Εισαγωγή στις Αποθήκες εδομένων
|
|
- Παύλος Σερπετζόγλου
- 8 χρόνια πριν
- Προβολές:
Transcript
1 Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 1 Εισαγωγή: OLTP Παραδοσιακή ιαχείριση εδομένων με Σ Β Σύστημα Επεξεργασίας οσοληψιών On-Line Transaction Processing (OLTP) Εισαγωγή στις Αποθήκες εδομένων ιαφάνειες βασισμένες σε σχετικές διαφάνειες του Πάνου Βασιλειάδη 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 Εισαγωγή: OLTP Εισαγωγή: OLTP OLTP Αεροπορική Εταιρεία OLTP Τράπεζα Κράτησε για γιατον κ. κ. Χ την τηνθέση 13Α 13Αγια γιαla! 1 Δάνεια Κράτησε για γιατον κ. κ. Y την τηνθέση 13Α 13Αγια γιαla!... Γκισέ DB Πόσοι ταξιδεύουν για γιαla? 100 ΑΤΜ DB Πιστωτικές κάρτες Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 3 Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 4 Εισαγωγή: OLTP Εισαγωγή: OLΑP 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. 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 τεράστιεςβάσειςδεδομένων OLAP + Data Mining => On-line Analytical Mining Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 5 Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 6
2 Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 7 Εισαγωγή: OLΑP 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; Λειτουργικά Χαρακτηριστικά Απαιτήσεων OLAP Πρόσβαση σε μεγάλο όγκο δεδομένων Συμμετοχή αθροιστικών και ιστορικών δεδομένων σε πολύπλοκες ερωτήσεις Μεταβολή της «οπτικής γωνίας» 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 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... 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 9 Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 10 Αποθήκες εδομένων Γενική Αρχιτεκτονική 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) Πηγή Δεδομένων OLTP συστήματα DW OLAP εργαλεία Data Marts Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 11 Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 12
3 Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 13 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 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 14 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) 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 15 Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 16 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 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 17 Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 18
4 Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 19 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 Μοντέλο εδομένων και Λειτουργίες Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 20 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 Εισαγωγή Παράδειγμα Κύβος ΠΩΛΗΣΕΙΣ Time Μέτρηση: Αριθμός Πωλήσεων για τις συγκεκριμένες διαστάσεις (Location, Item, Time) Κάθε διάσταση παίρνει τιμές από διαφορετικά επίπεδα, μπορεί να εκφραστεί σε διαφορετικά επίπεδα λεπτομέρειας Διαστάσεις: Product, Region, Date Ιεραρχίες διαστάσεων: Industry Country Year Category Product Region City Store Ιεραρχίες ιαστάσεων Month Quarter Day Week Εννοιολογική Ιεραρχία Item Location Κύβος ΠΩΛΗΣΕΙΣ Time Μέτρηση: Αριθμός Πωλήσεων για τις συγκεκριμένες διαστάσεις (Location, Item, Time) Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 21 Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 22 Εννοιολογική Ιεραρχία all Παράδειγμα: Εννοιολογική ιεραρχία (Concept Hierarchy) για Location all Σε σχεσιακό μοντέλο Μοντέλο εδομένων (Σχήμα) region country city office Πεδίο Τιμών Europe... North_America Germany... Spain Canada... Mexico Frankfurt... Vancouver... Toronto L. Chan... M. Wind Αντίστοιχες Τιμές 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 23 Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 24
