نمايندگي استان يزد. نمايندگي استان يزد طراحی کسب و کار الکترونیکی ارائه کننده : محسن افسر قره باغ.

Slides:



Advertisements
Similar presentations
Business Intelligence Simon Pease. Experience with BI Developing end-to-end BI prototype for Plan International Developing end-to-end BI prototype for.
Advertisements

Data warehousing and Data mining – an overview Dr. Suman Bhusan Bhattacharyya MBBS, ADHA, MBA.
Pentaho Open Source BI Goldwin. Pentaho Overview Pentaho is the commercial open source software for Business Pentaho is the commercial open source software.
Cloud, On-Premise, or Hybrid - Where are you making BI investment decisions and why? John P
Database – Part 3 Dr. V.T. Raja Oregon State University External References/Sources: Data Warehousing – Mr. Sakthi Angappamudali.
WebSphere -DB2 Integration Web Browser Web Server (Apache) WebSphere –JSP/Servlet/EJB DB2 JDBC, SQL HTTP.
Business Driven Technology Unit 2
ITGS HL Presentation By: Victor Chee. Just In Time (JIT) Process Is a production strategy that improves return on investment (ROI) by reducing inventory.
N J Taylor A337 Accounting Information Systems. Topics Business Intelligence Data Quality XBRL.
Business Intelligence System September 2013 BI.
Business Intelligence components Introduction. Microsoft® SQL Server™ 2005 is a complete business intelligence (BI) platform that provides the features,
Data Warehouse Components
How Business Intelligence Software Works and a Brief Overview of Leading Products Jai Windsor MIS 5973 December 8, 2005.
Data Warehouse Toolkit Introduction. Data Warehouse Bill Inmon's paradigm: Data warehouse is one part of the overall business intelligence system. An.
Components of the Data Warehouse Michael A. Fudge, Jr.
Understanding Analysis Services Architecture. Microsoft Data Warehousing Overview OLTP Source DTS DW Storage Analysis Services Clients OLE DB for OLAP,
Oracle10g for Data Warehousing Jiangang Luo
BIG DATA OFF-SHORE SERVICES:. Off-Shore “Big Data” Center: Modern Facilities in Bangalore’s Central Business District 60,000 Sqft. Space  Capacity for.
DATA WAREHOUSING IN SQL SERVER 2005/2008 BUSINESS INTELLIGENCE.
CIS 429—Chapter 8 Accessing Organizational Information—Data Warehouse.
Intro to MIS – MGS351 Databases and Data Warehouses Chapter 3.
The Business Intelligence Side of Blue Mountain RAM Bill Lucas, IT Systems Architect and Senior Software Engineer.
DW-1: Introduction to Data Warehousing. Overview What is Database What Is Data Warehousing Data Marts and Data Warehouses The Data Warehousing Process.
DECISION SUPPORT SYSTEM ARCHITECTURE: The data management component.
Integrate. Consolidate. Inform.. Who is CXC Global Solutions? HQ AU with over 30 offices in more than 22 countries Primary business contingent workforce.
ETL Overview February 24, DS User Group - ETL - February ETL Overview “ETL is the heart and soul of business intelligence (BI).” -- TDWI ETL.
Business Intelligence Zamaneh Jahed. What is Business Intelligence? Business Intelligence (BI) is a broad category of applications and technologies for.
Fall CIS 764 Database Systems Design L18.3 Business Intelligence Aspects (aka Decision support systems) (Slides support.
1 Reviewing Data Warehouse Basics. Lessons 1.Reviewing Data Warehouse Basics 2.Defining the Business and Logical Models 3.Creating the Dimensional Model.
 To develop the knowledge and skills to manage and tune database management systems  To provide experience the technologies of a variety of database.
DATABASES AND DATA WAREHOUSES
DBSQL 9-1 Copyright © Genetic Computer School 2009 Chapter 9 Data Mining and Data Warehousing.
 Understand the basic definitions and concepts of data warehouses  Describe data warehouse architectures (high level).  Describe the processes used.
Chapter 5 DATA WAREHOUSING Study Sections 5.2, 5.3, 5.5, Pages: & Snowflake schema.
Foundations of Business Intelligence: Databases and Information Management.
McGraw-Hill/Irwin © 2008 The McGraw-Hill Companies, All Rights Reserved Chapter 8 Accessing Organizational Information – Data Warehouse.
Operational Data Store
Two-Tier DW Architecture. Three-Tier DW Architecture.
Advanced Database Concepts
Data Mining What are Data Mining Tools?. Data Mining Tools  Software tools used to query information in a data warehouse  Support the concept of OLAP.
Presenter : Ahmed M. Mosa User Group : SQLHero. Overview  Where is BI in market trend  Information Overload  Business View  BI Stages  BI Life Cycle.
CS 157B: Database Management Systems II April 10 Class Meeting Department of Computer Science San Jose State University Spring 2013 Instructor: Ron Mak.
1 Copyright © Oracle Corporation, All rights reserved. Business Intelligence and Data Warehousing.
Platinum DecisionBase1 DW Product Platinum - Computer AssociatesDecisionBase Hyunsook Lim Database Laboratory Dept. of CSE.
Superhero Power BI Peter Myers Bitwise Solutions.
SAP BI – The Solution at a Glance : SAP Business Intelligence is an enterprise-class, complete, open and integrated solution.
BUSINESS INTELLIGENCE. The new technology for understanding the past & predicting the future … BI is broad category of technologies that allows for gathering,
Data Integration - The ETL Process Module 4: BIC#4 – Data Integration Capability Populating Data Warehouse (Data Mart) 1.
Business Intelligence Overview
Intro to MIS – MGS351 Databases and Data Warehouses
The Data Load Process, or “How does new data get into Analytics?”
BI tools: Excel’s Pivot table
Data Warehousing and Data Mining By N.Gopinath AP/CSE
Microsoft Business Intelligence
Databases and Data Warehouses Chapter 3
What is business intelligence?
قاعدة البيانات Database
PeopleSoft Data Warehouse/Reporting Update
Business Intelligence for Project Server/Online
المحاضرة 4 : مستودعات البيانات (Data warehouse)
هوش تجاری چرا؟ چگونه؟ phdpars.com
قاعدة البيانات Database
Data Warehouse and OLAP
Slides prepared by: Farima Maneshi Professor: Dr. Ahmad Abdollahzadeh
BI tools: Excel’s Pivot table
Data Mining.
Big DATA.
Analytics, BI & Data Integration
Data Warehouse and OLAP
SSIS. FIRST EXPERIENCE. By Virginia Mushkatblat
Presentation transcript:

