هوش تجاری

صفحه 1:


صفحه 2:
هوش تجار ۰ Business Intelligence 2 عنوان درس : مديريت منابع اطلاعاتى 

صفحه 3:


صفحه 4:
مقط مة وقتى در يك شركت ويا موسسه براى توليد يك محصول و یا سرویس جدید » نظرات و يبشنهادات مختلفى ارلثه می شود كه هريك از افراد آن شركت معمولا ابن يبشنهادات را با توجه به توليد كنونى و ديدى كه از شركت خود دارند ارائئه مى دهند اما نكته مهم لين است كه ليا شنيدن آن نظر ها و.بيشتهادها با تقاضاى مشترى و افراد ذى نفع منطبق است ؟ در لين حللت بايد بخش هاى تحقيق و توسعه مطمئن شوند كه صداى مشترى را شنيده اند. درك اين خواسته هاى ناگفته نکته بسیار مهم و اساسی در تولید یک محصول جدید است. 

صفحه 5:
هوشمندی کسب و کار به اکتساب.تفسین مقايسه. ارزیلبی و بهره برداری از اطلاعات مرتبط با کسب و کا گفته می شود. هدف اصلی یک سیستم هوش تجاری پشتیبانی از تصمیم درست است. 

صفحه 6:
أتا به عنوان زير ساخت تكنولوزى اطلاعات براى بشكم 

صفحه 7:
ایجاد توانمندی برای اتخاذ تصمیم گیری های آگاهانه پیش بینی های دقیق درباره روندهای کسب و کار در آینده ۱ را یت اف سازى روندهاى كذشته رفتار مشترى 

صفحه 8:
بالابردن سطح رضايتمندي مشتریان 

صفحه 9:


صفحه 10:
اثبار داده ها اگر داده قابل اطمینان و مختصر در مورد عملیات» روندها و ۸ تغییرات جاری کل سازمان نیاز باشد. چه باید کرد؟ تصویری شفاف از کسب و کار سازمان با دسترسی به داده‌های a ‏عايب‎ 10 

صفحه 11:
STI OTe [ [ [ [ [ [ [ [ [ [ ‏ز[‎ [7 ‎ce‏ به مدعت ررد وروا * عدم اطمينان از اطلاعات كامل * عدم توجه به زمان گذشته در پایگاه اطلاعات اوها ‎ ‎ ‎ ‎ ‎ ‏*_با پایگاه داده های معمولی فقط داده موجود می‌باشد. نه اطلاعات درست در زمان مناسب! ‎ 

صفحه 12:
FESS PY Pel yee eee pe) Bru 

صفحه 13:


صفحه 14:


صفحه 15:
نمایی از موقعیت پایگاه داده تحلیلی تحلیل داده کاو ى پرسوجو و گزارش گیری ابزارهای سطح بالا ‎OLAP‏ پایگاه داده منابع داده تحلیلی 

صفحه 16:
معماری های انبار داده ها 

صفحه 17:
* ایجاد انبار داده ها شامل داده های جزئی و خلاصه داده ها بكار كيرى ابزار ها ء پرس و جوها و داده کاوی برای استفاده از داده های انبار داده 

صفحه 18:
ee ( ‏معماری سه لابه دولین‎ ١ * سيستم هاى عملياتى و داده ها * انبار داده های سازمان *مراکز داده ها — 18 

صفحه 19:
مراحل ساخت پایگاه داده تحلیلی ۱ ۶ استخراج داده ۰ پاک سازی داده *_بایگانی کردن داده قبل و بعد از پاک سازی ۶ تطبیق داده و یکپارچگی چند منبع داده * محاسبه ديد هاى تحليلى از ديدكا هاى بايه ( ايجاد بارامتر هاى تحليلى) © استخراج و خصوصی سازی اطلاعات ( ایجاد بايكاه داده تحليلى خاص) 

صفحه 20:
آماده سازی (۲1ع) ( 2 رس ۱1 ‎ie‏ اطلاعاتي 

صفحه 21:
يك سيستم 271 داراى چهار بخش اصلی است: (Extraction) ‏استخراح‎ (Transformation) Jos (Loading) .s 4135) تلا تست 

صفحه 22:
تفاوت با پایگاه داده تحلیلی با پایگاه داده عملیاتی 

صفحه 23:
تحلیل داده و داده کاوی ۳ ‏کی‎ ‎۱ (DATA MINING) gol cots 

صفحه 24:
پردازش تحلیلی آنی با 01۸۵۳ ‎(Online Analytical Processing)‏ قعريف سيستم هاى 01-4 براى ارائه ياسخهاى سريع به سوالات و جستجوهای . / : حاده های "جند بعدی" طراحی شده اند يلى روى ای + ىو ‎Ss‏ فروش کل سالیانه ماه فروض | لتعداد مشترى 

