Εισαγωγή στις Αποθήκες εδομένων
|
|
- ĒΜιχαήλ Μακρής
- 8 χρόνια πριν
- Προβολές:
Transcript
1 Εισαγωγή στις Αποθήκες εδομένων ιαφάνειες βασισμένες σε σχετικές διαφάνειες του Πάνου Βασιλειάδη Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 1 Εισαγωγή: OLTP Παραδοσιακή ιαχείριση εδομένων με Σ Β Σύστημα Επεξεργασίας οσοληψιών On-Line Transaction Processing (OLTP) Ένα πλήρες σύστημα που περιέχει εργαλεία για προγραμματισμό εφαρμογών, εκτέλεση και διαχείριση των δοσοληψιών Μια τέτοια εφαρμογή πρέπει να δουλεύει συνεχώς, να αντεπεξέρχεται αποτυχιών, εξελίσσεται συνεχώς, είναι συνήθως κατανεμημένη και περιλαμβάνει: Βάση εδομένων ίκτυο Προγράμματα εφαρμογής Εξαιρετικά κρίσιμη για τη λειτουργία κάθε οργανισμού Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 2 Εξόρυξη Δεδομένων
2 Εισαγωγή: OLTP OLTP Αεροπορική Εταιρεία Κράτησε για γιατον κ. κ. Χ την τηνθέση 13Α 13Αγια γιαla! Κράτησε για γιατον κ. κ. Y την τηνθέση 13Α 13Αγια γιαla! 1... DB Πόσοι ταξιδεύουν για γιαla? 100 Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 3 Εισαγωγή: OLTP OLTP Τράπεζα Δάνεια Γκισέ DB Πιστωτικές κάρτες ΑΤΜ Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 4 Εξόρυξη Δεδομένων
3 Εισαγωγή: OLTP OLTP Βασικά Χαρακτηριστικά Ελάχιστος χρόνος διαθέσιμος για την εκτέλεση μιας δοσοληψίας. Λιγότερες από 10 προσβάσεις δίσκου. Περιορισμένος αριθμός υπολογισμών. Κάτω όριο λειτουργικών απαιτήσεων: 100 on-line Transactions Per Second (TPS) σε μια Β της τάξης του 1 GB Άνω όριο λειτουργικών απαιτήσεων: TPS σε μια Β μεγαλύτερη του 1 ΤB. Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 5 Εισαγωγή: OLΑP OLAP Συστήματα Στήριξης Αποφάσεων Decision Support Systems (DSS) Υποβοήθηση λήψης αποφάσεων με πληροφορίες και αναφορές On-Line Analytical Processing (OLAP) Ευέλικτη, υψηλής απόδοσης πρόσβαση και ανάλυση μεγάλου όγκου σύνθετων δεδομένων από διαφορετικές εφαρμογές Ειδικού τύπου ερωτήσεις Οπτικοποίηση/στατιστική ανάλυση/πολυδιάστατη ανάλυση Εξόρυξη Γνώσης (Knowledge Discovery/Data Mining) Εξεύρεση προτύπων σε τεράστιες βάσεις δεδομένων OLAP + Data Mining => On-line Analytical Mining Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 6 Εξόρυξη Δεδομένων
4 Εισαγωγή: OLΑP Παραδείγματα ερωτήσεων OLAP Ποιος ήταν ο όγκος πωλήσεων ανά περιοχή και κατηγορία προϊόντος την περασμένη χρονιά; Πόσο σχετίζονται οι αυξήσεις τιμών των υπολογιστών με τα κέρδη τωνπωλήσεωντα10 τελευταία χρόνια; Ποια ήταν τα δέκα πρώτα καταστήματα σε πωλήσεις CD; Πόσους δίσκους πουλήσαμε στην Πελοπόννησο το τελευταίο τέταρτο της περσινής χρονιάς σε καταστήματα με κατανάλωση μεγαλύτερη από 100 δίσκους μηνιαίως, και ποιο το κέρδος μας από αυτές τις πωλήσεις; Τι ποσοστό από τους πελάτες που αγοράζουν αναψυκτικά αγοράζουν και πατατάκια; Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 7 Εισαγωγή: OLΑP Λειτουργικά Χαρακτηριστικά Απαιτήσεων OLAP Πρόσβαση σε μεγάλο όγκο δεδομένων Συμμετοχή αθροιστικών και ιστορικών δεδομένων σε πολύπλοκες ερωτήσεις Μεταβολή της οπτικής γωνίας ή βαθμού αφαίρεσης παρουσίασης των δεδομένων (π.χ., από πωλήσεις ανά περιοχή -> πωλήσεις ανά τμήμα κλπ.) Συμμετοχή πολύπλοκων υπολογισμών (π.χ. στατιστικές συναρτήσεις) Γρήγορη απάντηση σε οποιαδήποτε χρονική στιγμή τεθεί ένα ερώτημα ( On-Line ). Πως θα το πετύχουμε; Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 8 Εξόρυξη Δεδομένων
5 Εισαγωγή ύο κεντρικά θέματα Απόδοση Αν μια πολύπλοκη OLAP ερώτηση χρειαστεί να κλειδώσει ένα ολόκληρο πίνακα, τότε όλες οι OLTP δοσοληψίες την περιμένουν μέχρι να τελειώσει Εννοιολογική διαφορά και ετερογένεια Αν στην Oracle Β του marketing ο πελάτης είναι EMP(ΑΤ,Name,Surname ) και στην COBOL Β των πωλήσεων είναι ΑΦΜ,FullName, η επερώτηση δεν είναι πάντα εύκολη... Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 9 Εισαγωγή: Αποθήκη εδομένων Αποθήκες εδομένων Μια κεντρικοποιημένη Β με σκοπό: την ολοκλήρωση (integration) ετερογενών πηγών πληροφοριών (data sources) => συνάθροιση όλης της ενδιαφέρουσας πληροφορίας σε μία τοποθεσία την αποφυγή της σύγκρουσης μεταξύ OLTP και OLAP (DSS) συστημάτων => απόδοση εφαρμογών και διαθεσιμότητα του συστήματος Μπορεί να συμπληρώνεται και από εξειδικευμένα θεματικά υποσύνολα (Data Marts) για περαιτέρω απόδοση των OLAP εφαρμογών Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 10 Εξόρυξη Δεδομένων
6 Εισαγωγή: Αποθήκη εδομένων Γενική Αρχιτεκτονική Πηγή Δεδομένων DW Data Marts OLTP συστήματα OLAP εργαλεία Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 11 Εισαγωγή: Αποθήκη εδομένων Αποθήκες εδομένων: ύο ορισμοί Μια Β υποστήριξης αποφάσεων, που διατηρείται χωριστά από την Β παραγωγής (operational database) ενός οργανισμού. S. Chaudhuri, U. Dayal, VLDB 96 tutorial Μια συλλογή δεδομένων που χρησιμοποιείται κυρίως για την λήψη αποφάσεων σε ένα οργανισμό, και είναι θεματικά προσανατολισμένη, έχει ολοκληρωμένα (ενοποιημένα) δεδομένα, τα οποία διατηρούνται σε βάθος χρόνου χωρίς να διαγράφονται. W.H. Inmon, Building the Data Warehouse, 1992 (ο εφευρέτης του όρου) Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 12 Εξόρυξη Δεδομένων
7 Εισαγωγή: Αποθήκη εδομένων Εννοιολογική εναρμόνιση Προτερήματα/Ιδιότητες Οι διαφορετικές πηγές δεδομένων του ίδιου οργανισμού, μοντελοποιούν τις ίδιες οντότητες με διαφορετικούς τρόπους Η Αποθήκη εδομένων περιλαμβάνει το σύνολο αυτών των δεδομένων κάτω από ένα εναρμονισμένο σχήμα βάσης Ποιότητα εδομένων Η ποιότητα των δεδομένων στις πηγές είναι συχνά προβληματική (τα δεδομένα μπορεί να μην είναι πλήρη, να έχουν ασυνέπειες, να είναι παλιά, να παραβιάζουν τους λογικούς και δομικούς κανόνες αξιοπιστίας, κλπ) Έχει βρεθεί ότι τουλάχιστο 10% των δεδομένων είναι προβληματικά στις πηγές, με αποτέλεσμα οικονoμικές απώλειες του 25-40% Πριν την εισαγωγή στις αποθήκες δεδομένων καθαρισμός, επίσης λειτουργεί και ως ένα ενδιάμεσο σύστημα στον οποίο καθαρίζουμε τα δεδομένα Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 13 Source 1: Personnel (Cobol) EMP ID 110 Name Kostas DoB 1/1/72 Salary 1500 Total Income 1200 DeptID 132 Source 2: Accounting (DB2) EMP ID IL_ID Amount EMP INCOME EMP ID Name Age IL_ID Descr 10 Μισθός Kostas Mitsos Roula EMP Επίδομα Τέκνων Φόρος... Income Lookup Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 14 Εξόρυξη Δεδομένων
8 Εισαγωγή: Αποθήκη εδομένων Προτερήματα/Ιδιότητες Απόδοση Οι εφαρμογές OLAP επιταχύνονται αν τα δεδομένα οργανωθούν με μη παραδοσιακούς τρόπους (π.χ., απο-κανονικοποιημένα) Σ Β για OLTP (ευρετήρια, επεξεργασία δοσοληψιών) Οι σύνθετες OLAP ερωτήσεις θα συγκρούονταν με τις παραδοσιακές OLTP δοσοληψίες, με αποτέλεσμα την υπερφόρτωση του συστήματος Θεματικά προσανατολισμένη: ιατήρηση μόνο των σχετικών δεδομένων ιαθεσιμότητα Όσο περισσότερα αντίγραφα των δεδομένων, τόσο πιο πολύ το σύστημα είναι διαθέσιμο*, αφενός στην Αποθήκη εδομένων και αφετέρου στις πηγές * ιαθεσιμότητα: το ποσοστό του χρόνου που το σύστημα είναι σε λειτουργία και προσβάσιμο στις εφαρμογές. 24x7: Οι OLTP εφαρμογές, σε πολλούς οργανισμούς πρέπει να είναι διαθέσιμες 24 ώρες Χ 7 μέρες τη βδομάδα (π.χ., τράπεζες, αεροπορικές εταιρείες,...) Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 15 Εισαγωγή: Αποθήκη εδομένων Προτερήματα/Ιδιότητες Ιστορικά εδομένα Ο χρονικός ορίζοντας μια αποθήκης δεδομένων είναι πολύ μεγαλύτερος από ότι ενός συστήματος σε λειτουργία Η Β έχει τα τωρινά δεδομένα ενώ οι αποθήκες διατηρούν και παλιά δεδομένα (πχ τα προηγούμενα 5-10 χρόνια) Τροποποιήσεις Οι τροποποιήσεις στις πηγές δεδομένων δεν φαίνονται άμεσα στις αποθήκες δεδομένων, συνήθως περιοδικά Μόνο δύο βασικές λειτουργίες: αρχικό φόρτωμα των δεδομένων (loading) και προσπέλαση δεδομένων (access) Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 16 Εξόρυξη Δεδομένων
9 Εισαγωγή: Αποθήκη εδομένων OLTP vs OLAP OLTP OLAP ομή Files/DBMS s RDBMS Πρόσβαση SQL/COBOL/ SQL + επεκτάσεις Ανάγκες που Αυτοματισμός Άντληση και καλύπτουν καθημερινών επεξεργασία πληροφ. εργασιών για χάραξη στρατηγικής Τύπος εδομένων Λεπτομερή Συνοπτικά, Αθροιστικά Λειτουργικά Όγκος εδομένων ~ 100 GB ~ 1 TB Φύση εδομένων υναμικά, Τρέχοντα Στατικά, Ιστορικά Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 17 Εισαγωγή: Αποθήκη εδομένων OLTP vs OLAP OLTP OLAP I/O Τύποι Περιορισμένο I/O Εκτεταμένο I/Os Συχνά disk seeks disk scans Τροποποιήσεις Συνεχείς Περιοδικές Ενημερώσεις Μέτρηση Απόδοσης Throughput Χρόνος Απόκρισης Φόρτος οσοληψίες με Ερωτήσεις που πρόσβαση λίγων σαρώνουν εγγραφών εκατομμύρια εγγραφών Σχεδίαση Β Κατευθυνόμενη Κατευθυνόμενη από Εφαρμογή από Περιεχόμενο Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 18 Εξόρυξη Δεδομένων
