11.1. Θεωρητικό υπόβαθρο για τους κύβους δεδομένων και την πολυδιάστατη ανάλυση
|
|
- Ἀρταξέρξης Παπάζογλου
- 8 χρόνια πριν
- Προβολές:
Transcript
1 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 που εμπεριέχει συναθροιστικές πληροφορίες για μία ή περισσότερες βάσεις δεδομένων. Η συνάθροιση της πληροφορίας οδηγεί σε γρήγορους χρόνους απόκρισης ερωτημάτων που τίθενται από υψηλόβαθμα στελέχη επιχειρήσεων, προκειμένου αυτά να λάβουν συνήθως στρατηγικές αποφάσεις για την επιχείρηση Θεωρητικό υπόβαθρο για τους κύβους δεδομένων και την πολυδιάστατη ανάλυση Τα ανώτερα στελέχη μιας επιχείρησης καλούνται συχνά να πάρουν στρατηγικές αποφάσεις (π.χ. την είσοδο της επιχείρησης σε μια νέα αγορά, τη δημιουργία ενός νέου προϊόντος κτλ.) για το μέλλον της επιχείρησης, βασιζόμενοι σ έναν τεράστιο όγκο δεδομένων που αφορούν την επιχείρηση και το περιβάλλον της (Νανόπουλος, & Μανωλόπουλος, 2008 Χαλκίδη, & Βεζυργιάννης, 2005). Η αποθήκη δεδομένων (data warehouse) είναι μια πολυδιάστατη δομή, η οποία, καθώς περιέχει συναθροιστικές πληροφορίες που προέρχονται συνήθως από περισσότερες ετερογενείς βάσεις δεδομένων, βοηθά στη λήψη τέτοιων στρατηγικών αποφάσεων. Συγκεκριμένα, μια αποθήκη δεδομένων έχει τα εξής χαρακτηριστικά: Είναι προσανατολισμένη σε ένα θέμα (subject-oriented) και αφορά βασικές επιχειρηματικές διεργασίες, όπως είναι η διαχείριση πελατών, οι πωλήσεις κτλ. Είναι ολοκληρωμένη (integrated) και ενοποιεί στην ίδια μορφή τα δεδομένα ετερογενών βάσεων δεδομένων της επιχείρησης. Δεν είναι ευμετάβλητη (non volatile) και δεν έχουμε σ' αυτήν συχνά τη διαγραφή εγγραφών, παρά μόνο την προσθήκη νέων εγγραφών. Αφορά ιστορικά δεδομένα (time-variant) σε βάθος χρόνου, ακόμα και πολλών δεκαετιών. Η αποθήκη δεδομένων εστιάζει σε επιχειρηματικές διεργασίες, στις οποίες λαμβάνουν χώρα διάφορα γεγονότα (facts). Για παράδειγμα, για μια αποθήκη δεδομένων που αφορά τις πωλήσεις προϊόντων, γεγονός αποτελεί η πώληση ενός συγκεκριμένου προϊόντος σε κάποιο υποκατάστημα σε μια δεδομένη χρονική στιγμή. Μία αριθμητική ποσότητα που αφορά ένα γεγονός ονομάζεται μέτρο ή αλλιώς μετρική (measure). Στο γεγονός του προηγούμενου παραδείγματος, ένα μέτρο θα μπορούσε να είναι ο αριθμός των τεμαχίων του προϊόντος που πωλήθηκαν σε πελάτες. Οι πληροφορίες που περιγράφουν το γεγονός ονομάζονται διαστάσεις (dimensions). Διαστάσεις ενός γεγονότος πώλησης είναι, για παράδειγμα, το προϊόν που πωλήθηκε, το υποκατάστημα όπου έγινε η πώληση, η ημερομηνία πώλησης κ.λπ. Κάθε διάσταση μπορεί να εμπεριέχει μια ιεραρχία (hierarchy). Για παράδειγμα, η διάσταση του χρόνου μπορεί να αναλύεται στο επίπεδο της ώρας, της ημέρας, της εβδομάδας ή του μήνα μιας συναλλαγής κτλ. Η διάσταση του υποκαταστήματος μπορεί να αναλύεται στο επίπεδο της περιοχής, της πόλης, της χώρας κτλ. Σε μια αποθήκη δεδομένων, τα γεγονότα αναπαρίστανται ως πολυδιάστατοι κύβοι δεδομένων. Κάθε άξονας του κύβου αντιστοιχεί σε μία διάσταση. Κάθε διάσταση αναπαρίσταται ως προς ένα επίπεδο της ιεραρχίας της. Οι τιμές των ιδιοτήτων όλων των διαστάσεων διαμερίζουν τον κύβο σε κελιά, όπου κάθε κελί του περιέχει την αντίστοιχη τιμή του μέτρου. Ο σχεδιασμός ενός κύβου δεδομένων γίνεται συνήθως με το σχήμα αστέρα (star schema). Σ ένα σχήμα αστέρα, τα γεγονότα αναπαρίστανται στον πίνακα γεγονότων (fact table), ενώ κάθε διάσταση αναπαρίσταται με ξεχωριστό πίνακα διαστάσεων (dimension table). Το σχήμα αστέρα παίρνει την ονομασία του από τη δομή που προκύπτει, με τον πίνακα γεγονότων στο κέντρο και τις διαστάσεις τοποθετημένες ακτινωτά γύρω του. Εκτός απ το σχήμα αστέρα, υπάρχει το σχήμα χιονονιφάδας (snowflake schema). Η διαφορά του με το σχήμα αστέρα βρίσκεται στο γεγονός ότι οι πίνακες διαστάσεων αποσυντίθενται σε περισσότερους από έναν πίνακες. Επίσης, υπάρχει το σχήμα γαλαξία (galaxy schema), όπου δύο ή περισσότεροι πίνακες γεγονότων διαμοιράζονται τους ίδιους πίνακες διαστάσεων. 327
2 Σ έναν κύβο δεδομένων μπορούμε να αλλάζουμε το επίπεδο της ιεραρχίας σε κάθε διάστασή του, προσδιορίζοντας έτσι μια διαφορετική όψη του κύβου δεδομένων. Για παράδειγμα, μπορούμε να εξετάσουμε τις πωλήσεις ανά μήνα αντί ανά ημέρα και, έτσι, να διακρίνουμε ότι τους μήνες Αύγουστο και Νοέμβριο είχαμε μειωμένες πωλήσεις σε σχέση με άλλους μήνες. Αυτές οι ενέργειες εκτελούνται με τις πράξεις OLAP (On line Analytical Processing) που βοηθούν στην εύκολη διατύπωση αναλυτικών ερωτήσεων επί κύβων δεδομένων, καθώς και στη γρήγορη εκτέλεσή τους. Οι βασικές πράξεις OLAP αναλύονται παρακάτω: Η πράξη Roll-up παράγει έναν κύβο δεδομένων με μειωμένο επίπεδο λεπτομέρειας και υλοποιείται όταν (α) σε κάποιες διαστάσεις επιλέγουμε ανώτερο επίπεδο στην ιεραρχία τους ή (β) αφαιρούμε κάποιες διαστάσεις [1, 2]. Η πράξη Drill-down παράγει έναν κύβο δεδομένων με αυξημένο επίπεδο λεπτομέρειας και υλοποιείται όταν (α) σε κάποιες διαστάσεις επιλέγουμε κατώτερο επίπεδο στην ιεραρχία τους ή (β) προσθέτουμε κάποιες διαστάσεις. Η πράξη Slice παράγει έναν κύβο δεδομένων όταν επιλέγουμε δεδομένα από μία μόνο διάσταση. Η πράξη Dice παράγει έναν κύβο δεδομένων όταν επιλέγουμε δεδομένα από μία ή περισσότερες διαστάσεις. Η πράξη Pivot παράγει έναν κύβο δεδομένων, του οποίου οι διαστάσεις έχουν αναδιαταχθεί. Τέλος, με τη βοήθεια των πράξεων OLAP είναι εύκολη η πολυδιάστατη ανάλυση ενός κύβου δεδομένων. Όμως, για την εφαρμογή τους απαιτείται ο ορισμός του τρόπου παραγωγής των κύβωναποτελεσμάτων, μέσω μιας συναθροιστικής συνάρτησης (aggregation function) επί των τιμών των μέτρων. Οι βασικές συναθροιστικές συναρτήσεις είναι αυτές του αθροίσματος (sum), του πλήθους (count), του μέσου όρου (avg), του μεγίστου (max) και του ελαχίστου (min). Τύποι συστημάτων OLAP Όσον αφορά το φυσικό επίπεδο μιας αποθήκης δεδομένων, στο περιβάλλον του SQL Server υποστηρίζονται τρεις βασικοί τύποι συστημάτων OLAP: 1. Multidimensional OLAP (MOLAP) Στα συστήματα MOLAP ο κύβος δεδομένων αποθηκεύεται σε πολυδιάστατους πίνακες. Μ αυτόν τον τρόπο, επιτυγχάνεται γρήγορη εκτέλεση των πράξεων OLAP, καθώς η προσπέλαση του κύβου είναι άμεση. Ωστόσο, οι πίνακες είναι αραιοί, επειδή δεν αντιστοιχεί πάντα κάθε συνδυασμός διαστάσεων σε ένα γεγονός. Γι αυτόν τον λόγο, πολλές φορές εφαρμόζεται συμπίεση, ώστε να μειωθεί ο αποθηκευτικός χώρος, κάτι το οποίο επιφέρει αύξηση του χρόνου της δημιουργίας του κύβου. 