Skladista Podataka

5/24/2018 Skladista Podataka

1/189

FELK16 Skladita podataka FESB, 2012/13 doc.dr.sc. Stipe elar 1

SKLADITA PODATAKA(FELK16)

dr.sc. Stipe elar, doc.

dipl. ing. el . teh.prof. filozofije

[email protected]

FESB

Katedra za arhitekturu raunala

i operativne sustave

soba B503
mailto:[email protected]:[email protected]:[email protected]:[email protected]


2/189


Assis. Prof. Stipe elar, Ph.D.

Experience Education

TU WienPh.D. (tech.sc.)1994 - 1997

Uni ZagrebB.sc. (philos.)1991 - 1995

Uni SplitM.sc. (elec.eng.)19871992

IEEE member

PMI member

ACM member

DAAAM member

current:

o Assis. Prof. at FESB, University of Split

o Head of the CCSE at FESB, University of Split

o Visiting Prof. at University of Mostar, FSR

past:

o honorary professor at FESB, University of Split

www.fesb.hr

o vice director, project manager at ENEL-Split (CRO)www.enel.hr

o consultant, project manager at PULSAR (CRO)

www.pulsar.hr

o Research Fellow at TU Wien, IFLT (AT)www.ift.at

o lecturer at FESB, University of Split (CRO)

www.fesb.hr

www.fesb.hr/ccse


3/189

EDW Is Driving Next Best Actions Across Optimized Business Processes

February 2011 The Forrester Wave: Enterprise Data Warehousing Platforms, Q1 2011


4/189

The Forrester Wave: Enterprise Data Warehousing Platforms, Q1 2011



5/189


Kolegij

Predavanja

5 ECTS

30 h, 2 h tjedno

od danas

Vjebe (lab) 30 h

od slijedeeg tjedna

u laboratoriju B523

rad na projektnim zadacima

3-4 osobe u timu

konzultacije s profesorom i demonstratorom

prezentacije projekta tijekom semestra


6/189


Nain rada

Statut

Pravilnici

Odluke

Raspored i dogovori

Prisutnost i evidencija

Nismo prvi put zajedno

SURADNJA!


7/189FELK16 Skladita podataka FESB, 2012/13 doc.dr.sc. Stipe elar 7

Metoda rada

Predavanja

osnovni koncepti DW i BI

Vjebe (B523) demonstrator

diplomant Marinko Peo

Projekt definiranje teme

rad na temi Povremene prezentacije

Prezentacija finalna

Gostujua predavanja iz prethodnih godinawww.tetral.hr

Tomislav Piasevoli

EMC Croatia

Poslovna Inteligencija
http://www.tetral.hr/http://www.tetral.hr/



Kula babilonska

Zapoeti prepisku:

oznakom FELK16 i/ili

Rijeima DW i/ili SKLADITA PODATAKA(u naslovu poruke)

Konzultacije:

prema najavi i dogovoru

mailom

ili prije vjebiStalni termin e biti objavljen na portalu

Vjerojatno srijeda 14-15 h



Ocjenjivanje

OCJENA KROZ PROJEKT I PREZENTACIJE

svaki lan tima doprinosi projektu



Literatura

Books: Ralph Kimball & Margy Ross, The Data Warehouse Toolkit, Second Edition (The

Complete Guide to Dimensional Modeling), Wiley Computer Publishing, 2002

Ralph Kimball, The Fundamentals of Data Warehousing, Inteligent Enterprise,http://www.keeboo.com

W. H. Inmon, Building the Data Warehouse, Third Edition, Wiley Computer Publishing,2002

Chris Todman, Designing a Data Warehouse: Supporting Customer RelationshipManagement , 1st Edition, Prentice Hall PTR, ISBN: 0-13-089712-4, 2000

Kimball University http://www.kimballgroup.com/

materijali s predavanja

Web sites: Gartner

Teradata IBM

Oracle

Microsoft

forumi
http://www.keeboo.com/http://www.keeboo.com/http://www.kimballgroup.com/http://www.kimballgroup.com/http://www.kimballgroup.com/http://www.keeboo.com/



Ciljevi kolegija

Upoznati studente s temeljnim pricipima izgradnje i

primjene tehnologije skladita podataka.

Studenti trebaju stei znanje za:

odabir DW projekta,

odabir strategije i planiranje DW projekta,

odabir odgovarajue arhitekture,

izgradnju kvalitetnog skladita podataka,

integraciju znanja o poslovnom sustavu i informacijskoj

tehnologiji,

ostvarenje maksimalne vrijednost DW investicije



Nastavne jedinice

Uvod u DW i BI

1. Osnovne informacije i osnovni pojmovi 2. Okvir za razumijevanje skladita podataka

3. Arhitekture skladita podataka

Dizajn i konstrukcija 4. ivotni ciklus izgradnje skladita podataka (faze izgradnje)

5. Modeliranje skladita podataka

Poslovna inteligencija 6. Koritenje skladita podataka

7. Informacijska obrada (upiti i izvjetaji)

8. Analitika obrada

9. Stanje prakse



Big data

2000: 0,8 ZB

2020: 35 ZB

Godinji prirast:Twitter: 7 TB

FB: 10 TB

Prefiks Znak Vrijednost

jota Y 1024

zeta Z 1021

eksa E 1018

peta P 1015

tera T 1012

giga G 109

mega M 106

kilo k 103

hekto h 102

deka da 10

deci d 101

centi c 102

mili m 103

mikro 106nano n 109

piko p 1012

femto f 1015

ato a 1018

zepto z 1021

jokto y 1024

Prefiksi mjernih jedinicaprema SI sistemu
http://bs.wikipedia.org/wiki/SI_sistemhttp://bs.wikipedia.org/wiki/SI_sistemhttp://bs.wikipedia.org/wiki/SI_sistem



NIST Enterprise Architecture Model

Developed by the National Institute ofStandards and Technology(NIST) in1989, became in the 1990s widelyaccepted and promoted within theU.S. federal governmentas anEnterprise Architecture managementtool

Business Architecture drives theinformation architecture

Information architecture prescribes theinformation systems architecture

Information systems architectureidentifies the data architecture

Data Architecture suggests specific datadelivery systems, and

Data Delivery Systems (Software,Hardware, Communications) supportthe data architecture
http://en.wikipedia.org/wiki/National_Institute_of_Standards_and_Technologyhttp://en.wikipedia.org/wiki/National_Institute_of_Standards_and_Technologyhttp://en.wikipedia.org/wiki/National_Institute_of_Standards_and_Technologyhttp://en.wikipedia.org/wiki/Federal_government_of_the_United_Stateshttp://en.wikipedia.org/wiki/Federal_government_of_the_United_Stateshttp://en.wikipedia.org/wiki/Federal_government_of_the_United_Stateshttp://en.wikipedia.org/wiki/National_Institute_of_Standards_and_Technologyhttp://en.wikipedia.org/wiki/National_Institute_of_Standards_and_Technology



Skladite podataka

Skladite podataka

Data Warehouse

usko povezan pojam s poslovnom inteligencijom



Pretpostavke (2007)

Do 2012, analitikeaplikacije koje se proteukroz vieposlovnih podrujainitievieod 50% ukupnoimplementiranih analitikihaplikacija

0,8 vjerojatnosti

Do 2015, Business Intelligence metodologije i

tehnologije bit eprepoznate kao kljunei integralnekomponente u 80% korporativnih aplikacija

0,7 vjerojatnosti



Pretpostavke (2002)

Svjetski trendovi pokazuju da se u sljedeih 5-7 godina

oekuje ravnopravna zastupljenost standardnihrelacijskih i "data-warehouse" sustava u veini srednjihi velikih kompanija

Projekt OLAP PEKO DAL, 18.02.2002.



Krenimo od definicija

Skladite podataka

datawarehouse (Data Warehouse) DW Poslovna inteligencija

Business Intelligence BI

Umjetna inteligencija Artificial Intelligence AI

Online Analytical ProcessingOLAP Sustavi za podrku odluivanju

Decision Support System DSS

Knowledge-based systems

Rudarenje po podacimaotkrivanje znanja iz podataka Data Mining

...dakle mnoto pojmova!

I poprilino zbunjujui njihov meuodnos!