10 Εισαγωγή: Αποθήκη εδομένων OLTP vs OLAP OLTP OLAP Τυπικοί Χρήστες Χαμηλόβαθμοι Υπ. Υψηλόβαθμοι Υπ. Χρήση Μέσω Ad-hoc προκατασκευασμένων φορμών Αριθμός Χρηστών Χιλιάδες εκάδες Εστίαση Εισαγωγή Εξαγωγή εδομένων Πληροφοριών Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 19 Εισαγωγή: Αποθήκη εδομένων Σύγκριση με ενοποίηση ετερογενών Σ Β Wrapper/mediators Με βάση την ερώτηση, μεταφράζεται ανάλογα, εκτελείται σε κάθε Σ Β και τα αποτελέσματα ενοποιούνται σε μια ολική απάντηση Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 20 Εξόρυξη Δεδομένων
11 Μοντέλο εδομένων και Λειτουργίες Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 21 Με λίγα λόγια Μια αποθήκη δεδομένων βασίζεται σε ένα πολυδιάστατο μοντέλο δεδομένων (multidimensional data model) που αναπαριστά τα δεδομένα με τη μορφή ενός κύβου δεδομένων (data cube) Ένας κύβος δεδομένων (data cube) επιτρέπει την μοντελοποίηση και την θεώρηση των δεδομένων από πολλές οπτικές γωνίες ιαστάσεις (dimensions)- Για συγκεκριμένες τιμές στις διαστάσεις μια Μέτρηση (Measure) αυτό που μας ενδιαφέρει να μετρήσουμε Item ιαστάσεις Location Time Εισαγωγή Παράδειγμα Κύβος ΠΩΛΗΣΕΙΣ Μέτρηση: Αριθμός Πωλήσεων για τις συγκεκριμένες διαστάσεις (Location, Item, Time) Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 22 Εξόρυξη Δεδομένων
12 Ιεραρχίες ιαστάσεων Εννοιολογική Ιεραρχία Κάθε διάσταση παίρνει τιμές από διαφορετικά επίπεδα, μπορεί να εκφραστεί σε διαφορετικά επίπεδα λεπτομέρειας Διαστάσεις: Product, Region, Date Ιεραρχίες διαστάσεων: Industry Country Year Location Κύβος ΠΩΛΗΣΕΙΣ Category Region Quarter Item Product City Month Week Time Store Day Μέτρηση: Αριθμός Πωλήσεων για τις συγκεκριμένες διαστάσεις (Location, Item, Time) Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 23 Εννοιολογική Ιεραρχία all Παράδειγμα: Εννοιολογική ιεραρχία (Concept Hierarchy) για Location all region Europe... North_America country Germany... Spain Canada... Mexico city Frankfurt... Vancouver... Toronto office Πεδίο Τιμών L. Chan... M. Wind Αντίστοιχες Τιμές Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 24 Εξόρυξη Δεδομένων
13 Εννοιολογικό Μοντέλο Μοντέλο εδομένων (Σχήμα) Σε σχεσιακό μοντέλο Πίνακες ιαστάσεων Πίνακας με πληροφορία σχετικά με κάθε διάσταση Ιtem (item_name, brand, type), Τime(day, week, month, quarter, year) Πίνακας γεγονότων (Fact Table) έχει ως γνωρίσματα: τις μετρήσεις (πχ αριθμός πωλήσεων, τιμή σε δολάρια, κλπ) + το πρωτεύον κλειδί κάθε σχετικού πίνακα διαστάσεων Σχήμα Αστέρι (Star schema) Πίνακας γεγονότων στο κέντρο που συνδέεται με ένα σύνολο από πίνακες διαστάσεων Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 25 Εννοιολογικό Μοντέλο time time_key day day_of_the_week month quarter year branch branch_key branch_name branch_type Παράδειγμα Σχήματος Αστεριού Μετρήσεις Πίνακας Γεγονότων ΠΩΛΗΣΕΙΣ time_key item_key branch_key location_key units_sold dollars_sold avg_sales item item_key item_name brand type supplier_type location location_key street city state_or_province country 4 διαστάσεις (time, item, location, branch) Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 26 Εξόρυξη Δεδομένων
14 Εννοιολογικό Μοντέλο Παράδειγμα Σχήματος Αστεριού Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 27 Εννοιολογικό Μοντέλο Σχήμα Νιφάδας (Snowflake schema) Μια βελτίωση του σχήματος αστέρι όπου η ιεραρχία διαστάσεων κανονικοποιείται σε ένα σύνολο από μικρότερους πίνακες διαστάσεων Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 28 Εξόρυξη Δεδομένων
15 Εννοιολογικό Μοντέλο time time_key day day_of_the_week month quarter year branch branch_key branch_name branch_type Παράδειγμα Σχήματος Νιφάδας Μετρήσεις Πίνακας Γεγονότων ΠΩΛΗΣΕΙΣ time_key item_key branch_key location_key units_sold dollars_sold avg_sales item item_key item_name brand type supplier_key location location_key street city_key supplier supplier_key supplier_type city_key city state_or_province country Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 29 city Εννοιολογικό Μοντέλο Αστερισμοί Γεγονότων (Fact constellations) Πολλαπλοί Πίνακες Γεγονότων που μοιράζονται τους Πίνακες ιαστάσεων, μπορούμε να τους δούμε ως συλλογή από αστέρια και άρα ως Αστερισμό Γεγονότων ή Σχήμα Γαλαξία (galaxy schema) Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 30 Εξόρυξη Δεδομένων
16 Εννοιολογικό Μοντέλο time time_key day day_of_the_week month quarter year branch branch_key branch_name branch_type Παράδειγμα Σχήματος Αστερισμού Γεγονότων Μετρήσεις Πίνακας Γεγονότων ΠΩΛΗΣΕΙΣ time_key item_key branch_key location_key units_sold dollars_sold avg_sales item item_key item_name brand type supplier_type location location_key street city province_or_state country Πίνακας Γεγονότων ΑΠΟΣΤΟΛΗ time_key item_key shipper_key from_location to_location dollars_cost units_shipped shipper shipper_key shipper_name location_key shipper_type Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 31 Κύβος εδομένων Ορολογία Συχνά ο n-d κύβος λέγεται βασικός κυβοειδής (base cuboid). Στο παράδειγμα ο κύβος με τις τέσσερεις διαστάσεις (Item, Time, Branch, Location) O 0-D cuboid που περιέχει τη μεγαλύτερο επίπεδο περίληψης, apex cuboid. Το πλέγμα των κυβοειδών κύβος δεδομένων. Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 32 Εξόρυξη Δεδομένων
17 Πλέγμα Κυβοειδών Κύβος δεδομένων Κύβος εδομένων all time item location supplier 0-D (apex) cuboid 1-D cuboids time, item time, location item, location location, supplier time, supplier item, supplier 2-D cuboids time, item, location time, item, supplier time, location, supplier item, location, supplier 3-D cuboids time, item, location, supplier 4-D (base) cuboid Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 33 Παράδειγμα Ιεραρχιών Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 34 Εξόρυξη Δεδομένων
18 Οπτικοποίηση Κύβου Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 35 Servers & Τεχνολογικές λύσεις DW: Σχεσιακά και επεκτεταμένα σχεσιακά DBMS OLAP: Relational OLAP (ROLAP) Multidimensional OLAP (MOLAP) Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 36 Εξόρυξη Δεδομένων
19 Σχεσιακά Σ Β & Αποθήκες εδομένων Εξειδικευμένες τεχνικές δεικτοδότησης (indexing) Εξειδικευμένες τεχνικές συνένωσης (join) ιαμοίραση των δεδομένων (data partitioning) και χρήση παράλληλων τεχνικών Εξειδικευμένες τεχνικές αποθήκευσης και επεξεργασίας ερωτήσεων για συναθροίσεις δεδομένων (aggregates) Επεκτάσεις της SQL και της επεξεργασίας των σχετικών ερωτήσεων Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 37 ROLAP Servers Βασική ιδέα: χρήση ενός RDBMS ως μέσου αποθήκευσης και επερώτησης (με όλα τα σχετικά πλεονεκτήματα) Επιπλέον λειτουργικότητα των client εργαλείων: υνατότητα επαναχρησιμοποίησης συναθροίσεων Χρήση multi statement SQL Βελτιστοποίηση των ερωτήσεων ανά RDBMS Αργά ως συστήματα (μέχρι στιγμής τουλάχιστον) + υνατότητα υποβολής οποιασδήποτε ερώτησης + Εύκολη χρήση από τους administrators που γνώριζαν τη σχεσιακή τεχνολογία Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 38 Εξόρυξη Δεδομένων
20 Πλάνο και στατιστικά από ένα ROLAP εργαλείο select a3.eksam_foit_code EKSAM_FOIT_CODE, max(a3.descr) DESCR, a2.sex SEX, (SUM(a1.FOO1)) M from FACT1 a1, PERFORMANCE METRICS (Seconds) FOITITIS a2, Loading Parameters: 0,0 EKSAM_FOIT a3 SQL Generation: 0,4 where a2.foititis_code = a1.foititis_code Executing Query: 0,3 and a1.eksam_foit_code = a3.eksam_foit_code Results Processing: 0, and (((((((a2.sex = '1')) Total Machine Time: 1,5 and ((EXISTS (select * Rows returned from Database : 24 from EKSAM_FOIT m1 where m1.eksam_foit_code = a3.eksam_foit_code and m1.category = 'ΕΑΡΙΝΟ')))) or (((a2.sex = '2')) and ((EXISTS (select * from EKSAM_FOIT m1 where m1.eksam_foit_code = a3.eksam_foit_code and m1.category = 'ΕΑΡΙΝΟ'))))) or (((a2.sex = '1')) and ((EXISTS (select * from EKSAM_FOIT m1 where m1.eksam_foit_code = a3.eksam_foit_code and m1.category = 'ΧΕΙΜΕΡΙΝΟ'))))) or (((a2.sex = '2')) and ((EXISTS (select * from EKSAM_FOIT m1 where m1.eksam_foit_code = a3.eksam_foit_code and m1.category = 'ΧΕΙΜΕΡΙΝΟ')))))) group by a3.eksam_foit_code, a2.sex Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 39 Πολυδιάστατοι πίνακες REGION N S W PRODUCT Juice Cola Soap Jan MONTH Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 40 Εξόρυξη Δεδομένων