2. Relational OLAP (ROLAP) Στα συστήματα ROLAP χρησιμοποιείται ένα σχεσιακό σύστημα διαχείρισης βάσεων δεδομένων, όπου υπάρχουν ξεχωριστοί πίνακες γεγονότων και διαστάσεων. Αυτό αποτελεί και ένα από τα σπουδαιότερα πλεονεκτήματα αυτών των συστημάτων, καθώς υπάρχουν πρότυπα για να εφαρμοστεί η σχεσιακή τεχνολογία, με αποτέλεσμα να παρουσιάζουν πολύ καλή κλιμάκωση στη διαχείριση μεγάλου όγκου δεδομένων. Ωστόσο, η ταχύτητα εκτέλεσης αυτών των πράξεων είναι μειωμένη σε σχέση με τα MOLAP. 3. Hybrid OLAP (HOLAP) Τα συστήματα HOLAP είναι τα πιο διαδεδομένα, καθώς δημιουργήθηκαν με σκοπό τον συνδυασμό των πλεονεκτημάτων των παραπάνω συστημάτων. Συγκεκριμένα, δίνεται η δυνατότητα αποθήκευσης ενός τμήματος του κύβου με την μορφή MOLAP για τη γρηγορότερη εκτέλεση πράξεων OLAP, ενώ ο υπόλοιπος κύβος μπορεί να αποθηκευτεί όπως στα συστήματα ROLAP, προκειμένου να επιτευχθεί υψηλή κλιμάκωση σε μεγάλο όγκο δεδομένων. 328
3 11.2. Δημιουργία ενός κύβου δεδομένων Ας υποθέσουμε ότι βρισκόμαστε στην εταιρία FoodMart ως διαχειριστές της βάσης δεδομένων που έχουμε ήδη επεξεργαστεί στις ενότητες 6.2 και 6.5. Η FoodMart είναι μια μεγάλη αλυσίδα παντοπωλείων με πωλήσεις στις Ηνωμένες Πολιτείες, το Μεξικό και τον Καναδά. Το εμπορικό τμήμα της εταιρείας θέλει να αναλύσει όλες τις πωλήσεις των προϊόντων της και την αγοραστική συμπεριφορά των πελατών της που έγιναν κατά τη διάρκεια του ημερολογιακού έτους Εμείς, χρησιμοποιώντας τα στοιχεία που αποθηκεύονται στη βάση δεδομένων της επιχείρησης, θα χτίσουμε μια πολυδιάστατη δομή δεδομένων (ένα κύβο), για να επιτρέψουμε τους γρήγορους χρόνους απόκρισης της βάσης, όποτε προστρέχουν σ αυτήν οι εμπορικοί αναλυτές της εταιρείας. Σ αυτήν την ενότητα, λοιπόν, θα δημιουργήσουμε, μέσα από αναλυτικά βήματα, έναν κύβο πωλήσεων (Sales Cube) με τα εξής στοιχεία: a. Πίνακας γεγονότων: Sales_fact_1997 b. Πίνακες διαστάσεων: Product, Product class, Time By Day, Customer, Store c. Μετρικά: store_sales, store_cost και unit_sales. Αναλυτικά βήματα 1. Η εισαγωγή της βάσης δεδομένων FoodMart στο περιβάλλον του Management Studio και Business Intelligence έχει γίνει ήδη στο Κεφάλαιο 6. Συγκεκριμένα, η εισαγωγή της βάσης δεδομένων FoodMart στο Management Studio περιγράφεται στην Ενότητα 6.2. Επιπλέον, η εισαγωγή της βάσης δεδομένων FoodMart στο περιβάλλον του Business Intelligence περιγράφεται στην Ενότητα 6.5, όπου το σχεσιακό σχήμα της βάσης δεδομένων περιγράφεται με την Εικόνα
4 2. Από τον Solution Explorer επιλέγουμε Cubes. Στη συνέχεια, επιλέγουμε με δεξί κλικ New Cube, όπως φαίνεται στην Εικόνα 11.1, προκειμένου να δημιουργήσουμε έναν νέο κύβο. Εικόνα Στο παράθυρο Cube Wizard, όπως φαίνεται στην Εικόνα 11.2, επιλέγουμε Use existing tables. Στη συνέχεια, πατάμε Next>. Εικόνα
5 4. Στο παράθυρο Select Measure Group Tables, όπως φαίνεται στην Εικόνα 11.3, επιλέγουμε τον πίνακα γεγονότων (fact table). Πιο συγκεκριμένα, επιλέγουμε τον πίνακα γεγονότων sales_fact_1997. Εικόνα Στο παράθυρο Select Measures επιλέγουμε τις μετρικές του κύβου μας. Πιο συγκεκριμένα, όπως φαίνεται στην Εικόνα 11.4, διατηρούμε επιλεγμένες τις μετρικές Store Sales, Store Cost και Unit Sales, ενώ αποεπιλέγουμε τη μετρική Sales Fact 1997 Count, την οποία προς το παρόν δεν χρειαζόμαστε. Εικόνα
6 6. Στο παράθυρο Select New Dimensions, όπως φαίνεται στην Εικόνα 11.5, εμφανίζονται όλοι οι πίνακες που είναι συνδεδεμένοι στον fact table. Εμείς επιλέγουμε ως πίνακες διαστάσεων τους παρακάτω πίνακες: Product, Product class, Time By Day, Customer, Store. Για τις ανάγκες του παραδείγματος μας αποεπιλέγουμε τον πίνακα Promotion. Εικόνα Στο παράθυρο Completing the Wizard, όπως φαίνεται στην Εικόνα 11.6, ονομάζουμε τον κύβο μας Food_Cube. Στη συνσέχεια, πατάμε Finish. Εικόνα
7 8. Εμφανίζεται διαγραμματικά ο κύβος μας. Όπως φαίνεται στην Εικόνα 11.7, το σχήμα του είναι τύπου χιονονιφάδας. Τώρα, επιλέγοντας Start (το πράσινο κουμπί στην επάνω μπάρα εργαλείων), μπορούμε να κάνουμε τον Κύβο μας process. Εικόνα
8 11.3. Δημιουργία ιεραρχίας σε μια διάσταση του κύβου δεδομένων Στην ενότητα αυτή θα δημιουργήσουμε μια ιεραρχία μέσα σε κάθε μία από τις διαστάσεις (time, store, κτλ.) του κύβου πωλήσεων του παραδείγματος μας. 1. Για να δημιουργήσουμε μια ιεραρχία σε μια διάσταση (έστω την διάσταση του χρόνου), κάνουμε δεξί κλικ πάνω στο Dimensions του Solution Explorer και, στην συνέχεια, κάνουμε κλικ στο View Designer. Θα εμφανιστεί η παρακάτω οθόνη. Εικόνα Με drag and drop προσθέτουμε τα attributes που μας ενδιαφέρουν (The Year, Quarter, The Month, Week of Year, The Day), μεταφέροντας τα από την περιοχή Data Source View στην περιοχή attributes. Στην συνέχεια, για να δημιουργήσουμε την ιεραρχία της διάστασης Τime by Day μεταφέρουμε ξανά με drag and drop τα attributes στην περιοχή Hierarchies, όπως φαίνεται στην Εικόνα Εικόνα
9 3. Το ίδιο θα κάνουμε και με τις άλλες δύο διάστασεις (Store, Product). Για παράδειγμα, για τη διάσταση «Store», η ιεραρχία που θα δημιουργήσουμε φαίνεται στην Εικόνα Εικόνα Για να δημιουργήσουμε τη διάσταση Product, κάνουμε δεξί κλικ πάνω στο Dimensions του Solution Explorer και, στην συνέχεια, κάνουμε κλικ στο View Designer, οπότε θα εμφανιστεί η οθόνη της Εικόνας Παρατηρούμε ότι ο πίνακας Product συνδέεται με έναν δεύτερο πίνακα, τον πίνακα product_class. Εικόνα
10 5. Προκειμένου να φτιάξουμε την ιεραρχία για τη διάσταση Product, θα πάρουμε πεδία και από τους δύο συσχετιζόμενους πίνακες, όπως φαίνεται στην Εικόνα Εικόνα Υποβολή ερωτημάτων στον κύβο δεδομένων Αφού ολοκληρώσαμε τη διαδικασία δημιουργίας ιεραρχίας για καθεμία απ τις διαστάσεις του κύβου, κάνουμε process τον κύβο μας, ώστε να ενημερωθεί με τις καινούργιες ιεραρχίες που δημιουργήσαμε στις διαστάσεις του χρόνου, των καταστημάτων και των προϊόντων. Πηγαίνουμε στο solution explorer, κάνουμε διπλό κλικ πάνω στο Food_Cube.cube και επιλέγουμε την καρτέλα Browser. Εμφανίζεται το παράθυρο της Εικόνας 11.13, στο οποίο με drag and drop τοποθετούμε τις διαστάσεις (product, store κτλ.) και το μετρικό (Store cost, Store sales, Unit Sales) που επιθυμούμε. Εικόνα
