Vezetői információs rendszerek

Vezetői információs rendszerek Az OLAP technológia

Vezetői információs rendszerek

Az OLAP technológia Az OLAP kialakulása: 1970-es évek igény a nagy mennyiségű adat hatékony tárolására, elérésére és az aktuális állapot feldolgozására. Adatok tárolása : relációs adatbázis rendszerekben. Adatfeldolgozás: OLTP segítségével on-line tranzakció-feldolgozás (On-line Transaction Processing) Vezetői információs rendszerek

1

Az OLAP technológia Az OLAP kialakulása: 1990-es évek igény jelentkezik a múltbeli események elemzése alapján a jövőben várható folyamatok megtervezésére. Adatok tárolása: adattárházakban (adatáruházakban). Elemzés megvalósítása: OLAP segítségével on-line elemző-feldolgozás (On-line Analytical Processing) Vezetői információs rendszerek

Az OLAP technológia Az OLAP kialakulása: E.F.Codd (USA) használta először az OLAP kifejezést → 1992-ben megjelent cikkében vezeti be az OLAP fogalmát. Az OLAP legfontosabb ismérve: multidimenzionális adatstruktúrát használva lehetővé teszi az adatok gyors és rugalmas lekérdezését, majd ezt követően az adatok analízisét.


2

Az OLAP kritériumai (E.F.Codd (USA),1992) 1. Multidimenzionális nézet : több dimenziós adatmodell, amely lehetővé teszi a felhasználói igények szerinti műveletek végrehajtását. 2. Transzparencia (áttekinthetőség): az eredmény a technikai részletek ismerete nélkül is könnyen áttekinthető legyen. 3. Elérhetőségek (jogosultságok) beállításának lehetősége. 4. Állandó lekérdezési (riportozási) teljesítmény: a felhasználó ne tapasztaljon jelentős teljesítmény csökkenést az adatbázis méretének növelésével, a dimenziók számának növelésével. Vezetői információs rendszerek

Az OLAP kritériumai (E.F.Codd (USA),1992) 5. Kliens-szerver architektúra: az adattárházak esetében előforduló hatalmas adattömeget nagy teljesítményű szerverek tárolják. 6. Általános dimenzió fogalom: a dimenzióknak struktúrájukban azonosaknak kell lenniük. 7. Dinamikus ritkamátrix-kezelés (sparsity): biztosítani kell az adatmodelleknél előforduló ritkamátrixok (nem teljesen kitöltött) optimális kezelését. 8. Többfelhasználós üzemmód támogatása: biztosítani kell a konkurrens (versenyző) elérést, az adatok integritását, védelmét. Vezetői információs rendszerek

3

Az OLAP kritériumai (E.F.Codd (USA),1992) 9. Korlátozás nélküli dimenzió-műveletek: a dimenziók közötti műveletek minden formáját meg lehessen valósítani. 10. Intuitív adatkezelés: a felhasználók számára az adatok manipulálása közvetlenül (segédeszköz nélkül) a megjelenítési felületen megvalósítható legyen. 11. Rugalmas jelentés (riport) készítés: támogatott legyen az adatok különféle megjelenítése. 12. Korlátlan dimenziószám és aggregációs szint szám: az OLAP eszköz legyen képes tetszőleges számú dimen-zió és hierarchia szint kezelésére. (valóság:20 ill. 15) Vezetői információs rendszerek

Újabban az elvárások összességét a FASMI betű szóval adják meg. (Fast Analysis of Shared Multidimensional Information) Felhasználó elvárása: gyors (fast) elemzés (analysis) , amelyhez semmilyen, vagy csak minimális programozásra legyen szükség, megosztott (shared) legyen az OLAP eszköz és többdimenziós (multidimensional) adatstruktúrát használjon. Vezetői információs rendszerek

4

Legfontosabb eltérések az OLTP és az OLAP között: 1. OLTP ügyfélorientált, OLAP piac orientált. Ügyfélorientált: vállalat ügyintézői használják, tranzakciók, lekérdezések végrehajtására. Piac orientált: döntéshozók és az őket segítők használják az adatok elemzésére. 2. OLTP a vizsgált terület aktuális állapotát leíró adatokat tartalmazza (döntéshozatalhoz túl részletes), OLAP nagy mennyiségű, időrendben archivált adatokat kezel (adatokat különböző szinteken összegezve tárolja). Vezetői információs rendszerek

Legfontosabb eltérések az OLTP és az OLAP között: 3. Adatok származása szerint OLTP egyetlen adatforrásra épít, OLAP különböző adatforrások adatait integrálja. 4. Rendszerhez való hozzáférés szerint az OLTP rendszereknél a szokásos működési mód a több, konkurrensen futó rövid ideig tartó, elemi tranzakció – ezek főleg adatmódosítási műveleteket tartalmaznak. Az OLAP rendszereknél általában csak olvasó (readonly) műveletek vannak- ezek komplex lekérdezések.