21 MOLAP Servers Η αποθήκευση γίνεται σε πολυδιάστατους πίνακες (multi-dimensional arrays) «πίνακες» με την έννοια της άλγεβρας / γλωσσών προγραμματισμού /..., και όχι του σχεσιακού μοντέλου Χρήση τεχνικών συμπιέσεως (οι πίνακες είναι αραιοί σε βαθμό ως και 80%) Στις αρχές του 2002 είχαν το 98% τηςαγοράςστοπεδίοτωνclient tools + Πολύ γρήγοροι υπολογισμοί των λειτουργιών OLAP - Κανονικά απαιτούν τον προϋπολογισμό των απαραίτητων συναθροίσεων Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 41 Υλοποίηση πολυδιάστατων πινάκων Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 42 Εξόρυξη Δεδομένων
22 Μετρήσεις - Συναθροίσεις Εκτός από τις λεπτομερείς πληροφορίες των fact tables, μπορεί να υπολογίσουμε και συναθροίσεις των δεδομένων για καλύτερους χρόνους απόκρισης. Για παράδειγμα, αν ο fact table είναι SALES(GeographyCode, ProductCode, TimeCode, AccountCode, Amount, Unit) μπορούμε να υπολογίσουμε AVG(Sales) ανά Region, Product, Quarter MAX(Sales) ανά Brand,Month, με Region = Europe SUM(Sales) ανά City Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 43 Μετρήσεις - Συναθροίσεις Υπάρχουν τρεις κατηγορίες μετρήσεων: Κατανεμημένες (Distributive): αν μπορούμε να διαμερίσουμε τα δεδομένα και να υπολογίσουμε τη συναθροιστική συνάρτηση σε κάθε διαμέριση ξεχωριστά και σχεδόν άμεσα από αυτές τις τιμές να υπολογίσουμε την ολική τιμή Πχ count(), sum(), min(), max() Αλγεβρικές (Algebraic): πάλι μπορούμε να υπολογίσουμε την ολική τιμή της συνάρτησης από τις τιμές της συνάρτησης στις διαμερίσεις χρησιμοποιώντας M γνωρίσματα (όπου M σταθερά), Πχ. avg(), min_n(), standard_deviation() Ολιστικές (Holistic): δεν υπάρχει όριο (πολυπλοκότητα) σταθερής τάξης για το χώρο αποθήκευσης που χρειαζόμαστε για τον υπολογισμό της ολικής τιμής από τις τιμές στις διαμερίσεις, Πχ. median(), mode(), rank() Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 44 Εξόρυξη Δεδομένων
23 Βασικές Πράξεις Παράδειγμα TV PC VCR sum Product Date 1Qtr 2Qtr 3Qtr 4Qtr sum Total annual sales of TV in U.S.A. U.S.A Canada Mexico Country sum Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 45 Συναθροίσεις εδομένων Χωριστός πίνακας/όψη αθροισμάτων Sales table RID City Amount 1 Athens $100 2 N.Y. $300 3 Rome $120 4 Athens $250 5 Rome $180 6 Rome $65 7 N.Y. $450 City-dimension sum table City Amount Athens $350 N.Y. $750 Rome $365 Επέκταση του υπάρχοντος βασικού πίνακα: Ενσωμάτωση των αθροιστικών εγγραφών στον βασικό (base/basic) fact table + μια επιπλέον στήλη που να εξηγεί το επίπεδο συνάθροισης Extended Sales table sum RID City Amount Level 1 Athens $100 NULL 2 N.Y. $300 NULL 3 Rome $120 NULL 4 Athens $250 NULL 5 Rome $180 NULL 6 Rome $65 NULL 7 N.Y. $450 NULL 8 Athens $350 City 9 N.Y. $750 City 10 Rome $365 City Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 46 Εξόρυξη Δεδομένων
24 Βασικές Αλγεβρικές Πράξεις Συναθροιστική Άνοδος (Roll up): συνάθροιση της πληροφορίας = μετάβαση από χαμηλότερο σε υψηλότερο επίπεδο αδρομέρειας (π.χ. από day σε month) Αναλυτική Κάθοδος (Drill down): το αντίστροφο του Roll up (π.χ month σε day) Οριζόντιος Τεμαχισμός (Slice): (σχεσιακή) επιλογή Κάθετος Τεμαχισμός (Dice): (σχεσιακή) προβολή Περιστροφή (Pivot): αναδιάταξη της 2D προβολής του πολυδιάστατου κύβου στην οθόνη Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 47 Βασικές Αλγεβρικές Πράξεις Roll-up Η συναθροιστική άνοδος περιλαμβάνει τον υπολογισμό μίας συνολικής τιμής για μία θέση στην ιεραρχία μίας διάστασης δεδομένων. Για παράδειγμα, με ένα roll-up, οι πωλήσεις σε επίπεδο τοπικών μαγαζιών (Store) παράγουν τις συνολικές πωλήσεις σε επίπεδο πόλης (City) και αυτές με τη σειρά τους με ένα ακόμα roll-up παράγουν τις πωλήσεις σε επίπεδο περιοχής (Region). Industry Category Product Country Year Region Quarter City Month Week Store Day Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 48 Εξόρυξη Δεδομένων
25 Βασικές Αλγεβρικές Πράξεις Roll-up (Παράδειγμα) Industry Country Year Category Region Quarter Q1 Q2 Sales volume Products Electronics Toys Clothing Cosmetics Electronics Toys Clothing Cosmetics Store1 Store2 $5,2 $1,9 $2,3 $1,1 $8,9 $0,75 $4,6 $1,5 $5,6 $1,4 $2,6 $1,1 $7,2 $0,4 $4,6 $0,5 Χρόνος: Επίπεδο Quarter Product Year 1996 City Store Sales volume Products Electronics Toys Clothing Cosmetics Month Week Day Store1 Store2 $14,1 $2,65 $6,9 $2,6 Χρόνος: Επίπεδο Year $12,8 $1,8 $7,2 $1,6 SUM(Sales volumes) Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 49 Βασικές Αλγεβρικές Πράξεις Drill-Down Ο χρήστης περνά από ένα ανώτερο επίπεδο μίας διάστασης που έχει συγκεντρωτικά δεδομένα σε ένα χαμηλότερο επίπεδο με πιο λεπτομερή δεδομένα. Πρόκειται για την αντίστροφη πράξη του roll-up. Για παράδειγμα, κατά το drill down, ξεκινάμε από τις πωλήσεις ανά περιοχή (Region) και παίρνουμε τις αναλυτικές πωλήσεις ανά πόλη (City) και μετά τις πωλήσεις ανά κατάστημα (Store). Industry Category Country Region Year Quarter Product City MonthWeek Store Day Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 50 Εξόρυξη Δεδομένων
26 Βασικές Αλγεβρικές Πράξεις Drill-down (Παράδειγμα) Industry Category Country Region Year Quarter Product City Store Month Week Day Q1 Q2 Sales volume Products Electronics Toys Clothing Cosmetics Electronics Toys Clothing Cosmetics Store1 Store2 $5,2 $1,9 $2,3 $1,1 $8,9 $0,75 $4,6 $1,5 Item: Επίπεδο Industry $5,6 $1,4 $2,6 $1,1 $7,2 $0,4 $4,6 $0,5 Q1 Q2 Sales volume Electronics Store1 Store2 VCR Camcorder TV CD player VCR Camcorder TV CD player $1,4 $0,6 $2,0 $1,2 $2,4 $3,3 $2,2 $1,0 $1,4 $0,6 $2,4 $1,2 $2,4 $1,3 $2,5 $1,0 Item: Επίπεδο Category Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 51 Βασικές Αλγεβρικές Πράξεις Περιστροφή (Pivot) Εναλλαγή των γραμμών και των στηλών του κύβου, όπως αυτός παρουσιάζεται στην οθόνη εν απαιτείται κανένας νέος υπολογισμός στη Β Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 52 Εξόρυξη Δεδομένων
27 Βασικές Αλγεβρικές Πράξεις Pivot (Παράδειγμα) Sales volume Sales volume Q1 Q2 Products Electronics Toys Clothing Cosmetics Electronics Toys Clothing Cosmetics Store1 Store2 $5,2 $1,9 $2,3 $1,1 $8,9 $0,75 $4,6 $1,5 $5,6 $1,4 $2,6 $1,1 $7,2 $0,4 $4,6 $0,5 Store 1 Store 2 Products Q1 Q2 Electronics Toys Clothing Cosmetics Electronics Toys Clothing Cosmetics $5,2 $1,9 $2,3 $1,1 $5,6 $1,4 $2,6 $1,1 $8,9 $0,75 $4,6 $1,5 $7,2 $0,4 $4,6 $0,5 Εναλλαγή γραμμών και στηλών Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 53 Βασικές Αλγεβρικές Πράξεις Οριζόντιος (slice) και Κάθετος (dice) Τεμαχισμός Slice : Επιλογή συγκεκριμένων τιμών σε κάποια διάσταση (select) Π.χ., διώξε το Store 2 από τα καταστήματα και τις βιομηχανίες Clothing και Cosmetics Dicing : Σβήσιμο μιας ολόκληρης διάστασης (project) Π.χ., από ένα κύβο πωλήσεων ανά προϊόν, ημερομηνία και περιοχή, να δειχθεί ο μέσος όρος πωλήσεων ανά προϊόν και ημερομηνία. Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 54 Εξόρυξη Δεδομένων
28 Βασικές Αλγεβρικές Πράξεις Slice&Dice (Παράδειγμα) Q1 Q2 Sales volume Products Electronics Toys Clothing Cosmetics Electronics Toys Clothing Cosmetics Store1 Store2 $5,2 $1,9 $2,3 $1,1 $8,9 $0,75 $4,6 $1,5 $5,6 $1,4 $2,6 $1,1 $7,2 $0,4 $4,6 $0,5 Q1 Q2 Sales volume Products Electronics Toys Electronics Toys Store1 $5,2 $1,9 $8,9 $0,75 Διώξε το Store 2 και τις βιομηχανίες Clothing & Cosmetics Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 55 location (cities) Toronto 395 Vancouver time (quarters) Q1 Q2 605 computer home entertainment item (types) dice for (location = Toronto or Vancouver ) and (time = Q1 or Q2 ) and (item = home entertainment or computer ) location (countries) USA 2000 Canada time (quarters) roll-up on location (from cities to countries) Q Q2 Q3 Q4 computer security home phone entertainment item (types) Fig Typical OLAP Operations location (cities) item (types) Chicago New York Toronto Vancouver home entertainment computer phone computer home entertainment phone item (types) pivot security Chicago 440 New York Toronto Vancouver Q Q2 Q3 Q4 slice computer security for time = Q1 home phone entertainment location (cities) time (quarters) item (types) Vancouver January February March April May June July August September October November Chicago New York Toronto December security 400 computer security New York Vancouver home phone Chicago Toronto entertainment Εξόρυξη Δεδομένων: Ακ. Έτος location (cities) Αποθήκες Δεδομένων item (types) 56 time (months) location (cities) drill-down on time (from quarters to months) Εξόρυξη Δεδομένων
