Vezetői információs rendszerek
|
|
- Viktória Jázmin Balázsné
- 8 évvel ezelőtt
- Látták:
Átírás
1 Az OLAP technológia A vállalati információ-hierarchia szintjei Intelligencia Tudás Információ Adat Döntéselőkészítő rendszerek 1
2 80-as évek DSS (Decision Support System) : döntéstámogató rendszerek EIS (Executive Information System) : vezetői információs rendszerek VIR Döntéselőkészítő rendszerek 90-es évek Döntéselőkészítő rendszerek 2
3 Az üzleti intelligencia fogalma Howard Dresden (1989) adta az üzleti intelligencia első meghatározását : olyan módszerek, fogalmak összessége, melyek a döntéshozás folyamatát javítják az úgynevezett tényalapú rendszerek (MIS, DSS, OLAP,...) segítségével. (Az üzleti intelligencia csak a 90-es évek végén épült be az informatikai szállítók és a szervezetek szókincsébe. ) Üzleti intelligencia technológiák Ahogy üzleti intelligencia szoftver nincs, úgy üzleti intelligencia technológia sem létezik. Egy üzleti intelligencia rendszer összeállításához jellemzően sokféle technológiát kell használni: pl. adatbáziskezelő, adatbetöltő, riportkészítő, stb. technológiákat. A The Data Warehousing Institute ezen üzleti intelligencia technológiákat aszerint csoportosította, hogy mekkora a komplexitásuk és mekkora a potenciális üzleti értékteremtő képességük: 3
4 Üzleti intelligencia technológiák Forrás: TDWI Üzleti intelligencia technológiák Riportkészítő technológiák: választ adnak arra, hogy mi történt. (lekérdező, riportkészítő és kereső üzleti intelligencia technológiák) Elemző technológiák: melyek a miért kérdésre adnak választ. (OLAP és az adatvizualizációs technológiák) Monitorozó technológiák: amelyek a Mi történik most? kérdésre adnak választ. (teljesítmény menedzsment eszközök, az irányítópult (dashboard) és a mutatószámrendszer (Scorecard) technológiák) Előrejelző technológiák: melyek a Mi történhetne? kérdésekre adják meg a választ. (előrejelző és adatbányász technológiák) 4
5 Az OLAP kialakulása: Az OLAP technológia 1970-es évek igény a nagy mennyiségű adat hatékony tárolására, elérésére és az aktuális állapot feldolgozására. Adatok tárolása : relációs adatbázis rendszerekben. Adatfeldolgozás: OLTP segítségével on-line tranzakció-feldolgozás (On-line Transaction Processing) Az OLAP kialakulása: Az OLAP technológia 1990-es évek igény jelentkezik a múltbeli események elemzése alapján a jövőben várható folyamatok megtervezésére. Adatok tárolása: adattárházakban (adatáruházakban). Elemzés megvalósítása: OLAP segítségével on-line elemző-feldolgozás (On-line Analytical Processing) 5
6 Az OLAP kialakulása: Az OLAP technológia E.F.Codd (USA) használta először az OLAP kifejezést 1992-ben megjelent cikkében vezeti be az OLAP fogalmát. Az OLAP legfontosabb ismérve: multidimenzionális adatstruktúrát használva lehetővé teszi az adatok gyors és rugalmas lekérdezését, majd ezt követően az adatok analízisét. Az OLAP kritériumai (E.F.Codd (USA),1992) 1. Multidimenzionális nézet : több dimenziós adatmodell, amely lehetővé teszi a felhasználói igények szerinti műveletek végrehajtását. 2. Transzparencia (áttekinthetőség): az eredmény a technikai részletek ismerete nélkül is könnyen áttekinthető legyen. 3. Elérhetőségek (jogosultságok) beállításának lehetősége. 4. Állandó lekérdezési (riportozási) teljesítmény: a felhasználó ne tapasztaljon jelentős teljesítmény csökkenést az adatbázis méretének növelésével, a dimenziók számának növelésével. 6
7 Az OLAP kritériumai (E.F.Codd (USA),1992) 5. Kliens-szerver architektúra: az adattárházak esetében előforduló hatalmas adattömeget nagy teljesítményű szerverek tárolják. 6. Általános dimenzió fogalom: a dimenzióknak struktúrájukban azonosaknak kell lenniük. 7. Dinamikus ritkamátrix-kezelés (sparsity): biztosítani kell az adatmodelleknél előforduló ritkamátrixok (nem teljesen kitöltött) optimális kezelését. 8. Többfelhasználós üzemmód támogatása: biztosítani kell a konkurrens (versenyző) elérést, az adatok integritását, védelmét. Az OLAP kritériumai (E.F.Codd (USA),1992) 9. Korlátozás nélküli dimenzió-műveletek: a dimenziók közötti műveletek minden formáját meg lehessen valósítani. 10. Intuitív adatkezelés: a felhasználók számára az adatok manipulálása közvetlenül (segédeszköz nélkül) a megjelenítési felületen megvalósítható legyen. 11. Rugalmas jelentés (riport) készítés: támogatott legyen az adatok különféle megjelenítése. 12. Korlátlan dimenziószám és aggregációs szint szám: az OLAP eszköz legyen képes tetszőleges számú dimen-zió és hierarchia szint kezelésére. (valóság:20 ill. 15) 7
8 Újabban az elvárások összességét a FASMI betű szóval adják meg. (Fast Analysis of Shared Multidimensional Information) Felhasználó elvárása: gyors (fast) elemzés (analysis), amelyhez semmilyen, vagy csak minimális programozásra legyen szükség, megosztott (shared) legyen az OLAP eszköz és többdimenziós (multidimensional) adatstruktúrát használjon. Legfontosabb eltérések az OLTP és az OLAP között: 1. OLTP ügyfélorientált, OLAP piac orientált. Ügyfélorientált: vállalat ügyintézői használják, tranzakciók, lekérdezések végrehajtására. Piac orientált: döntéshozók és az őket segítők használják az adatok elemzésére. 2. OLTP a vizsgált terület aktuális állapotát leíró adatokat tartalmazza (döntéshozatalhoz túl részletes), OLAP nagy mennyiségű, időrendben archivált adatokat kezel (adatokat különböző szinteken összegezve tárolja). 8