[email protected]

FESB



soba B503



Krenimo od definicija

Skladite podataka

datawarehouse (Data Warehouse) DW Poslovna inteligencija

Business Intelligence BI

Umjetna inteligencija Artificial Intelligence AI

Online Analytical ProcessingOLAP Sustavi za podrku odluivanju

Decision Support System DSS

Knowledge-based systems

Rudarenje po podacimaotkrivanje znanja iz podataka Data Mining

...dakle mnoto pojmova!

I poprilino zbunjujui njihov meuodnos!



Razjasnimopoevi od ovjeka

"ovjekje mjerilo svih stvari; onih koje jesu da jesu, a onih koje

nisu da nisu". Protagora (481420. p.n.e.)

Iako NETONA, ova tvrdnja primjenjuje se za: mjeru inteligentnosti neivih bia

Tj. njih oznaavamo inteligentnim po analogiji s ovjekom

A za ovjeka esto ujemo da je: inteligentan

pametan mudar

razborit

razuman

...


22/189


Odakle poeti?

Krenimo od pojmovnog odreenja INTELIGENCIJE

intellect

1

a: the power of knowing as distinguished from the power to feel andto will : the capacity for knowledge

b: the capacity for rational or intelligent thought especially when

highly developed

2:

a person with great intellectual powers

(www.merriam-webster.com/dictionary)


23/189


Informacija & Podatak & znanje

Podatak

injenica/zapis o dogaaju ili pojavi

naglasak je na specifikaciji sintakse

Informacija

sadri sintaksu (formu) i semantiku (sadraj)odgovor na pitanja: tko, to, gdje, kada

ZNANJE i RAZUMIJEVANJE

sadri pragmatinu dimenziju

povezano s ciljem i svrhom

odgovor na pitanje: kako i zato


24/189


Podatakinformacijaznanjemudrost

http://www.systems-thinking.org/dikw/dikw.htm
http://www.systems-thinking.org/dikw/dikw.htmhttp://www.systems-thinking.org/dikw/dikw.htmhttp://www.systems-thinking.org/dikw/dikw.htmhttp://www.systems-thinking.org/dikw/dikw.htm


25/189


Znanje i mudrost

Znanje je skup ljudskih vjerovanja i vrednovanja koja

se temelje na smisleno organiziranom skupu obavijesti(poruka) do kojih se dolazi iskustvom, komunikacijom

ili zakljuivanjem (Tehniki leksikon, Leksikografskizavod Miroslav Krlea, Zagreb, 2007.)

ZNANJE omoguuje interpretacijupodataka, uoavanjihovu uzrono-posljedinupovezanost

MUDROST ukljuuje i sposobnostprosuivanja,donoenjazakljuaka, to je sposobnost ljudskog UMA


26/189


Aristotel

Svaki ovjek po prirodi teiznanju.

Znanja su se najprije pojavila u

zemljama u kojima su ljudiimali napretek slobodnog

vremena. Tako je Egipat bio

kolijevka matematike nauke,jer je tu sveenikom staleubilo ostavljeno mnogo

slobodnog vremena.

(Metafizika)

KonfucijeKo ne zna, a ne zna da ne zna - opasan je -

izbjegavajte ga!

Ko ne zna, a zna da ne zna - dijete je - nauitega!

Ko zna, a ne zna da zna - spava - probudite ga!

Ko zna i zna da zna - mudar je - slijedite ga!

Temelj nove tehnoloke revolucije: Znanje

Kudikamo je bolje znati o svakoj stvariponeto nego o jednoj sve.

Pametan ovjek nikad nee rei da svezna.

Znati ne znai biti.

Naueno morate pokuati prenijeti usvakodnevni ivot.

Pascal
http://bs.wikiquote.org/wiki/Metafizika_(Aristotel)http://bs.wikiquote.org/wiki/Metafizika_(Aristotel)


27/189


O spoznaji i intelektu

ovjek ima sposobnost spoznavati, jer ima INTELEKT.

Stoga kaemo da je ovjek inteligentno bie.

Bitne karakteristike inteligentnog bia: spoznaja

mogunost spoznavanja neega

SAMOspoznaja

mogunost spoznavanja samoga sebe kao bia


28/189


O spoznaji i intelektu

Postoje 2 naina spoznavanja (dvije mogunosti naeg

intelekta):

1. razumska spoznaja (sposobnost RAZUMA)

sustav pravila, premisa i zakljuaka

sustav logikihpremisa i zakljuaka

2. umna spoznaja (sposobnost UMA)

ono to je naprosto takvo!

za to nisu potrebni postupci i zakljuci i zakljuci

To su poetne postavke, postulati na kojima gradimo daljnja znanja

Npr: Dio je manji od cjeline!


29/189


Znaajke i svojstva inteligentnog sustava

ovjek je inteligentan Sustav je inteligentan

Inteligentan sustav Zrcalni sustav ovjeka

PROBLEM

STROJ

RJEENJEPROBLEMA

OVJEK


30/189


Inteligentni stroj

Sustav (neivo bie, stroj) je inteligentan SAMO po

analogiji s ovjekom

Stroj moemo nauiti samo onom razumnom dijelunaeg intelekta:

sustav pravilaako je, onda... (ifthen)

ovjekovjek

intelektum

razum SUSTAV


31/189


Inteligencija sustava i ovjeka

Dakle, sustavi su inteligentni ako probleme rjeavaju na

nain kako bi ih i ovjek rijeio, tj. analogno ovjekovojrazumskojkarakteristici.

Jer ovjek osim razumskespoznaje posjeduje jo i umnuspoznaju. Te dvije vrste spoznaja ine ovjekov intelekt,

inteligenciju.

Taj zemaljski svat

osta onakav kakav bje jo prvi sat.

Jo nekako bi ivotarit znao

da nebeskog svjetlatrak mu nisi dao.

On razumom to zove i slui se njim

zvijer najvea da bude me zvijerima svim.

J.V. Goethe, Faust (V) (preveo Tito Strozzi)


32/189


Poslovna INTELIGENCIJA?

to je to?

Kakva je njena veza s umom i razumom?

Na emu se temelji?

Kakva je veza sposlom (biznisom)?


33/189


BI definition

Larisa T. Moss, Shaku Atre:

Poslovna inteligencija nije niti proizvod niti sustav.

To je arhitektura i kolekcija integriranih operativnih

aplikacija i aplikacija za potporu odluivanju te bazapodataka koje poslovnoj zajednici omoguavaju lak

pristup poslovnim podacima.

Poslovna inteligencija je posebnost svake organizacije, bakao to je sluaj i s politikama i poslovnim pravilima uskladu s kojima se upravlja tvrtkom i vodi poslovna

praksa.Tu jedinstvenost treba istraiti kako bi se mogla ostvariti

konkurentska prednost.


34/189


Podaci u informacijskom sustavu

podaci nastaju u IS

podaci se zapisuju

podaci se obrauju, tumae i pretvaraju u informacije

informacije slue za analize i donoenje poslovnihodluka

POSLOVNA INTELIGENCIJA (BI) je opi naziv za metodei alate koji omoguavaju:

prikupljanje,analizu,

distribuciju i

djelovanje na osnovi poslovnih informacija


35/189


IS i baza podataka

INFORMACIJSKI SUSTAVje sustav koji prikuplja,

pohranjuje, uva, obrauje i isporuujein formaci je vane za organizaciju i drutvo, tako da bududostupne i upotrebljive za svakog tko ih eli koristiti,ukljuujuiposlovodstvo, klijente, osoblje i ostale.

Informacijski sustav aktivni je drutveni sustav koji moe,ali ne mora, koristiti suvremenu informacijsku tehnologiju.

Baza podataka je centralno mjesto informacijskogsustava. Pohranjeni podaci u bazi podataka opisujutrenutno stanje dijela realnog svijeta za koji je i razvijeninformacijski sustav, naravno na nain pogodan zaraunalnu obradu.


36/189


Baza podataka

BAZA PODATAKAje organizirana zbirka podataka.

BAZA PODATAKAje zbirka zapisa pohranjenih u raunalu na sustavni nain,takav da joj se raunalni programmoe obratiti prilikom odgovaranja naproblem.