صفحه 25:
تفاوت ۲۱۱۱۱۱۱۱۵ ۸۵۸۲۸ و ماه ۴ تفاوت این روش ها از دو عامل ناشی می شود : 

صفحه 26:
‎J‏ معماری هوش تجاری ‎ ‎ 

صفحه 27:


صفحه 28:
۳ KMS 

صفحه 29:


صفحه 30:


صفحه 31:
ASOD ‏تیگ‎ i ۶ Date و ۱ 1 ١ 8 oe Layer 3 i Daa M 

صفحه 32:
با تشکر از توجه شما 5 

صفحه 33:
*Han J& Micheline.K ,(2006)“Data oN Mining: Concepts and Techniques”, | Second Edition ,Diane Cerra 2006,pp.50,186,234 ‘Turban & Aronson& Liang (2005) “Decision Support Systems and Intelligent Systems”, Seventh Edition , Prentice Hall 

1 هوش تجاری ‏Business Intelligence عنوان درس : مدیریت منابع اطالعاتی 2 ع ر و مقدمه ر یر ت اف ه د ا ف 3 مقدمه وقتی در یک شرکت و یا موسسه برای تولید یک محصول و یا سرویس جدید ، نظرات و پیشنهادات مختلفی ارائه می شود ،که هریک از افراد آن شرکت معموال این پیشنهادات را با توجه به تولید کنونی و دیدی که از شرکت خود دارند ارائه می دهند ،اما نکته مهم این است که آیا شنیدن آن نظر ها و پیشنهادها با تقاضای مشتری و افراد ذی نفع منطبق است ؟ در این حالت باید بخش های تحقیق و توسعه مطمئن شوند که ص دای مشتری را شنیده اند .درک این خواسته های ناگفته نکته بسیار مهم و اساسی در تولید یک محصول جدید است. 4 تعریف هوشمندی کس ب و کار ب ه اکتس اب،تفس یر ،مقایسه، ارزیابی و بهره برداری از اطالعات مرتبط با کسب و کار گفته می شود. هدف اص لی ی ک س یستم هوش تجاری پشتیبانی از تصمیم درست است. 5 تکنولوژی اطالعات کلیدی: انبار داده ETL ، اجزاء biبه عنوان زیر ساخت تکنولوژی اطالعات برای پشتیبانی تصمیم گیری تدوین اجزاء کلیدی، بهبود در کیفیت تصمیم گیری 6 کاربرد هاCRM , : ‏BI ضرورت ایجاد توانمندی برای اتخاذ تصمیم گیری های آگاهانه پیش بینی های دقیق درباره روندهای کسب و کار در آینده نیاز به تصمیم گیری سریع نیاز به پاسخگویی به موقع شفاف سازی روندهای گذشته رفتار مشتری 7 اهداف تعيين گرايشهاي تجاري سازمان و متمرکز کردن اهداف کالن و اساسي خود تحلیل عمیق بازار پيش بيني بازار و توسعه ی سهم بازار باالبردن سطح رضايتمندي مشتريان شناسايي مشتريان دائمي سهولت تصميم گيري شناسایی به هنگام و سریع فرصت ها و تهدید ها 8 آنچه در ادامه می آید: انبار داده ها معماری های انبار داده ها معماری هوش تجاری هوش تجاری ،تحلیل داده چند بعدی و داده کاوی 9 انبار داده ها اگر داده قابل اطمینان و مختصر در مورد عملیات ،روندها و تغییرات جاری کل سازمان نیاز باشد ،چه باید کرد؟ نياز مديران امروز: تصويری شفاف از کسب و کار سازمان با دسترسی به داده‌هاي يک‌پارچه در سطح کارکردي و داشتن تاريخچه مختصري از داده‌ها با جزئيات كافي. 10 انبار داده ها مشکالت پایگاه‌های‌داده‌ی معمولی‌برای نیاز امروز مدیران: • دشواری دسترسی به اطالعات مورد نیاز • عدم اطمینان از اطالعات کامل • عدم توجه به زمان گذشته در پایگاه اطالعات 11 • با پایگاه داده های معمولی فقط داده موجود مي‌باشد ،نه اطالعات درست در زمان مناسب! انبار داده ها 9ل اینمون از انبار داده‌ها: تعریف بی ” مجموعه ای از داده های موضوع گرا ،یکپارچه ]،غیر فرار و وابسته به زمان برای پشتیبانی از تصمیم گیری های مدیریتی“. جم ع‌آوری