5 Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 25 time day day_of_the_week month quarter year branch branch_name branch_type Παράδειγμα Σχήματος Αστεριού Μετρήσεις Πίνακας Γεγονότων ΠΩΛΗΣΕΙΣ units_sold dollars_sold avg_sales item item_name brand type supplier_type location street city state_or_province country 4 διαστάσεις (time, item, location, branch) Παράδειγμα Σχήματος Αστεριού Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 26 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 27 time day day_of_the_week month quarter year branch branch_name branch_type Παράδειγμα Σχήματος Νιφάδας Πίνακας Γεγονότων ΠΩΛΗΣΕΙΣ units_sold dollars_sold avg_sales item item_name brand type supplier_key location street city_key supplier supplier_key supplier_type city_key Μετρήσεις city state_or_province country Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 28 city 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 29 time day day_of_the_week month quarter year branch branch_name branch_type Παράδειγμα Σχήματος Νιφάδας Πίνακας Γεγονότων ΠΩΛΗΣΕΙΣ units_sold dollars_sold avg_sales item item_name brand type supplier_type location street city province_or_state country Πίνακας Γεγονότων ΑΠΟΣΤΟΛΗ shipper_key from_location to_location dollars_cost units_shipped shipper shipper_key Μετρήσεις shipper_name shipper_type Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 30
6 Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 31 Κύβος εδομένων 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. Πλέγμα Κυβοειδών Κύβος δεδομένων all time item location supplier time, item time, location item, location location, supplier time, supplier item, supplier time, location, supplier 0-D(apex) cuboid 1-D cuboids 2-D cuboids 3-D cuboids Το πλέγμα των κυβοειδών κύβος δεδομένων. time, item, location time, item, supplier item, location, supplier 4-D(base) cuboid time, item, location, supplier Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 32 Παράδειγμα Ιεραρχιών Οπτικοποίηση Κύβου Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 33 Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 34 Μετρήσεις - Συναθροίσεις Μετρήσεις - Συναθροίσεις Υπάρχουντρειςκατηγορίεςμετρήσεων: 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() 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 35 Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 36
7 Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 37 Βασικές Πράξεις Συναθροίσεις εδομένων TV PC VCR sum Product Παράδειγμα Date 1Qtr 2Qtr 3Qtr 4Qtr sum Total annual sales of TV in U.S.A. U.S.A Canada Mexico sum Country 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 38 Roll-up 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 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 39 Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 40 $2,3 $5,6 $8,9 $7,2 $0,75 $0,4 $1,5 $0,5 Χρόνος: Επίπεδο Quarter Roll-up (Παράδειγμα) Store1 Store2 Industry Category Product Year 1996 Country Year Region Quarter City Month Week Store Day Store1 Store2 $14,1 5 $6,9 Χρόνος: Επίπεδο Year SUM(s) $12,8 $1,8 $7,2 $1,6 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 41 Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 42