Svaki se zapis za bolji povratak i razvrstavanje obino prepoznaje kao

skup elemenata (injenica) podataka.

Predmeti vraeni u odgovoru na upitnike postaju informacijekoje se mogukoristiti za stvaranje odluka koje bi inae mogle biti mnogo tee ili nemogueza stvaranje.

iroko proireno miljenje: Zbirka podataka stvara bazu podataka jedino ako ima odreena svojstva:

ako se podatcima upravlja kako bi osigurali svoj integritet i kvalitetu,

ako omoguuje zajedniki pristup nekoj zajedinici korisnika, ako ima shemu, ili

ako podravaupitni jezik.


37/189


Model podataka

Osnovni elementi modela podataka:

Struktura podatakaStruktura podataka opisuje elemente modela, entitete, atribute, relacije i

sl. koji se odabiru iz sustava koji se analizira i za koji se formira modelpodataka.

Skup operacijaoperacije nad strukturom modela

njima se izraava dinamika realnog sustavaOperacije kojima se mogu pretraivati, dobivati i modificirati podaci o tim

objektima

Skup opih pravila integriteta podatakaStatiki opis realnog sustavapravila kojaimplicitno ili eksplicitno definiraju skup konzistentnih stanja

podataka ili promjena stanja, ili oboje

pravila koja su openita u smislu da su primjenjiva na bilo koju bazupodataka koja koristi taj model

pravila koja razdvajaju doputena od nedoputenih stanja realnogsustava


38/189


Osnovni modeli podataka

Konceptualni

odreuje nain shvaanja dogaaja, nain shvaanjapodataka o dogaaju.On je cjelovit, konzistentan i neredudantan

Logiki

polazi od logikog, a rezultira izraenim fizikim modelom Fiziki model je opis stvarne fizike organizacije podataka.Model ima oblik unutranje sheme baze podataka.

Logiki model podataka je konceptualni model podataka kojislui za daljnju razradu.

Tri su tipa logikih modela podataka:Hijerarhijski

relacijski i

mreni.

Fiziki


39/189


Sustav za upravljanje bazom podataka DBMS

... je programski sustav koji osigurava osnovne

funkcije odabranog modela podataka u postupkukreiranja i koritenja baze podataka. Sastoji se odintegrirane kolekcije programske podrke kojaomoguava:

opis i manipulaciju podacima pomou posebnogjezika(posebnih jezika),

visoki nivo suelja prema podacima nezavisan od strukturepodataka u raunalu,

efikasno koritenje i razumijevanje informacijapohranjenihu bazi podataka, zahvaljujui skupuprogramskih alata.


40/189


Vrste baza u IS-u

Transakcijski sustav -jo se koriste i nazivi:

operacijski sustav, operacijska baza podataka, OLTP sustav

(OLTP - On-Line Transaction Processing),

velik broj transakcija od kojih svaka sadrava malu koliinu podataka

Sustav skladitenja podataka analiza podataka,izvjea, obrada velike koliine podataka, OLAP sustav

(On-Line Analytical Processing)


41/189


What is DW?

Ralph Kimballs definition from his first edition of The

Data Warehouse Toolkit:A data warehouse is a copy of transaction data specifically

structured for querying and reporting.

Sometimes non-transaction data are stored in a data

warehouse - though probably 95-99% of the data

usually are transaction data.
http://www.wiley.com/compbooks/catalog/15337-0.htmhttp://www.wiley.com/compbooks/catalog/15337-0.htmhttp://www.wiley.com/compbooks/catalog/15337-0.htmhttp://www.wiley.com/compbooks/catalog/15337-0.htm


42/189


Kako nastaje DW?

DW je logicki transformiran i fizicki odvojen od izvora podataka

ETL Extraction, Transformation and Loading


43/189


SKLADITA PODATAKA

(FELK16)



[email protected]

FESB



soba B503


44/189


Kako nastaje DW?




45/189


Povijesni pregled skladitenja podataka

Koncept skladitenja podataka datira iz kasnih 1980-tih, period kadaIBM-ovi istraivai Barry Devlin i Paul Murphy razvijajuposlovnoskladite podataka. U sutini je taj koncept trebao pruati model tokapodataka od operacijskog sistema do okruenja za pomo odluivanjute uputiti panju na rjeavanje raznih problema s tokom. U nedostatkuarhitekture skladita podataka potrebna je bila velika koliinaredundancije za podrku viestrukim okruenjima za pomoodluivanju.

Osoba koja je smatrana ocem skladitenja je Bill Inmon koji u 1970-tima poinje definirati i predstavljati tu temu, a 1991. godine njegovatvrtka, Prism Solutions, lansira softversko rjeenje za razvoj skladitapodataka. Sljedee godine, 1992., izdaje knjigu o detaljnoj izradiskladita podataka koja se zvala Building the Data Warehouse.

Par godina prije se poinje isticati kasniji Inmonov rival na tompodruju, osoba s oprenim miljenjima oko optimalnog razvojaskladita, Ralph Kimball. On 1990. godine sa svojom tvrtkom, RedBrick Systems, takoer razvija sustav za upravljanje skladitimapodataka. 1996. godine izdaje poznatu knjigu The Data WarehouseToolkit.


46/189


Povijesni pregled razvoja DW

60-te i 70-te godine: Unapreenje operacijskih sistema stari podatci se uklanjali iz OLTP i spremali na magnetske medije

monolitni, centralizirani, mainframe sustavi naslijeeni sustavi (engl. legacy systems)

80-tih godina dolazi do popularizacije osobnih racunala snaga raunala raste GUI

jaz izmeu programera i krajnjih korisnika.

izvlaenje podataka iz naslijedenih sustava na osobna racunala razvili su se alati za izradu izvjetajai za analizu

Ovakav nain rada imao je mana: fragmentacija podataka na razna osobna raunala i oni su bili usmjereni prema odreenim svrhama nije postojao standard za izvlaenje podataka na osobna raunala ovakav nain rada zahtijevao je od korisnika da poznaje strukturu dijela baze

Napredak na polju elektronike doveo je do znatnog poboljanjaperformansi sustava. procesorska mo napredne arhitekture procesora

ulazno/izlazni procesi se ubrzavaju

najvanijegustoa zapisa postaje vea


47/189


Povijesni pregled razvoja DW

Daljnji preduvjeti za DW: sve snaniji PC

razvoj klijent/server arhitekture

distribuirano raunarstvo

sve monije aplikacije za PC platformu

Koncept Intraneta

Putem Intraneta podaci u skladitupodataka postaju dostupni svima unutar kompanije.

Tijekom 90-tih su se dogodile velike promjene u svijetu.

komunizam se raspao, nastale su nove dravekoje su prelena trinoorjentiranu ekonomiju te su se tako stvorila nova trita

ritam ivotase ubrzao,

vrijeme je postalo izuzetno vano.

Javio se globalizacijski pokret, kompanije su prerasle granice dravai pocele su se iriti po svijetu

U tom modernom nainu rada informacija je postala izuzetno bitna informacija koja je isporuena na vrijeme

Koritenje web baziranih aplikacija, drutvenih mrea i mobilnih tehnologija


48/189


Reporting and analysing architecture (Inmon, 2002)


49/189


Cilj i svrha skladitenja podataka

Kao dio poslovne inteligencije, skladitenje obuhvaa posao

pripreme logike strukture koja poiva na potrebamaposlovanja pritom pruajui optimalnu brzinu i tonost zaizvjetaje koje e na kraju analitiar pregledavati.

Skladite podataka uva kopiju informacija iz transakcijskihizvora i zbog toga korisniku prua znaajne pogodnosti. U

sluaju da transakcijski sustavi ne vode rauna o povijesnimpodacima, npr. briu ih i zamjenjuju, u skladitu se mogunalaziti podaci od poetka poslovanja. Primjer toga jeposlovanje prethodnih godina ili npr. promjene u tablici oradnicima poput prebacivanja na druge radne pozicije,

mijenjanje prezimena, itd. Takoer, skladite objedinjuje podatke dosljednim

kodovima i opisima pa esto slui za poboljanje kvalitetepodataka te ispravljanje krivih informacija.


