poslovna informatika 2: podpora upravljanju in infomacijska analiza
Post on 15-Jan-2017
46 Views
Preview:
TRANSCRIPT
doc. dr. Tomislav Rozman
tomislav.rozman@net.doba.sitomislav.rozman@bicero.com
www.bicero.comTwitter: @tomirozman
LinkedIn: http://si.linkedin.com/in/tomislavrozman
DOBA, Fakuteta za uporabne poslovne in družbene študije Maribor
Vsebina
1. Uvod v poslovno informatiko2. Poslovni informacijski sistemi3. Sistemi za podporo upravljanja4. E-poslovanje5. PIS in strateško načrtovanje v podetju6. Razvoj PIS (1. del - inf. analiza)7. Management poslovne informatike
Odločanje
● racionalno-analitično○ zavestno, sistematično, preučitev vseh alternativ○ (-) ni možno preučiti vseh alternativ in posledic○ (+) možna podpora IT
● intuitivno-emocionalno○ izkušnje, nezavedno, brainstorming○ težavno podpreti z IT
● vedenjsko-preudarno○ upoštevanje pritiskov ljudi○ zadovoljevanje velikega št. zahtev○ kompromis○ kombinacija 1. in 2. (analiza+ljudje)
Vir: [Laudon 1998, 133-139]
Upravljanje na podlagi analitičnih informacij● Direktorski IS = IS ki prikazuje KPI (key
performance indicators)○ KPI = ključni kazalniki poslovanja
■ KPI pridobimo iz podatkovnega skladišča● podatkovno skladišče = preoblikovana podatkovna baza
○ podatkovna baza = strukturirani podatki iz poslovanja
● Primeri KPI:○ št. prodanih izdelkov / lokaciji, vrsti, ○ RVC po prodajalcu, projektu, poslovni enoti○ povprečni časi: obdelave zahtevka stranke, izdelave
izdelka, izvedbe storitve○ št. naročil,...
Od elementarnega podatka do KPI
Direktorski (analitični IS)Transakcijski (operativni IS)
Podatkovna baza (E-R)
Podatkovno skladišče (zvezda, snežinka)
prenos podatkov, denormalizacija(dnevno ~ realni čas)
OLAP strežnik
analitična povpraševanje
anal
itičn
a po
roči
la
Odjemalci (PC, POS, dlančniki, druge vhodne naprave, proizvodnja)
Aplikativni strežnik (npr. ERP, CRM, proizvodni, ...)
vhodni podatki
prep
rost
a po
roči
la
povpraševanjai
vhodni podatki
Osnova vsega: poslovni model
Vir: http://en.wikipedia.org/wiki/File:Data_modeling_context.svg
Podatkovni model
Informacijska analiza
● Cilj informacijske analize: priprava strukture podatkovne baze
● Vhodni podatki v informacijsko analizo: ○ vsi podatki, povezani s poslovanjem:
■ stranke, izdelki, storitve in povezni podatki○ ideje za vnosne obrazce○ ideje za poročila○ obstoječi obrazci in predloge (papirni)
● Rezultat: podatkovni model (E-R model), podatkovna kocka (zvezdasta ali snežinkasta struktura)
Osnova: E-R podatkovno modeliranje● Osnovni koncepti:
○ entiteta■ atribut
● enolični identifikator■ podatkovni tip atributa
● tekst, število, datum, naštevni, BLOB,...○ relacija
■ kardinalnost● 1:1, 1:m, n:m● obvezno, opcijsko
● Primer:○ 1 avtor izvaja več pesmi
Vir: http://en.wikipedia.org/wiki/Entity_relationship_model
E-R, primeri
● Entitete: ○ oseba, kupec, izdelek, nepremičnina, bolezen,
storitev, transakcija, naslov,...● Atributi:
○ oseba (ime, priimek, spol, datum rojstva, davčna, emšo,...)
○ bolezen (kronična, datum pričetka, št. ponovitev, zdravila)
E-R podatkovni tipi
● Podatkovni tipi:○ besedilo (ime), številka (hišna številka), boolean
(da/ne), datum (1.1.2012), naštevni tip (rdeč, črn, zelen), BLOB - Binary Large OBject (datoteka, priponka, slika)
● Relacije:○ mrežna struktura○ glagol, glagolnik (ima, proda, stanuje, zaposluje,
zdravi,...)○ tudi relacije imajo lahko atribute (glej naslednjo
prosojnico - performs)!
E-R model, pretvorba iz konceptualnega v fizični model
ID Artist
Ime Priimek
1 Bob Dylan
2 Bob Marley
ID Song
Naslov Zvrst
1 Blowing in the wind blues
2 I shoot the ... reggae
3 No woman no .. reggae
ID Artist ID Song koncert
1 1 Woodstock '69
2 2 Jamaica 81'
2 3 Jamaica 81'
Tabela Artist (pevec)Tabela Song (pesem)
Tabela Performs (izvaja)
pretvorba iz konceptualnega
v fizični podatkovni
model
entitete in relacije postanejo tabele
E-R vzorci: atribut ali entiteta?Primer: "Naslov"Je to atribut entitete 'kupec' ali je to ločena entiteta?Oseba
+ID Osebe+Ime+Priimek+Ulica+Hišna ševilka+Pošta
Oseba
+ID Osebe+Ime+Priimek
Naslov
+ID Naslova+Ulica+Hišna ševilka+Pošta+Stalni (da/ne)+Sedež (da/ne)+Dostava (da/ne)
E-R model, kardinalnosti
Kardinalnost = udeleženost entitete v relaciji (število primerkov)
● (0,1,n) -------------- (0,1,n)
● Primer:○ avtor izvede 0 ali več pesmi○ pesem ima 1 (in samo 1) avtorja
12
3
smer branja
smer branja
123
Primer podatkovnega modela
Entitete:● stranka● izdelek● konkurent● poslovna enota● naše podjetje● zaposleni
Primeri...
