BI-платформи (ВІ-platforms, ВІР)

Платформи Business Intelligence (BI) пропонують набори інструментів для створення, впровадження, підтримки і супроводження BI-додатків (прикладних програм). На ВІ-платформах створюють наповнені даними прикладні програми з замовленими інтерфейсами кінцевого користувача, організовані навколо специфічних бізнес-проблем, з цільовим аналізом і моделями. Платформи Business Intelligence (BI), хоча й не так швидко зростають і широко використовуються як корпоративні BI-набори, але є важливими завдяки росту BI-додатків.

BI-прикладні програми (додатки)

Прикладні програми Business Intelligence (BI) містять убудовані BI-інструменти (OLAP, генератори запитів і звітів, засоби моделювання, статистичного аналізу, візуалізації і data mining). BI-додатки зазвичай орієнтовані на конкретну функцію організації або задачу, як-от: аналіз і прогноз продажів, фінансове бюджетування, прогнозування, аналіз ризиків, і т. ін. BI-додатки можуть вибирати дані для аналізу з систем керування ресурсами підприємства ERP, застосовуватись як системи керування ефективністю підприємства (Enterprise Perfomance Management) або системи збалансованих показників (Balanced Scorecard).

До складу Business Intelligence (BI) можуть входити також засоби аналізу: пакети статистичного аналізу і аналіз часових рядів і оцінки ризиків; засоби моделювання.

Також у складі ВІ містяться засоби графічного оформлення результатів: засоби ділової графіки; інструментальні панелі; панелі ключових показників ефективності, засоби аналітичної картографії і топологічних карт; засоби візуалізації багатовимірних даних.

25. Сутність і фактори виникнення сховищ даних

Появу у 1992 році концепції сховищ даних пов’язують з виникненням потреб в оперативному багатоаспектному бізнес-аналізі і появою технології OLAP. Розвиток цієї технології потребував нового підходу до збереження даних, який відрізнявся від традиційного підходу баз даних, що використовується в системах оперативної обробки даних - OLTP-системах.

Транзакційні системи, або системи операційної обробки даних, - OLTP (On-Line Transactional Processing) призначені для оперативної обробки даних, що характеризують поточний стан об’єктів предметної області. При цьому використовуються довгі і короткі транзакції. Довга транзакція - це сукупність операцій бізнес-процесу, що потребують звернення до компонентів інформаційної системи, причому кожна з операцій не має цінності без виконання всієї сукупності. Коротка транзакція - це окреме звернення до одного з компонентів ІС або звернення клієнта до сервера. За допомогою довгих транзакцій OLTP-система має можливість керувати складними ланцюжками операцій бізнес-процеса як єдиним цілим.

Задачами, що розв’язуються в OLTP-системах, звичайно є традиційні планові, облікові та інші, що передбачають оброблення первинної оперативної інформації з переважним використанням методів прямого розрахунку. Дані у базах даних OLTP-систем зберігаються протягом періоду їх обробки (місяць, рік), а потім вивантажуються в архів або знищуються..

На відміну від цього, аналітичні системи, до яких належать і OLAP-системи, потребували збереження, накопичення оперативних даних і подання їх у вигляді, придатному для аналізу.

Сховище даних (Data Warehouse) являє собою предметно-орієнтоване, прив’язане до часу і незмінне зібрання даних для підтримки процесу прийняття керуючих рішень. Дані у сховище надходять з оперативних систем, призначених для автоматизації бізнес-процесів, а також із зовнішніх джерел, наприклад, із статистичних звітів. Головним призначенням сховища є надання інформації для аналізу в одному місці і в інтуїтивно зрозумілій структурі.

Необхідність розробки сховищ даних обумовлена факторами:

· виникнення технології оперативного аналітичного оброблення даних OLAP і на її основі систем підтримки прийняття рішень;

· системи підтримки прийняття рішень на базі OLAP погано сполучаються з транзакційними системами оперативної обробки даних (OLTP-системами). Одночасне вирішення оперативних і аналітичних запитів на одній базі даних часто призводить до нестачі ресурсів;

· формування аналітичних звітів на основі традиційних баз даних потребує дуже значних витрат часу, що пояснюється необхідністю оброблення первинних оперативних даних за відсутності їх попередньої обробки (узагальнення та агрегації). Кількість часу зростає одночасно з ростом об’єму оперативних даних у базі даних. Це призводить до затримок при реалізації аналітичних запитів;

· досить часто на підприємстві чи в організації функціонує декілька OLTP-систем, кожна з яких має свою окрему базу даних, у яких використовуються різні структури даних, способи кодування, одиниці вимірювання. Побудова зведеного аналітичного запиту на основі декількох баз даних є складною проблемою, яка спочатку потребує вирішення проблеми узгодженості даних з різних баз даних;

· для розв’язання задач оперативного аналізу часто буває недостатньо лише оперативних даних, що містяться у базі даних, а необхідня також архівні дані та інформація зовнішніх джерел (маркетингова, соціологічна інформація і т. ін.).