50/189


Cilj i svrha skladitenja podataka

Jedna od glavnih prednosti skladitenja je okupljanje

informacija cijelog poslovanja na centralnom mjestu,posebice integracija iz razliitih tipova izvora. To jeposebno korisno kada organizacija nastaje spajanjem

tvrtki pa svaka strana donosi svoje informacije.

Skladite podataka moe pruiti jedan zajedniki modelza sve podatke koji nas zanimaju bez obzira na

strukturu izvora podataka. Takoer, podatci se

organiziraju tako da imaju smisla poslovnimkorisnicima i da se na njihove analitike upite brzogeneriraju rezultati.


51/189


Definicija i karakteristika DW (Inmon)

DW je skup podataka koji je:

orijentiran ka subjektu

nepromjenjiv

integriran

vremenski orijentiran


52/189


Usmjerenost ka subjektu

U DW se podaci organiziraju oko predmeta, odnosno

funkcionalnih podruja (npr. podaci o prodaji, podaci onabavi, i dr.)i za to je potrebno integrirati podatke izvie poslovnih aplikacija u jedan datamart

Kod OLTP baza podataka su podaci organizirani oko

operativnih (poslovnih) aplikacija, pa se tako vode

podaci vezani uz studentove dokumente (upis na faks,

prijavu ispita, polaganje ispita,...) obradu narudbe iliuz kalkulaciju prodajne cijene i sl.


53/189


Sadrajnanepromjenjivost

U DW se jednom pohranjeni podaci uglavnom ne

mijenjajuAko ih i treba promijeniti, mijenjaju se prvo u OLTP a ne

izravno u DW!!!

broj upisanih studenata

podaci o prodaji na odreeni dan u odreenom duanuBroj roenih/umrlih/vjenanih/...

U OLTP bazi podataka se podaci mijenjaju jer uvijek

odraavajutekuestanjebroj upisanih studenata

podaci o trenutnoj cijeni proizvoda

trenutna koliina na skladitu, i dr.


54/189


Integriranost

U DW su podaci konzistentni, tj. prikazuju se na

dosljedan nain (npr. nain zapisa datuma), kako bi semogli koristiti u raznim analizama

U OLTP operativnoj bazi se konzistentnost neprovjerava strogo, pa se moe dogoditi npr.razliitnainpisanja datuma.

Zbog toga se prije pohrane u DW, podaci iz baze

trebaju predprocesirati, da bi postali konzistentni

(integrirani)


55/189


Vezanost uz vrijeme

u DW se gotovo uz svaki podatak pohranjuje i

vremenska odreenost (dan-sat-minuta-sekunda),pasu podaci u skladitu povijesni

stoga se mogu raditi vremenske analize i predvianja

u OLTP bazama podataka nalaze se samo aktualni,

najsvjeiji podaci potrebni za operativno poslovanje

Ne upisuje se svuda vremenska dimenzija


56/189


Definicija i karakteristika DW (Inmon)

DW je skup podataka koji je:

orijentiran ka subjektu

nepromjenjiv

integriran

vremenski orijentiran


57/189


DW & OLAP

Izvori podataka za skladitapodataka su heterogeni: transkacijske baze podataka (vlastite baze u poduzeu), internet,

strune udruge, saznanja djelatnika s terena,

strune publikacije

Skladitepodataka ne postoji kao gotov proizvod

Skladitapodataka sadrepodatke i informacije Do tog skupa podataka dolazi se OLAP-om (On-Line Analitycal Processing)

OLAP metoda uvedena je od strane tvorca relacijskih baza podataka

(E.F.Codd). To je tehnologija koja nadopunjuje relacijsku tehnologiju. OLAP tehnologija je namijenjena krajnjem korisniku.

Gartner Group: Umjesto odreenog broja analitiara koji provode 100% svog radnog vremena

analizirajuipodatke, svi menaderii profesionalno osoblje provodit emali postotaksvog vremena analizirajuipodatke sami.
http://en.wikipedia.org/wiki/File:Edgar_F_Codd.jpg


58/189


SKLADITA PODATAKA

(FELK16)



[email protected]

FESB



soba B503


59/189


OLTP vs. OLAP

OLAP(On-Line Analytical Processing)pristup obraivanju podataka u svrhudobivanja brzih odgovora na viedimenzionalne analitike upite. OLAP je dio ire

kategorije - poslovne inteligencije (engl. Business Intelligence), koja takoer obuhvaarelacijsko izvjetavanje (engl. Relational Reporting) i rudarenje podataka (engl. DataMining).

Tipine OLAP aplikacije ukljuuju poslovna izvjetavanja za prodaju, marketing,izvjetavanje u menadmentu, upravljanje poslovnim procesima (engl. BusinessProcess Management; BPM), odreivanje prorauna i poslovno planiranje, financijskaizvjetavanja i slina podruja, uz nova nadolazea, poput poljoprivrede.

U praksi se esto pojmovi Skladite podataka i OLAP zamjenjuju, iako se oni zapravoodnose na razliite komponente sistema za poslovnu inteligenciju. OLAP tehnologija omoguuje skladitima podataka efektivno koritenje za analizu, uz

brze odgovore na kompleksne upite


60/189


OLTP vs. OLAP

OLTP OLAPNormaliziran u velikoj mjeri U velikoj mjeri denormaliziran

Modeliran za brzu i efikasnu promjenu Modeliran za brze i efikasne upiteIzvjetavanje zahtijeva brojne joinove koji

mogu troiti dosta resursaDenormalizirani modeli znae manje joinova

Viedimenzionalne agregacije zahtijevaju

GROUP BY i ROLLUP ili CUBE operatoreViedimenzionalne agregacije su dio

strukture i sadraja bazeAgregacije se izraunavaju svaki put kada

pokrenemo upitAgregacije su prethodno izraunate i

spremljene u baziUnakrsno izvjetavanje je zahtjevno (PIVOT

operator)Unakrsno izvjetavanje je standardno kod

koritenja MDX jezika

February 2011 The Forrester Wave: Enterprise Data Warehousing Platforms Q1 2011


61/189

EDW Is Driving Next Best Actions Across Optimized Business Processes



62/189


OLAP

OLAP (On-Line Analytical Processing)

analiza - analiza velikog broja podataka na brz, konzistentan iinteraktivan nain:Podaci se organiziraju, te pomou tablica i grafova prikazuju na nain

na koji krajnji korisnik razmilja pri analizi poslovanja

Prikazuju se sumarni i detaljni podaci

Pogled na podatke iz razliitih perspektiva

Implementacija:

relacijska baza podataka (ROLAP rjeenje)

osnovna struktura je tzv. zvjezdasta shema, odnosnozvijezda spoj

viedimenzionalna baza podataka (MOLAP rjeenje) podaci se spremaju u viedimenzionalna polja

D Mi i


63/189


Data Mining

Dubinska analiza podataka (data mining)

Analiza velikih koliina podataka s ciljem pronalaenjaneoekivanih veza i patterna (uzoraka) u skupovima podatakaili sumarnog prikaza skupa podataka na nain da korisnikupodataka prui nove, razumljive i korisne informacije.

K k j DW?


64/189


Kako nastaje DW?



BI i P f M k j


65/189


BIi Performance Managementokruenje

poslovna inteligencija d.o.o.

DW i D t M t


66/189


DW i Data Marts

upload.wikimedia.org/wikipedia/commons/4/46/Data_warehouse_overview.JPG

A data martis a subset of an organizational data store, usually oriented to a specific purposeor major data subject, that may be distributed to support business needs

D t M t


67/189


Data Mart

Data Mart je podskup podataka

iz DW

Podaci su vezani za neki

poslovni proces u organizaciji

(proizvodnja, nabava, financije,

marketing, prodaja,...)

DW & OLAP


68/189


DW & OLAP

nije sustav koji aurira operativne podatke

veliki broj istovremenih korisnika

brzo zapisivanje, itanje i izmjena malih koliina podataka,najee samo jednog sloga

nije transakcijski poslovni sustav (OLTP)

nije sustav za integraciju poslovnih podataka

On je, jednostavno, sustav koji omoguuje brzopretraivanje postojeih poslovnih podataka

D t Mi i (DM)


69/189


Data Mining (DM)

Data Mining (DM) je proces brzog otkrivanja prethodnonepoznatih zakonitosti meu podacima u bazi podataka

Npr., nekad moramo izvui podatke iz velikih baza podataka(viegodinjih). Krajnji korisnik ne mora imati programerskogiskustva a eli postaviti neke upite da dobije eljene odgovorerelativno brzo.