5

Az OLTP és az OLAP összehasonlítása Tulajdonság

OLTP

OLAP

funkció

operatív feldolgozás

döntéstámogatás

felhasználó

ügyintéző

elemző

használat

rendszeresen ismétlődő

alkalmi

adatok

naprakész

történeti

összegzés szintje

nagyon részletes

összesített

elérés

írás/olvasás

főleg olvasás

elért rekord szám

tízes nagyságrend

milliós nagyságrend

felhasználók száma

ezres nagyságrend

százas nagyságrend

adatbázis méret

100 MB-tól

100 GB-tól

teljesítmény mutató

tranzakciós idő

lekérdezési idő


A többdimenziós adatmodell Többdimenziós (multidimenziós) adatmodell → Az OLAP igényeinek megfelelő adatmodell. Adatmodell, amely úgy tárolja az adatokat, hogy könnyen le lehessen kérdezni a különböző mennyiségek közötti kapcsolatokat. A multidimenzionális adatmodell az adatokat adatkockában tárolja.


6

A multidimenziós adatkocka Az adatkocka jellemzői: • az adatkocka éleihez rendelt dimenziók → az elemzés szempontjából lényeges nézőpontok, • az adatkocka celláiban tárolva a tények számértékei (measure) → az elemezni kívánt mennyiségek valamilyen mértékegységben.


Konkrét példa: Vizsgáljunk egy kereskedelmi vállalatot. Itt az elemzés szempontjából fontos téma lehet az értékesítés. Az elemzés szempontjából lényeges nézőpont, dimenzió lehet az idő, az árucikk, az eladás helye, a szállító, tényérték lehet az értékesített darabszám, vagy az értékesítés pénzben megadva. ( Ezekkel lehetővé válik pl. annak vizsgálata, hogy az egyes árucikkek esetében hogyan alakult a negyedéves forgalom, mely városokban volt egy adott negyedévben kimagasló forgalom egy adott árucikkből.) Vezetői információs rendszerek

7

ad á (v s h ár e os lye )

Háromdimenziós adatkocka

V4

el

V3 V2

165 176

193

206 190

185

135 109

123

32

V1

idő (negyedév)

IV.

Dimenziók: • eladás helye • idő • árucikk

61 42

38

185

174

101

45

22

56

72 59

III.

154

145

79

46

II.

169

415

201

56

I.

176

203

150

43

T1

T2

T3

T4

67

52 48

Tényérték: értékesített darabszám

39

árucikk (termék név)


A négydimenziós kocka (szállítók a negyedik dimenzió)- három dimenziós kockák sorozata.

V3 V2

V4 V3

V2

III. II. I.

IV. III. II. I.

T1

T2

T3

T4

árucikk (termék típus)

V3

V1

idő (negyedév)

IV.

V4

V2

V1

idő (negyedév)

idő (negyedév)

V1

szállító 3 el ad á (v s h ár e os lye )


szállító 2

el

el ad á (v s h ár e os lye )

szállító 1 V4

IV. III. II. I.

T1

T2

T3

T4


T1

T2

T3

T4



8

A kockák különböző összegzési szinteken tartalmazhatják az adatokat – ezek a részkockák. Dimenziók ismeretében megadható a részkockák hálója. Alapkocka- legalacsonyabb szintű az adatok összegzése. Csúcskocka- az összegzés legmagasabb szintje, ez egyetlen adat. A közbülső szinteken levő részkockák adják az alapkövetelményben megfogalmazott aggregált adatokat. Vezetői információs rendszerek

Részkockák hálója három dimenzió esetén 0D csúcs kocka minden

1D rész kockák eladás helye

idõ

árucikk

2D rész kockák eladás helye, idõ

eladás helye, árucikk

idõ, árucikk 3D alap kocka

eladás helye, idõ, árucikk


9

Dimenzió hierarchiák Hierarchia: leképezés sorozat → egy adott dimenzió mentén alacsonyabb szintű fogalmaktól (város) a magasabb szintű, általánosabb fogalmakig (kontinens) haladunk. Pl.: egy természetes hierarchia nap

Dimenzió hierarchiák év

kontinens

ország

negyedév

megye

hónap

város

hét

nap


10

Műveletek a többdimenziós adatkockán


Felgörgetés (roll up)

ad (m ás eg he ye lye )

V4 V3

el

V2

IV.