11 Ας υποθέσουμε ότι μας ζητείται να υπολογίσουμε της ποσότητες που πουλήθηκαν στα καταστήματα της εταιρίας για το προϊόν Big Time Ice Cream στις πόλεις Los Angeles και San Francisco για τον μήνα Ιούλιο. Για να ικανοποιήσουμε το παραπάνω ερώτημα, τοποθετούμε το μετρικό Unit Sales με drag and drop στην περιοχή Drag levels or measures to add to the query, όπως φαίνεται στην Εικόνα Επίσης, τοποθετούμε με drag and drop στην ίδια περιοχή το πεδίο Store City από τη διάσταση Store. Προκειμένου να φιλτράρουμε τα δεδομένα μας μόνο για τις πόλεις Los Angeles και San Fransisco για το προϊόν Big Time Ice Cream για τον μήνα Ιούλιο, διαμορφώνουμε την περιοχή πάνω από το grid, που αναγράφει <Select dimension>. Συγκεκριμένα, επιλέγουμε Product Name = {Big Time Ice Cream}, Store City = {Los Angeles, San Fransisco} και The Month ={July} για τις διαστάσεις Product, Store και Time by day αντίστοιχα. Είμαστε πλέον έτοιμοι να κάνουμε τις πράξεις drill through ή roll up στον κύβο μας. Εικόνα
12 11.5. Υποβολή ερωτημάτων μέσω Pivot table του Excel Ένας εναλλακτικός τρόπος υποβολής ερωτημάτων στον κύβο δεδομένων μας είναι η χρήση του Pivot table του MS Excel. Το κύριο πλεονέκτημα αυτής της επιλογής είναι ότι το Excel επιτρέπει να φτιάχνουμε διαγράμματα που περιγράφουν τα δεδομένα μας με γραφικό τρόπο. Το Visual Studio προσφέρει τη δυνατότητα της άμεσης μεταφοράς στο περιβάλλον του MS Excel (εφόσον αυτό έχει προεγκατασταθεί) σύμφωνα με τα παρακάτω βήματα: 1. Επιλέγουμε το κουμπί με το λογότυπο του MS Excel (πράσινο Χ) στη μέση περίπου της οθόνης μας, όπως φαίνεται στην Eικόνα Εικόνα Μεταφερόμαστε στο MS Excel (στο παράδειγμά μας, στην έκδοση 2007), όπου εμφανίζεται το μήνυμα της Εικόνας Επιλέγουμε Ενεργοποίηση. Εικόνα
13 3. Εμφανίζεται η οθόνη που φαίνεται στην Εικόνα Στα πάνω αριστερά κελιά (Συγκεντρωτικός πίνακας) παρατηρούμε το pivot table. Ακόμη, στο δεξί μέρος βλέπουμε τη λίστα με τα διαθέσιμα πεδία που δημιουργήθηκαν και μεταφέρθηκαν απ το Visual Studio. Κάτω απ αυτήν τη λίστα υπάρχουν τέσσερα πεδία: Φίλτρα, Ετικέτες στήλης, Ετικέτες γραμμής, Τιμές. Εικόνα
14 4. Προκειμένου να απαντήσουμε το ερώτημα της Ενότητας 11.4., μεταφέρουμε το Unit Sales απ τη λίστα πεδίων του Συγκεντρωτικού Πίνακα στην αριστερή περιοχή, όπως φαίνεται στην Εικόνα Επίσης, μεταφέρουμε την ιεραρχία της διάστασης Store στις Ετικέτες γραμμής. Παράλληλα, στην περιοχή πεδίων του Συγκεντρωτικού Πίνακα, εφαρμόζουμε όλα τα φίλτρα του ερωτήματός μας, δηλαδή: (Product Name = {Big Time Ice Cream}, Store City = {Los Angeles, San Fransisco} και The Month ={July} ). Εικόνα Τέλος, όπως φαίνεται στην Εικόνα 11.19, στο excel μπορούμε να δημιουργήσουμε ενημερωτικά γραφήματα με εύκολο τρόπο. Εικόνα
15 11.6. Ασκήσεις για κύβους δεδομένων 1. Να προσδιορίσετε τις συνολικές ποσότητες που πωλήθηκαν στην Αμερική ανά πολιτεία (California, Oregon, Washington) για κάθε τρίμηνο του έτους Ποια τρία καταστήματα σημείωσαν τις μεγαλύτερες πωλήσεις για το 1997; Να φτιάξετε σχετική γραφική παράσταση στο excel. 3. Δημιουργήστε ένα γράφημα που να παρουσιάζει ποιες είναι οι έξι μεγαλύτερες ποσότητες (σε μονάδες/τεμάχια) ανά προϊόν που πωλήθηκαν τον μήνα Δεκέμβριο του Δημιουργήστε ένα γράφημα που να παρουσιάζει ποια πέντε προϊόντα σημείωσαν τις μεγαλύτερες πωλήσεις (σε αξία) τον μήνα Δεκέμβριο του Να προσδιορίσετε τις συνολικές πωλήσεις σε αξία των καταστημάτων για τα δύο τελευταία τρίμηνα του 1997 ανά πολιτεία των ΗΠΑ. 341
16 11.7. Λύσεις Ασκήσεων για κύβους δεδομένων Άσκηση 1 Να προσδιορίσετε τις συνολικές ποσότητες που πωλήθηκαν στην Αμερική ανά πολιτεία (California, Oregon, Washington) για κάθε τρίμηνο του έτους Λύση 1. Πηγαίνουμε στη λίστα πεδίων του Συγκεντρωτικού Πίνακα στο Excel και επιλέγουμε Unit Sales, το οποίο εμφανίζεται πλέον στο κάτω δεξί παράθυρο με τις τιμές που συναθροίζονται (Σ τιμές). Στη συνέχεια, επιλέγουμε ολόκληρη την ιεραρχία της διάστασης Τime by day και την τοποθετούμε στην Ετικέτα Γραμμής, η οποία εμφανίζεται στο κάτω αριστερό παράθυρο στη λίστα πεδίων του Συγκεντρωτικού Πίνακα. Τέλος, επιλέγουμε ολόκληρη την ιεραρχία της διάστασης Store και την τοποθετούμε στην περιοχή Ετικέτες στήλης, η οποία εμφανίζεται πλέον στο πάνω δεξί παράθυρο στη λίστα πεδίων του Συγκεντρωτικού Πίνακα. Τονίζεται ότι οι Ετικέτες γραμμής είναι οι γραμμές του Pivot Table, ενώ οι Ετικέτες στήλης αποτελούν τις στήλες του Pivot table. Στη συνέχεια, επιλέγοντας τα σύμβολα + και, μπορούμε να κάνουμε drill through/roll up τόσο στην ιεραρχία της διάστασης του χρόνου (time) όσο και στη διάσταση των καταστημάτων (stores), όπως φαίνεται στην Εικόνα Εικόνα
17 2. Παρατηρούμε, όπως φαίνεται στην Εικόνα 11.22, ένα ραβδόγραμμα με την αποτίμηση των πωλήσεων ανά περιοχή και ανά τρίμηνο του 1997 για τη χώρα της Αμερικής (USA). USA - CA USA - OR USA - WA Εικόνα
18 Άσκηση 2 Ποιο κατάστημα σημείωσε τις μεγαλύτερες πωλήσεις για το 1997 στη πολιτεία της Καλιφόρνια; Να φτιάξετε σχετική γραφική παράσταση στο excel που να εμπεριέχει όλα τα καταστήματα της Καλιφόρνια. Λύση Στη λίστα πεδίων του Συγκεντρωτικού Πίνακα στο Excel, επιλέγουμε Store Sales, το οποίο εμφανίζεται πλέον στο κάτω δεξί παράθυρο με τις τιμές που συναθροίζονται (Σ τιμές). Στη συνέχεια, επιλέγουμε ολόκληρη την ιεραρχία της διάστασης Store και την τοποθετούμε στην περιοχή Ετικέτες Γραμμής, η οποία εμφανίζεται στο κάτω αριστερό παράθυρο στη λίστα πεδίων του Συγκεντρωτικού Πίνακα. Όπως φαίνεται στην Εικόνα 11.23, διαπιστώνουμε ότι το κατάστημα του Los Angeles είναι αυτό που έχει τις μεγαλύτερες πωλήσεις, με 54545,28 δολάρια Αμερικής. Το ίδιο αποτέλεσμα, εξάλλου, επιβεβαιώνεται και με το συγκεντρωτικό γράφημα πίτας. Εικόνα