نمايندگي استان يزد

نمايندگي استان يزد طراحی کسب و کار الکترونیکی ارائه کننده : محسن افسر قره باغ

نمايندگي استان يزد

نمايندگي استان يزد سیر تکامل ابزارهای محاسباتی فایل ها پایگاه های داده Data Warehouse ابزارهای تحلیلی Collaboration Visualization Alerting Prediction Data Mining ETL Data Integration Data Quality حرکت به سمت هوشمند سازی ابزارها قدرت ابزارهای محاسباتی تعداد کاربران حجم داده و محتوا کم زياد

نمايندگي استان يزد تعداد چوب کبریت ها چند تاست؟

نمايندگي استان يزد تعداد چوب کبریت ها اکنون چند تاست؟

نمايندگي استان يزد بررسی دلایل نیاز به هوش تجاری

نمايندگي استان يزد هوش تجاری برای تولید یک محصول و یا سرویس جدید در یک شرکت و یا موسسه چه مراحلی باید طی شود؟ ارائه نظرات و پیشنهادهای مختلف از طرف افراد درون یک ارگان معمولاً با توجه به تولید کنونی و دیدی که از شرکت خود دارند بررسی پبشنهادات از لحاظ عملی بودن توسط بخش تحقیق و توسعه ارگانها راه حل شنیدن نظر و تقاضای مشتری و افراد ذی نفع چیست؟ آنالیز رقبا بررسی استراتژیها، میزان فروش، امور مالی، توسعه و تحقیق، تولید، خرید، بازاریابی و... در مورد رقبا جمع آوری این اطلاعات از کجا؟...