29 Βασικές Αλγεβρικές Πράξεις Τελεστής Rollup group by rollup product, store, city group by product, store, city group by store, city group by city Rollup & Cube Τελεστής Cube για όλους τους δυνατούς συνδυασμούς group by cube product, store, city group by κάθε υποσύνολο του {product, store, city}, ανεξάρτητα από τη σειρά που έδωσα στις στήλες αυτές στην εντολή Το αποτέλεσμα των τελεστών δεν παράγει πολλούς μικρούς πίνακες, αλλά έναν πίνακα με εγγραφές με NULL όπου δεν αντιστοιχεί τιμή Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 57 Τελεστές Rollup και Cube Aggregate Sum RED WHITE BLUE Jim Gray Adam Bosworth Andrew Layman Microsoft Group By (with total) By Color Sum RED WHITE BLUE By Make Hamid Pirahesh IBM Cross Tab Chevy Ford By Color select color, make, year, sum(units) from car_sales where make in { chevy, ford } and year between 1990 and 1994 group by cube color, make, year having sum(units) > 0; Sum By Make & Year By Year FORD CHEVY By Color & Year Sum By Color 1993 By Make RED WHITE BLUE By Make & Color Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 58 Εξόρυξη Δεδομένων
30 Αρχιτεκτονική Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 59 Αρχιτεκτονική Μετασχηματισμοί (Back-End) Front-End DW Πηγή Δεδομένων OLTP συστήματα Data Marts OLAP εργαλεία Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 60 Εξόρυξη Δεδομένων
31 Αρχιτεκτονική Πολλών Επιπέδων Multi-tier Αρχιτεκτονική Άλλες πηγές Metadata Monitor & Integrator OLAP Server ΒΔ σε λειτουργία Extract Transform Load Refresh Αποθήκη Δεδομένων Serve Analysis Query Reports Data mining Data Marts Πηγές εδομένων Αποθήκευση εδομένων Μηχανή OLAP Front-End Εργαλεία Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 61 Αρχιτεκτονική Πολλών Επιπέδων Multi-tier Αρχιτεκτονική Άλλες πηγές Metadata Monitor & Integrator OLAP Server ΒΔ σε λειτουργία Extract Transform Load Refresh DSA Αποθήκη Δεδομένων Serve Analysis Query Reports Data mining Data Marts Πηγές εδομένων Αποθήκευση εδομένων Μηχανή OLAP Front-End Εργαλεία Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 62 Εξόρυξη Δεδομένων
32 Αρχιτεκτονικές Μονάδες Sources (Πηγές): Κάθε πηγή από την οποία η Αποθήκη εδομένων αντλεί δεδομένα. {Data Staging Area (DSA): Μια Β στην οποία εκτελούνται οι μετασχηματισμοί και ο καθαρισμός των δεδομένων πριν την φόρτωση στην Αποθήκη εδομένων} Αποθήκη εδομένων (DW), Συλλογές εδομένων : Τα συστήματα που αποθηκεύονται τα δεδομένα που παρέχονται προς τους χρήστες. Data Marts: υποσύνολα της αποθήκης Βάση Μετα- εδομένων (Metadata Repository): Το υποσύστημα αποθήκευσης πληροφορίας σχετικά με τη δομή και λειτουργία όλου του συστήματος. Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 63 Λεξικό Μεταπληροφορίας Τα μετα-δεδομένα είναι τα δεδομένα που ορίζουν τα αντικείμενα της αποθήκης δεδομένων. Περιέχουν Περιγραφή της δομής της αποθήκης δεδομένων Σχήμα, όψεις, διαστάσεις, ιεραρχίες, την τοποθεσία των data mart και το περιεχόμενο τους, κλπ Λειτουργικά μεταδεδομένα data lineage (την ιστορία των δεδομένων που μεταφέρθηκαν και ποιοι μετασχηματισμοί χρησιμοποιήθηκαν), στοιχεία για το πόσο ενημερωμένα/πρόσφατα είναι, πληροφορία επίβλεψης (monitoring) για τη λειτουργία της αποθήκης (στατιστικά στοιχεία λειτουργίας, error reports, audit trails) Τους αλγορίθμους που χρησιμοποιηθήκαν για τις περιλήψεις Την απεικόνιση του λειτουργικού περιβάλλοντος στην αποθήκη δεδομένων εδομένα σχετικά με την απόδοση του συστήματος Business data Πολιτικές χρέωσης, ιδιοκτησίας δεδομένων, κλπ Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 64 Εξόρυξη Δεδομένων
33 Αρχιτεκτονική: Μετασχηματισμοί Back-End Εργαλεία ETL (Extract-Transform-Load) εφαρμογές: Εφαρμογές που εκτελούν τις διαδικασίες Εξαγωγής, μεταφοράς, μετασχηματισμού, καθαρισμού και φόρτωσης των δεδομένων από τις πηγές στην Αποθήκη εδομένων. Front-End Εργαλεία Εφαρμογές Ανάλυσης: Εφαρμογές παραγωγής αναφορών, OLAP, DSS, Data Mining Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 65 Μετασχηματισμοί Back-End Εργαλεία Data extraction Φέρε δεδομένα από πολλαπλές, ετερογενείς και εξωτερικές πηγές Data cleaning Εντοπισμός λαθών στα δεδομένα και διόρθωση τους όταν είναι δυνατόν Παραδείγματα: εδομένα που παραβιάζουν τους κανόνες της βάσης: διπλοεγγραφές, παραβιάσεις πρωτεύοντος ή ξένου κλειδιού, τιμές εκτός ορίων, παραβιάσεις λογικών κανόνων, κλπ Συνώνυμα και συγκρούσεις Ελλιπή δεδομένα Ομογενοποίηση κλειδιού Data transformation Μετατροπή των δεδομένων από το τοπικό format στο format της αποθήκης Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 66 Εξόρυξη Δεδομένων
34 Μετασχηματισμοί Load Ταξινόμηση, δημιουργία περίληψης, ενοποίηση (consolidate), υπολογισμός όψεων, έλεγχος integrity, δημιουργία ευρετηρίων και διαμερίσεων Η ενημέρωση / εισαγωγή δεδομένων στην πράξη δε γίνεται μέσω SQL, συνήθως μέσω εργαλείων batch loading πουδιαθέτουνόλατασ Β Refresh Back-End Εργαλεία Μετέφερε τις τροποποιήσεις από τις πηγές δεδομένων στην αποθήκη δεδομένων Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 67 Εργαλεία για την Υποστήριξη Αποφάσεων Front-End Εργαλεία Ad hoc ερωτήσεις και αναφορές Π.χ.,: MS Excel, Oracle Forms, OLAP pivot tables, drill down, roll up, slice, dice Data Mining Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 68 Εξόρυξη Δεδομένων
Εισαγωγή στις Αποθήκες εδομένων
Εξόρυξη Δεδομένων: Ακ. Έτος 2007-2008 Αποθήκες Δεδομένων 1 Εισαγωγή: OLTP Παραδοσιακή ιαχείριση εδομένων με Σ Β Σύστημα Επεξεργασίας οσοληψιών On-Line Transaction Processing (OLTP) Εισαγωγή στις Αποθήκες
Διαβάστε περισσότεραΕισαγωγή στις Αποθήκες εδοµένων
Εισαγωγή στις Αποθήκες εδοµένων ιαφάνειες βασισµένες σε σχετικές διαφάνειες του Πάνου Βασιλειάδη Αποθήκες εδοµένων 1 Εισαγωγή: OLTP Παραδοσιακή ιαχείριση εδοµένων µε Σ Β Σύστηµα Επεξεργασίας οσοληψιών
Διαβάστε περισσότεραΑποθήκες Δεδομένων. Αρχιτεκτονική, Μοντέλο Δεδομένων και Σχεδίαση
Αποθήκες Δεδομένων Αρχιτεκτονική, Μοντέλο Δεδομένων και Σχεδίαση Περιεχόμενα Αποθήκες Δεδομένων Ορισμοί και χαρακτηριστικά αποθηκών δεδομένων Διαφορές βάσεων και αποθηκών δεδομένων Μοντέλα αποθηκών δεδομένων
Διαβάστε περισσότεραΆμεση Αναλυτική Επεξεργασία (OLAP)
Άμεση Αναλυτική Επεξεργασία (OLAP) Άμεση Αναλυτική Επεξεργασία (OLAP) Άμεση Αναλυτική Επεξεργασία (Online Analytical Processing - OLAP) Ανάλυση βασισμένη σε ένα κύβο OLAP Κύβος OLAP (OLAP Cube) Μια πολυδιάστατη
Διαβάστε περισσότεραΆμεση Αναλυτική Επεξεργασία (OLAP)
1 Άμεση Αναλυτική Επεξεργασία (OLAP) 2 Περιεχόμενα Εφαρμογές στις Αποθήκες Δεδομένων Άμεση Αναλυτική Επεξεργασία (OLAP) Γεγονότα και Διαστάσεις Κύβοι και Ιεραρχίες διαστάσεων Πράξεις OLAP Αρχιτεκτονικές
Διαβάστε περισσότεραΑποθήκες Δεδομένων. Αποθήκες και εξόρυξη δεδομένων 6 ο εξάμηνο
Αποθήκες Δεδομένων Αποθήκες και εξόρυξη δεδομένων 6 ο εξάμηνο Τι είναι Αποθήκες Δεδομένων? Αποθήκη Δεδομένων (Data Warehouse): Μία ΒΔ στήριξης αποφάσεων που διατηρείται ξεχωριστά από τη λειτουργική ΒΔ
Διαβάστε περισσότεραData Warehouse Refreshment via ETL tools. Panos Vassiliadis
Data Warehouse Refreshment via ETL tools Panos Vassiliadis Data Warehouse Environment 2 Extract-Transform-Load (ETL) Extract Transform & Clean Load Sources DSA DW 3 Importance ETL market has a steady increase
Διαβάστε περισσότεραΣυστήματα OLAP. Πασχάλης Θρήσκος, PhD Λάρισα
Συστήματα OLAP Πασχάλης Θρήσκος, PhD Λάρισα 2016-2017 «Τα συστήματα άμεσης αναλυτικής επεξεργασίας (OLTP) χρησιμοποιούνται για να απαντηθούν ερωτήματα πάνω σε πολυδιάστατα δεδομένα πολύ γρήγορα» Wikipedia
Διαβάστε περισσότεραΕξόρυξη Γνώσης από εδοµένα (Data Mining)
ΠΜΣ Πληροφορικής Πανεπιστηµίου Πειραιά Εξόρυξη Γνώσης από εδοµένα (Data Mining) Αποθήκες εδοµένων Γιάννης Θεοδωρίδης Τµήµα Πληροφορικής, Πανεπιστήµιο Πειραιά http://isl.cs.unipi.gr/db/courses/dm "Πυραµίδα"
Διαβάστε περισσότεραΑποθήκες Δεδομένων και Εξόρυξη Δεδομένων
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Αποθήκες Δεδομένων και Εξόρυξη Δεδομένων Ενότητα 3: Αποθήκες Δεδομένων Μέρος Α Αναστάσιος Γούναρης, Επίκουρος Καθηγητής Άδειες Χρήσης