26. Особливості сховищ даних.

Винахідник сховищ даних Б. Інмон у 1992 році визначив їх особливості:

· предметна орієнтація: дані у сховищі організовані відповідно до основних напрямів діяльності підприємства (замовники, продажі, склад), а не до процесів, як в оперативних базах даних;

· інтегрованість: первинні дані оперативних баз даних перед введенням у сховище даних перевіряються, вибираються, приводяться до одного вигляду, необхідною мірою агрегуються;

· підтримка хронології: дані у сховищі нагромаджуються у вигляді історичних пластів, що дає змогу аналізувати зміну показників у часі;

· незмінність: дані, завантажені у сховище, не підлягають змінам. З ними можливі лише операції їх первинного завантаження, пошуку, читання, агрегації;

· мінімальна надлишковість: забезпечується фільтрацією та очищенням даних OLTP-систем перед їх завантаженням у сховище.

27. Компоненти сховища даних

Сховища даних включають до свого складу набір компонентів, серед яких можна виділити змістовні, що відповідають наборам даних, і управлінські, що виконують спеціальні функції керування (рис. 5.1). Розглянемо їх особливості.

Менеджер завантаження виконує диспетчерські функції щодо занесення нових даних до сховища за встановленим регламентом, згідно з яким дані екстрагуються з різноманітних джерел, перевіряються, певним чином відбираються, зазнають трансформації (приводяться до єдиного способу кодування, виду і формату) та завантажуються у сховище.

Менеджер сховища виконує операції аналізу й управління даними. Ці операції включають: аналіз узгодженості та несуперечності даних; перетворення та переміщення даних з тимчасового сховища в основні таблиці сховища даних; створення індексів; денормалізація даних у разі її необхідності; агрегація (узагальнення) даних; резервне копіювання та архівування даних.

Детальні (оперативні) дані - включають всі детальні дані, визначені схемою сховища даних. Це можуть бути первинні дані найнижчого рівня деталізації або узагальнені до певного рівня деталізації.

Агреговані дані - ця складова містить дані, попередньо оброблені під керівництвом менеджера сховища з метою їх часткового чи повного узагальнення. Дані у цій частині сховища призначені для прискорення виконання запитів і тому можуть змінюватись відповідно до змін їх змісту. Крім того, агреговані дані оновлюються по мірі надходження нових детальних даних до сховища.

Репозиторій метаданих - містить інформацію про дані, що зберігаються у сховищі. Структура і зміст метаданих залежать від їх призначення і можуть бути визначені в розрізі цілей їх використання:

Вибірка й завантаження даних. Метадані містять інформацію про джерела даних, способи та періодичність їх вибірки і завантаження.

Обслуговування сховища. Метадані використовуються для автоматизації процедур узагальнення даних.

Обслуговування запитів. Метадані використовуються для визначення переліку таблиць для виконання запитів.

Менеджер запитів - виконує операції, пов’язані з управлінням запитами користувачів. Компонент функціонує на базі СУБД, що підтримує сховище даних, а також спеціально розроблених програм.

Користувачі сховища отримують до нього доступ за допомогою спеціальних засобів, до яких можуть бути віднесені OLAP-інструменти, засоби добування даних Data Mining, та різні засоби доступу кінцевого користувача: створення запитів і звітів, виконавські системи та ін

28. Види і моделі сховищ даних

В залежностй від повноти подання даних виділяють такі види сховищ даних.

Корпоративні сховища даних (enterprise data warehouses) - вміщують інтегровану інформацію, зібрану із певної множини оперативних баз даних, яка характеризує всю корпорацію і необхідна для здійснення консолідованого аналізу діяльності корпорації в цілому. Такі сховища містять дані по всіх напрямках діяльності корпорації і використовуються для підтримки прийняття як тактичних, так і стратегічних рішень. Обсяг корпоративного сховища може коливатися від 50 Гбайт до кількох терабайт, а його створення потребує значних витрат праці і часу (до кількох років).

Кіоски або вітрини даних (data marts) - це певна підмножина корпоративних даних, які характеризують конкретний аспект діяльності корпорації, наприклад, облік запасів чи маркетинг. У вітрини даних інформація може вибиратись або з корпоративного сховища (залежні вітрини), або безпосередньо із оперативних баз даних, проходячи попередні узгодження та перетворення (незалежні вітрини). Розробка кіоску даних є набагато менш трудомісткою, ніж сховища, і триває приблизно 3 - 4 місяці.

Побудова корпоративних сховищ і кіосків даних здійснюється за однаковими принципами і з використанням однакових технологій.

Відоме також поняття глобального сховища даних, яке розглядається як єдине джерело інтегрованих даних для всіх вітрин даних.

Дата добавления: 2015-05-08