9 Legfontosabb eltérések az OLTP és az OLAP között: 3. Adatok származása szerint OLTP egyetlen adatforrásra épít, OLAP különböző adatforrások adatait integrálja. 4. Rendszerhez való hozzáférés szerint az OLTP rendszereknél a szokásos működési mód a több, konkurrensen futó rövid ideig tartó, elemi tranzakció ezek főleg adatmódosítási műveleteket tartalmaznak. Az OLAP rendszereknél általában csak olvasó (readonly) műveletek vannak- ezek komplex lekérdezések. Az OLTP és az OLAP összehasonlítása Tulajdonság OLTP OLAP funkció operatív feldolgozás döntéstámogatás felhasználó ügyintéző elemző használat rendszeresen ismétlődő alkalmi adatok naprakész történeti összegzés szintje nagyon részletes összesített elérés írás/olvasás főleg olvasás elért rekord szám tízes nagyságrend milliós nagyságrend felhasználók száma ezres nagyságrend százas nagyságrend adatbázis méret 100 MB-tól 100 GB-tól teljesítmény mutató tranzakciós idő lekérdezési idő 9
10 A többdimenziós adatmodell Többdimenziós (multidimenziós) adatmodell Az OLAP igényeinek megfelelő adatmodell. Adatmodell, amely úgy tárolja az adatokat, hogy könnyen le lehessen kérdezni a különböző mennyiségek közötti kapcsolatokat. A multidimenzionális adatmodell az adatokat adatkockában tárolja. A multidimenziós adatkocka Az adatkocka jellemzői: az adatkocka éleihez rendelt dimenziók az elemzés szempontjából lényeges nézőpontok, az adatkocka celláiban tárolva a tények számértékei (measure) az elemezni kívánt mennyiségek valamilyen mértékegységben. 10
11 idő (negyedév) Konkrét példa: Vizsgáljunk egy kereskedelmi vállalatot. Itt az elemzés szempontjából fontos téma lehet az értékesítés. Az elemzés szempontjából lényeges nézőpont, dimenzió lehet az idő, az árucikk, az, a szállító, tényérték lehet az értékesített darabszám, vagy az értékesítés pénzben megadva. ( Ezekkel lehetővé válik pl. annak vizsgálata, hogy az egyes árucikkek esetében hogyan alakult a negyedéves forgalom, mely városokban volt egy adott negyedévben kimagasló forgalom egy adott árucikkből.) Háromdimenziós adatkocka (város) V1 IV. III. II. I. V2 V3 V T1 T2 T3 T4 árucikk (termék név) Dimenziók: idő árucikk Tényérték: értékesített darabszám 11
12 idő (negyedév) idő (negyedév) idő (negyedév) A négydimenziós kocka (szállítók a negyedik dimenzió)- három dimenziós kockák sorozata. V2 V1 (város) IV. V4 V3 szállító 1 szállító 2 szállító 3 V2 V1 (város) IV. V4 V3 V2 V1 (város) IV. V4 V3 III. II. I. III. II. I. III. II. I. T1 T2 T3 T4 árucikk (termék típus) T1 T2 T3 T4 árucikk (termék típus) T1 T2 T3 T4 árucikk (termék típus) A kockák különböző összegzési szinteken tartalmazhatják az adatokat ezek a részkockák. Dimenziók ismeretében megadható a részkockák hálója. Alapkocka- legalacsonyabb szintű az adatokat tartalmazza. Csúcskocka- az összegzés legmagasabb szintje, ez egyetlen adat. A közbülső szinteken levő részkockák adják az alapkövetelményben megfogalmazott aggregált adatokat. 12
13 Részkockák hálója három dimenzió esetén minden 0D csúcs kocka idõ árucikk 1D rész kockák 2D rész kockák, idõ, árucikk idõ, árucikk 3D alap kocka, idõ, árucikk Dimenzió hierarchiák Hierarchia: leképezés sorozat egy adott dimenzió mentén alacsonyabb szintű fogalmaktól (város) a magasabb szintű, általánosabb fogalmakig (kontinens) haladunk. Pl.: egy természetes hierarchia nap<hét<hónap<negyedév<év 13
14 idő (negyedév) idő (negyedév) Dimenzió hierarchiák kontinens év ország negyedév megye hónap hét város nap Műveletek a többdimenziós adatkockán Felgörgetés (roll up) (város) V1 IV. V4 V3 V2 (megye) M2 M1 IV. III. II. I. felgörgetése (városról megyére) III. II. I. T1 T2 T3 T4 árucikk (termék típus) T1 T2 T3 T4 árucikk (termék típus) 14
15 idő (negyedév) (város) idő (negyedév) idő (hónap) Műveletek a többdimenziós adatkockán Lefúrás (drill down) (város) V1 IV. III. II. I. V4 V3 V2 T1 T2 T3 T4 árucikk (termék típus) lefúrás az idő mentén (negyedévről hónapra) (város) V4 V3 V2 V1 XII. XI. X. XI. VIII. VII. VI. V. IV. III. II. I. T1 T2 T3 T4 árucikk (termék típus) Műveletek a többdimenziós adatkockán Szeletelés és kockázás (slice and dice) V2 V1 (város) IV. V4 V3 V4 III. II. I. szeletelés (termék típus=t2) V3 V2 V1 T1 T2 T3 T4 árucikk (termék típus) I. II. III. IV. idő (negyedév) Szeletelés a termékmenedzser szempontjából 15
16 idő (negyedév) idő (negyedév) idő (negyedév) idő (negyedév) Műveletek a többdimenziós adatkockán Szeletelés és kockázás (slice and dice) (város) V1 V4 V3 V2 IV. IV. III. II. I. szeletelés (=V4) III. II. I. T1 T2 T3 T4 árucikk (termék típus) T1 T2 T3 T4 árucikk (termék típus) Szeletelés a területi menedzser szempontjából Műveletek a többdimenziós adatkockán Szeletelés és kockázás (slice and dice) V2 V1 (város) IV. III. V4 V3 (város) V2 V3 II. I. kockázás (termék típus=t3 vagy T4) és (negyedév=ii. vagy III.) és (város=v2 vagy V3) III. II. T1 T2 T3 T4 árucikk (termék típus) T3 T4 árucikk (termék típus) 16