19 Άσκηση 3 Δημιουργήστε ένα γράφημα που να παρουσιάζει ποιες είναι οι έξι μεγαλύτερες ποσότητες (σε μονάδες/τεμάχια) ανά προϊόν που πωλήθηκαν τον μήνα Δεκέμβριο του Λύση Στο γράφημα της Εικόνας παρουσιάζονται τα έξι προϊόντα της εταιρίας με τις μεγαλύτερες πωλήσεις για το χρονικό διάστημα αναφοράς. Τα προϊόντα αναφέρονται στο σύνολο της εμπορικής δραστηριότητας της εταιρίας και στο σύνολο της γεωγραφικής κάλυψης των προϊόντων της. Όπως φαίνεται, το προϊόν "Fast Beef Jerky" παρουσίασε τις υψηλότερες πωλήσεις στη συγκεκριμένη περίοδο. Εικόνα Άσκηση 4 Δημιουργήστε ένα γράφημα που να παρουσιάζει ποια πέντε προϊόντα σημείωσαν τις μεγαλύτερες πωλήσεις (σε αξία) τον μήνα Δεκέμβριο του Λύση Στο γράφημα της Εικόνας παρουσιάζεται το διάγραμμα των προϊόντων με τις πέντε μεγαλύτερες πωλήσεις σε αξία για τον μήνα Δεκέμβριο του Εικόνα
20 Άσκηση 5 Να προσδιορίσετε τις συνολικές πωλήσεις σε αξία των καταστημάτων για τα δύο τελευταία τριμήνων του 1997 ανά πολιτεία των ΗΠΑ. Λύση Όπως φαίνεται στην Εικόνα 11.26, υπάρχει ανοδική πορεία πωλήσεων μεταξύ του τρίτου και του τέταρτου τριμήνου στα καταστήματα που βρίσκονται στις πολιτείες CA και WA. Αντίθετα, τα καταστήματα της πολιτείας του OR φαίνεται πως έχουν μικρή μείωση των πωλήσεών τους απ το τρίτο στο τέταρτο τρίμηνο. Εικόνα Βιβλιογραφία/Αναφορές Νανόπουλος, Α., & Μανωλόπουλος, Ι. (2008). Εισαγωγή στην Εξόρυξη και τις Αποθήκες Δεδομένων, Αθήνα, Εκδόσεις Νέων Τεχνολογιών. Χαλκίδη, Μ., & Βεζυργιάννης, Μ. (2005). Εξόρυξη Γνώσης από Βάσεις Δεδομένων και τον Παγκόσμιο Ιστό, Αθήνα, Τυπωθήτω. 346
21 Βιβλιογραφία Aggarwal, C. C. (2015). Data Mining: The Textbook, Springer. Chakrabarti, S. (2003). Mining the Web: Discovering Knowledge from Hypertext Data, Morgan Kauffman. Dunham, M. H. (2003). Data Mining: Introductory and Advanced Topics, New Jersey, Prentice Hall. Han, J., & Kamber, M. (2001). Data Mining: Concepts and Techniques, Academic Press. Hoffer, J. A., Venkatarama, R., & Topi, H. (2013). Modern Database Management, Prentice Hall. Liu, B. (2007). Web Data Mining: Exploring Hyperlinks, Contents, and Usage Data, Springer. Μανωλόπουλος, Ι., & Παπαδόπουλος, Α. Ν. (2006). Συστήματα Βάσεων Δεδομένων: Θεωρία & Πρακτική Εφαρμογή, Αθήνα, Εκδόσεις Νέων Τεχνολογιών. Νανόπουλος, Α., & Μανωλόπουλος, Ι. (2008). Εισαγωγή στην Εξόρυξη και τις Αποθήκες Δεδομένων, Αθήνα, Εκδόσεις Νέων Τεχνολογιών. Rajaraman, A., Leskovec, J., & Ullman, J.D. (2015). Mining of Massive Datasets, Cambridge University Press. Ramakrishnan, R., & Gehrke, J. (2003). Database Management Systems, McGraw-Hill. Roiger, R., & Geatz, M. (2003). Data Mining: A tutorial-based Primer, Addison Wesley. Tan, P - N., Steinbach, M., & Kumar, V. (2006). Introduction to Data Mining, Addison Wesley. Χαλκίδη, Μ., & Βεζυργιάννης, Μ. (2005). Εξόρυξη Γνώσης από Βάσεις Δεδομένων και τον Παγκόσμιο Ιστό, Αθήνα, Τυπωθήτω. 347
22 Ευρετήριο όρων ADD COLUMN, 40 all, 71, 72, 84, 104, 324 alter table, 88 CASCADE, 33, 34, 40, 50, 51 Count, 65, 79, 335 CREATE TABLE, 32, 33, 47, 48, 49, 86 Create View, 74 Date, 27, 28, 47, 48, 49, 50, 299 Decimal, 27, 49 DELETE FROM, 46 DROP COLUMN, 40 drop database, 26 DROP Table, 40 Except, 70 exists, 72, 73, 84 full outer join, 63 Group by, 66, 67, 68, 71, 74, 78, 84 Having, 67, 68, 71, 74, 84 inner join, 61, 71, 72, 74, 82, 83, 84 INSERT INTO, 43, 44, 45, 90, 91 Intersect, 69 left outer join, 62, 67, 82, 83 Max, 65 New Table, 30, 37, 39 NO ACTION, 34 not exists, 72 ON DELETE, 33, 34 Order by, 59, 67, 101, 102 PRIMARY KEY, 32, 33, 47, 48, 49, 86 REFERENCES, 33, 50, 51 Relationships, 34, 118 RESTRICT, 40 Results Pane, 54 right outer join, 62 self join, 64 Set Default, 34, 35 Set Null, 34, 35 some, 71, 72 Union, 69 update, 35, 38, 87, 93, 94, 108, 114 WHERE, 45, 46, 87, 102 ακραίες τιμές (outliers), 295 αλγόριθμος Assosiation Rules, 7, 267 αλγόριθμος EM, 235 αλγόριθμος k-means, 234, 235, 245 αποθήκη δεδομένων (data warehouse), 330 γλώσσα ορισμού δεδομένων (Data Definition Language), 10, 20 γλώσσα χειρισμού δεδομένων (Data Manipulation Language), 10 εμπιστοσύνη (confidence), 267 εντροπία (entropy), 191 Εξόρυξη δεδομένων (Data Mining), 11 Κατηγοριοποίηση (classification), 191 κύβοι δεδομένων (data cubes), 11 ξένο κλειδί (foreign key), 33 ομαδοποίηση (clustering), 234 περιοδικότητα (periodicity), 295 πρωτεύον κλειδί (primary key), 30 πιθανότητα (probability), 267 σύνθετο κλειδί (composite key), 30 σύστημα διαχείρισης βάσεων δεδομένων (data base management system), 10 συσχέτιση (correlation), 269 σχήμα αστέρα (star schema), 330 σχήμα γαλαξία (galaxy schema), 331 σχήμα χιονονιφάδας (snowflake schema), 330 χρονοσειρών (time series), 8, 12,
4. 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 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 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 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 περισσότεραH SQL είναι η γλώσσα για όλα τα εμπορικά σχεσιακά συστήματα διαχείρισης βάσεων δεδομένων
Η γλώσσα SQL H SQL είναι η γλώσσα για όλα τα εμπορικά σχεσιακά συστήματα διαχείρισης βάσεων δεδομένων H SQL έχει διάφορα τμήματα: Γλώσσα Ορισμού Δεδομένων (ΓΟΔ) Γλώσσα Χειρισμού Δεδομένων (ΓΧΔ) Ενσωματωμένη
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 περισσότεραΠολυδιάστατη Ανάλυση Δεδομένων
Πολυδιάστατη Ανάλυση Δεδομένων Άντληση δεδομένων από τη βάση Το πρώτο βήμα είναι η δημιουργία της πολυδιάστατης βάσης δεδομένων (OLAP On Line Analytical Processing) η οποία απευθύνεται στους καταναλωτές
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 περισσότερα2. Εισαγωγή Δεδομένων σε Σχεσιακή Βάση Δεδομένων
2. Εισαγωγή Δεδομένων σε Σχεσιακή Βάση Δεδομένων Μετά τον μετασχηματισμό των δεδομένων με τη χρήση του Excel, τα δεδομένα θα εισαχθούν σε μια σχεσιακή βάση δεδομένων (Microsoft SQL Sever 2005) ώστε να
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 περισσότεραΟρισμοί Σχεσιακού Μοντέλου και (απλές)τροποποιήσεις Σχέσεων στην SQL. Βάσεις Δεδομένων Ευαγγελία Πιτουρά 1
Ορισμοί Σχεσιακού Μοντέλου και (απλές)τροποποιήσεις Σχέσεων στην SQL Ευαγγελία Πιτουρά 1 Τι έχουμε δει Μοντελοποίηση Εννοιολογικός Σχεδιασμός Βάσεων Δεδομένων (με χρήση του Μοντέλου Οντοτήτων/Συσχετίσεων)
Διαβάστε περισσότεραΗ SQL αποτελείται από δύο υποσύνολα, τη DDL και τη DML.
