Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων

Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων ΠΕΡΙΕΧΟΜΕΝΑ ΜΑΘΗΜΑΤΟΣ ΜΕΡΟΣ Α: ΕΙΣΑΓΩΓΗ - ΠΛΑΙΣΙΟ ΛΕΙΤΟΥΡΓΙΑΣ Αρχές Πληροφοριακών Συστηµάτων Ενδεικτικό Παράδειγµα: Προς την Ηλεκτρονική Επιχείρηση Παραδείγµατα Εφαρµογών / Συστηµάτων Πληροφοριακά Συστήµατα και Επιχειρήσεις ΜΕΡΟΣ Β: ΤΕΧΝΟΛΟΓΙΕΣ Π.Σ. Βασικές Τεχνολογίες Πληροφοριακών Συστηµάτων Αρχιτεκτονικές και Περιβάλλοντα ΜΕΡΟΣ Γ: ΠΩΣ ΥΛΟΠΟΙΟΥΝΤΑΙ ΤΑ Π. Σ. Σχεδιασµός (plan) - Αναδιοργάνωση Πληροφοριακών Συστηµάτων Τάσεις, Μεθοδολογίες Περιβάλλοντα και Εργαλεία Ανάπτυξης Σύγχρονα Συστήµατα και Τάσεις Ψηφιακή Επιχείρηση: Business Intelligence Σύγχρονα Συστήµατα και Τάσεις Ψηφιακή Επιχείρηση: ERP, CRM, SCM ΜΕΡΟΣ : ΙΟΙΚΗΤΙΚΑ και ΛΕΙΤΟΥΡΓΙΚΑ ΘΕΜΑΤΑ Π. Σ. Επιπτώσεις Πληροφορικών Συστηµάτων Θέµατα Ασφαλείας - ιοίκηση Π.Σ. - ιαχείριση Αλλαγής Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 84

Ενότητα 4Α.1 KNOWLEDGE MANAGEMENT: ιαχείριση Γνώσης / Τεχνητή Νοηµοσύνη Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 85

Στόχοι Ενότητας Τι σηµαίνει ORGANIZATIONAL KNOWLEDGE MANAGEMENT Συνοπτική περιγραφή χρήσιµων εφαρµογών για τη δηµιουργία και διάχυση Γνώσης Ο Ρόλος της Τεχνητής Νοηµοσύνης στη ιαχείριση Γνώσης (ARTIFICIAL INTELLIGENCE και KNOWLEDGE MANAGEMENT) Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 86

Organizational Learning και Knowledge Management Organizational learning (Επιχειρησιακή Μάθηση) ηµιουργία νέων SOP (standard operating procedures) και επιχειρηµατικών διαδικασιών µετά την εµπειρία λειτουργίας Knowledge management ( ιαχείριση Γνώσης) Σύνολο ιαδικασιών Συλλογή, δηµιουργία, αποθήκευση, συντήρηση, και διάχυση Γνώσης Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 87

Organizational Learning και and Knowledge Management Management Knowledge Assets Organizational knowledge enabling the business to create value Chief Knowledge Officer (CKO) Senior executive in charge of organization s s knowledge management program Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 88

Systems and Infrastructure for Knowledge Management Tacit Knowledge Expertise and experience not formally documented Best Practices Successful solutions or problem-solving methods developed by specific organization or industry Organizational Memory Stored learning from organization s s history Used for decision making and other purposes Information Work Consists of creating or processing information Divided into knowledge workers and data workers Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 89

ΙΤ Infrastructure for Knowledge Management Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 90

Knowledge Management Office Automation Systems (OAS) Knowledge Work Systems (KWS) Group Collaboration Systems (GCS) Artificial Intelligence Applications (AI) Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 91

Distributing Knowledge: Office and Document Management Systems Office systems Manage and coordinate work of data and knowledge workers Connect work of local information workers with all levels and functions of organization Connect organization to external world Examples: Word processing, voice mail, and imaging Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 92

The Three Major Roles of of Offices ΡΟΛΟΙ: (α) Συγχρονισµός Εργασίας στελεχών / εργαζοµένων, (β) Συγχρονισµός Εργασίας µεταξύ επιπέδων / λειτουργιών (γ) Σύνδεση του Οργανισµού µε το περιβάλλον Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 93