نمايندگي استان يزد این اطلاعات اغلب در روزنامه ها، مطالب منتشر شده توسط یک شرکت، گزارش سالیانه، مطالب و یافته های علمی، دستاوردهای جدید در تکنولوژی و غیره پیدا میشوند. اطلاعات کیفی : آندسته از اطلاعاتی هستند که براساس آنالیزها و یا اظهار نظرات دیگران استوار است. اطلاعات حقیقی : آمار و ارقامی است که در منابع اطلاعاتی و بصورت موثق وجود دارند. با مشکل حجم زیاد اطلاعات چه کنیم؟ هوش تجاری

نمايندگي استان يزد هر روز بیش از 300 میلیون صفحه در اینترنت فرستاده میشود و حدودا 5 سال طول میکشد که مقالات و مطالب به روز شده در 24 ساعت را به تمامی خواند. تمام داده ها و اطلاعات نیز از این نرخ رشد برخوردارند. در هر دقیقه 2000 صفحه مطلب علمی به حجم اطلاعات افزوده میشود راه حل : در عصری که زمان کلید اصلی در تجارت است، شرکتها به استفاده از ابزارهای اطلاعاتی روی آورده اند که بتواند اطلاعات مورد نظر را به سرعت و دقت از منابع استخراج کند. علاوه بر این مزیت، این سیستمها هزینه کمی دارند در بخشهای توسعه و تحقیق اغلب یک گروه چند نفری شروع به جمع آوری اطلاعات مورد نیاز میکنند و شاید اطلاعاتی مشابه اما با نامهای مختلف را بایگانی کنند و معمولا چندین و چند با ر در این گروه ها دوباره و چند باره کاری اتفاق میافتد هوش تجاری

نمايندگي استان يزد نياز به پاسخگويي سريع به پرسشهاي تحليلي كاربران نياز به اطلاعات بروز، جاري و با جزئيات نياز به تعيين الگوهاي خريد مشتريان، تجزيه و تحليل سبد خريد بازار، پيش گويي ميزان خريد الكترونيكي مشتريان از طريق و... راه حل؟ هوش تجاری

نمايندگي استان يزد دلاِيل اقتصادی دنبال نمودن اهداف کاراِيی سِيستم کاربردی افزاِيش رقابت ها تجارت الکترونِيکی حماِيت از تصمِيم گِيری های سِيستم کاربردی کثرت مشترِيان نِياز به آنالِيز عملِيّات سِيستم صحّت و دقّت اطّلاعات حاصل از سِيستم دسترسی به داده های بهنگام شده کاهش هزِينه رضاِيت کاربران نهاِيی در مقاِيسه با کالاهای مشابه... هوش تجاری

نمايندگي استان يزد هوش تجاری هوش تجاری یكی از شاخه ‌ های فناوری اطلاعات است. مفهوم هوش تجاری نسبتا جدید است، اما با دامنه وسیعی از تكنیك ‌ ها، ابزارها و برنامه ‌ های كاربردی در ارتباط است. * هدف آن ارتقای كیفیت عملیات و تحلیل عملیات است. * داده ‌ ها با ورود به سیستم هوش تجاری، مورد پردازش قرار گرفته و تبدیل به دانش می ‌ شوند. سپس دانش به دست آمده مورد تحلیل قرار گرفته و نتایج تحلیلی از آن حاصل می ‌ شود.

نمايندگي استان يزد هوش تجاری هوش تجاری (BI) یک فرایند مبتنی بر فناوری است که به منظور تحلیل داده ها برای کمک به مدیران ارشد، مدیران میانی و سایر کاربران جهت اتخاذ تصمیمات بهینه به کار برده می شود. هوش تجاری (BI) شامل مجموعه ای از ابزارها، برنامه های کاربردی و متدولوژی ها است که با جمع آوری داده ها از منابع درون سازمانی و برون سازمانی، داده ها را برای تجزیه و تحلیل آماده می کند، امکان اجرای پرس و جو (Query) را مهیا می سازد، گزارشات و داشبوردها را ایجاد می کند به نحوی که این گزارشات در اختیار تصمیم گیران و همین طور کارکنان قرار گیرد.

نمايندگي استان يزد معماری هوش تجاری

نمايندگي استان يزد معماری هوش تجاری ( انتزاعی ) External Data (منابع داده خارجي) Internal Data (منابع داده داخلي) ETL (استخراج، تبديل و بارگذاري داده) Data Warehouse (پايگاه داده تحليلي) OLAP (پردازش هاي تحليلي آنلاين) Data Presentation (ارائه داده) ________ ________ ________ ________ ________ ________ ______ Extraction Transformation Loading Internet, Web, Files, DB,… OLAP, Data Mining, Query, … Data Warehouse... Reports, Charts, Alerts, … 16

نمايندگي استان يزد سیستم های عملیاتی و منبع

نمايندگي استان يزد سیستم های عملیاتی و منبع

نمايندگي استان يزد سایر سیستم های منبع بیشتر داده های ذخیره شده در انبار داده توسط سیستم های عملیاتی تغذیه می شوند، دیگر داده ها ممکن است از منابع دیگرتامین شود، مانند : توزیع کنندگانی که اطلاعات فروش و انبار را تامین می کنند. مجموعه داده های رفتار مشتری (Click stream data) قیمت های بازار که توسط شرکت های پژوهشی استخراج می شود.