Κεφάλαιο 5 Η γλώσσα SQL 5.1 Εισαγωγή Η γλώσσα SQL (Structured Query Language) είναι η πιο διαδεδομένη διαλογική γλώσσα ερωταπαντήσεων που χρησιμοποιείται για την επικοινωνία του χρήστη με σχεσιακές ΒΔ.
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 περισσότεραΚεφάλαιο 5. Δημιουργία φορμών για τη βάση δεδομένων DVDclub
Κεφάλαιο 5. Δημιουργία φορμών για τη βάση δεδομένων DVDclub Σύνοψη Σ αυτό το κεφάλαιο θα περιγράψουμε τη δημιουργία φορμών, προκειμένου να εισάγουμε δεδομένα και να εμφανίζουμε στοιχεία από τους πίνακες
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 περισσότεραΟρισμοί Σχεσιακού Μοντέλου και Τροποποιήσεις Σχέσεων σε SQL
Ορισμοί Σχεσιακού Μοντέλου και Τροποποιήσεις Σχέσεων σε SQL Βάσεις Δεδομένων 2009-2010 Ευαγγελία Πιτουρά 1 Εισαγωγή Μοντελοποίηση Στα προηγούμενα μαθήματα: Εννοιολογικός Σχεδιασμός Βάσεων εδομένων (με
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 περισσότεραΤμήμα Διοίκησης Επιχειρήσεων
Τμήμα Διοίκησης Επιχειρήσεων «Βάσεις Δεδομένων και Ευφυή Πληροφοριακά Συστήματα» «Σημειώσεις για την SQL» ΕΞΑΜΗΝΟ: ΣΤ Δρ. Κωνσταντίνος Χ. Γιωτόπουλος Πάτρα, Νοέμβριος 2010 SQL Create Table Η CREATE TABLE
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 περισσότεραΚΕΡΑΜΟΠΟΥΛΟΣ ΕΥΚΛΕΙΔΗΣ
ΚΕΡΑΜΟΠΟΥΛΟΣ ΕΥΚΛΕΙΔΗΣ Πίνακας Πεδίο Τύπος Κύριο κλειδί Αναφορική ακεραιότητα οντοτήτων Ξένο κλειδί Αναφορική ακεραιότητα δεδομένων Δρ. Κεραμόπουλος Ευκλείδης 2 ΚΥΡΙΟ ΚΛΕΙΔΙ ΦΟΙΤΗΤΗΣ ΑΜ CHAR(5) ΟΝΟΜΑ VARCHAR(20)
Διαβάστε περισσότερα8. ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ ΔΕΔΟΜΕΝΩΝ
8. ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ ΔΕΔΟΜΕΝΩΝ Στόχος του εργαστηρίου αυτού είναι να δείξει πώς τα εργαστήρια με τα δεδομένα της ICAP μπορούν να υλοποιηθούν χωρίς τη χρήση SQL Server, χρησιμοποιώντας μόνον Excel και Rapid
Διαβάστε περισσότεραΚεφάλαιο 6. Προετοιμασία Δεδομένων ενόψει της Διαδικασίας Εξόρυξης
Κεφάλαιο 6. Προετοιμασία Δεδομένων ενόψει της Διαδικασίας Εξόρυξης Σύνοψη Το έκτο κεφάλαιο είναι εισαγωγικό. Αρχικά θα δημιουργήσουμε μια βάση δεδομένων με τη χρήση του SQL Server Management Studio. Στη
Διαβάστε περισσότεραΒάσεις Δεδομένων και Ευφυή Πληροφοριακά Συστήματα Επιχειρηματικότητας. 3ο Μάθημα: Εισαγωγή στην SQL. Δρ. Κωνσταντίνος Χ.
Βάσεις Δεδομένων και Ευφυή Πληροφοριακά Συστήματα Επιχειρηματικότητας 3ο Μάθημα: Εισαγωγή στην SQL Δρ. Κωνσταντίνος Χ. Γιωτόπουλος SQL Background SQL Structured Query Language Standard query γλώσσα για
Διαβάστε περισσότεραΟψεις (VIEWS) στην SQL Η εντολή CREATE VIEW Αθανάσιος Σταυρακούδης http://stavrakoudis.econ.uoi.gr Άνοιξη 2014 1 / 55 Περιεχόμενα 1 Εισαγωγικά για τις όψεις 2 Οψεις και συζεύξεις 3 Επιπλέον χρήση των όψεων
Διαβάστε περισσότεραΚεφάλαιο 9. Εξαγωγή Κανόνων Συσχέτισης
Κεφάλαιο 9. Εξαγωγή Κανόνων Συσχέτισης Σύνοψη Σ αυτό το κεφάλαιο θα μελετήσουμε τον αλγόριθμο Assosiation Rules. Ο συγκεκριμένος αλγόριθμος παράγει συσχετίσεις μεταξύ αντικειμένων και ανήκει στην οικογένεια
Διαβάστε περισσότεραΒάσεις Δεδομένων 3η εργαστηριακή άσκηση
Βάσεις Δεδομένων 3η εργαστηριακή άσκηση Εισαγωγή στο περιβάλλον της oracle Συσχέτιση πινάκων (εισαγωγή ξένων κλειδιών) Δρ. Μαρία Ευθυμιοπούλου 1. Εμφάνιση πινάκων στο Workspace Στο προηγούμενο εργαστήριο
Διαβάστε περισσότεραΟρισµοί Σχεσιακού Μοντέλου και Τροποποιήσεις Σχέσεων σε SQL
Ορισµοί Σχεσιακού Μοντέλου και Τροποποιήσεις Σχέσεων σε SQL Βάσεις εδοµένων 2011-2012 Ευαγγελία Πιτουρά 1 Εισαγωγή Μοντελοποίηση Στα προηγούµενα µαθήµατα: Εννοιολογικός Σχεδιασµός Βάσεων Δεδοµένων (µε
Διαβάστε περισσότεραΚεφάλαιο 1. Εγκατάσταση και Περιβάλλον του SQL Server 2014
Κεφάλαιο 1. Εγκατάσταση και Περιβάλλον του SQL Server 2014 Σύνοψη Σ αυτό το κεφάλαιο περιγράφονται τα βασικά βήματα εγκατάστασης του SQL Server. Επιπλέον, περιγράφεται ο έλεγχος που απαιτείται να γίνει,
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 περισσότερα5. ΠΟΛΥΔΙΑΣΤΑΤΗ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ
5. ΠΟΛΥΔΙΑΣΤΑΤΗ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ Το μοντέλο που δημιουργήσαμε στο προηγούμενο εργαστήριο έχει βελτιωθεί εν μέρει ώστε να συμπεριλάβει και κάποιες δυνατότητες οι οποίες απαιτούν σχετικά εξειδικευμένες
Διαβάστε περισσότεραΤμήμα Πληροφορικής ΑΠΘ 2013-2014
Βάσεις Δεδομένων Εργαστήριο V Τμήμα Πληροφορικής ΑΠΘ 2013-2014 2 Σκοπός του 5 ου εργαστηρίου Σκοπός αυτού του εργαστηρίου είναι: η μελέτη ερωτημάτων τροποποίησης δομής / δεδομένων η μελέτη σύνθετων ερωτημάτων
Διαβάστε περισσότεραΚεφάλαιο 3. Ερωτήματα SQL
Κεφάλαιο 3. Ερωτήματα SQL Σύνοψη Σ αυτό το κεφάλαιο θα παρουσιάσουμε βασικά και σύνθετα ερωτήματα της SQL. Τα ερωτήματα θα υποβληθούν στην βάση δεδομένων DVDclub που δημιουργήθηκε στο προηγούμενο κεφάλαιο.
