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 :
Analyzing Big Data Tools and Deployment Platforms.
Moving Business Intelligence to cloud environments
BUSINESS INTELLIGENCE AND ANALYTICS:FROM BIG DATA TO BIG IMPACT,Hsinchun Chen,Roger H. L. Chiang
compare business intellience software
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