III. eladás helye felgörgetése (városról megyére)

II.

idő (negyedév)

idő (negyedév)

IV.

M2

M1

el

V1

III. II.

I.

I. T1

T2 T3 T4 árucikk (termék típus)

T1





V4 V3

el

el


Lefúrás (drill down)

V2

idő (hónap)

IV.

idő (negyedév)

V1

XII.

V1

III. lefúrás az idő mentén (negyedévről hónapra)

II. I. T1

V4 V3 V2

XI. X. XI. VIII. VII. VI. V. IV. III.


II. I. T1

T2

T3

T4



11


el


Szeletelés és kockázás (slice and dice) V4 V3 V2

V1 V4

III. szeletelés (termék típus=T2)

II.

eladás helye (város)

idő (negyedév)

IV.

I.

V3 V2 V1

T1


I.

II. III. IV. idő (negyedév)

Szeletelés a termékmenedzser szempontjából Vezetői információs rendszerek


el


Szeletelés és kockázás (slice and dice) V4 V3 V2

V1 IV.

III. szeletelés (eladás helye=V4)

II.

idő (negyedév)

idő (negyedév)

IV.

III. II. I.

I. T1

T1


T2

T3

T4


Szeletelés a területi menedzser szempontjából Vezetői információs rendszerek

12


V4 V3 V2


el


Szeletelés és kockázás (slice and dice)

V1

el III.

V3

V2 kockázás (termék típus=T3 vagy T4) és (negyedév=II. vagy III.) és (város=V2 vagy V3)

II. I. T1

idő (negyedév)

idő (negyedév)

IV.

III. II. T3


T4



Műveletek a többdimenziós adatkockán Forgatás (pivot)

IV.

V3 forgatás (tengelyek felcserélése)

V2 V1

idő (negyedév)


V4

III. II. I.

I.

II.

III.

IV.

V1

V2

V3

V4


idő (negyedév)


13

Hatékony adatkezelés Nagymennyiségű adatból rövid idő alatt választ kell adni a lekérdezésre → elengedhetetlen a hatékony adattárolás. Összetevői: aggregált adatok kezelése és az adatkocka ritkaságának kezelése. Aggregált adatokat a részkockák tartalmazzák. Részkockák előre kiszámítása és tárolása jelentősen lerövidíti a válaszidőket. Mennyi részkocka legyen? Részkockák száma: n

( Li 1) i 1

(Ahol n-dimenzió szám, Li- i-dik dimenzióhoz tartozó szintek száma.) Vezetői információs rendszerek

Pl. 10 dimenzió esetén, dimenziónként 4 szintnél a részkockák száma 510 ~ 107. Összes részkocka előszámítása és eltárolása nem reális. A nagyon nagy tárhely igény mellett az is előfordulhat, hogy a kiszámított részkockák közül számosat egyáltalán nem is fognak a lekérdezések során használni. Ésszerű kompromisszum: részleges megvalósítás. Részkockák csak egy részhalmazát hozzák létre, vagy egyegy hierarchiában nem minden szintet számítanak ki.

A kiszámításra kerülő részkockák kiválasztásánál célszerű figyelembe venni az előforduló lekérdezéseket, azok gyakoriságát. Vezetői információs rendszerek

14

Ritkaság figyelembevétele: üres cellákat nem tárolunk. Pl. Ha 100 termék eladását vesszük 4 megyében, megyénként 55 városban (24 dimenzió elem) éves, negyedéves és havi adatok (17 dimenzió elem) esetében, akkor ez 100*24*17=40800 adatcellát jelent. Mivel valószínű nem minden termék kerül eladásra minden időszakban, ezért sok adatcella üres lesz. Ha ezeket az üres cellákat nem tároljuk, akkor jelentős tárterület takarítható meg. Egyes multidimenzionális adatbázis kezelők tartalmaznak ún. ritka mátrix algoritmust, amely a kocka szerkezetéből megpróbálja a nem használt részeket kiszűrni. Vezetői információs rendszerek