Διαβάστε περισσότεραΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ Ι Ενότητα 3:
Ενότητα 3: Σχεσιακό Μοντέλο. Από το ιδεατό στο λογικό (σχεσιακό) μοντέλο. Από το λογικό στο φυσικό (SQL) μοντέλο Ευαγγελίδης Γεώργιος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης
Διαβάστε περισσότεραΕΞΟΡΥΞΗ ΔΕΔΟΜΕΝΩΝ. Διαδικαστικά
ΕΞΟΡΥΞΗ ΔΕΔΟΜΕΝΩΝ Διαδικαστικά Συστάσεις Ι Ποιός είμαι εγώ: Email: tsap@cs.uoi.gr Γραφείο: Β.3 Προτιμώμενες ώρες γραφείου: 11:00-18:00 Ενδιαφέροντα Web mining, Social networks, User Generated Content Mobile
Διαβάστε περισσότεραΒάσεις Δεδομένων 2η εργαστηριακή άσκηση
Βάσεις Δεδομένων 2η εργαστηριακή άσκηση Εισαγωγή στο περιβάλλον της oracle Δημιουργία πινάκων Δρ. Εύη Φαλιάγκα 1. Login Χρησιμοποιώντας έναν web explorer, μπαίνετε στο http://10.0.0.6:8080/apex και συμπληρώνετε
Διαβάστε περισσότεραΠρογραμματισμός ταμειακής ροής για αγορές υλικών
Προγραμματισμός ταμειακής ροής για αγορές υλικών Η βάση δεδομένων του Navision μπορεί να χρησιμοποιηθεί για την άντληση δεδομένων και από άλλα εργαλεία εκτός Navision. Θα δημιουργήσουμε ένα παράδειγμα
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 περισσότεραΗλεκτρονικοί Υπολογιστές II
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Ηλεκτρονικοί Υπολογιστές II Όψεις (views) στην SQL Διδάσκων: Επίκουρος Καθηγητής Αθανάσιος Σταυρακούδης Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται
Διαβάστε περισσότεραΤΑΞΙΝΟΜΗΣΗ ΑΠΟΤΕΛΕΣΜΑΤΩΝ ΕΡΩΤΗΜΑΤΟΣ
ΤΑΞΙΝΟΜΗΣΗ ΑΠΟΤΕΛΕΣΜΑΤΩΝ ΕΡΩΤΗΜΑΤΟΣ Η συνθήκη WHERE βάζει περιορισμούς στις εγγραφές που επιστρέφονται. Ο όρος ORDER BY ταξινομεί τις εγγραφές που επιστρέφονται. Παράδειγμα: SELECT * FROM table_name ORDER
Διαβάστε περισσότεραΒάσεις Δεδομένων. Εισαγωγή για το Εργαστήριο. Δρ. Τιάκας Ελευθέριος. Τμήμα Πληροφορικής ΑΠΘ 2015-2016
Βάσεις Δεδομένων Εισαγωγή για το Εργαστήριο Δρ. Τιάκας Ελευθέριος Τμήμα Πληροφορικής ΑΠΘ 2015-2016 2 Βασικοί στόχοι Μερικοί βασικοί στόχοι του εργαστηρίου είναι: Η ικανότητα ανάλυσης των απαιτήσεων, κατασκευής
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 περισσότεραΗΓλώσσαSQL. Εισαγωγή Βασικές Έννοιες Τύποι Δεδομένων Ορισμός Δεδομένων Χειρισμός Δεδομένων
ΗΓλώσσαSQL Εισαγωγή Βασικές Έννοιες Τύποι Δεδομένων Ορισμός Δεδομένων Χειρισμός Δεδομένων Εισαγωγή Η δομημένη γλώσσα ερωτημάτων SQL (Structured Query Language) χρησιμοποιείται για τους χρήστες του ΣΔΒΔ
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 περισσότεραΕΞΟΡΥΞΗ ΔΕΔΟΜΕΝΩΝ. Εισαγωγή
ΕΞΟΡΥΞΗ ΔΕΔΟΜΕΝΩΝ Εισαγωγή Συστάσεις Ι Ποιός είμαι εγώ: Email: tsap@cs.uoi.gr Γραφείο: Β.3 Προτιμώμενες ώρες γραφείου: 11:00-18:00 Ενδιαφέροντα Web mining, Social networks, User Generated Content Mobile
Διαβάστε περισσότεραΟδηγίες Χρήσης της MySQL
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΣΗΜΕΙΩΣΕΙΣ ΣΕ ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ Οδηγίες Χρήσης της MySQL Διδάσκων: Γιάννης Θεοδωρίδης Συντάκτης Κειμένου: Βαγγέλης Κατσικάρος Νοέμβριος 2007 1 Περιεχόμενα Εισαγωγή...2
Διαβάστε περισσότεραΕγγραφή στο Portal για νέους συνδρομητές
Εγγραφή στο Portal για νέους συνδρομητές Μεταφερθείτε στην ηλεκτρονική διεύθυνση www.taxpress.gr και από το κεντρικό μενού «e-πηρεσίες» επιλέξτε το «ASTbooks Portal». Θα μεταφερθείτε στην κεντρική σελίδα
Διαβάστε περισσότεραΟδηγίες Χρήσης της MySQL
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΣΗΜΕΙΩΣΕΙΣ ΣΕ ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ Οδηγίες Χρήσης της MySQL Διδάσκων: Γιάννης Θεοδωρίδης Συντάκτης Κειμένου: Βαγγέλης Κατσικάρος Απρίλιος 2007 1 Περιεχόμενα Εισαγωγή...2
Διαβάστε περισσότεραΕνότητα 14 Γραφικές Παραστάσεις
Ενότητα 14 Γραφικές Παραστάσεις Ένα φύλλο εργασίας μπορεί να παρουσιάζει διάφορες έννοιες όπως διαφορές μεταξύ αριθμών, αλλαγή αριθμών σε συνάρτηση με το χρόνο. Μια οπτική εικόνα αυτών των σχέσεως είναι
Διαβάστε περισσότεραΔημιουργώντας τον πίνακα διάστασης
KETTLE KETTLE διάστασης Με το χειριστήριο αυτό μπορούμε να διαβάσουμε ένα csv αρχείο που είναι αποθηκευμένο στον υπολογιστή μας. Ας το ονομάσουμε αρχείο εισόδου. Αφού βρούμε και κλικάρουμε το αρχείο (Filename),
Διαβάστε περισσότεραΤο σχεσιακό μοντέλο βάσεων δεδομένων
ΕΣΔ232 Οργάνωση Δεδομένων στη Κοινωνία της Πληροφορίας Το σχεσιακό μοντέλο βάσεων δεδομένων Περιεχόμενα Περιεχόμενα - Βιβλιογραφία Ενότητας Εισαγωγή στο σχεσιακό μοντέλο Σχεσιακές γλώσσες ερωτημάτων Περιορισμοί
Διαβάστε περισσότερα2 η Εργαστηριακή Άσκηση
2 η Εργαστηριακή Άσκηση Σκοπός της παρούσας εργαστηριακής άσκησης είναι η δημιουργία μιας εφαρμογής client/server η οποία θα συνδέεται με μια Βάση Δεδομένων σε MSSQL Server (ή ACCESS), και θα προβάλει
Διαβάστε περισσότεραΠρογραμματισμός ταμειακής ροής για αγορές υλικών
Προγραμματισμός ταμειακής ροής για αγορές υλικών Η βάση δεδομένων του Navision μπορεί να χρησιμοποιηθεί για την άντληση δεδομένων και από άλλα εργαλεία εκτός Navision. Θα δημιουργήσουμε ένα παράδειγμα
Διαβάστε περισσότεραΒάσεις Δεδομένων Ι - 05. SQL Μέρος 3 ο. (Constraints & Joins) Φώτης Κόκκορας (MSc/PhD) Τμήμα Μηχανικών Πληροφορικής ΤΕ
Βάσεις Δεδομένων Ι - 05 SQL Μέρος 3 ο (Constraints & Joins) Φώτης Κόκκορας (MSc/PhD) Τμήμα Μηχανικών Πληροφορικής ΤΕ ΤΕΙ Θεσσαλίας Πρόσθετες Διαφάνειες σε Προηγούμενα Θέματα...σε Διαγραφή Πλειάδων Σημασιολογία
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΕΡΓΑΣΤΗΡΙΟ ΒΑΣΕΩΝ Ε ΟΜΕΝΩΝ ΜΕΡΟΣ ΤΕΤΑΡΤΟ Insert, Update, Delete, Ένωση πινάκων Γιώργος Μαρκοµανώλης Περιεχόµενα Group By... 1 Having...1 Οrder By... 2 Εντολή Insert...
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 περισσότερα2 ο Σύνολο Ασκήσεων. Βάσεις Δεδομένων 2013-2014 Ευαγγελία Πιτουρά 1
2 ο Σύνολο Ασκήσεων Οι βαθμοί θα ανακοινωθούν αύριο μαζί με τους βαθμούς της προγραμματιστικής άσκησης Τα αστεράκια δείχνουν τον εκτιμώμενο βαθμό δυσκολίας (*) εύκολο (**) μέτριο (***) δύσκολο Βάσεις Δεδομένων
Διαβάστε περισσότεραΠροκαταρκτικά. Όταν εκτελέσουμε για πρώτη φορά το power wabit, πρώτη δουλειά μας είναι να φέρουμε τον driver που θα κάνει τη διασύνδεση με τη mysql.
