1. تدريس يار: ميثم نظرياني
هوش تجاري نقشه راه پروژه های هوش تجاری – فاز دکتر احمد عبداله زاده دانشکده مهندسي کامپيوتر و فناوري اطلاعات دانشگاه صنعتي اميرکبير (پلي تکنيک تهران)
تدريس يار: ميثم نظرياني
دانشگاه صنعتي اميرکبير - آزمايشگاه سيستم هاي هوشمند- درس هوش تجاري

2. نقشه راه هوش تجاری
اين نقشه 16 گام برای ساخت يک پروژة هوش تجاری را بر طبق همان 6 مرحلة انجام هر پروژة مهندسی که قبلاً ذکر شد، به شرح زير بيان می کند:
گام 9: طراحی ETL
گام 10: طراحی مخزن فرا داده
گام 11: تولید ETL
گام 12: تولید برنامه کاربردی
گام 13: داده کاوی
گام 14: تولید مخزن فرا داده
گام 15: پیاده سازی
گام 16: ارزیابی نسخه
گام 1: ارزیابی وضعیت تجاری
گام 2: ارزیابی زیرساخت سازمان
گام 3: طرح ریزی پروژه
گام 4: تعریف نیازمندی ها
گام 5: تحلیل داده ها
گام 6: نمونه سازی برنامه کاربردی
گام 7: تحلیل مخزن فرا داده
گام 8: طراحی پایگاه داده عملیاتی
هوش تجاری

3. نقشه را هوش تجاری 6 11 9 12 1 2 3 4 5 8 15 16 13 7 10 14
هوش تجاری

4. مراحل انجام يک پروژه مهندسی
مرحله 1:
هدف و منظور
مرحله 2:
طرح ریزی
مرحله 3:
تحلیل تجاری
مرحله 4:
طراحی
مرحله 5:
ساخت
مرحله 6:
نصب و استقرا
هوش تجاری

5. 11) تولید ETL
هوش تجاری

6. 11) تولید ETL
در این قسمت با استفاده از ابزارهای موجود ETL طراحی شده در مرحله قبل را تولید می نماییم. برخی از ابزارهایی که در این مرحله می تواند مورد استفاده قرار بگیرد عبارتند از:
business analysis
Kettle
Clover ETL
در این پروژه از ابزار Clover ETL برای ساخت ETL بهره خواهیم گرفت.
هوش تجاری

7. 11) تولید ETL
برخی از قابلیت هایی که این ابزار برای ما ایجاد می نماید عبارتند از:
Deriving
Filtering
Sorting
Joining
Aggregation
Pivoting
Splitting
Disaggregation
هوش تجاری

8. 11) تولید ETL کارهایی که در این قسمت باید انجام دهیم عبارتند از:
مشخص نمودن منابع اطلاعاتي داخلي و خارجي
Map كردن اطلاعات بدست آمده از DW و اجزاي داده‌اي در منابع اطلاعات
مشخص نمودن قوانين استخراج داده‌ها
مشخص نمودن قوانين تبديلات داده‌ها
برنامه‌ريزي جهت جداول تجميعي
سازمان‌دهي ابزارهاي تست
ايجاد رويه‌هايي جهت استخراج داده‌ها
ETL براي جداول بعد
ETL براي جداول حقايق
هوش تجاری

9. 11) تولید ETL
انواع تست هایی که در این قسمت می تواند انجام شود عبارتند از:
Integration Test
Regression Test
Performance Test
Quality Assurance Test
Acceptance Test
هوش تجاری

10. 12) تولید برنامه کاربردی
هوش تجاری

11. 12) تولید برنامه کاربردی
در این مرحله سرویس های OLAP بر روی پایگاه داده تحلیلی ایجاد شده سوار می شود و App های مختلفی که در سبد BI این سامان قرار دارد می تواند از لایه زیرین خود سرویس گرفته و به لایه های بالاتر سرویس دهند.
برای نمایش داده ها برای کاربران سیستم باید از تکنیک های Visualization که توسط داشبوردها و اسکوربردها ارائه می شوند بهره گرفت.
برخی از ابزارهایی که این امکان را برای ما ایجاد می کند عبارتند از:
XCelsius
Web Intelligence
هوش تجاری

12. 12) تولید برنامه کاربردی
هوش تجاری

13. 12) تولید برنامه کاربردی
هوش تجاری

14. 13) داده کاوی
هوش تجاری

15. 13) داده کاوی
در این قسمت با استفاده از انجام داده کاوی برروی پایگاه داده ی تحلیلی، دانش و الگوهای مورد نظر را استخراج می کنیم.
برخی از الگوهای قابل استخراج در این پروژه:
خوشه بندی کاربران
شناسایی الگو خرید هر دسته
شناسایی آیتم ها برای بسته های پیشنهادی غذا
...
هوش تجاری

16. 13) داده کاوی
برخی از تکنیک هایی که در این قسمت می تواند مورد استفاده قرار گیرد عبارتند از:
Association Discovery
Sequential Pattern Discovery
Classification
Clustering
Forecasting
...
هوش تجاری

17. 13) داده کاوی
برخی از ابزارهایی که برای این منظور می توان از آنها بهره گرفت عبارتند از:
Weka
RapidMinner
در این پروژه برای انجام عملیات داده کاوی از Weka استفاده خوهد شد.
هوش تجاری

18. 13) داده کاوی
مراحل داده کاوی
هوش تجاری