Softver za rudarenje podacima je alat koji se jednostavnokoristi da se dobiju podaci te se jednostavno pretvaraju utabline podatke i podatke za procesiranje u drugom softveru,tako da "rudareni" podaci mogu biti brzo analizirani iprocesirani.

Zahtijeva primjenu matematikih metoda i algoritama, umjetnuinteligencijumetode strojnog uenja.

Z htj i k lit ti d t k DW


70/189


Zahtjevi prema kvaliteti podataka u DW

Standardizirani (tj. podudarni)

datumi25.07.2009.25.07.2009

2009-07-25

25. srpnja 2009

...

pridjevi unose zabunu (tj. nepreciznost) Stipe ili Stipo?

elar, elar ili Celar?I kombinacija Ime/prezime (Prezime/ime)

Veliko-malo slovo

Integrirani iz svih izvora tvrtke

iz vanjskih izvora



71/189



Verificirani

usporeeni s poznatim predlokom temelj su za ispravne odluke

mala greka na poetku, velika teta na kraju

Proirivi

potrebno je dodavati nove podatke s vremenom

web servisi (XML)

podaci nisu od danas do sutra, nego za due razdobljenpr. LLOYDS birtijaiz 1741.

Veliina DW


72/189


Veliina DW

Standardne veliine DW baze:

stotine GB mala skladita> 1 TB velika skladita

deseci TB najvea skladita (telekomunikacijska)

ak i PB

Data martskladite podataka jednog dijela

poslovnog procesa

Veliina DW


73/189


Veliina DW

Razlozi za to:

pohrana povijesnih podataka

velik broj izvor podataka

denormalizacija i kreiranje novih kolona i tablica (agregacija)

Posljedice:

potrebna vea procesorska mo i

potrebno vie diskovnog prostora i

pojaani komunikacijski zahtjevi

Opasnost: od ume ne vidjeti stabla!

Metrics on eBays main Teradata DW


74/189


Metrics on eBay s main Teradata DW >2 petabytes of user data

10s of 1000s of users

Millions of queries per day

72 nodes

>140 GB/sec of I/O, or 2 GB/node/sec,or maybe thats a peak when the workload is scan-heavy 100s of production databases being fed in

Metrics on eBays Greenplum data warehouse (or, if you like, data mart) include: 6 1/2 petabytes of user data

17 trillion records

150 billion new records/day, which seems to suggest an ingest rate well over 50 terabytes/day

96 nodes

200 MB/node/secof I/O (thats the order of magnitude difference that triggered my post on disk drives) 4.5 petabytes of storage

70% compression A small number of concurrent users

eBays Teradata installationis a full enterprise data warehouse. Besides size and scope, it is most notable for its implementation of Oliversmisleadingly named analytics-as-a-servicevision. In essence, eBay spins out dozens of virtual data marts,which:

Combine views and aggregations on the central data warehouse with (optionally) additional private data the data mart user loads in. Are usually


75/189


SKLADITA PODATAKA

(FELK16)


dipl. ing. el . teh.

prof. filozofije

[email protected]

FESB



soba B503

Model Entiteta i veza (ER model)


76/189


Model Entiteta i veza (ER-model)

Model entitet_veza (engl. entity-relationship

model, MEV) je konceptualni model podataka kojije prvi opisao Chen 1976.

Model ER ine entiteti, njihovi atributi i veze

izmeu entitetaKonceptualna shema predoava se grafiki

dijagramom entiteti_veze

Relacijski (ER) i dimenzijski (DM) model


77/189


Relacijski (ER) i dimenzijski (DM) model

ER is a logical design technique that seeks toremove the redundancy in data

The ER modeling technique is a discipline usedto illuminate the microscopic relationshipsamong data elements. It is safe to say that thesuccess of transaction processing in relationaldatabases is mostly due to the discipline of ERmodeling.

All of us are familiar with the big chart on thewall of the IS database designer's cubicle. TheER model for the enterprise has hundreds oflogical entities! High-end systems such as SAPhave thousands of entities. Each of theseentities usually turns into a physical table when

the database is implemented. This situation isnot just an annoyance, it is a showstopper: End users cannot understand or remember an ER

model

Software cannot usefully query a general ER model

Use of the ER modeling technique defeats the basicallure of data warehousing, namely intuitive andhigh-performance retrieval of data. http://www.kimballgroup.com

Viedimenzionalni model
http://www.kimballgroup.com/http://www.kimballgroup.com/


78/189


Viedimenzionalni model

Osnovni koncepti viedimenzionalnog modela

Tablica dimenzija

Tablica injenica

Model zvijezde

Model pahuljice

OLAP kocka

Principi skladitenja podataka


79/189



Viedimenzionalni koncepti Dimenzijske tablice (engl. Dimension tables) se koriste za opisivanje

dimenzija, a sadre: kljueve dimenzija, vrijednosti i

atribute.

Npr., dimenzija vremena moe sadravati svaki sat,

dan,

tjedan,

mjesec,

kvartal i

godinu od poetka poslovanja organizacije.

Najee su to opisne, tekstualne vrijednosti, npr. dimenzijaproizvoda moe imati ime i opis proizvoda kojeg prodajemo, cijenu,boju, teinu i ostale atribute koji su nam potrebni.

Dimenzijska tablica je esto strukturirana u jednu ili vie hijerarhijakoje kategoriziraju podatke u njoj.

Ako dimenzija nema hijerarhije i razine tada je zovemo ravnadimenzija (engl. Flat dimension) ili lista.

Dimenzijske tablice su openito male u usporedbi s tablicamainjenica



80/189



Tablica injenica (engl. Fact table)se sastoji od poslovnih injenica

koje nazivamo mjerama(engl.Measures) i stranih kljueva(engl. Foreign keys) koji se odnosena identifikacijske (najeeprimarne) kljueve u tablicamadimenzija.

Primarni kljuevi svake dimenzijeine sloeni primarni klju (engl.Composite Key) tablice injenica.

Mjere su mjerljive, brojaneinjenice koje bi analitiari eljelipromatrati, npr. za lanacproizvodnje moemo imati

koliinu prodanih proizvoda,cijenu izrade, trokove dostave,prihode po proizvodu, itd.

Tablice injenica mogu znaajnonarasti, sadravajui milijune iliak i milijarde redova.



81/189



Model zvijezde Model zvijezde (engl. Star Schema) je set

relacijskih tablica u skladitu podataka ipredstavlja najjednostavnijuviedimenzionalnu shemu.

Tablice injenica u ovom modelu suobino u treoj normalnoj formi (3NF)dok su dimenzijske tablice

denormalizirane.

Glavne karakteristike modela zvijezde:jednostavna strukturalako razumljiv

model,

dobra uinkovitost upita malen broj

tablica koje pripajamo (joinamo), relativno dugo vrijeme uitavanja podataka

u dimenzijske tablicedenormalizacija;redundantni podaci ine tablice veima,

najee koriten model kod izrade skladitapodatakapodrava ga velik broj alata zaposlovnu inteligenciju.



82/189


Principi skladitenja podataka Model pahuljice(engl. Snowflake Schema) je

logiki raspored tablica u viedimenzionalnojbazi iji dijagram oblikom nalikuje na snjenupahuljicu.

Proirena verzija modela zvijezde, gdje svaki vrh(dimenzija) moe biti povezan s jo vrhova.

Za razliku od modela zvijezde, u ovom modeludimenzijska tablica je normalizirana u viepovezanih tablica, od kojih svaka predstavlja

razinu u dimenzijskoj hijerarhiji. Glavna prednostovakvog modela, tj.

normalizacije je poboljanje rada upita jer jepotrebno manje prostora za spremanjepodataka i zbog toga to spajamo manje tablice.Meutim, dimenzijske tablice su openitomalene u usporedbi s tablicama injenica pa se

tako gubi prednost modela pahuljice u utediprostora. Glavni nedostatcise javljaju zbog poveanog

broja tablica koje moramo pregledati da bi dolido podataka to ini upite sloenijima i teimaza pisati i izvoditi.