ΜΕΡΟΣ Α: ΙΑΧΥΣΗ ΓΝΩΣΗΣ Τυπικά Συστήµατα Γραφείου (Office Systems) ΡΑΣΤΗΡΙΟΤΗΤΑ ιαχείριση Εγγράφων Προγραµµατισµός (scheduling) Επικοινωνία ιαχείριση εδοµένων ΤΕΧΝΟΛΟΓΙΑ Word Processing, desktop publishing, document imaging, web publishing, workflow managers electronic calendars, groupware, intranets e-mail, voice mail, digital answering systems, groupware, intranets desktop databases, spreadsheets, easy interfaces to big systems Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 94

Παράδειγµα: IMAGING SYSTEM Μετατροπή εγγράφων και εικόνων σε ψηφιακή µορφή (ώστε να µπορούν να αποθηκευτούν και να είναι προσβάσιµα σε ένα υπολογιστή) Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 95

Web Publishing and Document Management Μετατροπή εγγράφων µε web-page authoring tools χρησιµοποιώντας τυποποιηµένες µορφές ώστε να είναι προσβάσιµα σε ένα web server σε όλα τα στελέχη του οργανισµού Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 96

ΜΕΡΟΣ INFORMATION Β: ΗΜΙΟΥΡΓΙΑ AND ΓΝΩΣΗΣ KNOWLEDGE WORK SYSTEMS Knowledge Work Systems (KWS) Knowledge Work Systems (KWS) Aid knowledge workers in creation and integration of new knowledge Specialized tools for specific types of knowledge work User-friendly interface Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 97

Παράδειγµα: Changes in in the Construction Project Management Process Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 98

Απαιτήσεις των Knowledge Work Systems Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 99

Παραδείγµατα Knowledge Work Systems Computer-aided design (CAD) Συστήµατα για τη δηµιουργία και µετατροπές σχεδιασµών µεέµφαση στο λογισµικό γραφικών Virtual reality systems Αλληλο-επιδραστικο σύστηµα γραφικών (υλικό και λογισµικό) που δηµιουργεί προσοµοιώσεις οι οποίες «δείχνουν» σαν τη πραγµατικότητα Virtual Reality Modeling Language (VRML) Γλώσσα για εφαρµογές του virtual reality στο διαδίκτυο Investment workstations Εξαιρετικά ισχυρός σταθµός εργασίας για οικονοµικούς αναλυτές / ειδικούς που έχει βελτιστοποιηθεί ώστε να έχει πρόσβαση σε τεράστιο όγκο οικονοµικών δεδοµένων Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 100

SHARING KNOWLEDGE Groupware Επιτρέπει σε οµάδες να εργάζονται σε συνεργασία (προγραµµατισµός συναντήσεων, έγγραφα, διακίνηση ηλεκτρονικής φόρµας, ηλεκτρονικές συζητήσεις, κοινές βάσεις δεδοµένων, κλπ) Λέξεις Κλειδιά: Communication, Cooperation, Coordination Intranets and Enterprise Knowledge Environments Το πλήρες περιβάλλον διαχείρισης γνώσης σε µεεπιχείρηση Enterprise information portals Εφαρµογή που επιτρέπει σε επιχειρήσεις να δώσουν πρόσβαση στα στελέχη τους (χρήστες) σε εσωτερική και εξωτερική πληροφορία ΜΕ ΜΙΑ ΜΟΝΟ ΠΥΛΗ (σηµείο πρόσβασης) Teamware ΜΕΡΟΣ Γ: ΚΟΙΝΗ ΧΡΗΣΗ ΓΝΩΣΗΣ Group Collaboration Systems and Enterprise Knowledge Environments Εξειδικευµένο λογισµικό για οµαδική εργασία Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 101

An Enterprise Information Portal Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 102

ΜΕΡΟΣ : ΠΑΡΑΣΤΑΣΗ ΓΝΩΣΗΣ ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ARTIFICIAL INTELLIGENCE Effort to develop computer-based systems that behave as humans Includes natural language, robotics, perceptive systems, expert systems, and intelligent machines Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 103