Διαβάστε περισσότεραΕξόρυξη Γνώσης από εδοµένα (Data Mining)
Πανεπιστήµιο Πειραιώς Τµήµα Πληροφορικής Εξόρυξη Γνώσης από εδοµένα (Data Mining) Αποθήκες εδοµένων Γιάννης Θεοδωρίδης, Νίκος Πελέκης Οµάδα ιαχείρισης εδοµένων Εργαστήριο Πληροφοριακών Συστηµάτων http://isl.cs.unipi.gr/db
Διαβάστε περισσότεραΒάσεις Δεδομένων ΙΙ. Διάλεξη 7 η Aποθήκες Δεδομένων και OLAP (On-line Analytical Processing)
Βάσεις Δεδομένων ΙΙ Διάλεξη 7 η Aποθήκες Δεδομένων και OLAP (On-line Analytical Processing) Δ. Χριστοδουλάκης - Α. Φωκά Τμήμα Μηχανικών Η/Υ & Πληροφορικής - Εαρινό Εξάμηνο 2007 Εισαγωγή Παραδοσιακές ΒΔ
Διαβάστε περισσότεραΠΡΟΧΩΡΗΜΕΝΑ ΘΕΜΑΤΑ ΒΑΣΕΩΝ Ε ΟΜΕΝΩΝ -2
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΤΜΗΜΑ ΗΛΕΚ. ΜΗΧ. ΚΑΙ ΜΗΧ. ΥΠΟΛΟΓΙΣΤΩΝ ΠΡΟΧΩΡΗΜΕΝΑ ΘΕΜΑΤΑ ΒΑΣΕΩΝ Ε ΟΜΕΝΩΝ ΑΠΟΘΗΚΕΣ Ε ΟΜΕΝΩΝ ΠΡΟΧΩΡΗΜΕΝΑ ΘΕΜΑΤΑ ΒΑΣΕΩΝ Ε ΟΜΕΝΩΝ -1 ΕΙΣΑΓΩΓΗ ΑΠΟΘΗΚΕΣ Ε ΟΜΕΝΩΝ ΚΑΙ ΑΝΑΛΥΤΙΚΗ ΕΠΕΞΕΡΓΑΣΙΑ
Διαβάστε περισσότεραΑποθήκες Δεδομένων & Πολυδιάστατη Ανάλυση
Αποθήκες Δεδομένων & Πολυδιάστατη Ανάλυση Γιάννης Θεοδωρίδης InfoLab, Τμήμα Πληροφορικής, Πανεπιστήμιο Πειραιά http://infolab.cs.unipi.gr version: Nov.2009 Πηγές Το κύριο μέρος των διαφανειών προέρχεται
Διαβάστε περισσότεραΠανεπιστήµιο Πειραιώς Τµήµα Πληροφορικής. Αποθήκες εδοµένων και Εξόρυξη Γνώσης. (Data Warehousing & Data Mining) Γιάννης Θεοδωρίδης, Νίκος Πελέκης
Πανεπιστήµιο Πειραιώς Τµήµα Πληροφορικής Αποθήκες εδοµένων και Εξόρυξη Γνώσης (Data Warehousing & Data Mining) Αποθήκες εδοµένων Γιάννης Θεοδωρίδης, Νίκος Πελέκης Εργαστήριο Πληροφοριακών Συστηµάτων http://infolab.cs.unipi.gr
Διαβάστε περισσότεραData Cube. Μ.Χατζόπουλος 1
Data Cube Μ.Χατζόπουλος Μ.Χατζόπουλος 1 Ανάλυση εδοµένων Εξαγωγή συναθροιστικών δεδοµένων από µια βάση δεδοµένων Οπτικοποίηση των αποτελεσµάτων Μπορούνοιπαραδοσιακέςεπίπεδεςβάσειςδεδοµένων; Οι σχεσιακές
Διαβάστε περισσότεραΠανεπιστήµιο Πειραιώς Τµήµα Πληροφορικής
Πανεπιστήµιο Πειραιώς Τµήµα Πληροφορικής Πρόγραµµα Μεταπτυχιακών Σπουδών «Πληροφορική» Μεταπτυχιακή ιατριβή Τίτλος ιατριβής Ονοµατεπώνυµο Φοιτητή Πατρώνυµο Υλοποίηση Αποθήκης Μεταναστευτικών εδοµένων OLAP
Διαβάστε περισσότεραΑΝΑΣΚΟΠΗΣΗ. Αποθήκες και Εξόρυξη Δεδομένων
ΑΝΑΣΚΟΠΗΣΗ Αποθήκες και Εξόρυξη Δεδομένων Η διαδικασίας της ανακάλυψης γνώσης Knowledge Discovery (KDD) Process Εξόρυξη δεδομένων- πυρήνας της διαδικασίας ανακάλυψης γνώσης Pattern Evaluation Task- relevant
Διαβάστε περισσότεραCopyright 2007 Ramez Elmasri and Shamkant B. Navathe, Ελληνική Έκδοση, ίαυλος ιαφάνεια 29-1
ιαφάνεια 29-1 Εφαρµογές Βάσεων εδοµένων ΠΜΣ 510 ευτέρα 6-9 Αίθουσα Α Ώρες Γραφείου ευτέρα 5-6 (και οποιαδήποτε άλλη ώρα είµαι στο γραφείο ικτυακός τόπος www.di.uoa.gr/~pms510 Ύλη Αποθήκες δεδοµένων Εξόρυξη
Διαβάστε περισσότεραΟλοκληρωµένη λύση επιλεκτικής συγκέντρωσης, αναδιοργάνωσης δεδοµένων και παραγωγής πληροφορίας
e.nfo Ολοκληρωµένη λύση επιλεκτικής συγκέντρωσης, αναδιοργάνωσης δεδοµένων και παραγωγής πληροφορίας Εξασφάλιση της εξειδικευµένης λύσης business intelligence για κάθε επιχείρηση πελάτης Τράπεζα Πειραιώς
Διαβάστε περισσότεραΣΤΡΑΤΗΓΙΚΟ MANAGEMENT KAI EΠΙΧΕΙΡHΜΑΤΙΚΗ ΕΥΦΥΙΑ. Παρουσίαση 2 ο μέρος:
ΣΤΡΑΤΗΓΙΚΟ MANAGEMENT KAI EΠΙΧΕΙΡHΜΑΤΙΚΗ ΕΥΦΥΙΑ Παρουσίαση 2 ο μέρος: Λήψη αποφάσεων Η λήψη αποφάσεων αποτελεί κεντρική δραστηριότητα σε όλα τα επίπεδα λειτουργίας μιας επιχείρησης, από τον σχεδιασμό δράσεων,
Διαβάστε περισσότεραΑνάλυση Δεδομένων (Data Analysis) Άμεση Αναλυτική Επεξεργασία (OLAP) Λειτουργίες Συνάθροισης στην SQL (windowing, ranking)
ΒΔ για Λήψη Αποφάσεων Ανάλυση Δεδομένων (Data Analysis) Άμεση Αναλυτική Επεξεργασία (OLAP) Λειτουργίες Συνάθροισης στην SQL (windowing, ranking) Οργάνωση ιστορικής πληροφορίας σε Αποθήκες Δεδομένων (Data
Διαβάστε περισσότεραΑΛΕΞΑΝΔΡΕΙΟ Τ.Ε.Ι ΘΕΣΣΑΛΟΝΙΚΗΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ
ΑΛΕΞΑΝΔΡΕΙΟ Τ.Ε.Ι ΘΕΣΣΑΛΟΝΙΚΗΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ Πτυχιακή Εργασία Οι τεχνολογίες OLAP και Data warehousing Του φοιτητή: Δαραβίγκα Δημήτριου Αρ. Μητρώου: 05/2933 Επιβλέπων
Διαβάστε περισσότεραΥποστήριξη Αποφάσεων. Γεώργιος Ευαγγελίδης. (βασισμένο στο κεφ. 23 του βιβλίου «Συστήματα Διαχείρισης Βάσεων Δεδομένων»)
Υποστήριξη Αποφάσεων Γεώργιος Ευαγγελίδης (βασισμένο στο κεφ. 23 του βιβλίου «Συστήματα Διαχείρισης Βάσεων Δεδομένων») Εισαγωγικά Οι επιχειρήσεις θέλουν να μπορούν να αναλύουν τα δεδομένα τους. Γιατί;
Διαβάστε περισσότεραΕξαγωγή Μετασχηματισμός Εισαγωγή Δεδομένων στην Αποθήκη Πληροφοριών (ETL) ETL) Αριστομένης Μακρής
Εξαγωγή Μετασχηματισμός Εισαγωγή Δεδομένων στην Αποθήκη Πληροφοριών (ETL) ETL) Τεχνολογίες Υποστήριξης Λήψης Διοικητικών Αποφάσεων OLTP (On Line Transaction Processing) Επιχειρηματικές Εφαρμογές (Σχεσιακές
Διαβάστε περισσότεραOrchid: Integrating Schema Mapping and ETL ICDE 2008
Orchid: Integrating Schema Mapping and ETL ICDE 2008 Δομουχτσίδης Παναγιώτης Γενικά Data warehouse (DW): Είναι μία αποθήκη πληροφοριών οργανωμένη από ένα ενοποιημένο μοντέλο. Τα δεδομένα συλλέγονται από
Διαβάστε περισσότεραΛΕΞΕΙΣ ΚΛΕΙΔΙΑ: Λήψη απόφασης, Συστήματα Υποστήριξης Αποφάσεων, OLAP Ανάλυση, Περιβαλλοντική Εκπαίδευση ΕΙΣΑΓΩΓΗ
Η Αναλυτική Επεξεργασία Δεδομένων (On Line Analytical Processing) στην Υποστήριξη Αποφάσεων των Υπευθύνων Περιβαλλοντικής Εκπαίδευσης των Διευθύνσεων Εκπαίδευσης Γιώργος Ραβασόπουλος 1, Ιωάννα Παπαιωάννου
Διαβάστε περισσότερα«Χωροχρονικές Αποθήκες εδοµένων και η Εφαρµογή τους στην Περίπτωση της Αγοράς Ακινήτων»
ΟΙΚΟΝΟΜΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ «Χωροχρονικές Αποθήκες εδοµένων και η Εφαρµογή τους στην Περίπτωση της Αγοράς Ακινήτων» Μιχάλης Βαζιργιάννης Συνεργάτες:. Ξηνταρα, Α. Στέφου, Θ. Ασηµίνα,
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ - ΤΜΗΥΠ ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ ΙI
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ - ΤΜΗΥΠ ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ ΙI Β. Μεγαλοοικονόμου Κατανεμημένες Βάσεις Δεδομένων (παρουσίαση βασισμένη εν μέρη σε σημειώσεις των Silberchatz, Korth και Sudarshan και του C. Faloutsos)
Διαβάστε περισσότεραΕπισκόπηση Μαθήµατος
Βάσεις εδοµένων 5 ο Εξάµηνο ηµήτρης Λέκκας Επίκουρος Καθηγητής dlekkas@env.aegean.gr Τµήµα Στατιστικής & Αναλογιστικών-Χρηµατοοικονοµικών Μαθηµατικών Επισκόπηση Μαθήµατος Εισαγωγή (Σ Β ) Το µοντέλο σχέσεων
Διαβάστε περισσότερα11.1. Θεωρητικό υπόβαθρο για τους κύβους δεδομένων και την πολυδιάστατη ανάλυση
Κεφάλαιο 11. Αποθήκες και κύβοι δεδομένων Σύνοψη Σ αυτό το κεφάλαιο θα παρουσιάσουμε τη δημιουργία μιας αποθήκης δεδομένων ή, αλλιώς, ενός κύβου δεδομένων. Ο κύβος είναι μια πολυδιάστατη δομή δεδομένων
Διαβάστε περισσότεραΥποστηρικτικό Υλικό για Πτυχιακές και MSc. Π. Βασιλειάδης
Υποστηρικτικό Υλικό για Πτυχιακές και MSc Π. Βασιλειάδης RADAR: Radial Applications Depiction Around Relations For Data-Centric Ecosystems Panos Vassiliadis http://www.cs.uoi.gr/~pvassil/publications/2011_dali/index.html
Διαβάστε περισσότερα4. ΔΗΜΙΟΥΡΓΙΑ ΜΟΝΤΕΛΟΥ ΠΟΛΥΔΙΑΣΤΑΤΗΣ ΑΝΑΛΥΣΗΣ
4. ΔΗΜΙΟΥΡΓΙΑ ΜΟΝΤΕΛΟΥ ΠΟΛΥΔΙΑΣΤΑΤΗΣ ΑΝΑΛΥΣΗΣ Στο προηγούμενο εργαστήριο είδαμε πώς μπορούμε να αντλήσουμε πληροφορίες από μια σχεσιακή βάση δεδομένων με τη βοήθεια των ερωτημάτων (queries). Το μειονέκτημα
Διαβάστε περισσότεραBusiness Development, SAP Hellas 01/12/2007
Επιχειρηµατική Ευφυΐα Απότηνιδέαστηνπράξη Παναγιώτης Θεοφάνους Business Development, SAP Hellas 01/12/2007 Περιεχόµενα 1. SAP Εταιρικόπροφίλ 2. Επιχειρηµατική Ευφυΐα - Η ανάγκη 3. SAP Business Intelligence
Διαβάστε περισσότεραΑΠΟΘΗΚΕΣ Ε ΟΜΕΝΩΝ Σ. ΛΙΓΟΥ ΙΣΤΙΑΝΟΣ
ΑΠΟΘΗΚΕΣ Ε ΟΜΕΝΩΝ 195 ΑΠΟΘΗΚΕΣ Ε ΟΜΕΝΩΝ Σ. ΛΙΓΟΥ ΙΣΤΙΑΝΟΣ 8.1 ΓΕΝΙΚΑ Από τα µέσα της δεκαετίας του '70, η αλµατώδης παραγωγή πολύ ισχυρών συστηµάτων διαχείρισης βάσεων δεδοµένων βοήθησε στην ανάπτυξη πληροφοριακών
Διαβάστε περισσότεραΠροηγμένα Πληροφοριακά Συστήματα. Ακαδημαϊκό Έτος
Προηγμένα Πληροφοριακά Συστήματα Ακαδημαϊκό Έτος 2016-2017 Ομάδα: 1. Κανούτος Κωνσταντίνος ΑΜ: 5775 2. Καραχάλιος Αθανάσιος ΑΜ: 5784 3. Κυριακού Ανδρόνικος ΑΜ: 5806 4. Ντενέζος Παναγιώτης ΑΜ: 5853 5. Παρασκευόπουλος
Διαβάστε περισσότεραΑντικείµενο: Θεµελιώδες πρόβληµα της επιστήµης µας εδοµένα
Εισαγωγή 1 Ζήτω οι Βάσεις εδοµένων!! Αντικείµενο: Θεµελιώδες πρόβληµα της επιστήµης µας εδοµένα Μοντελοποίηση Αποθήκευση Επεξεργασία (εύρεση πληροφορίας σχετικής µε µια συγκεκριµένη ερώτηση) Σωστή Λειτουργία
Διαβάστε περισσότεραPROJECT ΕΡΓΑΣΤΗΡΙΩΝ ΒΑΣΕΩΝ ΔΕΔΟΜΕΝΩΝ Ι. Τμήμα Μηχανικών Πληροφορικής Τ.Ε.
