Business Intelligence

چکیده : با توجه به افزایش حجم داده های موجود در سیستمهای کامپیوتری ونیاز به آنان در تصمیم گیری های مدیریتی برای بهبود فرایند هاو عملکرد سازمان استفاده از ابزار های BI و ایجاد Data Ware Housing امروزه بسیار مورد توجه قرار گرفته است .در این مقاله سعی بر ان است شناختی از پیاده سازی - مقایسه ابزار های موجود و تکنولوِی های جدید مرتبط باآن بررسی و ارایه گردد. در ادامه دو مفهوم اصلی Data Ware Housing و هوش تجاری به اختصار توضیح داده شده است

Data Ware Housing

DWH يک سيستم کامپيوتري از اطلاعات است که به گونه­ اي مناسب براي انجام عمليات گزارش­گيري و تحليلي داده­ها بر اساس زمان، طراحي شده است. اين سيستم اغلب به صورت جداگانه­ اي از سيستم­هاي عملياتي روزانه قرار مي­گيرد.

Bill Inmon که از او به عنوان پدر DWH ياد مي شود آن را به اين ترتيب تعريف مي­کند

DWH متشکل از يک پايگاه داده و تعدادي جز (component) متصل است با ويژگي هاي زیر:

(Subject Oriented): پايگاه ­داده به گونه ­اي سازماندهي شده است که تمامي اطلاعاتي که به یک موضوع يا موجوديت خاص مربوط هستند با يکديگر مرتبط هستند.

متغير با زمان: تغييرات ايجاد شده در پايگاه­ داده اوليه در آن اعمال مي­شوند.

Non-volatile: داده­هاي اطلاعاتي هرگز حذف نشده، با داده­هاي جديد جايگزين نمي­شوند.

يکپارچه: اطلاعات موجود در پايگاه ­داده از سراسر سازمان جمع­آوري شده ­اند و با هم سازگاري دارند".

هدف اصلي DWH ايجاد بستري مناسب براي توليد اطلاعاتي است که به مديران، عوامل اجرايي و تحليلگران براي اتخاذ تصميم­هاي درست کمک مي­کند. براي اين منظور از DWH در تهيه گزارش­ها، اطلاعات تحليلي، تعامل بلادرنگ با سيستم­هاي عملياتي و... استفاده مي­شود. با DWH مي­توان در سازمان سيستم تصميم­يار (Decision support) ايجاد کرد.

هوش تجاری

هوش تجاري مجموعه‌اي از مهارتها، فناوريها و سيستم‌هاي كاربردي است كه براي جمع‌آوري ، ذخيره‌سازي ، تحليل و ايجاد دسترسي كارآمد به انباره‌هاي داده جهت كمك به سازمان‌ها براي تصميم‌گيري صحيح مورد استفاده قرار مي‌گيرد. تحليل داده‌ها شامل طبقه‌بندي، خوشه‌بندي،آناليزهاي آماري، پيش‌بيني‌هاي رياضي، تحليل‌هاي هوشمند مبتني بر شبكه‌هاي عصبي و الگوريتمهاي ژنتيك مي‌باشد. هوش تجاري شما را برای تصمیم‌گیری در همه عوامل موثر بر سازمان يا شرکت‌ توانمند می‌سازد.

ابزارهاییکه برای راه‌حل‌های هوش تجاري در جهان وجود دارد، بر اساستکنولوژی به نام OLAP ساخته شدهاست. OLAP ازمکعب‌هایی در مجموعه‌ای با ابعاد کوچک که در داخل آن داده‌هایی انتخاب شده‌اند استفاده می‌کند، ارتباطات بین ابعاد از قبل تعریف شده و همه ابعادممکن (یا جواب‌ها) از قبل محاسبه و پیش‌بینی شده است. هنگامی که یک مکعب ایجاد می‌شود، یک واسط کاربري پیاده‌سازی مي‌شود که كاربر بتواند با جواب‌های داخل مکعب تعامل داشته باشد.

مراجع :

Roelofs, Erik, et al. "Benefits of a clinical data warehouse with data mining tools to collect data for a radiotherapy trial." Radiotherapy and Oncology 108.1 (2013): 174-179.

Kurniawan, Yusuf, and Erwin Halim. "Use data warehouse and data mining to predict student academic performance in schools: A case study (perspective application and benefits)." Teaching, Assessment and Learning for Engineering (TALE), 2013 IEEE International Conference on. IEEE, 2013.

Park, Taeil, and Hyoungkwan Kim. "A data warehouse-based decision support system for sewer infrastructure management." Automation in Construction 30 (2013): 37-49.

---

Ian H. Witten Professor of Computer Science, University of Waikato, New Zealand Verified email at cs.waikato.ac.nz -

---

T Park, H Kim - Automation in Construction, 2013 - Elsevie