8 Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 43 Drill-down (Παράδειγμα) $2,3 $5,6 $8,9 $7,2 $0,75 $0,4 $1,5 $0,5 Item: Επίπεδο Industry Store1 Store2 Industry Category Product Country Year Region Quarter City Month Week Store Day Store1 Store2 VCR Camcorder TV CD player $0,6 $2,0 $1,2 $0,6 $2,4 $1,2 VCR $2,4 $2,4 Camcorder $3,3 $1,3 TV $2,2 $2,5 CD player $1,0 $1,0 Item: Επίπεδο Category 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 44 Store1 Store2 $2,3 $8,9 $0,75 $1,5 Pivot (Παράδειγμα) $5,6 $7,2 $0,4 $0,5 Store 1 Store 2 $2,3 $5,6 $8,9 $0,75 $1,5 $7,2 $0,4 $0,5 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 και 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. Εναλλαγή γραμμών και στηλών Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 45 Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 46 Store1 Store2 $2,3 $8,9 $0,75 $1,5 $5,6 $7,2 $0,4 $0,5 Slice&Dice (Παράδειγμα) Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 47 Store1 $8,9 $0,75 Διώξε το Store 2 και τις βιομηχανίες & time (quarters) location (cities) Toronto 395 Vancouver 605 computer home item (types) Fig Typical OLAP Operations location (cities) item (types) Chicago New York Toronto Vancouver home computer phone computer home item (types) pivot phone security dice for (location = Toronto or Vancouver ) and (time = or ) and (item = home or computer ) Chicago 440 New York Toronto Vancouver Q3 Q4 slice computer security for time = home phone location (cities) time (quarters) item (types) USA 2000 Canada December security 400 computer security New York Vancouver home phone Chicago Toronto Εξόρυξη Δεδομένων: Ακ. Έτος location (cities) Αποθήκες Δεδομένων item (types) 48 time (months) time (quarters) Q3 Q4 location (countries) Vancouver January February March April May June July August September October November location (cities) roll-up on location (from cities to countries) drill-down on time (from quarters to months) 1000 computer home Chicago New York Toronto phone item (types) security
9 Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 49 Τελεστής Rollup group by rollup product, store, city group by product, store, city group by store, city group by city Τελεστής Cube για όλους τους δυνατούς συνδυασμούς group by cube product, store, city Rollup & Cube 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 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; By Make & Year By Year FORD CHEVY By Color & Year Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 50 Sum Sum By Color 1993 By Make RED WHITE BLUE By Make & Color Αρχιτεκτονική Μετασχηματισμοί Αρχιτεκτονική (Back-End) DW Front-End Πηγή Δεδομένων OLTP συστήματα Data Marts OLAP εργαλεία Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 51 Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 52 Αρχιτεκτονική Πολλών Επιπέδων Multi-tier Αρχιτεκτονική Αρχιτεκτονική Πολλών Επιπέδων Multi-tier Αρχιτεκτονική Άλλες πηγές Metadata Monitor & Integrator OLAP Server Άλλες πηγές Metadata Monitor & Integrator OLAP Server ΒΔ σε λειτουργία Extract Transform Load Refresh Αποθήκη Δεδομένων Serve Analysis Query Reports Data mining ΒΔ σε λειτουργία Extract Transform Load Refresh DSA Αποθήκη Δεδομένων Serve Analysis Query Reports Data mining Data Marts Data Marts Πηγές εδομένων Αποθήκευση εδομένων Μηχανή OLAP Front-End Εργαλεία Πηγές εδομένων Αποθήκευση εδομένων Μηχανή OLAP Front-End Εργαλεία Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 53 Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 54