Παραδοτέα 1. Το αρχείο.mdb της βάσης δεδομένων σας σε ACCESS 2. Ένα CD που θα αναγράφει το ονοματεπώνυμο του σπουδαστή και το ΑΕΜ και θα περιέχει το αρχείο.mdb της βάσης δεδομένων καθώς και το εγχειρίδιο
Διαβάστε περισσότερα1. ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ ΔΕΔΟΜΕΝΩΝ
1. ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ ΔΕΔΟΜΕΝΩΝ Τα δεδομένα που θα επεξεργασθούμε στη διάρκεια του εργαστηρίου παραχωρήθηκαν από την εταιρεία ICAP ειδικά για τις ανάγκες του μαθήματος. Τα δεδομένα αυτά αντλήθηκαν από την
Διαβάστε περισσότεραΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ. Συστήματα Διαχείρισης Βάσεων Δεδομένων
ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ Συστήματα Διαχείρισης Βάσεων Δεδομένων 1 ΕΙΣΑΓΩΓΗ Η τεχνολογία των Βάσεων Δεδομένων (ΒΔ) (Databases - DB) και των Συστημάτων Διαχείρισης Βάσεων Δεδομένων (ΣΔΒΔ)
Διαβάστε περισσότερα4 Πολυδιάστατη Ανάλυση και Αποθήκες Δεδομένων
4 Πολυδιάστατη Ανάλυση και Αποθήκες Δεδομένων Σύνοψη Οι σύγχρονες επιχειρήσεις κατακλύζονται από ένα πακτωλό δεδομένων, τα οποία προέρχονται από εσωτερικές και εξωτερικές πηγές. Τα δεδομένα αυτά, αν και
Διαβάστε περισσότεραΔιαχείριση Πολιτισμικών Δεδομένων
Διαχείριση Πολιτισμικών Δεδομένων Μάθημα 1 Εισαγωγή στις Βάσεις Δεδομένων Τζανέτος Πομόνης ΤΕΙ Ιονίων Νήσων Τμήμα Τεχνολόγων Περιβάλλοντος Κατεύθυνση Συντήρησης Πολιτισμικής Κληρονομιάς Τι είναι οι Βάσεις
Διαβάστε περισσότεραΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΤΕΧΝΟΛΟΓΙΑΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΥΠΟΛΟΓΙΣΤΩΝ ΖΩΓΡΑΦΟΥ , ΑΘΗΝΑ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΤΕΧΝΟΛΟΓΙΑΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΥΠΟΛΟΓΙΣΤΩΝ ΖΩΓΡΑΦΟΥ 157 73, ΑΘΗΝΑ ΕΣΒΓ - ΙΠΛ-Έτος-ID 20 Ιουνίου 2003 ΤΙΤΛΟΣ (ΤΟΜΟΣ
Διαβάστε περισσότεραΕισαγωγή στα Συστήματα Βάσεων Δεδομένων. Βάσεις Δεδομένων 2014-2015 Ευαγγελία Πιτουρά 1
Εισαγωγή στα Συστήματα Βάσεων Δεδομένων Ευαγγελία Πιτουρά 1 Τι θα δούμε σήμερα I. Σύντομη εισαγωγή στις ΒΔ II. Περιγραφή σκοπού και περιεχομένου μαθήματος III. Ιστορία των ΣΔΒΔ IV. Διαδικαστικά θέματα
Διαβάστε περισσότεραΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ
ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ Μαρίνος Θεμιστοκλέους Email: mthemist@unipi.gr Ανδρούτσου 150 Γραφείο 206 Τηλ. 210 414 2723 Ώρες Γραφείου: Δευτέρα 11-12 AM Πληροφοριακά Συστήματα (ΠΣ) Information Systems (IS) Ορισμός
Διαβάστε περισσότεραΣχεδιασμός Βάσεων Δεδομένων
Πανεπιστήμιο Πειραιώς Τμήμα Ψηφιακών Συστημάτων Σχεδιασμός Βάσεων Δεδομένων Εργαστήριο 4 Δρ. Βασιλική Κούφη Περιεχόμενα Υλοποίηση Βάσεως Δεδομένων Εκτέλεση ερωτημάτων SQL στην Βάση Δεδομένων BHMA 1. Σχεδιασμός
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ - ΤΜΗΥΠ ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ Ι
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ - ΤΜΗΥΠ ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ Ι Β. Μεγαλοοικονόμου, Δ. Χριστοδουλάκης Query by Example QBE Ακ.Έτος 2008-09 (μεβάσητιςσημειώσειςτωνsilberchatz, Korth και Sudarshan και του C. Faloutsos CMU)
Διαβάστε περισσότεραΕισαγωγή στις βασικές έννοιες των Βάσεων Δεδομένων
Εισαγωγή στις βασικές έννοιες των Βάσεων Δεδομένων Σχεδιασμός Βάσεων Δεδομένων Μάθημα 1 ο Μαρία Χαλκίδη ΠΕΡΙΕΧΟΜΕΝΑ ΜΑΘΗΜΑΤΟΣ Σχεσιακό Μοντέλο Κανονικοποίηση Μοντέλο Οντοτήτων-Σχέσεων Κύκλος ζωής Βάσεων
Διαβάστε περισσότεραΔιαχείριση Δεδομένων
Διαχείριση Δεδομένων Βαγγελιώ Καβακλή Τμήμα Πολιτισμικής Τεχνολογίας και Επικοινωνίας Πανεπιστήμιο Αιγαίου 1 Εαρινό Εξάμηνο 2012-13 Περιεχόμενο σημερινής διάλεξης Βάσεις Δεδομένων Ορισμοί Παραδείγματα
Διαβάστε περισσότεραΣυνοπτική επισκόπηση αγοράς & εργαλείων ΒΙ
Συνοπτική επισκόπηση αγοράς & εργαλείων ΒΙ Μιχάλης Μεταξάς Innovatia ΕΠΕ Agenda Αναφορά σε στοιχεία της µελέτης «Συγκέντρωση, ανάλυση και αξιολόγηση εργαλείων και λογισµικού Επιχειρηµατικής Ευφυΐας» Ορισµοί
Διαβάστε περισσότεραΤΙΤΛΟΣ ΕΡΓΑΣΙΑΣ. Πετρογεωργάκης Μανούσος Σπυρόπουλος Σταύρος
ΤΙΤΛΟΣ ΕΡΓΑΣΙΑΣ Πετρογεωργάκης Μανούσος Σπυρόπουλος Σταύρος ΣΚΟΠΟΣ ΕΡΓΑΣΙΑΣ Σκοπός της εργασίας αυτής είναι η εισαγωγή στις Βάσεων εδομένων. Θα παρουσιαστούν οι βασικές έννοιες, οι συνιστώσες και οι λειτουργίες
Διαβάστε περισσότεραΗΥ-360 Αρχεία και Βάσεις Δεδομένων Διδάσκων: Δ. Πλεξουσάκης. Φροντιστήριο SQL Examples ΙΙ Ξένου Ρουμπίνη
ΗΥ-360 Αρχεία και Βάσεις Δεδομένων Διδάσκων: Δ. Πλεξουσάκης Φροντιστήριο SQL Examples ΙΙ Ξένου Ρουμπίνη 1 SQL(DML) - Query Example 1 Query:1 Βρείτε τα ονόματα των έργων που δεν αφορούν το τμήμα research
Διαβάστε περισσότεραQuery-by-Example (QBE)
Φροντιστήριο 8 o Χειµερινό Εξάµηνο 2009-10 Τµήµα Μηχανικών Η/Υ και Πληροφορικής Πολυτεχνική Σχολή, Πανεπιστήµιο Πατρών Πέµπτη, 3 εκεµβρίου 2009 Τι είναι η QBE; Γλώσσα επερωτήσεων σε σχεσιακές ϐάσεις δεδοµένων
Διαβάστε περισσότεραΑποθήκες Δεδομένων και Εξόρυξη Δεδομένων
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Αποθήκες Δεδομένων και Εξόρυξη Δεδομένων Ενότητα 4: Αποθήκες Δεδομένων Μέρος Β Αναστάσιος Γούναρης, Επίκουρος Καθηγητής Άδειες Χρήσης
Διαβάστε περισσότεραΠληροφορική ΙΙ Εισαγωγή στις Βάσεις Δεδομένων. Τμήμα Λογιστικής
Εισαγωγή στις Βάσεις Δεδομένων Εισαγωγή στις Βάσεις Δεδομένων Ορισμός Βάσης Δεδομένων Σύστημα Διαχείρισης Βάσης Δεδομένων ΣΔΒΔ (DBMS) Χαρακτηριστικά προσέγγισης συστημάτων αρχειοθέτησης Χαρακτηριστικά
Διαβάστε περισσότεραΤίτλος Πακέτου Certified Computer Expert-ACTA
Κωδικός Πακέτου ACTA - CCE - 002 Τίτλος Πακέτου Certified Computer Expert-ACTA Εκπαιδευτικές Ενότητες Επεξεργασία Κειμένου - Word Δημιουργία Εγγράφου Προχωρημένες τεχνικές επεξεργασίας κειμένου & αρχείων
Διαβάστε περισσότεραΣχεδίαση και Ανάπτυξη Απ ποθηκών Δεδομένωνν
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ Σχεδίαση και Ανάπτυξη Αποθηκών Δεδομένων Διπλωματική Εργασία του Ζαγκαρέτου Λεωνίδα (ΑΕΜ: 139) Επιβλέπων Καθηγητής: Νανόπουλος
Διαβάστε περισσότεραΜοντέλο Διαστάσεων Αρχιτεκτονική Αποθηκών Δεδομένων. Πασχάλης Θρήσκος, PhD Λάρισα
Μοντέλο Διαστάσεων Αρχιτεκτονική Αποθηκών Δεδομένων Πασχάλης Θρήσκος, PhD Λάρισα 2016-2017 Βασικά βήματα διαχείρισης ενός DW έργου The DW Lifecycle Toolkit Μοντέλο διαστάσεων (Dimensional Modelling) Τεχνική
Διαβάστε περισσότεραΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ - ΑΡΧΙΤΕΚΤΟΝΙΚΗ ΣΒΔ - ΕΙΣΑΓΩΓΗ ΣΤΟ ΜΟΝΤΕΛΟ ΟΝΤΟΤΗΤΩΝ ΣΥΣΧΕΤΙΣΕΩΝ ΤΜΗΜΑ ΠΟΛΙΤΙΣΜΙΚΗΣ ΤΕΧΝΟΛΟΓΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΑΣ
ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ Χειμερινό Εξάμηνο 2013 - ΑΡΧΙΤΕΚΤΟΝΙΚΗ ΣΒΔ - ΕΙΣΑΓΩΓΗ ΣΤΟ ΜΟΝΤΕΛΟ ΟΝΤΟΤΗΤΩΝ ΣΥΣΧΕΤΙΣΕΩΝ Δρ. Βαγγελιώ Καβακλή ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ, ΤΜΗΜΑ ΠΟΛΙΤΙΣΜΙΚΗΣ ΤΕΧΝΟΛΟΓΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΑΣ 1 Αρχιτεκτονική
Διαβάστε περισσότεραΥποερωτήματα στην SQL Αθανάσιος Σταυρακούδης http://stavrakoudis.econ.uoi.gr 1 / 31 Η ανάγκη για υποερώτημα Ποιος υπάλληλος παίρνει το μεγαλύτερο μισθό; Αν ξέραμε το μεγαλύτερο μισθό, πχ 2000, θα γράφαμε:
Διαβάστε περισσότεραΗΥ562 Προχωρημένα Θέματα Βάσεων Δεδομένων Efficient Query Evaluation over Temporally Correlated Probabilistic Streams
ΗΥ562 Προχωρημένα Θέματα Βάσεων Δεδομένων Efficient Query Evaluation over Temporally Correlated Probabilistic Streams Αλέκα Σεληνιωτάκη Ηράκλειο, 26/06/12 aseliniotaki@csd.uoc.gr ΑΜ: 703 1. Περίληψη Συνεισφοράς
Διαβάστε περισσότεραΣχεσιακό Μοντέλο (Γρήγορη επανάληψη) Πασχάλης Θρήσκος PhD Λάρισα
Σχεσιακό Μοντέλο (Γρήγορη επανάληψη) Πασχάλης Θρήσκος PhD Λάρισα 2016-2017 pthriskos@mnec.gr Σχεσιακές Βάσεις Δεδομένων Ορισμός : Τα δεδομένα αποθηκεύονται σε πίνακες που σχετίζονται μεταξύ τους με κοινά
Διαβάστε περισσότεραDatabase System Concepts and Architecture (Αρχιτεκτονική, οµές, και Μοντέλα)
Database System Concepts and Architecture (Αρχιτεκτονική, οµές, και Μοντέλα) Μοντέλα, οµές (Σχήµα) και Αντιπρόσωποι (Data Models, Schema, and Instances) DBMS αρχιτεκτονική ιάφοροι τύποι γλωσσών και διεπαφές
Διαβάστε περισσότεραΟΛΟΚΛΗΡΩΜΕΝΟ ΠΛΗΡΟΦΟΡΙΑΚΟ ΣΥΣΤΗΜΑ ΝΑΥΤΙΚΗΣ ΕΚΠΑΙΔΕΥΣΗΣ ΟΠΣ-ΝΕ
Υ.Ν.Α.Ν.Π. ΕΝΤΥΠΟ ΔΗΜΟΣΙΑΣ ΔΙΑΒΟΥΛΕΥΣΗΣ ΤΕΧΝΙΚΩΝ ΠΡΟΔΙΑΓΡΑΦΩΝ Ε2 Το παρόν θα αναρτηθεί σε επεξεργάσιμη μορφή στο www.hcg.gr και στο www.yen.gr Ημερομηνία 03/12/2018 Προς ΕΠΙΤΕΛΙΚΗ ΔΟΜΗ ΕΣΠΑ ΥΝΑΝΠ Πίνακας
Διαβάστε περισσότεραΒάσεις Δεδομένων. Εισαγωγή Ανάλυση Απαιτήσεων. Φροντιστήριο 1 ο
Βάσεις Δεδομένων Εισαγωγή Ανάλυση Απαιτήσεων Φροντιστήριο 1 ο 16-10-2008 Εισαγωγή - Ορισμοί Βάση Δεδομένων είναι μία συλλογή από σχετιζόμενα αντικείμενα Ένα σύστημα διαχείρισης βάσεων δεδομένων (ΣΔΒΔ)
Διαβάστε περισσότεραInformation Technology for Business
Information Technology for Business! Lecturer: N. Kyritsis, MBA, Ph.D. Candidate!! e-mail: kyritsis@ist.edu.gr Διαχείριση Επιχειρηματικών Δεδομένων - Databases Ορισμός Βάσης Δεδομένων Συλλογή συναφών αρχείων
Διαβάστε περισσότεραGROUP BY, HAVING, COUNT, MIN, MAX, SUM, AVG, ROLLUP.
SQL: Ερωτήματα ομαδοποίησης και συνάθροισης GROUP BY, HAVING, COUNT, MIN, MAX, SUM, AVG, ROLLUP Αθανάσιος Σταυρακούδης http://stavrakoudis.econ.uoi.gr Άνοιξη 2016 1 / 56 Περιεχόμενα 1 Εισαγωγή, γενικές
Διαβάστε περισσότεραΕξόρυξη Δεδομένων: Αποθήκες Δεδομένων: Μέρος Β
Αποθήκες Δεδομένων και Εξόρυξη Δεδομένων: Αποθήκες Δεδομένων: Μέρος Β http://delab.csd.auth.gr/~gounaris/courses/dwdm/ gounaris/courses/dwdm/ Ευχαριστίες Οι διαφάνειες του μαθήματος σε γενικές γραμμές
Διαβάστε περισσότεραΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ Επιβλέπων: ΠΟΤΗΡΑΚΗΣ ΑΝΤΩΝΙΟΣ
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΡΗΤΗΣ ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΚΑΙ ΧΡΗΜΑΤΟΟΙΚΟΝΟΜΙΚΗΣ ΜΕΤΟΧΙΑΝΑΚΗ ΙΩΑΝΝΑ ΑΜ:6725 ΠΛΗΡΟΦΟΡΙΑΚΟ ΣΥΣΤΗΜΑ ΓΙΑ ΑΛΥΣΙΔΑ SUPERMARKET ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ Επιβλέπων:
Διαβάστε περισσότεραΒάσεις Δεδομένων. Τ.Ε.Ι. Ιονίων Νήσων Σχολή Διοίκησης και Οικονομίας - Λευκάδα
Βάσεις Δεδομένων Τ.Ε.Ι. Ιονίων Νήσων Σχολή Διοίκησης και Οικονομίας - Λευκάδα Στέργιος Παλαμάς, Υλικό Μαθήματος «Βάσεις Δεδομένων», 2015-2016 Κεφάλαιο 2: Περιβάλλον Βάσεων Δεδομένων Μοντέλα Δεδομένων 2.1
Διαβάστε περισσότεραΕισαγωγή σε SQL Server Reporting Services
ΠΑΝΕΠΙΣΗΜΙΟ ΠΕΙΡΑΙΩ ΣΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗ ΠΡΟΧΩΡΗΜΕΝΑ ΘΕΜΑΣΑ ΒΑΕΩΝ ΔΕΔΟΜΕΝΩΝ Νίκος Γιατράκος (ngiatrak@unipi.gr) 1. SQL Server Reporting Services (SSRS) Component - Συνοπτικά Σο συστατικό SSRS του SQL Server
Διαβάστε περισσότεραΕισαγωγικό Μάθημα Βασικές Έννοιες - Ανάλυση Απαιτήσεων
..?????? Εργαστήριο ΒΑΣΕΙΣ????????? ΔΕΔΟΜΕΝΩΝ Βάσεων Δεδομένων?? ΙΙ Εισαγωγικό Μάθημα Βασικές Έννοιες - . Γενικά Τρόπος Διεξαγωγής Ορισμός: Βάση Δεδομένων (ΒΔ) είναι μια συλλογή από σχετιζόμενα αντικείμενα
Διαβάστε περισσότεραΓενικό πλαίσιο. Απαιτήσεις Μοντέλο εδοµένων. MinusXLRequirements. Απόστολος Ζάρρας http://www.cs.uoi.gr/~zarras/se.htm
MinusXLRequirements Απόστολος Ζάρρας http://www.cs.uoi.gr/~zarras/se.htm Γενικό πλαίσιο Μια από τις πιο γνωστές και ευρέως διαδεδομένες εμπορικές εφαρμογές για τη διαχείριση λογιστικών φύλλων είναι το
Διαβάστε περισσότεραΕΞΑΓΩΓΗ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ ΜΕΤΑΦΟΡΤΩΣΗ (EXTRACT, TRANSFORM, LOAD) Πασχάλης Θρήσκος, PhD Λάρισα
ΕΞΑΓΩΓΗ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ ΜΕΤΑΦΟΡΤΩΣΗ (EXTRACT, TRANSFORM, LOAD) Πασχάλης Θρήσκος, PhD Λάρισα 2016-2017 ΤΙ ΕΙΝΑΙ ; Είναι μια διαδικασία σε ένα περιβάλλον Αποθήκης Δεδομένων όπου συμβαίνουν τα εξής: Εξαγωγή
Διαβάστε περισσότεραΠανεπιστήµιο Πειραιώς Τµήµα Πληροφορικής Πρόγραµµα Μεταπτυχιακών Σπουδών «Πληροφορική»
Πανεπιστήµιο Πειραιώς Τµήµα Πληροφορικής Πρόγραµµα Μεταπτυχιακών Σπουδών «Πληροφορική» Μεταπτυχιακή ιατριβή Τίτλος ιατριβής Ονοµατεπώνυµο Φοιτητή Πατρώνυµο Συλλογή, ιασταύρωση, ιαχείριση και Επιχειρησιακή
Διαβάστε περισσότεραCertified Data Base Designer (CDBD)
Certified Data Base Designer (CDBD) Εξεταστέα Ύλη (Syllabus) Πνευµατικά ικαιώµατα Το παρόν είναι πνευµατική ιδιοκτησία της ACTA Α.Ε. και προστατεύεται από την Ελληνική και Ευρωπαϊκή νοµοθεσία που αφορά
Διαβάστε περισσότεραΟρισμοί Σχεσιακού Μοντέλου και Τροποποιήσεις Σχέσεων σε SQL
Εισαγωγή Μοντελοποίηση Στα προηγούμενα μαθήματα: Ορισμοί Σχεσιακού Μοντέλου και Τροποποιήσεις Σχέσεων σε SQL Εννοιολογικός Σχεδιασμός Βάσεων εδομένων (με χρήση του Μοντέλου Οντοτήτων/Συσχετίσεων) Λογικός
Διαβάστε περισσότεραΒάσεις Δεδομένων (Ε) Εισαγωγή στην υλοποίηση σχεσιακών βάσεων δεδομένων
Βάσεις Δεδομένων (Ε) Εισαγωγή στην υλοποίηση σχεσιακών βάσεων δεδομένων Εισαγωγή στη χρήση της γλώσσας SQL και στον προγραμματισμό εφαρμογών βάσεων δεδομένων Θα χρησιμοποιήσουμε το Σχεσιακό Σύστημα (προϊόν)
Διαβάστε περισσότεραΔιάλεξη 03: Εννοιολογική Σχεδίαση Βάσης Δεδομένων I (Entity Relationship Modelling) Διδάσκων: Παναγιώτης Ανδρέου
Διάλεξη 03: Εννοιολογική Σχεδίαση Βάσης Δεδομένων I (Entity Relationship Modelling) Στην ενότητα αυτή θα μελετηθούν τα εξής επιμέρους θέματα: Εισαγωγή στις έννοιες: Μεθοδολογία Ανάπτυξης Βάσεων Δεδομένων
Διαβάστε περισσότεραΕπερωτήσεις σύζευξης με κατάταξη
Επερωτήσεις σύζευξης με κατάταξη Επερωτήσεις κατάταξης Top-K queries Οι επερωτήσεις κατάταξης επιστρέφουν τις k απαντήσεις που ταιριάζουν καλύτερα με τις προτιμήσεις του χρήστη. Επερωτήσεις κατάταξης Top-K