Pripravi podatkovni model za:● zdravniško ordinacijo● nepremičninsko agencijo● izobraževalno ustanovo● trgovino● banko● občino
Podatkovne baze
● Zakaj E-R model?○ prevorba v fizično podatkovno bazo (MS Access,
Oracle, MS SQL, MySQL, PostGreSQL...)○ standardiziran povpraševalni jezik: SQL
■ SELECT * FROM Oseba WHERE Starost>20■ INSERT■ UPDATE
● Naslednji korak?○ uporabniški vmesnik za polnjenje PB
■ ... da ne vnašamo podatkov ročno (insert) ali kot pri Excelu
○ Poročila - povpraševanja po PB■ ... da ne pišemo ročno povpraševanj (select)
Podatkovno modeliranje v Aris Express
Aris Express delovna površina
delovna površina
orodjarna (entitete, atributi, povezave)
klasične MsOffice kontrole
drag &
drop
podatkovni model (ali najdeš napako?)
Večdimenzionalna analiza 1
● Poanta:○ pretvorba iz E-R modela v večdimenzionalno
podatkovno kocko○ Zakaj? Hitrejše branje podatkov,
povpraševanja in izdelava analize. Samo zato.● Postopek:
○ E-R model denormaliziramo:■ 1 tabela z dejstvi, nanjo vežemo 'dimenzije'
● Osnovni pojmi:○ dejstvo○ dimenzija○ hierarhija
Razlika med podatkovno bazo in podatkovnim skladiščem
Vir: http://wiki.fmf.uni-lj.si/wiki/OLAP
Baza podatkov Skladišče podatkov
- podpira delo s podatki - podpira analizo s podatki
- vnos in branje podatkov - branje podatkov
- dinamično spreminjanje vsebine - podatki so statični, le občasno ažuriranje
- struktura se redko spreminja - strukturo prilagajamo potrebam
- veliko uporabnikov - malo uporabnikov
- transakcijske obdelave - analitične in sintetične obdelave
- vnaprej določeni izpisi ali poizvedovanja s SQL - za analize, korelacije, statistike, OLAP
Podatkovna kockaPrenos podatkov iz PB v PS:● 1x dnevno● 1x /uro● v NRT (near-real time)
Primer:○ dejstva prodaje (1 entiteta z atributi kot npr: količina, cena, vrednost,
popust, davek, RVC,...)○ dimenzije / entitete:
■ čas (leto, polletje, kvartal, mesec, dan, ura,...)■ lokacija (kontinent, država, regija, mesto,...)■ izdelek (skupina, podskupina, posamezni izdelek)
■ dobavitelj (skupina, podskupina, posamezni)
Vir: http://wiki.fmf.uni-lj.si/wiki/OLAP
Shema pod. skl. - zvezda
Prodaja
+ID Lokacija+ID Obdobje+ID Kupec+ID Izdelek
+Količina+Vrednost+RVC
Lokacija
+ID Lokacija+Celina++Država+++Regija++++Mesto
Obdobje
+ID Obdobje+Leto++Kvartal+++Mesec++++Dan
Kupec
+ID Kupec+Spol++Starost
Izdelek
+ID Izdelek+Model++Tip+++Barva++++Dobavitelj
Tabela dejstev
Tabela dimenzij
1
m
Hierarhija dimenzij
Shema pod. skl. - snežinka
Prodaja
+ID Lokacija+ID Obdobje+ID Kupec+ID Izdelek
+Količina+Vrednost+RVC
Lokacija
+ID Lokacija+Celina++Država+++Regija++++Mesto
Obdobje
+ID Obdobje+Leto++Kvartal+++Mesec++++Dan
Kupec
+ID Kupec+Spol++Starost
1
m
Izdelek
+ID Izdelek+Model++Tip+++Barva++++ID Dobavitelj
Dobavitelj
+ID dobavitelj+Država+Mesto+Dobavni rok
IT podpora
● Primeri BI orodij:○ ProClarity○ OLAP (MS Analysis Services, Oracle...)○ Podatkovno rudarjenje (MS Analysis Services, SAS
Analytical Intelligence, SAS Enterpriser Miner Clementine (SPSS), Oracle9i Data Mining, IBM DB2 Intelligent Miner
○ Preglednice (MS Excel, Quattro Pro Corel, Lotus 1-2-3 IBM, Open Office.org Calc
○ Statistična analiza SPSS, SAS, StatGraph○ Specializirana orodja za modeliranje @Risk,
Precision Tree, What's Best!○ Vodenje projektov MS Project, Super project
Delavnica 2
1. Informacijska analiza posl. in inf. problemaa. = POSLOVNI CILJ
i. zmanjšanje proizv. stroška na izdelek, 2. 3 informacijske potrebe
a. = metrike, KPIi. št/izdelkov/časovno enoto
ii. poraba sredstev/časovno enotoiii. poraba sredstev/izdelek
3. podatkovni viria. = od kod prihajajo podatki?
Viri● OLAP (SLO) http://wiki.fmf.uni-lj.si/wiki/OLAP● BUSINESS INTELLIGENCE: http://en.wikipedia.org/wiki/Business_intelligence● BUSINESS INTELLIGENCE:
http://cacm.acm.org/magazines/2011/8/114953-an-overview-of-business-intelligence-technology/fulltext
top related