83/189



Viedimenzionalni koncepti:

OLAP kocka

Osnove dimenzijskog modela


84/189


Osnove dimenzijskog modela

Kocka


85/189


Kocka Kocke su kljuni elementi u OLAP sustavu. To su podskupovi

podataka iz OLAP kolekcije, organizirani u viedimenzionalnestrukture. Takvi podskupovi pruaju mehanizam kojiomoguava brzo i ujednaeno vrijeme pristupa podacima zakoje bi inae bili potrebni kompleksni upiti.

Temeljni koncepti kocke koje je potrebno razumjeti sudimenzije i mjere.

Dimenzije pruaju kategorike opise pomou kojih su mjerepodijeljene za analizu.

Mjere identificiraju numerike vrijednosti koje su saete zaanalizu, kao to su cijena, troak ili koliina koja je prodana. Skup mjera stvara dimenziju, ali specijalnu koja se naziva

Dimenzija (engl. Measures).

Svaka dimenzija kocke moe sadravati hijerarhiju razina zaspecifikaciju kategorizacije za korisnike. Na primjer, dimenzija Trgovinamoe ukljuivati slijedeu hijerarhiju

razina: Drava, Grad, Ime Trgovine. Svaka razina u dimenziji je manjegobuhvata od vie razine. Analogno, vremenska hijerarhija moe sadravati razine poput

godine, kvartala, mjeseca i tjedna.

Kocka


86/189


Kocka

Za istu dimenziju moe postojati vie

hijerarhija. Na primjer, za vremenskuhijerarhiju. Moe postojati fiskalna ikalendarska. Fiskalna bi se sastojala odfiskalne godine, kvartala i mjeseca, akalendarska od kalendarskih.

Dimenzija se moe stvoriti za koritenje zapojedinu ili vie kocki. Ona koja se izraujesamo za jednu kocku se naziva privatnadimenzija, dok se ona koja je predviena za

koritenje za vie kocki naziva dijeljenadimenzija. Dijeljene dimenzijeomoguavaju standardizaciju poslovnihmjera kroz kocke unutar baze podataka.

Kocka


87/189


Kocka

Vaan dio na koji je potrebno obratiti pozornost jekoncept lana.

lan je element u dimenziji ili mjeri. Izraunati lanje dimenzijski lan ija vrijednost se

izraunava pri pokretanju koristei specificirani izraz. Izraunati lanovi takoer mogu biti definirani kao

mjere.

Samo definicije izraunatih lanova se spremaju.Vrijednosti se izraunavaju u memoriji kada jepotrebno odgovoriti na upit.

Izraunati lanovi omoguavaju dodavanje lanova imjera u kocku bez poveavanja njezine veliine. Iakoizraunati lanovi moraju biti bazirani na postojeimpodacima unutar kocke, mogue je kreiratikompleksne izraze kombinirajui te podatke saritmetikim operacijama, brojevima i velikim brojemfunkcija.



88/189



Viedimenzionalni koncepti:

Tablica dimenzija

Tablica injenica

Model zvijezde

Model pahuljice

OLAP kocka


89/189


SKLADITA PODATAKA

(FELK16)



prof. filozofije

[email protected]

FESB



soba B503

Adventure works 2008 ER model


90/189




91/189




92/189


Adventure works 008 R model

BI

BUSINESS

TEHNOLGIJAANALITIKA

Elementi BI sustava


93/189


DM is a logical design technique that seeks to present the data in astandard, intuitive framework that allows for high-performanceaccess.

It is inherently dimensional, and it adheres to a discipline that usesthe relational model with some important restrictions.

Every dimensional model is composed of one table with a multipart key, called the fact table, and

set of smaller tables called dimension tables each dimension table has a single-part primary key that corresponds

exactly to one of the components of the multipart key in the fact table

This characteristic "star-like" structure is often called a star join

The term star join dates back to the earliest days of relationaldatabases.

A fact table, because it has a multipart primary key made up of twoor more foreign keys, always expresses a many-to-manyrelationship. The most useful fact tables also contain one or morenumerical measures, or "facts" that occur for the combination ofkeys that define each record

Dimension tables, by contrast, most often contain descriptivetextual information. Dimension attributes are used as the sourceof most of the interesting constraints in data warehouse queries,and they are virtually always the source of the row headers in theSQL answer set.

The charm of the database design in DM is that it is highlyrecognizable to the end users in the particular business, its "theirbusiness.

http://www.kimballgroup.com
http://www.kimballgroup.com/http://www.kimballgroup.com/


94/189



95/189


Reasons for spliting of operational and DW database


96/189


p g p

Thera are many reasons:

The data serving operational needs is physically different data

from that serving informational or analytic needs.

The supporting technology for operational processing isfundamentally different from the technology used to support

informational or analytical needs.

The user community for operational data is different from the one

served by informational or analytical data.

The processing characteristics for the operational environment

and the informational environment are fundamentally different.

Operativna (OLTP) vs.DW baza


97/189


p ( )

svojstvo OLTP DW/OLAP

Sadrajpodataka Trenutne vrijednosti Povijesni podaci

Vrijednost podataka Vrlo promjenljivi podaci Nepromjenljivi podaci

Namjena Voenjeoperativnih transakcija Analiza i izvjeivanje

Jedinica obrade Transakcija Upit

Korisnici Operateri (iroki krug) Analitiari i manageri

Raspoloivost Vrlo vana Manje bitna

Izmjena podataka Polje po polje na dokumentu Nema izmjene

Radna svojstva itanje/pisanje itanje

Interakcija korisnika Predodreena Ad-hoc

Pristup zapisima Nekoliko zapisa odjednom Milijunima zapisa

odjednom

Fokus Nesmetano spremanje podataka Dobivanje informacija

OLAP


98/189


RijeOLAP potjeeod On Line Analytical Processing

Posebna vrsta tehnologije, razvijena za analitikenamjene

Ova tehnologija suprotna je od OLTP (On LineTransactional Processing) tehnologije koja se koristi u

transakcijske svrheNajpoznatiji primjeri OLTP tehnologije su RDBMS:

Microsoft SQL Server, Oracle, DB2, Informix, MySQL,...

Kao topostoje relacijski serveri tako postoje i OLAPserveri

OLAP serveri su specijalizirani serveri kojima jenamjena pretraivanjevelikih koliinapodataka

Viedimenzijski OLAP MOLAP


99/189


j

Viedimenzijski OLAP (engl. Multidimensional Online

Analytical Processing, MOLAP) je klasina forma OLAP-a pa se esto tako i naziva

Podaci se spremaju u viedimenzijskom obliku.Prilikom kreiranja kocke podaci se razliitim

algoritmima i postupcima procesirajuMOLAP nudi bri odaziv na upite zbog optimiziranog

spremanja podataka i viedimenzijskog indeksiranja

Podaci se kompresiraju to rezultira manjim zauzeem

diskovnog prostora za razliku od OLTP baza podatakaUkoliko se dimenzije sastoje od vie milijuna zapisa,

oekivan je pad performansi procesiranja upita

Relacijski OLAPROLAP


100/189


j

Relacijski OLAP (engl. Relational Online Analytical

Processing, ROLAP) radi sa na relacijskim bazama podataka. ROLAP ne zahtijeva prijevremeno agregiranje podataka na

odreenoj razini granulacije ve navedene radnje odradiprilikom upita korisnika tako da postavi SQL upit u

relacijsku bazu kojim rauna ono to je korisnik zatraio.Mogue je napraviti dodatne tablice u bazi podataka koje

e sadravati navedene agregacije na odreenoj razinigranulacije, sumarne tablice.

Zbog raunanja korisnikih upita u trenutku postavljanjaupita, ROLAP ima pad performansi u odnosu na MOLAP.

Hibridni OLAP


101/189


Hibridni OLAP (engl. Hybrid Online Analytical

Processing) je kombinacija MOLAP-a i ROLAP-aObjedinjuje prednosti oba pristupa

Postoje dva moda HOLAP-a

Vertikalni mod

agregacije se spremaju u MOLAP

detaljne informacije se spremaju u ROLAP nainu

Horizontalni mod

svjei podaci podijeljeni prema vremenskoj dimenziji spremaju u

MOLAP nainu radi breg odaziva upita

stariji podaci u ROLAP nainu.