Διαβάστε περισσότεραΕισαγωγή στα Συστήµατα Βάσεων Δεδοµένων
Εισαγωγή στα Συστήµατα Βάσεων Δεδοµένων Βάσεις εδοµένων 2011-2012 Ευαγγελία Πιτουρά 1 Βασικές Έννοιες Τι είναι µια βάση δεδοµένων; Βάση Δεδοµένων: συλλογή από σχετιζόµενα δεδοµένα Ειδικού σκοπού λογισµικό
Διαβάστε περισσότεραRamez Elmasri and Shamkant B. Navathe Ελληνική Εκδόσεις Δίαυλος, Επιμέλεια Μ.Χατζόπουλος Διαφάνεια 1-1
Μ.Χατζόπουλος Διαφάνεια 1-1 Υλοποίηση Βάσεων Δεδομένων www.di.uoa.gr/~k18 Διδάσκων Μ.Χατζόπουλος Ώρες Γραφείου Δεύτερα 15-16 Αλλά και όποια άλλη ώρα μπορώ. Σύγγραμματα: 1)Θεμελιώδεις Αρχές Συστημάτων Βάσεων
Διαβάστε περισσότεραSQL Data Manipulation Language
SQL Data Manipulation Language Τελεστής union συνδυάζει subselects τα οποία παράγουν συμβατές σχέσεις γενική μορφή: subselect {union [all] subselect} περιορισμός: τα subselects δεν μπορούν να περιέχουν
Διαβάστε περισσότεραΕισαγωγή στα Συστήματα Βάσεων εδομένων
Εισαγωγή στα Συστήματα Βάσεων εδομένων Βάσεις Δεδομένων 2010-2011 Ευαγγελία Πιτουρά 1 Τι θα δούμε σήμερα: ΕΙΣΑΓΩΓΗ Βασικές έννοιες Λίγα ιστορικά στοιχεία Μια σύνοψη του περιεχομένου του μαθήματος Εισαγωγή
Διαβάστε περισσότεραΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΔΙΟΙΚΗΣΗΣ
ΠΛΗΡΟΦΟΡΙΑΚΑ ΣΥΣΤΗΜΑΤΑ ΔΙΟΙΚΗΣΗΣ ΔΕΔΟΜΕΝΑ ΔΕΔΟΜΕΝΑ ΠΛΗΡΟΦΟΡΙΑ ΑΡΙΘΜΟΙ ΣΥΜΒΟΛΑ - ΛΕΞΕΙΣ ΟΠΟΙΑΔΗΠΟΤΕ ΔΡΑΣΤΗΡΙΟΤΗΤΑ ΣΥΜΒΑΙΝΕΙ ΣΕ ΜΙΑ ΟΙΚΟΝΟΜΙΚΗ ΜΟΝΑΔΑ ΠΡΕΠΕΙ ΝΑ ΜΕΤΡΕΙΤΑΙ ΚΑΙ ΝΑ ΚΑΤΑΓΡΑΦΕΤΑΙ ΟΡΓΑΝΩΣΗ ΚΑΤΑΓΡΑΦΗΣ
Διαβάστε περισσότερα. Εργαστήριο Βάσεων Δεδομένων. Εισαγωγικό Μάθημα Βασικές Έννοιες - Ανάλυση Απαιτήσεων
.. Εργαστήριο Βάσεων Δεδομένων Εισαγωγικό Μάθημα Βασικές Έννοιες - . Ύλη Εργαστηρίου ΒΔ Ύλη - 4 Ενότητες.1 - Σχεδιασμός Βάσης Δεδομένων.2 Δημιουργία Βάσης Δεδομένων Δημιουργία Πινάκων Εισαγωγή/Ανανέωση/Διαγραφή
Διαβάστε περισσότεραΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ Ι. Ενότητα 1: Ορισμοί βασικών εννοιών: Μια πρώτη μοντελοποίηση. Ευαγγελίδης Γεώργιος Τμήμα Εφαρμοσμένης Πληροφορικής
Ενότητα 1: Ορισμοί βασικών εννοιών: Μια πρώτη μοντελοποίηση Ευαγγελίδης Γεώργιος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες,
Διαβάστε περισσότεραΟργάνωση Βάσεων Βιοϊατρικών Δεδομένων Εξόρυξη Γνώσης Βιοϊατρικών Δεδομένων. Σεμινάριο 7: Αλγόριθμοι για επεξεργασία ερωτήσεων και βελτιστοποίηση
Οργάνωση Βάσεων Βιοϊατρικών Δεδομένων Εξόρυξη Γνώσης Βιοϊατρικών Δεδομένων Σεμινάριο 7: Αλγόριθμοι για επεξεργασία ερωτήσεων και βελτιστοποίηση Ευάγγελος Καρκαλέτσης, Αναστασία Κριθαρά, Γεώργιος Πετάσης
Διαβάστε περισσότεραΑρχεία και Βάσεις Δεδομένων
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Αρχεία και Βάσεις Δεδομένων Διάλεξη 1η: Εισαγωγή στα Συστήματα Διαχείρισης Βάσεων Δεδομένων Τμήμα Επιστήμης Υπολογιστών ΗΥ 360 Αρχεία και Βάσεις Δεδομένων Καθηγητής
Διαβάστε περισσότεραΕΣΔ 232: ΟΡΓΑΝΩΣΗ ΔΕΔΟΜΕΝΩΝ ΣΤΗΝ ΚΟΙΝΩΝΙΑ ΤΗΣ ΠΛΗΡΟΦΟΡΙΑΣ. Ακαδημαϊκό Έτος , Εαρινό Εξάμηνο Διδάσκων Καθ.: Νίκος Τσαπατσούλης
ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ, ΤΜΗΜΑ ΕΠΙΚΟΙΝΩΝΙΑΣ & ΣΠΟΥΔΩΝ ΔΙΑΔΙΚΤΥΟΥ ΕΣΔ 232: ΟΡΓΑΝΩΣΗ ΔΕΔΟΜΕΝΩΝ ΣΤΗΝ ΚΟΙΝΩΝΙΑ ΤΗΣ ΠΛΗΡΟΦΟΡΙΑΣ Ακαδημαϊκό Έτος 2011 2012, Εαρινό Εξάμηνο Καθ.: Νίκος Τσαπατσούλης ΥΠΟΔΕΙΓΜΑ
Διαβάστε περισσότεραΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ ΤΜΗΜΑ ΠΟΛΙΤΙΣΜΙΚΗΣ ΤΕΧΝΟΛΟΓΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΑΣ. Επιλέγει όλες τις πλειάδες, από μια σχέση R, που ικανοποιούν τη συνθήκη επιλογής.
ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ Χειμερινό Εξάμηνο 2012 SQL Structured Query Language Δρ. Βαγγελιώ Καβακλή ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ, ΤΜΗΜΑ ΠΟΛΙΤΙΣΜΙΚΗΣ ΤΕΧΝΟΛΟΓΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΑΣ 1 Πράξεις της σχεσιακής άλγεβρας ΠΡΑΞΗ ΣΚΟΠΟΣ
Διαβάστε περισσότεραΠανεπιστήμιο Πειραιώς. Τμήμα Ψηφιακών Συστημάτων Π.Μ.Σ. «Διδακτική της Τεχνολογίας & Ψηφιακά Συστήματα» Κατεύθυνση Ψηφιακών Επικοινωνιών και Δικτύων
Πανεπιστήμιο Πειραιώς Τμήμα Ψηφιακών Συστημάτων Π.Μ.Σ. «Διδακτική της Τεχνολογίας & Ψηφιακά Συστήματα» Κατεύθυνση Ψηφιακών Επικοινωνιών και Δικτύων Διπλωματική Εργασία «Σχεδίαση και Ανάπτυξη Δικτυοκεντρικού
Διαβάστε περισσότεραΚεφάλαιο 2 ο. Συστήματα Πληροφοριών στην επιχείρηση
Κεφάλαιο 2 ο Συστήματα Πληροφοριών στην επιχείρηση Διδακτικοί στόχοι Να αναλυθούν οι ρόλοι των 6 τύπων των συστημάτων πληροφοριών Να περιγραφούν οι τύποι των πληροφοριακών συστημάτων Να αναλυθούν οι σχέσεις
Διαβάστε περισσότεραΕαρινό Εξάμηνο
ΙΙ Παράλληλες ΙΙ Τμήμα Μηχανικών Η/Υ και Πληροϕορικής Πολυτεχνική Σχολή, Πανεπιστήμιο Πατρών Εαρινό Εξάμηνο 2011-2012 Table of contents ΙΙ 1 Παράλληλες Table of contents ΙΙ Παράλληλες 1 2 Table of contents
Διαβάστε περισσότεραKεφ.2: Σχεσιακό Μοντέλο (επανάληψη) Κεφ.6.1: Σχεσιακή Άλγεβρα
Kεφ.2: Σχεσιακό Μοντέλο (επανάληψη) Κεφ.6.1: Σχεσιακή Άλγεβρα Database System Concepts, 6 th Ed. Silberschatz, Korth and Sudarshan See www.db-book.com for conditions on re-use Παράδειγμα Σχέσης attributes
Διαβάστε περισσότεραΘεωρία Κανονικοποίησης
Θεωρία Κανονικοποίησης Πρώτη Κανονική Μορφή (1NF) Αποσύνθεση Συναρτησιακές Εξαρτήσεις Δεύτερη (2NF) και Τρίτη Κανονική Μορφή (3NF) Boyce Codd Κανονική Μορφή (BCNF) Καθολική Διαδικασία Σχεδίασης ΒΔ Βασική
Διαβάστε περισσότεραΜια ολοκληρωμένη, διαχρονική και μόνιμη συλλογή δεδομένων οργανωμένη κατά αντικείμενο ανάλυσης με στόχο τη διαδικασία υποστήριξης λήψης αποφάσεων -
Εξαγωγή Μετασχηματισμός Εισαγωγή Δεδομένων στην Αποθήκη Πληροφοριών (ETL) Ορισμοί Data Warehouse 1. 2. Μια ολοκληρωμένη, διαχρονική και μόνιμη συλλογή δεδομένων οργανωμένη κατά αντικείμενο ανάλυσης με
Διαβάστε περισσότεραΕργαστήριο Βάσεων Δεδομένων. Εισαγωγικό Φροντιστήριο Βασικές Έννοιες - Ανάλυση Απαιτήσεων
Εργαστήριο Βάσεων Δεδομένων Εισαγωγικό Φροντιστήριο Βασικές Έννοιες - Ανάλυση Απαιτήσεων Τρόπος Διεξαγωγής #1 Ύλη (4 Ενότητες) 1. Ανάλυση Απαιτήσεων -Σχεδιασμός Βάσης Δεδομένων 2. Δημιουργία βάσης a) Create
Διαβάστε περισσότεραΗΥ 360 Αρχεία και Βάσεις Δεδομένων
ΗΥ 360 Αρχεία και Βάσεις Δεδομένων Web site: http://www.csd.uch.gr/~hy360 Mailing list: hy360-list@csd.uoc.gr E-mail: hy360@csd.uoc.gr Καθηγητής Τμήμα Επιστήμης Υπολογιστών, Πανεπιστήμιο Κρήτης E-mail:
Διαβάστε περισσότεραΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ
ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΤΕΧΝΟΛΟΓΙΑΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΥΠΟΛΟΓΙΣΤΩΝ ΠΡΟΧΩΡΗΜΕΝΑ ΘΕΜΑΤΑ ΒΑΣΕΩΝ Ε ΟΜΕΝΩΝ Τ. Σελλής ΦΘΙΝΟΠΩΡΟ 2005 Λύση ΑΣΚΗΣΗΣ
Διαβάστε περισσότερα