نمايندگي استان يزد انتقال داده ها : از سیستم های عملیاتی به انبار داده هوش تجاری، اغلب درگیر داده های خلاصه شده و ترکیب داده از چندین سیستم عملیاتی می باشد. برای تسهیل این کار، داده از سیستم های عملیاتی استخراج و در انبار داده بارگذاری می شود. به فرآیند، استخراج (Extract) ، تبدیل (Transform) و بارگذاری (Load) ، ETL اطلاق می شود.

نمايندگي استان يزد انتقال داده ها : از سیستم های عملیاتی به انبار داده چرا همه چیز را نباید استخراج بکنیم؟ – هزینه های بالای تکرار و ذخیره سازی داده ها؛ – بازه زمانی که داده باید ETL شود بسیار کوتاه است – افزایش میزان داده در انبار داده بر عملکرد پرسمان (Query) تاثیر منفی خواهد داشت؛ – محدودیت در زمان، منابع مالی و انسانی

نمايندگي استان يزد انبار داده (Data Warehouse) انبار داده مجموعه ای از داده هایی است که از سیستم های عملیاتی گوناگون استخراج شده، برای سازگار شدن با داده ها تبدیل شده و به منظور تحلیل بارگذاری شده است. عبارات دیگری همچون پایگاه د اده گزارش گیری (Reporting Database) و داده گاه (Data mart) نیز به کار می رود.

نمايندگي استان يزد ابزارهای واسط کاربران کسب و کار هوش تجاری در بهره مندی از یک سامانه هوش تجاری علاوه بر استفاده از یک انبارداده با معماری عالی می بایستی ابزار های واسط کاربران مناسبی نیز داشته باشیم. عدم تناسب در هرکدام از بخش ها استفاده از هوش تجاری را دچار مشکل کرده و پروژه هوش تجاری را با شکست مواجه خواهد کرد.

نمايندگي استان يزد ابزارهای واسط کاربران کسب و کار هوش تجاری گزارش گیری و پرسمان (Query) کسب و کار : – در یک سازمان یک کاربر کسب و کار، که یک کاربر نهایی می تواند باشد، ممکن است ناچار شود به جای یک فردی که در فناوری اطلاعات است، گزارش را بسازد. – کاربران نهایی نمی توانند برا ساخت هر گزارش منتظر بخش فناوری اطلاعات سازمان باشند. – ابزار های گزارش گیری و پرسمان (Query) این امکان را فراهم می کنند

نمايندگي استان يزد ابزارهای واسط کاربران کسب و کار هوش تجاری

نمايندگي استان يزد ابزارهای واسط کاربران کسب و کار هوش تجاری

نمايندگي استان يزد پردازش تحلیلی برخط (OLAP) پردازش تحلیلی برخط (OLAP) ، قابلیتی است که تمرکز بر تجزیه و تحلیل و کاوش در داده را دارد، در حالی که ابزار های گزارش گیری و پرسمان، بیشتر تاکید بر دسترسی به داده برای مقاصد نظارتی دارند. (OLAP) تمرکز خود را از ” چه چیزی “ در حال وقوع است، به کاوش در ” چرایی “ چیزی که در حال وقوع است، می برد.

نمايندگي استان يزد داشبوردها ” داشبورد یک صفحه نمایش تصویری از مهمترین اطلاعات مورد نیاز برای رسیدن به یک یا چند هدف است؛ که بر روی یک صفحه نمایش یکپارچه و مرتب شده است به طوری که می توان در یک نگاه بر اطلاعات نظارت داشت “

نمايندگي استان يزد BI Data mining Data Warehousing Intelligent Agent OLAPOLTPIDSSERPSCM

نمايندگي استان يزد مدیریت تحلیلگر امور اداری امور مالی امور فروش امور اموال امور ترابری پاِيگاه داده تحلِيلی ِيکپارچه Enterprise Data Marts