10 Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 55 Αρχιτεκτονικές Μονάδες Λεξικό Μεταπληροφορίας 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. 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 56 Αρχιτεκτονική: Μετασχηματισμοί 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 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 Back-End Εργαλεία Μετατροπή των δεδομένων από το τοπικό format στο format της αποθήκης Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 57 Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 58 Μετασχηματισμοί Εργαλεία για την Υποστήριξη Αποφάσεων Load Ταξινόμηση, δημιουργία περίληψης, ενοποίηση (consolidate), υπολογισμός όψεων, έλεγχος integrity, δημιουργία ευρετηρίων και διαμερίσεων Ηενημέρωση/ εισαγωγή δεδομένων στην πράξη δε γίνεται μέσω SQL, συνήθως μέσω εργαλείων batch loading που διαθέτουν όλα τα Σ Β Refresh Back-End Εργαλεία Μετέφερε τις τροποποιήσεις από τις πηγές δεδομένων στην αποθήκη δεδομένων Ad hoc ερωτήσεις και αναφορές Π.χ.,: MS Excel, Oracle Forms, OLAP Front-End Εργαλεία pivot tables, drill down, roll up, slice, dice Data Mining Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 59 Εξόρυξη Δεδομένων: Ακ. Έτος Αποθήκες Δεδομένων 60
Εισαγωγή στις Αποθήκες εδομένων
Εισαγωγή στις Αποθήκες εδομένων ιαφάνειες βασισμένες σε σχετικές διαφάνειες του Πάνου Βασιλειάδη Εξόρυξη Δεδομένων: Ακ. Έτος 2008-2009 Αποθήκες Δεδομένων 1 Εισαγωγή: OLTP Παραδοσιακή ιαχείριση εδομένων
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 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 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 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. 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 περισσότεραÈÛ ÁˆÁ ÛÙÈ μ ÛÂÈ Â ÔÌ ÓˆÓ
ΕΝΟΤΗΤΑ 1.1 ÈÛ ÁˆÁ ÛÙÈ μ ÛÂÈ Â ÔÌ ÓˆÓ ΔΙΔΑΚΤΙΚΟI ΣΤOΧΟΙ Στο τέλος της ενότητας αυτής πρέπει να μπορείτε: να επεξηγείτε τις έννοιες «βάση δεδομένων» και «σύστημα διαχείρισης βάσεων δεδομένων» να αναλύετε
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 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 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 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 περισσότεραA ΕΠΑ.Λ ΕΦΑΡΜΟΓΕΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 5 η ΕΝΟΤΗΤΑ: ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ. Εκπαιδευτικοί: ΓΑΛΑΝΟΣ ΓΕΩΡΓΙΟΣ ΜΠΟΥΣΟΥΝΗΣ ΚΩΝΣΤΑΝΤΙΝΟΣ
A ΕΠΑ.Λ ΕΦΑΡΜΟΓΕΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 5 η ΕΝΟΤΗΤΑ: ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ Εκπαιδευτικοί: ΓΑΛΑΝΟΣ ΓΕΩΡΓΙΟΣ ΜΠΟΥΣΟΥΝΗΣ ΚΩΝΣΤΑΝΤΙΝΟΣ 1 Βάση Δεδομένων: Με το όρο Βάση Δεδομένων εννοούμε ένα σύνολο δεδομένων που είναι οργανωμένο
Διαβάστε περισσότεραΠεριεχόμενα. Κεφάλαιο 1 Εισαγωγή στην Access...9. Κεφάλαιο 2 Χειρισμός πινάκων... 25
Περιεχόμενα Κεφάλαιο 1 Εισαγωγή στην Access...9 Γνωριμία με την Access... 12 Δημιουργία βάσης δεδομένων... 18 Άνοιγμα και κλείσιμο βάσης δεδομένων... 21 Ερωτήσεις ανακεφαλαίωσης... 22 Πρακτική εξάσκηση...
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 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 περισσότεραData Mining: Στοχεύοντας στους σωστούς πελάτες. Αριστομένης Μακρής
Data Mining: Στοχεύοντας στους σωστούς πελάτες To CRM front-office πελατών Οι Προμηθευτές Οι Πελάτες ΟΟργανισμός Τροφοδότηση ενεργειών Μάρκετινγκ ΒΙ Απόταδεδομέναστηγνώση Επιχειρηματική Γνώση Επιχειρηματικοί
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 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 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 περισσότεραΒάσεις Δεδομένων Ι. 5 ο Φροντιστήριο. Πέρδικα Πολίνα [perdika]