Primjer poslovnog sustava


102/189


HACCPHazard analysis and critical control points,

or HACCP/hsp/, is a systematic preventiveapproach to food safetyand allergenic, chemical,

and biologicalhazards in production processes that can

cause the finished product to be unsafe, and designs

measurements to reduce these risks to a safe level.Taskovi

Evidencije

Korektivne mjere (ako neto nije u redu)

MNOGO PAPIROLOGIJE za mnoge firme!!!

Rijetka kvalitetna SW rjeenja
http://en.wikipedia.org/wiki/Help:IPA_for_Englishhttp://en.wikipedia.org/wiki/Help:IPA_for_Englishhttp://en.wikipedia.org/wiki/Food_safetyhttp://en.wikipedia.org/wiki/Chemical_hazardhttp://en.wikipedia.org/wiki/Biological_hazardhttp://en.wikipedia.org/wiki/Biological_hazardhttp://en.wikipedia.org/wiki/Chemical_hazardhttp://en.wikipedia.org/wiki/Food_safetyhttp://en.wikipedia.org/wiki/Help:IPA_for_Englishhttp://en.wikipedia.org/wiki/Help:IPA_for_Englishhttp://en.wikipedia.org/wiki/Help:IPA_for_English


103/189


SKLADITA PODATAKA

(FELK16)



prof. filozofije

[email protected]

FESB



soba B503

17.04.


104/189


Primjeri DW

MODELLING OF THE ATHLETE'S TRAINING DECISIONSUPPORT

Ladislav Hava, Zoran Skoir, Vladimir Medved

Diplomski radovi

Slaven Zebi, 2009-10


105/189


ANALIZA I PRAKTINO KORITENJE SUSTAVA ZAUPRAVLJANJE ODNOSIMA S KORISNICIMA (ANALITIKICRM) U TELEKOMUNIKACIJSKIM TVRTKAMA

u suradnji s tvrtkom KRON d.o.o. SplitThe task of this work is the analysis of Customer Relationship ManagementSystems based on a constructed data warehouse.

An overview of CRM system functionalities is given. Every CRM supporting

technology consists of three main parts and the role of every part isdescribed in this work. The focus of this work is the analytical CRM. Adatabase of a telecommunication operator is used as the data source for thedata warehouse, and Business Intelligence Development Studio is used forthe construction of the data warehouse.

The construction of a data warehouse is a complex and demanding task,because it requires defined knowledge of relational bases, SQL and good

understanding of business processes. The most appropriate model for thedesign of a data warehouse is a dimensional one.

CubePlayer serves as the presentation layer where analysis is done and it ispossible to get an overview of business processes based on fresh data andtherefore it is easier for managers to take decisions.

Koritenetehnologije


106/189


Model DW-a


107/189



108/189



109/189





prof. filozofije

[email protected]

FESB

Katedra za arhitekturu raunalai operativne sustave

soba B503

MS SQL Server platforma


110/189


SQL Server Management Studio

SQL Server Integration Services SQL Server Analysis Services

SQL Server Reporting Services


111/189


Microsoft SQL Server 2005 Compact Edition Developer SDKMicrosoft SQL Server 2005 Mobile Edition Device SDK

Microsoft SQL Server 2008 R2 ExpressMicrosoft SQL Server 2008 R2 Management Studio ExpressMicrosoft SQL Server 2008 R2 WorkgroupMicrosoft SQL Server 2008 Reporting Services Report Builder 2.0Microsoft SQL Server 2008 Upgrade AdvisorMicrosoft SQL Server 2008 WebMicrosoft SQL Server 2008 Workgroup

Microsoft SQL Server 2012Microsoft SQL Server Data ToolsMicrosoft SQL Server Migration Assistant for Oracle V2.0Microsoft SQL Server 2008 R2 EnterpriseMicrosoft SQL Server 2008 EnterpriseMicrosoft SQL Server 2005 DeveloperMicrosoft SQL Server 2005 Standard

Microsoft SQL Server 2008 R2 DeveloperMicrosoft SQL Server 2008 DeveloperMicrosoft SQL Server 2008 R2 StandardMicrosoft SQL Server 2008 R2 WebMicrosoft SQL Server 2008 ExpressMicrosoft SQL Server 2005 ExpressMicrosoft SQL Server 2005 Workgroup

Povijesni razvoj SQL Servera
http://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sqlhttp://e5.onthehub.com/WebStore/ProductSearchOfferingList.aspx?ws=230e34ba-619b-e011-969d-0030487d8897&vsro=8&srch=sql


112/189

FELK16 Skladita podataka FESB, 2012/13 doc.dr.sc. Stipeelar112

1987. godine Microsoft i Sybase

poinju partnerstvo za izradu iprodaju sistema za upravljanjebazama podataka baziranog naSybaseovom proizvodu.

Sybase bi tada imao prava zaUnix/Mini platformu, a Microsoftza OS/2 te ostale operacijskesustave koje razvije.

1989. godine Microsoft, Sybase iAshton-Tate zajedno stvaraju iizdaju prvu verziju, SQL Server 1.0

za operacijski sustav OS/2. Ashton-Tate je tada imao vodei

proizvod za sisteme s bazamapodataka, a zvao se dBase.

Nakon prve verzije Microsoft i Ashton-

Tate se razilaze i proizvod postajeMicrosoft SQL Server, ali veinu razvojai dalje radi Sybase.

Microsoft zapoinje rad na 32-bitnojverziji SQL Servera, a s OS/2 postajemanje odriva platforma, odluuju garaditi za Windows NT koji je tada bio ubeta fazi.

U to vrijeme se partnerstvo izmeuMicrosofta i Sybasea sve vie smanjujejer je Sybase htio ostati neovisan oplatformi, a Microsoft je htio raditisamo za NT platformu.

1994. godine partnerstvo prestaje iMicrosoft vodi proizvod u svom smjeru,

prepravljajui stari Sybaseov kod istvarajui novi, a potpuno istiskivanjeSybaseovog koda dolazi s izdanjem SQLServer 2005.



113/189


Verzija Godina Ime izdanja Kodno ime1.0 (OS/2) 1989. SQL Server 1.0 (16-bit) -1.1 (OS/2) 1991. SQL Server 1.1 (16-bit) -4.21 (WinNT) 1993. SQL Server 4.21 SQLNT6.0 1995. SQL Server 6.0 SQL956.5 1996. SQL Server 6.5 Hydra7.0 1998. SQL Server 7.0 Sphinx- 1999. SQL Server 7.0 s OLAP alatima Plato8.0 2000. SQL Server 2000 Shiloh8.0 2003. SQL Server 2000 (64-bit

izdanje)Liberty

9.0 2005. SQL Server 2005 Yukon10.0 2008. SQL Server 2008 Katmai10.25 2010. SQL Azure DB CloudDB10.5 2010. SQL Server 2008 R2 Kilimanjaro (KJ)11.0 2012. SQL Server 2012 Denali

SQL Server 2008 R2 vs. SQL Server 2008 (dio novosti)


114/189


PowerPivot for SharePoint

PowerPivot for SharePoint adds shared services and infrastructure for loading, querying, and managing PowerPivotworkbooks that you publish to a SharePoint 2010 server or farm. To create PowerPivot workbooks, you use PowerPivotfor Excel.

PowerPivot for Excel

PowerPivot for Excel is an add-in to Excel 2010 that can be downloaded from the web and installed on clientworkstations. You use PowerPivot for Excel to assemble and create relationships in large amounts of data fromdifferent sources, and then use that data as the basis for PivotTables and other data visualization objects that supportdata analysis in Excel.

Multi-Server Administration and Data-Tier Application

The SQL Server Utility forms a central repository for performance data and management policies that tailor theoperation of instances of the Database Engine that have been enrolled in the utility. It also includes a Utility Explorerfor centralized management, and dashboards that report the state of the managed instances. A data-tier application

(DAC) forms a single unit for developing, deploying, and managing the database objects used by an application. Master Data Services

Master Data Services is comprised of a database, configuration tool, Web application, and Web service that you use tomanage your organization's master data and maintain an auditable record of that data as it changes over time. You usemodels and hierarchies to group and organize data to prepare it for further use in business intelligence and reportingtools, data warehouses, and other operational systems. Master Data Services integrates with source systems andincorporates business rules to become the single source of master data across your organization.