Sémák a multidimenzionális adatmodellhez Adatok fizikai tárolása: ROLAP (relációs OLAP) rendszerben, MOLAP (multidimenzionális OLAP) rendszerben, HOLAP (hibrid OLAP) rendszerben történhet. Leggyakrabban alkalmazott rendszer → ROLAP A ROLAP rendszerekben az adatok tárolása hagyományos relációs adatbázis kezelővel történik. Gyakori alkalmazása rugalmasságának, a relációs adatbázis-kezelők viszonylagos olcsóságának és megbízhatóságának, és a relációs tárolási technika elterjedtségének köszönhető. Vezetői információs rendszerek

15

Csillagséma (star schema) Nevét alakjáról kapta → csillaghoz hasonlító sémagráf Középen helyezkedik el egy nagy méretű, redundáns adatokat nem tartalmazó központi táblázat (a ténytáblázat), amely meghatározza a többdimenziós modell dimenzióit és ezt veszik körül a kisebb – dimenziónként egy – táblázatok (a dimenzió-táblázatok). Példa a csillag sémára: egy kereskedelmi cég értékesítési adatait tartalmazza, ha az értékesítést 3 dimenzió – idő, hely, árucikk – mentén tekintjük.


Csillagséma az értékesítési adatokhoz eladás helye dimenziótáblázat

értékesítés ténytáblázat

idő dimenziótáblázat

eladás_helye_kulcs

eladás_értéke

idő_kulcs

város

idő_kulcs

nap

megye

eladáshelye_kulcs

hónap

ország

árucikk_kulcs

negyedév év

kontinens

árucikk_kulcs árucikk_név árucikk_típus

árucikk dimenziótáblázat

árucikk_szállító


16

Csillagséma (star schema) Előnye: - egyszerű adatmodell - használata kevés tábla olvasását igényli, - kevés join adatbázis műveletet igényel , - a modell metaadatai (adatokat leíró adat) egyszerűek. Hátránya: - az aggregált adatok nehézkes képzése, - a redundáns adattárolás, - nagy dimenzió táblák esetén a hierarchia kezelés lassú lekérdezést eredményezhet. Konszolidált csillagséma: az a speciális csillagséma, amikor a központi ténytáblában aggregált adatokat is tárolnak. Vezetői információs rendszerek

Hópehelyséma (snowwflake schema) Nevét alakjáról kapta → hópehelyhez hasonlító sémagráf A csillagséma egy változata→ a ténytáblához közvetlenül csatlakozó dimenzió tábla további altáblákra van osztva. Ezzel lehetővé válik a dimenzió táblák normalizálása. Példa a csillag sémára: egy kereskedelmi cég értékesítési adatait tartalmazza, ha az értékesítést 3 dimenzió – idő, hely, árucikk – mentén tekintjük.


17

Hópehelyséma az értékesítési adatokhoz értékesítés ténytáblázat

eladás helye dimenziótáblázat eladás_helye_kulcs

eladás_értéke

idő_kulcs

város

idő_kulcs

nap

megye_kulcs

eladáshelye_kulcs

hónap

árucikk_kulcs

negyedév év

megye_kulcs megye

idő dimenziótáblázat

megye dimenziótáblázat

ország kontinens

árucikk_kulcs árucikk dimenziótáblázat

szállító dimenziótáblázat

szállító_kulcs árucikk_név árucikk_típus

szállító_kulcs szállító_típus szállító_név


Hópehelyséma (snowwflake schema) Előny: - a szükséges tárhely csökkenése, - a redundancia megszüntetése, vagy mindenképpen a csökkentése Hátrány: - a táblák számának növekedése miatt növekedhet az adatlekérdezések bonyolultsága, - egy lekérdezés végrehajtásához több összekapcsolás műveletre (join) lesz szükség.


18

Elemzési folyamat az OLAP segítségével Egy amerikai, ruházati cikkeket forgalmazó kereskedelmi vállalat 13 városban rendelkezik üzletekkel. Ismertek a cég 1999-2001 években történt eladásaira vonatkozó adatok. A cég vezetői értékelik és elemzik a 3 éves periódus eladásait. Céljuk a három legnagyobb eladási bevételt elért termék-vonalnál vizsgálni az eladási folyamatokat, különös tekintettel az esetleges eladási visszaesésekre, ha szükséges, javaslatot tenni bizonyos termékek értékesítésének megszüntetésére. Vezetői információs rendszerek

Az elemzésre használt részkocka jellemzői: A részkocka dimenziói: idő hét (week) < hónap (month) < negyedév (quarter)< év(year) eladás helye város(city) < régió (regio) < állam (state) termék SKU fajta (SKU desc )) < kategória (category) < termék vonal ( lines) .