17 (város) idő (negyedév) Műveletek a többdimenziós adatkockán Forgatás (pivot) V4 IV. V3 V2 V1 forgatás (tengelyek felcserélése) III. II. I. I. II. III. IV. idő (negyedév) V1 V2 V3 V4 (város) Hatékony adatkezelés Nagymennyiségű adatból rövid idő alatt választ kell adni a lekérdezésre elengedhetetlen a hatékony adattárolás. Összetevői: aggregált adatok kezelése és az adatkocka ritkaságának kezelése. Aggregált adatokat a részkockák tartalmazzák. Részkockák előre kiszámítása és tárolása jelentősen lerövidíti a válaszidőket. Mennyi részkocka legyen? Részkockák száma: n ( L i i 1 (Ahol n-dimenzió szám, L i - i-dik dimenzióhoz tartozó szintek száma.) 1) 17
18 Pl. 10 dimenzió esetén, dimenziónként 4 szintnél a részkockák száma 5 10 ~ Összes részkocka előszámítása és eltárolása nem reális. A nagyon nagy tárhely igény mellett az is előfordulhat, hogy a kiszámított részkockák közül számosat egyáltalán nem is fognak a lekérdezések során használni. Ésszerű kompromisszum: részleges megvalósítás. Részkockák csak egy részhalmazát hozzák létre, vagy egyegy hierarchiában nem minden szintet számítanak ki. A kiszámításra kerülő részkockák kiválasztásánál célszerű figyelembe venni az előforduló lekérdezéseket, azok gyakoriságát. Ritkaság figyelembevétele: üres cellákat nem tárolunk. Pl. Ha 100 termék eladását vesszük 4 megyében, megyénként 5-5 városban (24 dimenzió elem) éves, negyedéves és havi adatok (17 dimenzió elem) esetében, akkor ez 100*24*17=40800 adatcellát jelent. Mivel valószínű nem minden termék kerül eladásra minden időszakban, ezért sok adatcella üres lesz. Ha ezeket az üres cellákat nem tároljuk, akkor jelentős tárterület takarítható meg. Egyes multidimenzionális adatbázis kezelők tartalmaznak ún. ritka mátrix algoritmust, amely a kocka szerkezetéből megpróbálja a nem használt részeket kiszűrni. 18
19 Sémák a multidimenzionális adatmodellhez Adatok fizikai tárolása: ROLAP (relációs OLAP) rendszerben, MOLAP (multidimenzionális OLAP) rendszerben, HOLAP (hibrid OLAP) rendszerben történhet. Leggyakrabban alkalmazott rendszer ROLAP A ROLAP rendszerekben az adatok tárolása hagyományos relációs adatbázis kezelővel történik. Gyakori alkalmazása rugalmasságának, a relációs adatbázis-kezelők viszonylagos olcsóságának és megbízhatóságának, és a relációs tárolási technika elterjedtségének köszönhető. Csillagséma (star schema) Nevét alakjáról kapta csillaghoz hasonlító sémagráf Középen helyezkedik el egy nagy méretű, redundáns adatokat nem tartalmazó központi táblázat (a ténytáblázat), amely meghatározza a többdimenziós modell dimenzióit és ezt veszik körül a kisebb dimenziónként egy táblázatok (a dimenzió-táblázatok). Példa a csillag sémára: egy kereskedelmi cég értékesítési adatait tartalmazza, ha az értékesítést 3 dimenzió idő, hely, árucikk mentén tekintjük. 19
20 Csillagséma az értékesítési adatokhoz dimenziótáblázat értékesítés ténytáblázat idő dimenziótáblázat eladás_helye_kulcs város megye ország kontinens eladás_értéke idő_kulcs eladáshelye_kulcs árucikk_kulcs idő_kulcs nap hónap negyedév év árucikk_kulcs árucikk_név árucikk_típus árucikk_szállító árucikk dimenziótáblázat Csillagséma (star schema) Előnye: - egyszerű adatmodell - használata kevés tábla olvasását igényli, - kevés join adatbázis műveletet igényel, - a modell metaadatai (adatokat leíró adat) egyszerűek. Hátránya: - az aggregált adatok nehézkes képzése, - a redundáns adattárolás, - nagy dimenzió táblák esetén a hierarchia kezelés lassú lekérdezést eredményezhet. Konszolidált csillagséma: az a speciális csillagséma, amikor a központi ténytáblában aggregált adatokat is tárolnak. 20
21 Hópehelyséma (snowwflake schema) Nevét alakjáról kapta hópehelyhez hasonlító sémagráf A csillagséma egy változata a ténytáblához közvetlenül csatlakozó dimenzió tábla további altáblákra van osztva. Ezzel lehetővé válik a dimenzió táblák normalizálása. Példa a csillag sémára: egy kereskedelmi cég értékesítési adatait tartalmazza, ha az értékesítést 3 dimenzió idő, hely, árucikk mentén tekintjük. Hópehelyséma az értékesítési adatokhoz dimenziótáblázat értékesítés ténytáblázat idő dimenziótáblázat megye_kulcs megye ország kontinens eladás_helye_kulcs város megye_kulcs megye dimenziótáblázat árucikk dimenziótáblázat eladás_értéke idő_kulcs eladáshelye_kulcs árucikk_kulcs árucikk_kulcs szállító_kulcs árucikk_név árucikk_típus idő_kulcs nap hónap negyedév év szállító_kulcs szállító_típus szállító_név szállító dimenziótáblázat 21
22 Hópehelyséma (snowwflake schema) Előny: - a szükséges tárhely csökkenése, - a redundancia megszüntetése, vagy mindenképpen a csökkentése Hátrány: - a táblák számának növekedése miatt növekedhet az adatlekérdezések bonyolultsága, - egy lekérdezés végrehajtásához több összekapcsolás műveletre (join) lesz szükség. Elemzési folyamat az OLAP segítségével Egy amerikai, ruházati cikkeket forgalmazó kereskedelmi vállalat 13 városban rendelkezik üzletekkel. Ismertek a cég években történt eladásaira vonatkozó adatok. A cég vezetői értékelik és elemzik a 3 éves periódus eladásait. Céljuk a három legnagyobb eladási bevételt elért termék-vonalnál vizsgálni az eladási folyamatokat, különös tekintettel az esetleges eladási visszaesésekre, ha szükséges, javaslatot tenni bizonyos termékek értékesítésének megszüntetésére. 22