Γιατί ARTIFICIAL INTELLIGENCE ενδιαφέρονται οι οιεπιχειρήσεις??? Artificial Intelligence: Stores information in active form Creates mechanism not subjected to human feelings Eliminates routine and unsatisfying jobs Enhances organization s knowledge base Generates solution to specific problems Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 104

Capturing Knowledge: Expert Systems EXPERT SYSTEM: Πληροφοριακό Σύστηµα, βασισµένο σε ύπαρξη γνώσης, που αποτυπώνει την ειδική γνώση του ανθρώπου σε ένα περιορισµένο πεδίο γνώσης Knowledge Base» Model of Human Knowledge Rule-based Expert System» AI system based on IF - THEN statements (Bifurcation); AI Shell» Language / Environment for creating Expert Systems Rule Base» Collection of IF - THEN knowledge Inference Engine» Search through rule base (FORWARD CHAINING: Uses input; searches rules for answer), BACKWARD CHAINING: Begins with hypothesis, seeks information until hypothesis accepted or rejected Knowledge Frames» Knowledge organized in chunks based on shared relationships Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 105

Rules in in an AI Program Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 106

INFERENCE ENGINES and Rules Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 107

Building an Expert System Knowledge engineer Specialist eliciting information and expertise from other professionals Translates information into set of rules for an expert system Examples of Successful Expert Systems - CLUES - Countrywide Funding Corporation Loan-underwriting - Galeria Kaufhof - Goldman Sachs Investment Portfolios - XCON Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 108

Case-Based Reasoning 1. User describes the problem 2. 3. System searches database for similar cases System asks user additional questions to narrow the search Case database 4. System finds closest fit and retrieves solution 5. System modifies the solution to better fit the problem 6. System stores problem and successful solution in the database Successful? NO YES Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 109

EXPERT SYSTEMS LIMITATIONS: Often reduced to problems of classification Can be large, lengthy, expensive Maintaining knowledge base critical Many managers unwilling to trust such systems Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 110

ΆλλεςΤεχνικέςστην ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ NEURAL NETS FUZZY LOGIC GENETIC ALGORITHMS INTELLIGENT AGENTS Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 111

Άλλες Τεχνικές στην ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ (1) NEURAL NETWORKS (Νευρωνικά ίκτυα): Hardware or software emulating processing patterns of biological brain (intelligence into hardware) Neuron Synapse Soma Dendrite Axon Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 112

Άλλες Τεχνικές στην ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ (2) Τεχνητό Νευρωνικό ίκτυο µε 2 νευρώνια Biological neurons Switches axons, dendrites wires Synapses variable resistors Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 113

Άλλες Τεχνικές στην ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ (3) Τεχνητό Νευρωνικό ίκτυο που έχει ΜΑΘΕΙ (µετά από αρκετές προσπάθειες) και τώρα µπορεί να βρει σωστά τα πιστωτικά ρίσκα Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 114

Άλλες Τεχνικές στην ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ (4) Fuzzy Logic -Rule-based AI -Tolerates imprecision -Uses nonspecific terms called membership functions to solve problems Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 115

Άλλες Τεχνικές στην ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ (5) Γενετικοί Αλγόριθµοι (genetic algorithms, adaptive computation) -Problem-solving methods - Promote evolution of solutions to specified problems -Use a model of living organisms adapting to their environment Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 116

Άλλες Τεχνικές στην ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ (6) Intelligent Agents -Software Programs that use built-in or learned knowledge to carry out specific repetitive and predictable tasks Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 117

Ενότητα 4Α.2 ENHANCING MANAGEMENT DECISION MAKING : Συστήµατα για Λήψη Αποφάσεων σε Επιχειρησιακό Επίπεδο Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 118

Στόχοι Ενότητας How can information systems help individual managers make better decisions when the problems are non-routine and constantly changing? How can information systems help people working in a group make decisions more efficiently? Are there any special systems that can facilitate decision-making among senior managers? Exactly what can these systems do to help high-level management? What benefits can systems that support management decision-making provide for the organization as a whole) Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 119