A tényérték: eladás bevétele $-ban (sales revenue).


19

Az elemzés menete Kiinduló adatok: régiónként a 3 TOP termék eladási értéke éves bontásban. Mivel időbeli változás vizsgálata a cél, alakítsuk a táblázatot át ennek megfelelően, a táblázat csak évenkénti bontásban mutassa az eladási értékeket! (pivot műveletet és egy felgörgetés) Vezetői információs rendszerek

Az elemzés menete.

$8000000,0 $7000000,0 $6000000,0 $5000000,0 $4000000,0 $3000000,0 1999

$2000000,0

2000

Sh irt Wa ist

Accessories

$0,0

Sw ea t-T-Shirts

$1000000,0

2001

A tendenciák jobban látszanak , de még szemléletesebben látszanak egy diagramban.


20

Az elemzés menete

$8000000,0 $7000000,0 $6000000,0 $5000000,0 $4000000,0 $3000000,0 1999

$2000000,0

2000

Sh irt Wa ist

Accessories

$0,0

Sw ea t-T-Shirts

$1000000,0

2001

A legszembetűnőbb az, hogy a kellékek (Accessories) esetén 2000 kimagasló értékesítése után 2001-ben nagyon lecsökkent az eladás. Nézzük meg, mi történt 2000-ben. Fúrjunk le az idő dimenzión egy szinttel lejjebb, lássuk az adatokat negyedéves bontásban.


Az elemzés menete

$3000000,0 $2500000,0 $2000000,0 $1500000,0 Q1 $1000000,0

Q2

$500000,0

Sh irt Wa ist

Sw ea t-T-Shirts

Q3

Accessories

$0,0

Q4

Itt az látszik, hogy a kellékeknél negyedévről negyedévre folyamatosan csökken az értékesítés. Adjuk meg, hogy a kellékeken belül „mi a felelős” a csökkenésért. Folytassuk ezért vizsgálatainkat áttérve egy másik, a termék dimenzióra.(Kereszt-fúrás)


21

$0

R o un ded R e cta ngle Brooc h

Q1

Q4

To rtoises hell Bro och

St ole and Fe ath er B oa Se t

$800000,0

Sm all Pe arl D ro plet N e ckla ce

$1200000,0

R igid Tw iste d K not Bra cele t

Q1

Q2

Q3

$1800000,0

R igid Ball N e cklace

Pe arl Pen da nt N ec klac e

Pe arl and Flo w e r N eck lace

M ultic olo red Pea rl N eck lac e

Q4

Lo un ge w ea r

Je we lry

H ats, glov es, sca rve s

H air a cce sso rie s

$400000,0

La rge Silver Bra cele t

Je t Pe arl C h oke r

Je t an d P ea rl N ecklace

Go lds et P ea rl N eck lace

D o ub le B all and C h ain N e ckla ce

D iam ond Pe nda nt E arring s

C h ain an d P earl N e ckla ce

Be ll N eck lac e

9c m G old Brooc h

$0,0

Be lts, bag s,w alle ts

Az elemzés menete Az újabb fúrás után jól látható a „felelős”, ez pedig az ékszer (Jewerly) kategória. Ezen a dimenzión folytatva a vizsgálódást, egy szinttel lejjebb fúrva további részleteket deríthetünk ki.


Az elemzés menete

$1 200 000

$1 000 000

$800 000

$600 000

$400 000 $200 000

Az ékszeren belül nagyon sok típus van, ezek közül látható, hogy kevés az, ahol tényleg lényeges csökkenés történt az eladásokban. Szűrjük le azokat a típusokat, amelyek az eladási érték felső 10%-át adják.


22

Az elemzés menete

Q1

$1 200 000

Q3

Q2

$800 000 Q4

Je t Pe arl C h oke r

R o un ded R e cta ngle Brooc h

E-Wa tch

$400 000

De vajon területileg hogyan alakult ennek a terméknek a forgalma?


Az elemzés menete

$300 000 $250 000 $200 000

Q1

$150 000 Q2

$100 000

Q4

Te xas

N e w Yor k

Illi nois

Flo rid a

DC

C o lor ado

$0

Q3

$50 000 C a lifo rnia

$0

Összegezve: vizsgálódásunkat azt állapíthatjuk meg, hogy egy óratípus (E-watch) az, amelynek vásárlása drasztikusan visszaesett.