23 Az elemzésre használt részkocka jellemzői: A részkocka dimenziói: idő hét (week) < hónap (month) < negyedév (quarter)< év(year) város(city) < régió (regio) < állam (state) termék SKU fajta (SKU desc )) < kategória (category) < termék vonal ( lines). A tényérték: eladás bevétele $-ban (sales revenue). Az elemzés menete Kiinduló adatok: régiónként a 3 TOP termék eladási értéke éves bontásban. Mivel időbeli változás vizsgálata a cél, alakítsuk a táblázatot át ennek megfelelően, a táblázat csak évenkénti bontásban mutassa az eladási értékeket! (pivot műveletet és egy felgörgetés) 23
24 Sw ea t-t-shirts Accessories Shirt Waist Sw ea t-t-shirts Accessories Shirt Waist Az elemzés menete. $ ,0 $ ,0 $ ,0 $ ,0 $ ,0 $ ,0 $ ,0 $ ,0 $0, A tendenciák jobban látszanak, de még szemléletesebben látszanak egy diagramban. Az elemzés menete $ ,0 $ ,0 $ ,0 $ ,0 $ ,0 $ ,0 $ ,0 $ ,0 $0, A legszembetűnőbb az, hogy a kellékek (Accessories) esetén 2000 kimagasló értékesítése után 2001-ben nagyon lecsökkent az eladás. Nézzük meg, mi történt 2000-ben. Fúrjunk le az idő dimenzión egy szinttel lejjebb, lássuk az adatokat negyedéves bontásban. 24
25 Be lts, bag s,w alle ts H air a cce sso rie s H ats, gloves, sca rve s Je we lry Lounge w ear Q4 Q3 Q2 Q1 Accessories Sw ea t-t-shirts Shirt Waist Az elemzés menete $ ,0 $ ,0 $ ,0 $ ,0 $ ,0 $500000,0 $0,0 Q1 Q2 Q3 Q4 Itt az látszik, hogy a kellékeknél negyedévről negyedévre folyamatosan csökken az értékesítés. Adjuk meg, hogy a kellékeken belül mi a felelős a csökkenésért. Folytassuk ezért vizsgálatainkat áttérve egy másik, a termék dimenzióra.(kereszt-fúrás) Az elemzés menete $ ,0 $ ,0 $800000,0 $400000,0 $0,0 Az újabb fúrás után jól látható a felelős, ez pedig az ékszer (Jewerly) kategória. Ezen a dimenzión folytatva a vizsgálódást, egy szinttel lejjebb fúrva további részleteket deríthetünk ki. 25
26 E-Wa tch Rounded Rectangle Brooch Jet Pearl Choker Q4 Q3 Q2 Q1 9cm Gold Brooch Be ll N ecklace Ch ain an d P earl Ne ckla ce Diam ond Pendant Earrings Double Ball and Chain Necklace Go ldset P ea rl N ecklace Je t an d P ea rl N ecklace Jet Pearl Choker Large Silver Bracelet M ulticolo red Pea rl N ecklace Pe arl and Flo we r N ecklace Pearl Pendant Necklace Rigid Ball Ne cklace Rigid Tw isted Knot Bracelet Rounded Rectangle Brooch Sm all Pe arl D ro plet Ne ckla ce Stole and Fe ath er B oa Se t Tortoiseshell Brooch Q4 Q1 Az elemzés menete $ $ $ $ $ $ $0 Az ékszeren belül nagyon sok típus van, ezek közül látható, hogy kevés az, ahol tényleg lényeges csökkenés történt az eladásokban. Szűrjük le azokat a típusokat, amelyek az eladási érték felső 10%-át adják. Az elemzés menete $ $ $ $0 Összegezve: vizsgálódásunkat azt állapíthatjuk meg, hogy egy óratípus (E-watch) az, amelynek vásárlása drasztikusan visszaesett. De vajon területileg hogyan alakult ennek a terméknek a forgalma? 26
27 Ca lifo rnia Co lorado DC Flo rid a Illinois Ne w York Te xas Q4 Q3 Q2 Q1 Az elemzés menete $ $ $ $ $ $ $0 Dimenziót váltva, az eladás helyét nézve ennek a terméknek minden államban igen jelentősen visszaesett a forgalmazása. Javaslat: a termék további forgalmazásának megszüntetése. Business Objects döntéstámogató rendszer 27
28 A Business Objects mint vállalat Business Objects szoftverfejesztő vállalat Az Üzleti Intelligencia területén iparágvezető SAP felvásárolta ben. A SAP előtti időkben: Világszerte 80 országban több mint ügyfelet tudhatott magáénak, beleértve a világ vezető 500 vállalatának 80%-át is. Magyarországi ügyfelek: (a teljesség igénye nélkül) Vodafone Rt, Magyar Nemzeti Bank, Fundamenta Lakáskassza Rt, az ING Rt, British American Tobacco Rt, Unilever és a Winterthur. A BusinessObjects mint termék A BusinessObjects döntéstámogató rendszer képes lefedni az üzleti intelligencia folyamatok egész spektrumát. A rendszer lehetővé teszi: -a vállalat különböző formátumban, különböző módon tárolt, elemzésre szánt adatainak összefogását, -az adatoknak az üzleti életben használt, vállalat specifikus fogalomrendszerrel való helyettesítését, -az így kialakult fogalmakon keresztüli lekérdezését, precíz megjelenítését, elemzését, -a vállalat stratégiáját meghatározó fő mutatószámok kezelését. 28
29 Szemantikus réteg kialakítása Szemantikus réteg elsőként való alkalmazása képes közérthető módon leképezni és ábrázolni a végfelhasználók számára a bonyolult adatbázis szerkezetet, azaz a megszokott üzleti nyelvet használhatják a felhasználók a szoftver alkalmazása során Szemantikus réteg megvalósítása univerzum létrehozás. A jó lekérdezések - a pontos riportok érdekében az univerzum tervezésének, készítésének és tesztelésének kiemelkedő szerepe van! Mit nevezünk univerzumnak és mi a tartalma? Az univerzum egy olyan meta adatbázis, amely tartalmazza: - az adatbázis kapcsolat paramétereit, - az osztályokba sorolt, objektumoknak nevezett végfelhasználói fogalmakat, amelyek reprezentálják az adatbázis tartalmat, - és az adatbázis táblákat a közöttük levő kapcsolatokkal (séma). 29