Συστήµατα Λήψης Αποφάσεων (Decision Support Systems) Computer system at the management level of an organization Combines data, analytical tools, and models Supports semi-structured structured and unstructured decision-making Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 120

MIS DSS MIS and DSS Provides reports based on routine flow of data Assists in general control of the organization Emphasizes change, flexibility, rapid response, models, assumptions, ad hoc queries, and display graphics Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 121

Types of of Decision-Support Systems Model-driven driven DSS Primarily stand-alone alone Uses model to perform what-if and other kinds of analysis Data-driven DSS Allows users to extract and analyze useful information from large databases (OLAP,( Data mining, Knowledge Discovery, BI, etc.) Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 122

Types of of Decision-Support Systems ΠαράδειγµαενόςModel-Driven DSS Cargo Booking Agent 1 3 CARGOPROF REVENUE MANAGEMENT SYSTEM Request Confirm/ Reject Availability/ Minimum Price CARGO RESERVATION SYSTEM xxx 2 Cargo Size, Rate Data FLIGHT SCHEDULE SERVER 5 Cargo Availability Forecast Passenger Booking Agent PASSENGER RESERVATION SYSTEM 4 Passenger Forecast Data Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 123

Overview of of a Decision-Support System (DSS) Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 124

Components of of Decision-Support Systems DSS database: collection of current or historical data (often termed, Data Warehouse) DSS software system: collection of software tools/mathematical and analytical models User interface: easy interaction Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 125

Model Components of of Decision-Support Systems Abstract representation illustrating components or relationships of a phenomenon MODEL EXAMPLES: libraries of statistical models, optimization models, forecasting, etc A most commonly used model is Sensitivity analysis Asks what-if questions repeatedly to determine the impact of change Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 126

Sensitivity Analysis Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 127

Παραδείγµατα DSS General Accident Insurance: Customer buying patterns and fraud detection Bank of America: Customer profiles Frito-Lay, Inc.: Price, advertising, and promotion selection Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 128

Παραδείγµατα DSS (2) Burlington Coat Factory: Store location and inventory mix Keycorp: Keycorp: Targeting direct mail marketing customers National Gypsum: Corporate planning and forecasting Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 129

Παραδείγµατα DSS (3) Southern Railway: Train dispatching and routing Texas Oil and Gas Corporation: Evaluation of potential drilling sites United Airlines: Flight scheduling, passenger demand forecasting U.S. Department of Defense: Defense contract analysis Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 130

Ενότητα 4Α.3 BUSINESS INTELLIGENCE: Το Βασικό πλαίσιο στη χρήση της Γνώσης Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 131

Business Intelligence Απλές Αναφορές και Ερωτήσεις «Πες µου τι έγινε» Ad-hoc queries, συσχετίσεις νέων µε παλιά αποτελέσµατα OLAP «Πες µου τι έγινε και πως» Ευέλικτη, υψηλής απόδοσης πρόσβαση και ανάλυση µεγάλου όγκου σύνθετων δεδοµένων από διαφορετικές εφαρµογές Visualization των business data, στατιστική ανάλυση, πολυδιάστατη ανάλυση Συστήµατα Στήριξης Αποφάσεων (DSS), Group DSS, Executive Support Systems (EIS) «Πες µου πολλά πράγµατα αλλά µη µε κάνεις να δουλέψω πολύ!» Υποβοήθηση λήψης αποφάσεως µε τη χρήση καταλλήλων πληροφοριών (business data ) Data Mining Knowledge Discovery «Πες µου τι µπορεί να γίνει», «Πες µου κάτι ενδιαφέρον! εξεύρεση patterns σε τεράστιες βάσεις δεδοµένων OLAP + Data Mining ===> On-line Analytical Mining Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 132

Ορισµός OLAP Ένα Σύστηµα OLAP (On-Line Analytical Processing) επιτρέπει σε Αναλυτές, Μάνατζερ, και ιευθυντικά / ιοικητικά Στελέχη γρήγορη και συνεπή πρόσβαση στα εδοµένα µέσω πολλαπλών, ευέλικτων όψεων της Πληροφορίας. Ουσιαστικά, µετασχηµατίζει τα δεδοµένα έτσι ώστε να αντανακλούν την πραγµατική διάσταση µιας επιχείρησης όπως είναι κατανοητή από τον Χρήστη. Ένα Σύστηµα OLAP είναι συµπληρωµατικό ενός DATA WAREHOUSE (Αποθήκη εδοµένων) Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 133