SQL power wabit Power wabit Ας υποθέσουμε ότι έχουμε δημιουργήσει με το mondrian ένα ή περισσότερα σχήματα, που μπορεί το κάθε ένα να περιέχει έναν ή περισσότερους κύβους. Κάθε σχήμα μπορεί να αναφέρεται
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 περισσότεραΔιαχείριση Πολιτισμικών Δεδομένων
Διαχείριση Πολιτισμικών Δεδομένων Μάθημα 7 Γλώσσα Ερωτημάτων SQL Τζανέτος Πομόνης ΤΕΙ Ιονίων Νήσων Τμήμα Τεχνολόγων Περιβάλλοντος Κατεύθυνση Συντήρησης Πολιτισμικής Κληρονομιάς Βασικές Έννοιες Σχεσιακή
Διαβάστε περισσότεραΣχεδιασμός Πληροφοριακών Συστημάτων. Σημειώσεις
Σχεδιασμός Πληροφοριακών Συστημάτων Σημειώσεις Συμπλήρωμα για τις Εκδόσεις 4 (4.1) και 4.2 των Σημειώσεων Έκδοση 19/2/2011 Μάριος Μάντακας mmantak@gmail.com Διαφορά από την προηγούμενη Έκδοση: Προσθήκη
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 περισσότεραΕΞΕΤΑΣΤΕΑ ΥΛΗ (SYLLABUS) Ενότητα Advanced Βάσεις Δεδομένων, Προχωρημένο Επίπεδο. Copyright 2013 ECDL Foundation Ref: SL_AM3_Syl2.
ΕΞΕΤΑΣΤΕΑ ΥΛΗ (SYLLABUS) Ενότητα Advanced Βάσεις Δεδομένων, Προχωρημένο Επίπεδο Copyright 2013 ECDL Foundation Ref: SL_AM3_Syl2.0_v1 Page 17 of 29 Βάσεις Δεδομένων, Προχωρημένο Επίπεδο Ακολουθεί η Εξεταστέα
Διαβάστε περισσότεραΚεφάλαιο 8. Ομαδοποίηση δεδομένων
Κεφάλαιο 8. Ομαδοποίηση δεδομένων Σύνοψη Σ αυτό το κεφάλαιο θα μελετήσουμε την τεχνική της ομαδοποίησης (clustering). Το Clustering αποτελεί μια τεχνική ομαδοποίησης των δεδομένων μιας βάσης σε υποσύνολα
Διαβάστε περισσότεραΒάσεις Δεδομένων. Εργαστήριο ΙV. Τμήμα Πληροφορικής ΑΠΘ 2014-2015
Βάσεις Δεδομένων Εργαστήριο ΙV Τμήμα Πληροφορικής ΑΠΘ 2014-2015 2 Σκοπός του 4 ου εργαστηρίου Σκοπός αυτού του εργαστηρίου είναι: η μελέτη ερωτημάτων σύνδεσης η μελέτη ερωτημάτων συνάθροισης 3 Εκφράσεις
Διαβάστε περισσότεραΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ. Πεδί α
ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ Βάση δεδομένων είναι συσχετισμένα μεταξύ τους δεδομένα, οργανωμένα σε μορφή πίνακα. Οι γραμμές του πίνακα αποτελούν τις εγγραφές και περιλαμβάνουν τις πληροφορίες για μια οντότητα. Οι
Διαβάστε περισσότεραΠληροφοριακά Συστήµατα
Nell Dale John Lewis Chapter 12 Πληροφοριακά Συστήµατα Στόχοι Ενότητας Η κατανόηση της έννοιας «Πληροφοριακό Σύστηµα» Επεξήγηση της οργάνωσης λογιστικών φύλλων (spreadsheets) Επεξήγηση της ανάλυσης δεδοµένων
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 περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΤΜΗΜΑ ΜΑΘΗΜΑΤΙΚΩΝ ΕΡΓΑΣΤΗΡΙΟ ΒΑΣΕΩΝ Ε ΟΜΕΝΩΝ ΜΕΡΟΣ ΤΡΙΤΟ Foreign key, Index, DML Ερωτήµατα Γιώργος Μαρκοµανώλης Περιεχόµενα Foreign Key... 1 Index... 4 DML Ερωτήµατα... 6 INSERT...
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ - ΤΜΗΥΠ ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ Ι
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ - ΤΜΗΥΠ ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ Ι Β. Μεγαλοοικονόμου, Δ. Χριστοδουλάκης Σχεσιακό Μοντέλο SQL- Μέρος Β Ακ.Έτος 2008-09 (μεβάσητιςσημειώσειςτωνsilberchatz, Korth και Sudarshan και του C. Faloutsos
Διαβάστε περισσότεραΕπίλυση προβλήματος με Access
Δ.1. Το προς επίλυση πρόβλημα Ζητείται να κατασκευάσετε τα αρχεία και τα προγράμματα μιας εφαρμογής καταχώρησης Δαπανών μελών ΔΕΠ (Διδακτικό και Ερευνητικό Προσωπικό) για την παρακολούθηση του απολογισμού
Διαβάστε περισσότεραΒάσεις Δεδομένων 5η εργαστηριακή άσκηση
Βάσεις Δεδομένων 5η εργαστηριακή άσκηση SQL Δρ. Μαρία Ευθυμιοπούλου Εντολές sql Για να γράψετε ή να επικολλήσετε εντολές sql πηγαίνετε από το μενού SQL Workshop και επιλέγετε το SQL Commands 1. Δημιουργία
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 περισσότεραField Service Management ΕΓΧΕΙΡΙΔΙΟ ΧΡΗΣΗΣ
Field Service Management ΕΓΧΕΙΡΙΔΙΟ ΧΡΗΣΗΣ 1 ΠΕΡΙΕΧΟΜΕΝΑ 1. ΑΝΑΛΥΣΗ ΜΕΝΟΥ ΕΦΑΡΜΟΓΗΣ... 4 2. ΕΠΕΞΗΓΗΣΗ ΚΕΝΤΡΙΚΟΥ ΜΕΝΟΥ ΚΑΡΤΕΛΑΣ... 5 3. ΔΗΜΙΟΥΡΓΙΑ ΠΕΛΑΤΗ... 6 4. ΑΝΑΖΗΤΗΣΗ ΠΕΛΑΤΗ... 6 5. ΕΠΕΞΕΡΓΑΣΙΑ/ΔΙΑΓΡΑΦΗ
Διαβάστε περισσότεραBrowsers. Λειτουργικότητα και Παραμετροποίηση
Browsers Λειτουργικότητα και Παραμετροποίηση 1 Πίνακας περιεχομένων Γενική περιγραφή... 3 Γενικά... 3 Ποιο αναλυτικά τα μέρη ενός browser... 4 Φίλτρα αναζήτησης... 4 Σενάρια αναζήτησης... 4 Όψεις εμφάνισης
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑIΟΥ & ΑΕΙ ΠΕΙΡΑΙΑ Τ.Τ.
ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑIΟΥ & ΑΕΙ ΠΕΙΡΑΙΑ Τ.Τ. Τμήματα Ναυτιλίας και Επιχειρηματικών Υπηρεσιών & Μηχ. Αυτοματισμού ΤΕ Εισαγωγή στη MySQL Νικόλαος Ζ. Ζάχαρης Τι είναι η MySql Είναι ένα Σχεσιακό Σύστημα Διαχείρισης
Διαβάστε περισσότερα10.1. Θεωρητικό υπόβαθρο των αλγορίθμων χρονοσειρών (time series) του SQL Server
Κεφάλαιο 10. Χρονοσειρές Σύνοψη Σ αυτό το κεφάλαιο θα παρουσιάσουμε τη δημιουργία ενός μοντέλου χρονοσειρών (time series). Συγκεκριμένα, θα μάθουμε τον τρόπο με τον οποίο δημιουργείται και χρησιμοποιείται
Διαβάστε περισσότεραΟι εντολές CREATE TABLE, ALTER TABLE, CREATE KEY, ALTER KEY.
Η γλώσσα ορισμού δεδομένων της SQL Οι εντολές CREATE TABLE, ALTER TABLE, CREATE KEY, ALTER KEY Αθανάσιος Σταυρακούδης http://stavrakoudis.econ.uoi.gr astavrak@uoi.gr @AStavrakoudis Άνοιξη 2016 1 / 85 Περιεχόμενα
Διαβάστε περισσότεραΦυσική Σχεδίαση Υλοποίηση βάσης
ΕΣΔ330 Διαχείριση Δεδομένων στη Κοινωνία της Πληροφορίας Φυσική Σχεδίαση Υλοποίηση βάσης Περιεχόμενα Περιεχόμενα Εισαγωγή Μετασχηματισμός οντοτήτων Μετασχηματισμός συσχετίσεων Ακεραιότητα δεδομένων Παραδείγματα
Διαβάστε περισσότεραΕισαγωγή «Singular M.I.S I».