30 Univerzumok létrehozása Felhasználói információ igények felmérése: azonosítani kell a leendő felhasználói csoportokat tudni kell, hogy munkájuk során milyen információt igényelnek, milyen riportokat, lekérdezéseket készítenek ehhez igazodva kell az egyes univerzumokhoz az adatbázis táblákat hozzárendelni. A vállalati adatbázist egy vagy több univerzummal lehet lefedni. Pl.: humán erőforrás részleg számára készülőbe csak a dolgozókkal kapcsolatos adatokat tartalmazó táblák kell hogy tartozzanak. Eszközei: Designer, Universe Builder, Business View Manager modulok. 30
31 A riport készítés folyamata: Vezető Lekérdezés Adatforrás Riport Mikrokocka Eredmény Riportálás, lekérdezés, elemzés Eszközei: Desktop Intelligence :lekérdező, elemző modul. WebIntelligence :előző modul funkcionalitását nagymértékben lefedő, de weben keresztül elérhető. OLAP Intelligence: többdimenziós adatforrások közvetlen elérhetőségét teszi lehetővé. Crystal Reports :új elemző eszköz (különböző filozófiát követve elégítik ki a felhasználói igényeket ) 31
32 Riportálás, lekérdezés, elemzés Desktop Intelligence, WebIntelligence, OLAP Intelligence: Ezen eszközök riportáló, elemző eszközei inkább a végfelhasználó általi adatmanipulációt helyezik előtérbe. A felhasználó által megnyitott riport néhány kattintással, drag and drop módszerrel tovább formázható, a riport kezdeti szerkezete akár teljes mértékben átalakítható. Crystal Reports : Ez az eszköz kimondottan a pixel pontos, nyomtatásra szánt riportok készítésére helyezi a hangsúlyt, emellett hyperlinkek és speciális szerkezet kialakításával támogatja a riportokban kiépíthető dinamizmust, webes felületen történő látványos kezelhetőséget is. Desktop Intelligence 32
33 WebIntelligence Riport készítése Crystal Reports eszközzel 33
34 OLAP Intelligence 34
Vezetői információs rendszerek
Az OLAP technológia Az OLAP kialakulása: Az OLAP technológia 1970-es évek igény a nagy mennyiségű adat hatékony tárolására, elérésére és az aktuális állapot feldolgozására. Adatok tárolása : relációs adatbázis
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
RészletesebbenAdatbázisrendszerek 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
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
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,
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
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
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
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)
RészletesebbenVan-e ingyen-ebéd? Avagy mire elég a nyílt forráskodú Pentaho? Fekszi Csaba Ügyvezető 2012. október 4.
Van-e ingyen-ebéd? Avagy mire elég a nyílt forráskodú Pentaho? Fekszi Csaba Ügyvezető 2012. október 4. Omnit Solutions 2007 óta a piacon BI & adattárház tanácsadás 20 fős csapat Oracle, IBM és Pentaho
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
RészletesebbenSzámítógépes döntéstámogatás. Bevezetés és tematika
SZDT-01 p. 1/18 Számítógépes döntéstámogatás Bevezetés és tematika Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Előadás SZDT-01 p. 2/18 SZDT-01
RészletesebbenNyilvántartási Rendszer
Nyilvántartási Rendszer Veszprém Megyei Levéltár 2011.04.14. Készítette: Juszt Miklós Honnan indultunk? Rövid történeti áttekintés 2003 2007 2008-2011 Access alapú raktári topográfia Adatbázis optimalizálás,
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
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
RészletesebbenHogyan fogalmazzuk meg egyszerűen, egyértelműen a programozóknak, hogy milyen lekérdezésre, kimutatásra, jelentésre van szükségünk?
Hogyan fogalmazzuk meg egyszerűen, egyértelműen a programozóknak, hogy milyen lekérdezésre, kimutatásra, jelentésre van szükségünk? Nem szükséges informatikusnak lennünk, vagy mélységében átlátnunk az
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
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
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
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
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
RészletesebbenÚjdonságok az AX2012-ben! Hauserné Kozák Veronika
Újdonságok az AX2012-ben! Hauserné Kozák Veronika 2012. 11.27. Témakörök Szervezet irányítása Számlatükör, Pénzügyi dimenziók Kontrolling Szervezet irányítása Szervezet irányítása 1. Szerepkör Szerepre
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
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
RészletesebbenComponent Soft 1994-2013 és tovább
Component Soft 1994-2013 és tovább IT szakemberek oktatása, tanácsadás Fő témáink: UNIX/Linux rendszerek, virtualizációs, fürtözési, tároló menedzsment és mentési technológiák Adatbázisok és middleware
RészletesebbenKővári Attila, BI projekt
Innovatív BI konferencia, 2011-11-22 Kővári Attila, BI projekt Az előadás bemutatja, milyen lehetőségeket és problémákat rejtenek magukban az önkiszolgáló BI rendszerek. Foglalkozik az ilyen rendszereknél
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
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.
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
RészletesebbenEGYSZERŰSÉG ÉS ÁTTEKINTHETŐSÉG AZ ÜZLETI ANALITIKÁBAN CRS PORTÁL AVENSOFT KFT. 1072 BUDAPEST, RÁKÓCZI ÚT 42. WWW.CRSPORTAL.HU WWW.AVENSOFT.
