdaságinformatika Intézeti Tanszék 2017. szeptember TDK témakörök és tanszéki kutatások, tájékoztató Tisztelt Hallgató, Tájékoztatjuk, hogy a meghirdetett témakörök csak tájékoztató jellegűek,
Részletesebben10. HÉT: ADATTÁRHÁZAK ÉS ÜZLETI INTELLIGENCIA
10. HÉT: ADATTÁRHÁZAK ÉS ÜZLETI INTELLIGENCIA Dr. Danyi Pál Egyetemi docens, BME 2015-16 I. FÉLÉV DR. DANYI PÁL - INFORMÁCIÓMENEDZSMENT 1 MIS RENDSZEREK: ALKALMAZÁS-TECHNOLÓGIA-ADAT MIS rendszerek: DSS,
RészletesebbenMultimédiás adatbázisok
Multimédiás adatbázisok Multimédiás adatbázis kezelő Olyan adatbázis kezelő, mely támogatja multimédiás adatok (dokumentum, kép, hang, videó) tárolását, módosítását és visszakeresését Minimális elvárás
RészletesebbenTÁMOP /1/A projekt Regionális turisztikai menedzsment /BSc/ /Differenciált szakmai ismeretek modul/ Információs irodák menedzsmentje
Gyakorlatorientált képzési programok kidolgozása a turisztikai desztináció menedzsment és a kapcsolódó ismeretanyagok oktatására TÁMOP-4.1.2-08/1/A-2009-0034 projekt Regionális turisztikai menedzsment
RészletesebbenÁgazati Vezetői Információs Rendszer koncepciója
Ágazati Vezetői Információs Rendszer koncepciója Ágazati Vezetői Információs Rendszer koncepciója Bemutatja: Bruhács Tamás főosztályvezető-helyettes - OM, Fejlesztési és Tudományos Ügyek Főosztálya Hodász
Részletesebben