Βάσεις Δεδομένων Ι 5 ο Φροντιστήριο http://www.dblab.upatras.gr/gr/dbi.htm Πέρδικα Πολίνα [perdika] σχεδιασμός ΒΔ φάσεις: 1. συλλογή και ανάλυση απαιτήσεων 2. εννοιολογικός σχεδιασμός ΒΔ 3. επιλογή ΣΔΒΔ
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 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 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 περισσότεραΕισαγωγή Κεφάλαιο 1: Εγκατάσταση της Access Κεφάλαιο 2: Βάσεις δεδομένων και δομικά στοιχεία της Access
ΠΕΡΙΕΧΟΜΕΝΑ Εισαγωγή...15 Κεφάλαιο 1: Εγκατάσταση της Access 2002...17 Τι είναι το Office XP;...17 Τεχνικές απαιτήσεις του Office XP...17 Πρόσθετα απαιτούμενα για την αξιοποίηση εξειδικευμένων χαρακτηριστικών...18
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 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 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 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 περισσότεραΔΙΑΔΙΚΤΥΑΚΟ ΣΥΣΤΗΜΑ ΒΕΛΤΙΣΤΗΣ ΔΙΑΧΕΙΡΙΣΗΣ ΕΝΕΡΓΕΙΑΚΩΝ ΠΟΡΩΝ E.M.I.R. - Energy Management & Intelligent Reporting
ΔΙΑΔΙΚΤΥΑΚΟ ΣΥΣΤΗΜΑ ΒΕΛΤΙΣΤΗΣ ΔΙΑΧΕΙΡΙΣΗΣ ΕΝΕΡΓΕΙΑΚΩΝ ΠΟΡΩΝ E.M.I.R. - Energy Management & Intelligent Reporting Διαδικτυακό OLAP Σύστημα Λήψης Αποφάσεων και δημιουργίας έξυπνων προσαρμοστικών γραφημάτων
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 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 περισσότερα14Ιαν Νοε
Πανεπιστήµιο Πειραιώς Τµήµα Πληροφορικής Αποθήκες εδοµένων και Εξόρυξη Γνώσης (Data Warehousing & Data Mining) Επανάληψη Γιάννης Θεοδωρίδης, Νίκος Πελέκης Εργαστήριο Πληροφοριακών Συστηµάτων http://infolab.cs.unipi.gr
Διαβάστε περισσότεραΣχεδιασμός Επεξεργασίας και Τηλεπεξεργασίας
Ενότητα 9 Σχεδιασμός Επεξεργασίας και Τηλεπεξεργασίας Πληροφοριακά Συστήματα Διοίκησης ΙI Ι Διδάσκων: Νίκος Καρακαπιλίδης 9-1 Στόχοι & αντικείμενο ενότητας Σχεδιασμός επεξεργασίας Επεξεργασία κατά δεσμίδες
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 περισσότεραΠρογραμματισμός Η/Υ (ΤΛ2007 )
Τμήμα Ηλεκτρονικών Μηχανικών Τ.Ε.Ι. Κρήτης Προγραμματισμός Η/Υ (ΤΛ2007 ) Δρ. Μηχ. Νικόλαος Πετράκης (npet@chania.teicrete.gr) Ιστοσελίδα Μαθήματος: https://eclass.chania.teicrete.gr/ Εξάμηνο: Εαρινό 2014-15
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ
ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ Ενότητα 7: Βάσεις Δεδομένων (Θεωρία) Πασχαλίδης Δημοσθένης Τμήμα Ιερατικών Σπουδών Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό
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 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 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 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 περισσότεραΣυστήματα ΟΔΕΠ (Ολοκληρωμένης. Διαχείρισης Επιχειρησιακών Πόρων)- ERP (Enterprise Resource Planning)
(Ολοκληρωμένης Διαχείρισης Επιχειρησιακών Πόρων)- ERP (Enterprise Resource Planning) Διοίκηση μέσω Πληροφοριακών Συστημάτων Στρατηγική Διοίκηση Επιχειρηματική Διαδικασία Εισαγωγή Παραγγελίας Παραλαβή Προκαταβολής
Διαβάστε περισσότεραΠρογράμματα Η /Υ / Εφαρμογές σε συστ ήματα Π ό οι τητας Αριστομένης Μακρής
Προγράμματα Η/Υ Εφαρμογές σε συστήματα Ποιότητας Οι οκτώ αρχές της ποιότητας Εστίαση στον πελάτη: οι επιχειρήσεις, δδ δεδομένου ότι στηρίζονται και εξαρτώνται απ τους πελάτες, οφείλουν να αναγνωρίζουν
Διαβάστε περισσότεραΤο εσωτερικό ενός Σ Β
Επεξεργασία Ερωτήσεων 1 Εισαγωγή ΜΕΡΟΣ 1 Γενική Εικόνα του Μαθήµατος Μοντελοποίηση (Μοντέλο Ο/Σ, Σχεσιακό, Λογικός Σχεδιασµός) Προγραµµατισµός (Σχεσιακή Άλγεβρα, SQL) ηµιουργία/κατασκευή Εισαγωγή εδοµένων
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 περισσότερα