CRS PORTÁL AVENSOFT KFT. 1072 BUDAPEST, RÁKÓCZI ÚT 42. WWW.CRSPORTAL.HU WWW.AVENSOFT.HU EGYSZERŰ KEZELHETŐSÉG ÁTTEKINTHETŐ LOGIKA A CRS Portál egy olyan, web alapú üzleti intelligencia (BI) megoldás, amely
RészletesebbenMobil Üzleti Intelligencia
Mobil Üzleti Intelligencia Forradalom az üzleti intelligenciában Kiss Péter BiXPERT Kft. A Mobil Internet nagyságrendekkel nagyobb hatással lesz a felhasználókra mint a Desktop Internet Mindig Információ
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 vezetői jelentésrendszer alapjai. Információs igények, irányítás, informatikai támogatás
A vezetői jelentésrendszer alapjai Információs igények, irányítás, informatikai támogatás Tartalomjegyzék Döntéstámogató információs rendszer piramisa Integrált rendszer bevezetésének céljai Korszerű információ-szolgáltatási
RészletesebbenSAP BUSINESSOBJECTS PROFITABILITY AND COST MANAGEMENT (PCM) BEMUTATÁSA
SAP BUSINESSOBJECTS PROFITABILITY AND COST MANAGEMENT (PCM) BEMUTATÁSA MODELL ALKOTÁS, TECHNIKAI ÉS ARCHITECKTURÁLIS KÉRDÉSEK 1. MODELLEZÉS A modellezés a PCM Model Builder moduljának felhasználóbarát,
RészletesebbenAdattárházak. Méréstechnika és Információs Rendszerek Tanszék
Adattárházak Méréstechnika és Információs Rendszerek Tanszék https://www.mit.bme.hu/oktatas/targyak/vimiac04 1 Adatfeldolgozási folyamat Döntés Modell Adatbányászat Adatok kinyerése, transzformálása Adattárház
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
RészletesebbenMICROSOFT DYNAMICS AX ÜZLETI ANALÍZIS
MICROSOFT DYNAMICS AX ÜZLETI ANALÍZIS MICROSOFT DYNAMICS AX ÜZLETI ANALÍZIS A Microsoft Dynamics AX-rendszer Üzleti analízis moduljával a vállalat üzleti adatai rögtön ismeretekké alakíthatók, amelyek
RészletesebbenAdatbázismodellek. 1. ábra Hierarchikus modell
Eddig az adatbázisokkal általános szempontból foglalkoztunk: mire valók, milyen elemekből épülnek fel. Ennek során tisztáztuk, hogy létezik az adatbázis fogalmi modellje (adatbázisterv), amely az egyedek,
RészletesebbenADATTÁRHÁZ HATÉKONYSÁGNÖVELÉS, REDUNDANCIA CSÖKKENTÉS Frunza Zsolt ÜZLETI INTELLIGENCIA A JÖVŐ, AHOGY MI LÁTJUK
ADATTÁRHÁZ HATÉKONYSÁGNÖVELÉS, REDUNDANCIA CSÖKKENTÉS Frunza Zsolt ÜZLETI INTELLIGENCIA A JÖVŐ, AHOGY MI LÁTJUK TARTALOM 2 1. Miért válik a Redundancia Menedzsment egyre fontosabb kérdéssé? 2. Mit értünk
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
RészletesebbenBI megoldás a biztosítói szektorban
Dobos Zoltán 2009 szeptember 10 BI megoldás a biztosítói szektorban Tartalom Üzleti felhasználási területek a biztosítói szektorban Cognos megoldások a biztosítói szektor részére 2 Fókusz területek Értékesítési
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,
RészletesebbenAz információs rendszerek funkcionális változásai a kis és középvállalkozások szemszögéből. DE ATC AVK Gazdasági- és Agrárinformatikai Tanszék
MAGISZ Fórum 2004. augusztus 27. Az információs rendszerek funkcionális változásai a kis és középvállalkozások szemszögéből. Dr. Herdon Miklós - Rózsa Tünde DE ATC AVK Gazdasági- és Agrárinformatikai Tanszék
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
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,
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
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
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,
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
RészletesebbenTartalom. Jó hogy jön Jucika, maga biztosan emlékszik még, hányadik oldalon van a Leszállás ködben.
Tartalom Jó hogy jön Jucika, maga biztosan emlékszik még, hányadik oldalon van a Leszállás ködben. Előszó 1. Az adatbányászatról általában 19 1.1. Miért adatbányászat? 21 1.2. Technológia a rejtett információk
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
RészletesebbenRopogós - Oracle BI EE 12C
Ropogós - Oracle EE 12C Felsővezetői, komplex dashboard bevezetés Havas Levente Lajtos Alex Budapest, 2018. november 13. Az IFUA Horváth & Partners ajánlása szerint egy Managed Enterprise rendszernek az
RészletesebbenMETA. a földügyi folyamatok tükrében. Zalaba Piroska főtanácsos Földművelésügyi és Vidékfejlesztési Minisztérium Földügyi és Térinformatikai Főosztály
META a földügyi folyamatok tükrében Zalaba Piroska főtanácsos Földművelésügyi és Vidékfejlesztési Minisztérium Földügyi és Térinformatikai Főosztály A földüggyel szembeni alapvető elvárások Államhatalmi
RészletesebbenSzolnoki Főiskola. Vezetői Információs Rendszer (VIR) Szabályzat
Szolnoki Főiskola Vezetői Információs Rendszer (VIR) Szabályzat 2012 A Szolnoki Főiskola, mint felsőoktatási intézmény a Vezetői Információs Rendszer bevezetését és működését az alábbiak szerint szabályozza.