Features Supported by the Editions of SQL Server 2008 R2

The largest database supported by SQL Server Express has been increased from 4 GB to 10 GB.

Connecting to the Database Engine Using Extended Protection SQL Server now supports Extended Protection, using service binding and channel binding to help prevent an

authentication relay attack. Also, seeExtended Protection for Authentication with Reporting Services.

http://msdn.microsoft.com/en-us/library/bb500435(SQL.105).aspx

http://msdn.microsoft.com/en-us/library/ee210682(v=sql.105).aspxhttp://msdn.microsoft.com/en-us/library/ee210644(v=sql.105).aspxhttp://msdn.microsoft.com/en-us/library/cc645579(v=sql.105).aspxhttp://msdn.microsoft.com/en-us/library/ee633763(v=sql.105).aspxhttp://msdn.microsoft.com/en-us/library/cc645993(v=sql.105).aspxhttp://msdn.microsoft.com/en-us/library/ff487261(v=sql.105).aspxhttp://msdn.microsoft.com/en-us/library/ff487481(v=sql.105).aspxhttp://msdn.microsoft.com/en-us/library/ff487481(v=sql.105).aspxhttp://msdn.microsoft.com/en-us/library/ff487481(v=sql.105).aspxhttp://msdn.microsoft.com/en-us/library/bb500435(SQL.105).aspxhttp://msdn.microsoft.com/en-us/library/bb500435(SQL.105).aspxhttp://msdn.microsoft.com/en-us/library/bb500435(SQL.105).aspxhttp://msdn.microsoft.com/en-us/library/bb500435(SQL.105).aspxhttp://msdn.microsoft.com/en-us/library/bb500435(SQL.105).aspxhttp://msdn.microsoft.com/en-us/library/bb500435(SQL.105).aspxhttp://msdn.microsoft.com/en-us/library/bb500435(SQL.105).aspxhttp://msdn.microsoft.com/en-us/library/bb500435(SQL.105).aspxhttp://msdn.microsoft.com/en-us/library/bb500435(SQL.105).aspxhttp://msdn.microsoft.com/en-us/library/ff487481(v=sql.105).aspxhttp://msdn.microsoft.com/en-us/library/ff487481(v=sql.105).aspxhttp://msdn.microsoft.com/en-us/library/ff487481(v=sql.105).aspxhttp://msdn.microsoft.com/en-us/library/ff487261(v=sql.105).aspxhttp://msdn.microsoft.com/en-us/library/ff487261(v=sql.105).aspxhttp://msdn.microsoft.com/en-us/library/cc645993(v=sql.105).aspxhttp://msdn.microsoft.com/en-us/library/cc645993(v=sql.105).aspxhttp://msdn.microsoft.com/en-us/library/ee633763(v=sql.105).aspxhttp://msdn.microsoft.com/en-us/library/ee633763(v=sql.105).aspxhttp://msdn.microsoft.com/en-us/library/cc645579(v=sql.105).aspxhttp://msdn.microsoft.com/en-us/library/cc645579(v=sql.105).aspxhttp://msdn.microsoft.com/en-us/library/cc645579(v=sql.105).aspxhttp://msdn.microsoft.com/en-us/library/cc645579(v=sql.105).aspxhttp://msdn.microsoft.com/en-us/library/cc645579(v=sql.105).aspxhttp://msdn.microsoft.com/en-us/library/cc645579(v=sql.105).aspxhttp://msdn.microsoft.com/en-us/library/ee210644(v=sql.105).aspxhttp://msdn.microsoft.com/en-us/library/ee210644(v=sql.105).aspxhttp://msdn.microsoft.com/en-us/library/ee210644(v=sql.105).aspxhttp://msdn.microsoft.com/en-us/library/ee210644(v=sql.105).aspxhttp://msdn.microsoft.com/en-us/library/ee210682(v=sql.105).aspxhttp://msdn.microsoft.com/en-us/library/ee210682(v=sql.105).aspxhttp://msdn.microsoft.com/en-us/library/ee210682(v=sql.105).aspxhttp://msdn.microsoft.com/en-us/library/ee210682(v=sql.105).aspx


115/189


Od SQL Server 2000 izdanja je prolo preko deset

godina i dosta poboljanja je napravljeno po pitanjuperformansi, klijent IDE alata (softverska rjeenja zarazvoj i programiranje) te je razvijano i nekoliko

komplementarnih sustava upakiranih sa SQL Server

2005 izdanjem:ETL alat (SQL Server Integration Services ili SSIS),

Reporting Server,

OLAP i Data Mining server (Analysis Services)

te nekoliko tehnologija za razmjenu poruka,

posebno Service Broker i Notification Services

SQL Server alati


116/189

FELK16 Skladita podataka FESB, 2012/13 doc.dr.sc. Stipeelar116

SQL Server alati Configuration Manager


117/189



118/189


SQL Server Management Studio (SSMS)


119/189


SQL Server ManagementStudio (SSMS) je softverskaaplikacija za konfiguriranje,

upravljanje i administriranjesvih komponenti u okviruMicrosoft SQL Servera, a prviput je predstavljena unjihovom izdanju SQL Server2005.

Ukljuuje ureivae skripti i

grafike alate koji rade sobjektima i elementima naserveru.

Glavni element je pretraivaobjekata, Object Explorer,preko kojeg korisnik moepretraivati, odabirati i

djelovati na bilo koji objekt naserveru, a moemo ga vidjetina lijevoj strani. Na sredinislike vidimo napisan upit teispod njega i rezultate upita.

SQL Server Integration Services (SSIS)


120/189


Komponenta zaETL, platforma zaintegracijupodataka iaplikacije oradnom toku(engl. Workflowapplications).

Od v. 2005zamjenjuje DTS(DataTransformationServices).

Ukljuenaje uStandardiEnterpriseizdanjima SQLServera.

SQL Server Analysis Services (SSAS)


121/189


Sustav za upravljanje viedimenzionalnim

bazama podataka. Analysis Services ukljuuju skup mogunosti za

OLAP i rudarenje podataka.

Prvi OLAP servis dolazi kao dio SQL Servera 7.0,

a poslije toga izlazi izdanje Analysis Services

2000, promijenjenog imena jer osim OLAP

servisa ukljuuje i servise za rudarenje

podataka.Dolazi u Standardi Enterpriseizdanjima

Enterprise ne mora reprocesirati kocke!!!

SQL Server Analysis Services (SSAS)


122/189


Karakteristike SSAS-a:

Sprema kocke i dimenzije te obrauje upite nad kockama SSAS nije SQL Serverto je sasvim odvojen mehanizam baze

podataka

SSAS ne zahtijeva instalaciju SQL Servera, moe koristiti

podatke sa SQL Servera ako je dostupan, a moe koristitipodatke i s drugih mehanizama za baze podataka (Oracle,

DB2, itd.)

Ima vlastiti jezik za upite - MDX (Multi-Dimensional

Expressions) Za SSAS se takoer koristi razvojno okruenje SQL

Server Business Intelligence Development Studio

(BIDS)

Dimenzioniranje raznih verzija SQL servera


123/189


http://msdn.microsoft.com/en-us/library/cc645993.aspx
http://msdn.microsoft.com/en-us/library/cc645993.aspxhttp://msdn.microsoft.com/en-us/library/cc645993.aspxhttp://msdn.microsoft.com/en-us/library/cc645993.aspxhttp://msdn.microsoft.com/en-us/library/cc645993.aspxhttp://msdn.microsoft.com/en-us/library/cc645993.aspxhttp://msdn.microsoft.com/en-us/library/cc645993.aspxhttp://msdn.microsoft.com/en-us/library/cc645993.aspxhttp://msdn.microsoft.com/en-us/library/cc645993.aspx


124/189





prof. filozofije

[email protected]

FESB

Katedra za arhitekturu raunalai operativne sustave

soba B503

Indikatorikvalitete podataka u DW


125/189


Tonost podataka Tonost podataka je jedan od najbitnijih indikatora

Documents

Skladista Podataka