OLAP: Η έννοια του ΚΥΒΟΥ Sales Volumes M O D E L Mini Van Coupe Sedan Carr Gleason Clyde DEALERSHIP Blue Red White COLOR 134 Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 134

Ορισµοί - Data Mining, Knowledge Discovery Data Mining: Μία επέκταση του OLAP η οποία χρησιµοποιεί µοντέλα για την αναγνώριση patterns σε δεδοµένακαιγιατην ανάλυση των δοσοληψιών (µε στόχο την κατανόηση της συµπεριφοράς του καταναλωτή) Τα µοντέλα µπορούν να χρησιµοποιηθούν για να εντοπίσουν γεγονότα πέραν των αναµενοµένων, όπως για παράδειγµατην αποκάλυψη απάτης. Knowledge Discovery: Όπως το data mining όµως περιλαµβάνει και την επιλογή, προετοιµασία και ανάλυση των περιεχοµένων της βάσης δεδοµένων Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 135

Ορισµός Αποθηκών εδοµένων DATA WAREHOUSES (Αποθήκες εδοµένων): Είναι µια στρατηγική / διαδικασία για: Λογική ολοκλήρωση ετερογενών πηγών εδοµένων ιευκόλυνση της µετατροπής εδοµένων σε Χρήσιµες Πληροφορίες Παρατηρήσεις σε DW: Μεγάλη διαφοροποίηση στρατηγικής µεταξύ των προµηθευτών Τεράστια ποικιλία εφαρµογών και των απαιτήσεών τους (ακόµη και οι προµηθευτές παραδέχονται ότι κάθε DW χρειάζεται ειδική κατασκευή και βελτιστοποίηση - Customization) 136 Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 136

Business Intelligence (Gartner) Τεχνολογική Αρχιτεκτονική Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 137

Πλατφόρµες για Business Intelligence Οι πλατφόρµες υποστηρίζουν, κατά συνθήκη, de facto και de jure standards, π.χ., Extensible Markup Language (XML) OLE DB for online analytical processing (OLAP) LDAP Common Object Request Broker Architecture (CORBA) Common Object Model/Distributed Component Object Model (COM/DCOM) Total Web deployment Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 138

Εφαρµογές OLAP Κλασσικά Παραδείγµατα Εφαρµογών Financial Analysis Modeling and Reporting Budgeting Quality Assurance and Quality Control Product Profitability Survey Analysis Promotion Tracking Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 139

Παραδείγµατα επερωτήσεων OLAP εφαρµογών Ποιος ήταν ο όγκος πωλήσεων ανά περιοχή και κατηγορία προϊόντος την περασµένη χρονιά; Πόσο σχετίζονται οι αυξήσεις τιµών των υπολογιστών µε τα κερδών των πωλήσεων τα 10 τελευταία χρόνια; Ποια ήταν τα δέκα πρώτα καταστήµατα σε πωλήσεις CD; Πόσους δίσκους πουλήσαµε στην υτική Περιφέρεια το τελευταίο τέταρτο της περσινής χρονιάς σε καταστήµατα µε κατανάλωση µεγαλύτερη από 100 δίσκους µηνιαίως, και ποιο το κέρδος µας από αυτές τις πωλήσεις; Πόσο ποσοστό από του πελάτες που αγοράζουν αναψυκτικά και πατατάκια; 140 Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 140

OLAP και OLTP: Σύγκρουση απαιτήσεων OLAP και OLTP δεν µπορούν να δουλέψουν ταυτόχρονα στα ίδια λειτουργικά δεδοµένα! Γιατί έχουν εντελώς διαφορετικές και συγκρουόµενες απαιτήσεις Υπήρχε ένα συνεχώς διευρυνόµενο τεχνολογικό χάσµα (performance) µεταξύ OLAP (εν γένει, Business Intelligence) και OLTP που οδήγησε σε λύσεις αυτόνοµης και διακριτής λειτουργίας Αποθήκες εδοµένων 141 Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 141