RészletesebbenINFORMÁCI CIÓS ERŐFORRÁSOK ÉS RENDSZEREK
INFORMÁCI CIÓS ERŐFORRÁSOK ÉS INFORMÁCI CIÓS RENDSZEREK Milyen ismereteket sajátítunk tunk el e téma keretében? Adat Információ Tudás Az információ mint stratégiai erőforrás A vállalat információs rendszere
Részletesebben30 MB INFORMATIKAI PROJEKTELLENŐR
INFORMATIKAI PROJEKTELLENŐR 30 MB DOMBORA SÁNDOR BEVEZETÉS (INFORMATIKA, INFORMATIAKI FÜGGŐSÉG, INFORMATIKAI PROJEKTEK, MÉRNÖKI ÉS INFORMATIKAI FELADATOK TALÁKOZÁSA, TECHNOLÓGIÁK) 2016. 09. 17. MMK- Informatikai
RészletesebbenInnovatív trendek a BI területén
Innovatív trendek a BI területén 1 Technológiai trendek 3 BI-TREK kutatás Felmérés az üzleti intelligencia hazai alkalmazási trendjeiről Milyen BI szoftvereket használnak a hazai vállalatok? Milyen üzleti
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
RészletesebbenADATBÁZISOK, ADATTÁRHÁZAK
ADATBÁZISOK, ADATTÁRHÁZAK Adattárolás Háttértárak Fájlok Fájlkezelő rendszer 2 Adattárolás Az adatok, információk bináris formában kerülnek tárolásra. Értelmezés kérdése, hogy egy bitsorozatnak milyen
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
RészletesebbenMultimédiás adatbázisok
Multimédiás adatbázisok Multimédiás adatbázis kezelő Olyan adatbázis kezelő, mely támogatja multimédiás adatok (dokumentum, kép, hang, videó) tárolását, módosítását és visszakeresését Minimális elvárás
RészletesebbenSzolgáltatásmérés mérni a lehetetlent
Szolgáltatásmérés mérni a lehetetlent A Zöld, a Sárga és a Piros, avagy a Jó a Rossz és a Csúf Szebényi Zoltán szebenyiz@mvm-informatika.hu szolgáltatási igazgató MVMI Informatika Zrt. 1 Az MVMI Informatika
RészletesebbenTartalom. Konfiguráció menedzsment bevezetési tapasztalatok. Bevezetés. Tipikus konfigurációs adatbázis kialakítási projekt. Adatbázis szerkezet
Konfiguráció menedzsment bevezetési tapasztalatok Vinczellér Gábor AAM Technologies Kft. Tartalom 2 Bevezetés Tipikus konfigurációs adatbázis kialakítási projekt Adatbázis szerkezet Adatbázis feltöltés
RészletesebbenKIR 2.0 A KIR MEGÚJÍTÁSÁNAK ELSŐ LÉPÉSEI BARCSÁNSZKY PÉTER OKTATÁSI HIVATAL. TÁMOP-3.1.5/12-2012-0001 PEDAGÓGUSKÉPZÉS Támogatása
A KIR MEGÚJÍTÁSÁNAK ELSŐ LÉPÉSEI BARCSÁNSZKY PÉTER OKTATÁSI HIVATAL TÁMOP-3.1.5/12-2012-0001 PEDAGÓGUSKÉPZÉS Támogatása A köznevelés információs rendszere Jogszabályi környezet határozza meg a kapcsolódó
RészletesebbenAdatbázis-kezelés. alapfogalmak
Adatbázis-kezelés alapfogalmak Témakörök Alapfogalmak Adatmodellek Relációalgebra Normalizálás VÉGE Adatbázis-kezelő rendszer Database Management System - DBMS Integrált programcsomag, melynek funkciói:
Részletesebben1. JELENTKEZŐ ADATBÁZIS MODUL
A toborzást-kiválasztást támogató humáninformatikai megoldásunk, a nexonjob, rugalmasan a vállalati egyedi igények alapján testre szabható. A rendszer webes felületén keresztül jelentkezhetnek a pályázók
RészletesebbenTÁMOP 4.1.1 intézményi követelmények. Vezetői Információs Rendszer
TÁMOP 4.1.1 intézményi követelmények Vezetői Információs Rendszer Tartalom 1. Bevezetés... 2 2. Szakmai követelmények... 2 A rendszer felhasználói és a biztosított felhasználások (információszolgáltatások)...
RészletesebbenJogosultság-monitorozó rendszer kialakítása
Jogosultság-monitorozó rendszer kialakítása Csizmadia Attila CISA Jogosultságkezelés jelentősége Miért fontos? Mindenkinek van valamilyen válasza A válaszok különböző megközelítésűek lehetnek Egy közös
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
RészletesebbenA vállalat mint rendszer. Informatikai rendszerek Vállalati információs rendszerek. Üzleti kapcsolatok. Vevői információs kapcsolatok. Cég.
A vállalat mint rendszer Informatikai rendszerek Vállalati információs rendszerek erőforrások Cég Gazdálkodó szervezet Vállalat erőforrások Szendrői Etelka szendroi@witch.pmmf.hu Valóságos Működő Gazdasági
RészletesebbenAz adatbázisrendszerek világa
Az adatbázisrendszerek világa Tankönyv: Ullman-Widom: Adatbázisrendszerek Alapvetés Második, átdolgozott kiadás, Panem, 2009 1.1. Az adatbázisrendszerek fejlődése 1.2. Az adatbázis-kezelő rendszerek áttekintése
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
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
RészletesebbenIBM Software Group Archiválási technológiák - tartalomkezelés Kovács László Az információ kezelésének evolúciója Struktúrált adatok kezelése '60s Alkalmazások '70s Adatbázisok alkalmazásokra optimalizálva
RészletesebbenErdészeti útügyi információs rendszerek
Erdészeti útügyi információs rendszerek PÉTERFALVI József, MARKÓ Gergely, KOSZTKA Miklós 1 Az erdészeti útügyi információs rendszerek célja a feltáróhálózatok térképi vonalai és az azokhoz kapcsolt leíró
RészletesebbenSeacon Access and Role Management
Innovatív Információbiztonsági Megoldások Seacon Access and Role Management Csizmadia Attila CISA Jogosultságkezelés jelentősége Miért fontos? Mindenkinek van valamilyen válasza A válaszok különböző megközelítésűek
RészletesebbenFITT Workshop. Beruházás- és projekttervezés, projekt menedzsment informatikai támogatási lehetőségei
Barcelona Berlin Boston Budapest Düsseldorf Madrid Munich Prague Stuttgart Vienna Zurich www.ifua.hu dr. Kupás Tibor Molnár Tamás Budapest, 2007. november 7-8. FITT Workshop Beruházás- és projekttervezés,
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
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
RészletesebbenSzakterületi modell A fogalmak megjelenítése. 9. fejezet Applying UML and Patterns Craig Larman
Szakterületi modell A fogalmak megjelenítése 9. fejezet Applying UML and Patterns Craig Larman 1 Néhány megjegyzés a diagramokhoz Ez a tárgy a rendszer elemzésről és modellezésről szól. Noha például egy
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
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
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
RészletesebbenProgramfejlesztési Modellek
Programfejlesztési Modellek Programfejlesztési fázisok: Követelmények leírása (megvalósíthatósági tanulmány, funkcionális specifikáció) Specifikáció elkészítése Tervezés (vázlatos és finom) Implementáció
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
RészletesebbenAdattár. Adattár. Elemzések, modellezés. Adatszolgáltatás
ADATTÁRALAPÚ VEZETŐI INFORMÁCIÓS RENDSZER (AVIR) Az táralapú Vezetői Információs Rendszer (AVIR) fő célja, hogy hatékonyabbá tegye az intézmény működését, megalapozottabbá tegye a vezetői döntéseket, illetve
RészletesebbenSAP BO PC alapú tervezési környezetben a Richter controlling
SAP BO PC alapú tervezési környezetben a Richter controlling Tamásné Tóth Ágnes controlling igazgató, Richter Gedeon NyRt. Varga Viktória vezető tanácsadó, IFUA Horváth & Partners Kft. Sándor Zoltán tervezési
RészletesebbenS&T &T Unit Un is Magyar o szág szág Kf t. 2009. november 5.