داده‌ها از منابع مختلف ،گرو ه‌بندی موضوعی اطالعات و ذخیره‌سازی مبتنی بر زمان آن‌ها. جم ع‌آوری داده‌ها از منابع مختلف ،گرو ه‌بندی موضوعی اطالعات و ذخیره‌سازی مبتنی بر زمان آن‌ها. • • 12 • • حذف داده‌هايي كه كمكي به فرايند تصميم گيري نم ي‌كنند. حذف داده‌هايي كه كمكي به فرايند تصميم گيري نم ي‌كنند. • • از اندازه های کوچک گرفته تا انبارهای بزرگ در حدود چند گیگابایت داده از اندازه های کوچک گرفته تا انبارهای بزرگ در حدود چند گیگابایت داده • • کارکنان داخلی یا افراد ناشناس شبکه ها کارکنان داخلی یا افراد ناشناس شبکه ها جمع‌آوری داده‌ها حذف داده‌هاي اضافی اندازه انبار کاربران انبار انبار داده ها ویژگی های اصلی انبار داده ها •• جستجوها سرعت جستجوها افزایش سرعت نتیجه :افزایش خاص .نتیجه: نتایجی خاص. مفاهیم وو نتایجی استخراج مفاهیم منظور استخراج به منظور ویژهه‌‌ به ‌دهی ویژ ن‌دهی سازمان خاص ،سازما موضوع خاص، یک موضوع مرتبط بابا یک ‌های مرتبط دادهه‌های داری داد نگه داری نگه •• است. ناممکن است. توزیعی ناممکن ای وو توزیعی شبکه ای های شبکه سیستم های مثل سیستم ها مثل سیستم ها سایر سیستم در سایر سازگاری در چنین سازگاری واحدی .چنین مدیریت واحدی. نظر مدیریت زیر نظر داده زیر ها داده سازی ها ذخیره سازی علت ذخیره به علت کامل به سازگاری کامل سازگاری •• •• 13 ‌شوند. ی‌شوند. اضافه ممی انبار اضافه به انبار جدید به زمانی جدید مهرهای زمانی یافته بابا مهرهای تغییر یافته جدید وو یایا تغییر های جدید داده های بلکه داده شوند .بلکه نمی شوند. ‌روزرسانی نمی هرگز ببهه‌روزرسانی ها هرگز داده ها داده ،داده انبار داده، سیستم انبار در سیستم در ‌رود. ی‌رود. بین ممی تصادم ازاز بین کنترل تصادم مکانیزم کنترل فرایند وو مکانیزم بازگرداندن فرایند تعامالت ،بازگرداندن پردازش تعامالت، به پردازش نیاز به نتیجه نیاز در نتیجه ‌شوند .در ی‌شوند. نمی ‌روزرسانی نم هستند وو ببهه‌روزرسانی مجزا هستند فیزیکی مجزا لحاظ فیزیکی همیشه ازاز لحاظ داده همیشه انبار داده ‌های انبار دادهه‌های داد موضوع‌گرا یک‌پارچه متغیر با زمان غیر فرار انبار داده ها مزاياي بكارگيري پايگاه داده تحليلي •• •• تجاري هاي تجاري رقابت هاي در رقابت موفقيت در شانس موفقيت افزايش شانس افزايش •• مشتريان ‌تر بابا مشتريان ي‌تر قوي ارتباط قو برقراري ارتباط برقراري •• عملياتي سطح عملياتي بهبود سطح بهبود •• 14 گيري تصميم گيري در تصميم کيفيت در بهبود کيفيت بهبود مشتريان فروشندگان وو مشتريان رابطه فروشندگان بهبود رابطه بهبود نمایی از موقعیت پایگاه داده تحلیلی کاربردها ‏Monitor & ‏Integrator دادهجانبي ‌ تحليل داده‌كاو ي سرويس پايگاه داده تحليلي پرسوجو و ‌ گزارشگيري ‌ استخراج تغييرشكل بارگذاري نوسازي سايرمنابع پايگاههاي ‌ داده ‏Data Marts ابزارهاي سطح باال 15 ‏OLAP پايگاه داده تحليلي منابع داده مراحل ساخت انبار داده معماری های انبار داده ها معماری دو الیه معماری سه الیه 16 مراحل ساخت انبار داده معماری دو الیه • گرفتن داده ها از فایلها و بانک های اطالعاتی مختلف • یک پارچه سازی داده ها • ایجاد انبار داده ها شامل داده های جزئی و خالصه داده ها • 17 بکار گیری ابزار ها ،پرس