Εισαγωγή Είναι γεγονός ότι µια από τις πιο σηµαντικές ανάγκες που αντιµετωπίζει µια επιχείρηση, κατά την εγκατάσταση ενός λογισµικού «πακέτου» (Οικονοµικής & Εµπορικής ιαχείρισης), είναι ο τρόπος µε τον
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 περισσότεραΕνότητα 21 Pivot Tables
Ενότητα 21 Pivot Tables Όταν δημιουργείτε μια έκθεση θα θέλετε να δείτε τα δεδομένα σας με διαφορετικούς τρόπους. Μπορείτε να χρησιμοποιήσετε τους πίνακες Pivot αν θέλετε να δείτε στον πίνακα σας μόνο
Διαβάστε περισσότεραΣΧΕΣΙΑΚΟ ΜΟΝΤΕΛΟ Relational Model. SQL Μαθ. #11
ΣΧΕΣΙΑΚΟ ΜΟΝΤΕΛΟ Relational Model SQL Μαθ. #11 Ε-R Model for a COMPANY database The COMPANY relational database schema A relational database instance of the COMPANY schema SQL Μια γλώσσα σχεσιακής βάσης
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 περισσότεραΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ - SQL
ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ - SQL Διδάσκων του μαθήματος 2 Δρ. Λεωνίδας Φραγγίδης Επίκουρος Καθηγητής Τμήμα Διοίκησης Επιχειρήσεων ΤΕΙ ΑΜΘ Email: fragidis@teiemt.gr Ώρες Γραφείου: Τρίτη (10:00 12:00) Προτεινόμενα
Διαβάστε περισσότεραCYPDIS BI Platform. ών Υπηρεσιών
CYPDIS BI Platform Η επιχειρηματική νοημοσύνη (BI) του συστήματος βασίζεται στην πλατφόρμα Pentaho. Πρόκειται για μια πλατφόρμα λογισμικού που αποτελείται από το πλαίσιο (framework), τα εργαλεία (ΒΙ Components),
Διαβάστε περισσότεραΟι εντολές CREATE TABLE, ALTER TABLE, CREATE KEY, ALTER KEY.
Η γλώσσα ορισμού δεδομένων της SQL Οι εντολές CREATE TABLE, ALTER TABLE, CREATE KEY, ALTER KEY Αθανάσιος Σταυρακούδης http://stavrakoudis.econ.uoi.gr Άνοιξη 2014 Περιεχόμενα 1 Δημιουργία πινάκων με την
Διαβάστε περισσότεραΚεφάλαιο 2. Δημιουργία Βάσης Δεδομένων και Πινάκων
Κεφάλαιο 2. Δημιουργία Βάσης Δεδομένων και Πινάκων Σύνοψη Σ αυτό το κεφάλαιο θα δημιουργήσουμε μια βάση δεδομένων που αφορά ένα κατάστημα ενοικίασης ψηφιακών δίσκων με το όνομα DVDClub. Θα εργαστούμε,
Διαβάστε περισσότεραΣχεσιακή Άλγεβρα και Σχεσιακός Λογισμός. Σχεσιακή Άλγεβρα Σχεσιακός Λογισμός
7 Σχεσιακή Άλγεβρα και Σχεσιακός Λογισμός Σχεσιακή Άλγεβρα Σχεσιακός Λογισμός Σχεσιακή Άλγεβρα H Σχεσιακή Άλγεβρα (relational algebra) ορίζει ένα σύνολο πράξεων που εφαρμόζονται σε μία ή περισσότερες σχέσεις
Διαβάστε περισσότεραΣΧΕΔΙΑΣΜΟΣ ΒΑΣΕΩΝ ΔΕΔΟΜΕΝΩΝ ΕΡΓΑΣΤΗΡΙΟ 3
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΨΗΦΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΣΧΕΔΙΑΣΜΟΣ ΒΑΣΕΩΝ ΔΕΔΟΜΕΝΩΝ ΕΡΓΑΣΤΗΡΙΟ 3 ΔΕΣΠΟΙΝΑ ΠΑΠΑΚΩΝΣΤΑΝΤΙΝΟΥ dpap@unipi.gr 2 ΤΙ ΕΙΝΑΙ Η SQL? (1/2) Η SQL (Structured Query Language) αποτελεί μια πρότυπη
Διαβάστε περισσότερα7. ΣΥΣΤΗΜΑΤΑ ΕΞΟΡΥΞΗΣ ΔΕΔΟΜΕΝΩΝ
7. ΣΥΣΤΗΜΑΤΑ ΕΞΟΡΥΞΗΣ ΔΕΔΟΜΕΝΩΝ ΠΡΟΣΟΧΗ: Κάθε φορά που θα φθάνετε στο σημείο αυτό πριν από τη δημιουργία κάθε μοντέλου, το σύστημα δίνει αυτόματα δυο αριθμήσεις: (1) στο τέλος του πεδίου Structure name
Διαβάστε περισσότεραKεφάλαιο 11 Λίστες και Ανάλυση Δεδομένων Kεφάλαιο 12 Εργαλεία ανάλυσης πιθανοτήτων Kεφάλαιο 13 Ανάλυση δεδομένων...
Μέρος 2 Kεφάλαιο 11 Λίστες και Ανάλυση Δεδομένων... 211 Kεφάλαιο 12 Εργαλεία ανάλυσης πιθανοτήτων... 241 Kεφάλαιο 13 Ανάλυση δεδομένων... 257 Kεφάλαιο 14 Συναρτήσεις Μέρος Β... 285 Kεφάλαιο 15 Ευρετήριο
Διαβάστε περισσότεραΕργαστήριο 8o. Ερωτήματα επιλογής Παραμετρικά ερωτήματα Ερωτήματα δημιουργίας πεδίων. Ευάγγελος Γ. Καραπιδάκης
Εργαστήριο 8o Ερωτήματα επιλογής Παραμετρικά ερωτήματα Ερωτήματα δημιουργίας πεδίων Ερωτήματα Τα Ερωτήματα μας επιτρέπουν να βλέπουμε τα δεδομένα που επιθυμούμε, με τη σειρά που επιθυμούμε. Μας δίνουν
Διαβάστε περισσότεραΕισαγωγή στις βάσεις δεδομένων - Η ανατομία μιας βάσης δεδομένων
ΕΣΔ516 Τεχνολογίες Διαδικτύου Εισαγωγή στις βάσεις δεδομένων - Η ανατομία μιας βάσης δεδομένων Περιεχόμενα - Βιβλιογραφία Ενότητας Περιεχόμενα Ορισμοί Συστατικά στοιχεία εννοιολογικής σχεδίασης Συστατικά
Διαβάστε περισσότεραΠεριεχόμενα. Πρόλογος 9. Ευχαριστίες 11. Εισαγωγή 13. 1 Κατανόηση των δεδομένων 23. 2 Βασικές τεχνικές ανάλυσης δεδομένων 41
Περιεχόμενα Πρόλογος 9 Ευχαριστίες 11 Εισαγωγή 13 Σχετικά με το βιβλίο...14 Σε ποιον απευθύνεται το βιβλίο...15 Οργάνωση του βιβλίου...16 Πώς θα προχωρήσετε...18 Στοιχεία του βιβλίου...19 Χρήση του συνοδευτικού
Διαβάστε περισσότεραΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ Ι. Ενότητα 6: SQL (Συζεύξεις, Εμφώλευση, Ομαδοποίηση) Ευαγγελίδης Γεώργιος. Τμήμα Εφαρμοσμένης Πληροφορικής ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ Ι
Ενότητα 6: SQL (Συζεύξεις, Εμφώλευση, Ομαδοποίηση) Ευαγγελίδης Γεώργιος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που
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 περισσότεραΔιαχείριση Έργων Πληροφορικής Εργαστήριο
Διαχείριση Έργων Πληροφορικής Εργαστήριο «Εισαγωγή στο MS Project- Διάγραμμα Gantt» Μ.Τσικνάκης, Ρ.Χατζάκη Ε. Μανιαδή, Ά. Μαριδάκη 1. Εισαγωγή στο Microsoft Project To λογισμικό διαχείρισης έργων MS Project
Διαβάστε περισσότεραΟρισµοί Σχεσιακού Μοντέλου και Τροποποιήσεις Σχέσεων σε SQL
Ορισµοί Σχεσιακού Μοντέλου και Τροποποιήσεις Σχέσεων σε SQL Βάσεις εδοµένων 2012-2013 Ευαγγελία Πιτουρά 1 Εισαγωγή Μοντελοποίηση Στα προηγούμενα μαθήματα: Εννοιολογικός Σχεδιασμός Βάσεων Δεδομένων (με
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 περισσότερα