S&T Unitis Magyarország Kft. BusinessObjects bemutató 2009. november 5. Az Üzleti Intelligencia A fogalmat először Hans Peter Luhn használta 1958-ban. A business kifejezés alatt valamilyen cél elérése
RészletesebbenProjekt beszámoló. Könyvelési Szakértői Rendszer Kifejlesztése Repetitív Könyvelési Feladatok Szabályalapú Feldolgozására
Projekt beszámoló Projekt azonosítója: Projektgazda neve: Projekt címe: DAOP-1.3.1-12-2012-0081 Számviteli Innovációs Iroda Kft. Könyvelési Szakértői Rendszer Kifejlesztése Repetitív Könyvelési Feladatok
RészletesebbenPetőfi Irodalmi Múzeum. megújuló rendszere technológiaváltás
Petőfi Irodalmi Múzeum A Digitális Irodalmi Akadémia megújuló rendszere technológiaváltás II. Partnerek, feladatok Petőfi Irodalmi Múzeum Megrendelő, szakmai vezetés, kontroll Konzorcium MTA SZTAKI Internet
RészletesebbenSAP BUSINESSOBJECTS PROFITABILITY AND COST MANAGEMENT (PCM) BEMUTATÁSA
SAP BUSINESSOBJECTS PROFITABILITY AND COST MANAGEMENT (PCM) BEMUTATÁSA A SZERVEZETI KÖLTSÉGEK KEZELÉSE ÉS A JÖVEDELMEZŐSÉG OPTIMALIZÁLÁS Az SAP BusinessObjects Profitability and Cost Management alkalmazás
RészletesebbenMŰSZAKI KÖVETELMÉNYEK, A KÖRKERESŐ SZOFTVER SPECIFIKÁCIÓJA, KÖLTSÉGVETÉS. A) Műszaki követelmények
1. sz. melléklet MŰSZAKI KÖVETELMÉNYEK, A KÖRKERESŐ SZOFTVER SPECIFIKÁCIÓJA, KÖLTSÉGVETÉS A) Műszaki követelmények A körkereső szoftvernek (a továbbiakban Szoftver) az alábbi követelményeknek kell megfelelnie
RészletesebbenTeljeskörű BI megoldás a gyakorlatban IBM eszközök használatával, Magyarországon
Teljeskörű BI megoldás a gyakorlatban IBM eszközök használatával, Magyarországon esettanulmány csokor, mely megpróbálja összefoglalni az elmúlt 10 év tapasztalatait,tanulságait és bemutat egy élő, hazai
RészletesebbenA hierarchikus adatbázis struktúra jellemzői
A hierarchikus adatbázis struktúra jellemzői Az első adatbázis-kezelő rendszerek a hierarchikus modellen alapultak. Ennek az volt a magyarázata, hogy az élet sok területén első közelítésben elég jól lehet
RészletesebbenA személyközlekedés minősítési rendszere
A személyközlekedés minősítési rendszere személyközlekedés tervezése és működtetése során alapvető jelentőségűek a i jellemzők bonus-malus rendszer működtetésére a megrendelési szerződések szerint Minőség:
RészletesebbenSAP Business One: hatékonyabb ellenőrzés, átláthatóbb üzleti folyamatok, megalapozottabb döntések, eredményesebb gazdálkodás
SAP Business One: hatékonyabb ellenőrzés, átláthatóbb üzleti folyamatok, megalapozottabb döntések, eredményesebb gazdálkodás Budapest, 2015. április 9. Váradi László 1 itelligence 21 éve Magyarországon
RészletesebbenAdatbázisok és adattárházak az információs rendszerek adatkezelői
Adatbázisok és adattárházak az információs rendszerek adatkezelői (Klárné Barta Éva) Részlet az Adatbáziskezelés és vállalati információs rendszerek című jegyzetből. Az első adatfeldolgozó rendszerek néhány
RészletesebbenFIGYELEMFELKELTŐ HIRDETÉS BANNERES KAMPÁNY TÖBB REKLÁMHÁLÓZATBAN
FIGYELEMFELKELTŐ HIRDETÉS BANNERES KAMPÁNY TÖBB REKLÁMHÁLÓZATBAN A sikeres kampányok tervezésében az internet a médiamix mára már kihagyhatatlan elemévé vált. A jóváhagyott költésgvetések tervezéséhez
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
RészletesebbenBI modul a lízing üzletágban. 2007 márc. 21. Előadó: Salamon András
BI modul a lízing üzletágban 2007 márc. 21. Előadó: Salamon András Rövid cég- és terméktörténet Lízing fejlesztések, K+F 1996 óta Lízing éles rendszer 1999 óta Új név: AdviseSoft Kft. 2002 óta Jelenleg:
Részletesebben