و جوها و داده کاوی برای استفاده از داده های انبار داده مراحل ساخت انبار داده معماری سه الیه دولین • سیستم های عملیاتی و داده ها • انبار داده های سازمان • مراکز داده ها 18 مراحل ساخت پایگاه داده تحلیلی • استخراج داده • پاک سازی داده • بایگانی کردن داده قبل و بعد از پاک سازی • تطبیق داده و یکپارچگی چند منبع داده 19 آماده سازی ()ETL یکپارچگی ()Integrity • محاسبه دید های تحلیلی از دیدگا های پایه ( ایجاد پارامتر های تحلیلی) تحلیل سطح باال • استخراج و خصوصی سازی اطالعات ( ایجاد پایگاه داده تحلیلی خاص) خصوصی سازی مراحل ساخت انبار داده آماده سازی ()ETL نگاشت داده­هاي اطالعاتي از مبدأ به مقصد ‏DWH تعِيين مقصد داده­ها شناسايي منابع اطالعاتي ‏D ‏B تبدیل به فرمتی معین ‏Text ‏files ‏Old ‏PCs 20 ‏Spread ‏Sheets مراحل ساخت انبار داده يک سيستم ETLداراي چهار بخش اصلي است: استخراج ()Extraction تبديل ()Transformation بارگذاري ()Loading ‏Meta Data 21 مراحل ساخت انبار داده تفاوت با پايگاه داده تحلیلی با پایگاه داده عملیاتی پوشش دامنه زماني وسيع تر يك پايگاه داده يكپارچه حاصل از پردازش چندين پايگاه داده عملياتي قابليت پاسخگويي به پرسشهاي پيچيدة كاربران و برنامه هاي كاربردي عدم وجود عمليات بروزرساني ،حدف ،ثبت و ساير عمليات تراکنشي 22 تحلیل داده و داده کاوی داده کاوی()DATA MINING تعریف روش ها کاربردها 23 تحلیل داده و داده کاوی پردازش تحلیلی آنی یا OLAP )(Online Analytical Processing تعریف سيستم های OLAPبرای ارائه پاسخهای سريع به سواالت و جستجوهای تحليلی روی داده های "چند بعدی" طراحی شده اند 24 تحلیل داده و داده کاوی تفاوت DATA MININGو OLAP تفاوت این روش ها از دو عامل ناشی می شود : کشف قوانین تعداد داده ها 25 معماری هوش تجاری 26 معماری هوش تجاری • شناسایی معیار های تصمیم گیری و داده های مورد نیاز آن • شناسایی داده های غیر نامرتبط در دسترس • ابزار GSSو OLAPو داده کاوی و KMS • انتظار دارم به اطالعاتی جهت درک مشکل و فرصت ه ا از مناب ع داده داخل ی و خارجی دس ترسی داشته باشم. 27 معماری هوش تجاری انتظار دارم ب ه داده ،مدل ها و تجارب برای شناسایی راه حل دسترسی داشته باشم. • ابزار GSSو ‏KMS 28 OLAPو معماری هوش تجاری •به بررسی ابعاد مختلف راه حل های پیشنهادی می پردازم و میزان قابلیت پذیرش آن را اندازه گیری می کنم • • 29 ابزار GSSو KMS ابزارهای مدلس ازی مبتن ی بر تکنیک های هیوریستیک معماری هوش تجاری • نتای ج اجرای تص میم بر متغی ر ها و معیار های کلیدی تعری ف شده در موفقیت س ازمانی را مشاهده و بررس ی نمایم و از تغییرات ناشی از آن در سازمان آگاهی یابم. • تحلی ل توس ط OLAPو داده کاوی مبتنی بر اطالعات استخراجی از SCM، ERP، CRMو KMS • باز هم همه چیز به طراحی مناسب انبار داده باز می گردد. 30 هوش تجاری خالصه و نتیجه 31 بحث و تبادل نظر با تشکر از توجه شما ؟ 32 منابع و مآخذ •Han.J& Micheline.K ,(2006)“Data Mining: Concepts and Techniques”, Second Edition ,Diane Cerra 2006,pp.50,186,234 •Turban & Aronson& Liang (2005) “Decision Support Systems and Intelligent Systems”, Seventh Edition , Prentice Hall 33