Dimenziót váltva, az eladás helyét nézve ennek a terméknek minden államban igen jelentősen visszaesett a forgalmazása. Javaslat: a termék további forgalmazásának megszüntetése. Vezetői információs rendszerek

23

Business Objects döntéstámogató rendszer


A Business Objects mint vállalat Business Objects szoftverfejesztő vállalat → Az Üzleti Intelligencia területén iparágvezető → SAP felvásárolta 2007ben. A SAP előtti időkben: Világszerte 80 országban több mint 39000 ügyfelet tudhatott magáénak, beleértve a világ vezető 500 vállalatának 80%-át is. Magyarországi ügyfelek: (a teljesség igénye nélkül) Vodafone Rt, Magyar Nemzeti Bank, Fundamenta Lakáskassza Rt, az ING Rt, British American Tobacco Rt, Unilever és a Winterthur. Vezetői információs rendszerek

24

A BusinessObjects mint termék A BusinessObjects döntéstámogató rendszer képes lefedni az üzleti intelligencia folyamatok egész spektrumát. A rendszer lehetővé teszi: -a vállalat különböző formátumban, különböző módon tárolt, elemzésre szánt adatainak összefogását, -az adatoknak az üzleti életben használt, vállalat specifikus fogalomrendszerrel való helyettesítését, -az így kialakult fogalmakon keresztüli lekérdezését, precíz megjelenítését, elemzését, -a vállalat stratégiáját meghatározó fő mutatószámok kezelését. Vezetői információs rendszerek

Szemantikus réteg kialakítása Szemantikus réteg elsőként való alkalmazása képes közérthető módon leképezni és ábrázolni a végfelhasználók számára a bonyolult adatbázis szerkezetet, azaz a megszokott üzleti nyelvet használhatják a felhasználók a szoftver alkalmazása során Szemantikus réteg megvalósítása univerzum létrehozás. A jó lekérdezések - a pontos riportok érdekében az univerzum tervezésének, készítésének és tesztelésének kiemelkedő szerepe van!


25

Mit nevezünk univerzumnak és mi a tartalma? Az univerzum egy olyan meta adatbázis, amely tartalmazza: - az adatbázis kapcsolat paramétereit, - az osztályokba sorolt, objektumoknak nevezett végfelhasználói fogalmakat, amelyek reprezentálják az adatbázis tartalmat,

- és az adatbázis táblákat a közöttük levő kapcsolatokkal (séma).


Univerzumok létrehozása Felhasználói információ igények felmérése: azonosítani kell a leendő felhasználói csoportokat tudni kell, hogy munkájuk során milyen információt igényelnek, milyen riportokat, lekérdezéseket készítenek ehhez igazodva kell az egyes univerzumokhoz az adatbázis táblákat hozzárendelni.

A vállalati adatbázist egy vagy több univerzummal lehet lefedni. Pl.: humán erőforrás részleg számára készülőbe csak a dolgozókkal kapcsolatos adatokat tartalmazó táblák kell hogy tartozzanak. Eszközei: Designer, Universe Builder, Business View Manager modulok. Vezetői információs rendszerek

26


A riport készítés folyamata: Vezető

Lekérdezés

Adatforrás Eredmény

Riport Mikrokocka


27

Riportálás, lekérdezés, elemzés Eszközei: Desktop Intelligence :lekérdező, elemző modul. WebIntelligence :előző modul funkcionalitását nagymértékben lefedő, de weben keresztül elérhető. OLAP Intelligence: többdimenziós adatforrások közvetlen elérhetőségét teszi lehetővé. Crystal Reports :új elemző eszköz (különböző filozófiát követve elégítik ki a felhasználói igényeket )


Riportálás, lekérdezés, elemzés Desktop Intelligence, WebIntelligence, OLAP Intelligence: Ezen eszközök riportáló, elemző eszközei inkább a végfelhasználó általi adatmanipulációt helyezik előtérbe. A felhasználó által megnyitott riport néhány kattintással, ’drag and drop’ módszerrel tovább formázható, a riport kezdeti szerkezete akár teljes mértékben átalakítható. Crystal Reports : Ez az eszköz kimondottan a pixel pontos, nyomtatásra szánt riportok készítésére helyezi a hangsúlyt, emellett hyperlinkek és speciális szerkezet kialakításával támogatja a riportokban kiépíthető dinamizmust, webes felületen történő látványos kezelhetőséget is. Vezetői információs rendszerek

28

Desktop Intelligence


WebIntelligence


29

Riport készítése Crystal Reports eszközzel


OLAP Intelligence


30


31

Vezetői információs rendszerek

Recommend Documents