OLAP Queries - Χαρακτηριστικά Πρόσβαση σε ΠΟΛΥ µεγάλοόγκοδεδοµένων Ανάλυση των συσχετίσεων µεταξύ πολλών τύπων επιχειρησιακών στοιχείων Συµµετοχή αθροιστικών και ιστορικών δεδοµένων σε πολύπλοκες ερωτήσεις Παρουσίαση δεδοµένων από διαφορετικές οπτικές γωνίες (π.χ. πωλήσεις ανά περιοχή, πωλήσεις ανά τµήµα κλπ.) Συµµετοχή πολύπλοκων υπολογισµών (π.χ. στατιστικές συναρτήσεις) Γρήγορη απάντηση σε πολύπλοκες απαιτήσεις. 142 Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 142

OLAP OLTP: Οµοιότητες // ιαφορές OLTP OLAP οµή RDBMS RDBMS Πρόσβαση SQL SQL + business Analysis Extensions Ανάγκες που Αυτοµατισµός Άντληση και Καλύπτουν καθηµερινών επεξεργασία πληροφορίας εργασιών για χάραξη στρατηγικής Τύπος εδοµένων Λεπτοµερή Συνοπτικά Επιχειρησιακές Λειτουργικά Πληροφορίες Όγκος εδοµένων > 100 GB > 1 TB Φύση εδοµένων υναµικά, Τρέχοντα Στατικά, Ιστορικά 143 Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 143

OLAP OLTP: Οµοιότητες // ιαφορές OLTP OLAP I/O Τύποι Περιορισµένο I/Os Εκτεταµένο I/Os Συχνό disk seeks disk scans Τροποποιήσεις Συνεχείς Απλές Ενηµερώσεις (Modifications) (Transactions) (Batch Refresh) Μέτρηση Απόδοσης Throughput Χρόνος Απόκρισης Φόρτος οσοληψίες µε Ερωτήσεις που πρόσβαση λίγων σαρώνουν εγγραφών εκατοµµύρια εγγραφών Τυπικοί Χρήστες Χαµηλόβαθµοι Υπ. Υψηλόβαθµοι Υπ. Interaction Προδιαγεγραµµένη Ad-hoc 144 Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 144

OLAP OLTP: Οµοιότητες // ιαφορές OLTP OLAP Αριθµός Χρηστών Χιλιάδες εκάδες Εστίαση Εισαγωγή Εξαγωγή εδοµένων Πληροφοριών Σχεδίαση Β Κατευθυνόµενη Κατευθυνόµενη από Εφαρµογή από Περιεχόµενο Υπήρχε ένα συνεχώς διευρυνόµενο τεχνολογικό χάσµα µεταξύ OLAP και OLTP που οφείλεται σε σηµαντικές διαφορετικές απαιτήσεις για επίτευξη των αναγκών των δυο τεχνολογιών πληροφορίας Ουσιαστικά, έχει να κάνει µε PERFORMANCE 145 Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 145

Κλασσική Αρχιτεκτονική Αποθήκης εδοµένων (Data Warehouse) BUSINESS INTELLIGENCE (clients) OLAP Q&R DSS DM Data Mart Data Mart Administration REPOSITORY Agent Meta Database Data Warehouse Wrappers / Loaders Mediator Το MIDDLEWARE των Αποθηκών εδοµένων SOURCES Text File DB External data Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 146

Εφαρµογή και Πρακτική Χρήση Σηµαντική Επένδυση! 3 5 Μ$, 12-18 µήνες υλοποίηση, κλπ. Σηµαντικότατα οφέλη! Πολλές Επιχειρήσεις «ενεργές» σε DW» > 90 % των Fortune 500 ενεργές σε DW, Meta Group» > 80% των µεσαίων επιχειρήσεων (Hyperion) ROI (Return on Investment)» 300-650%, Meta Group» 400% (σε 3 έτη), IDC (International Data Corp), 1999 Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 147

Μέγεθος Αγοράς Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 148

OLAP Market Κύριοι Προµηθευτές Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 149

Το DBMS τµήµατουolap (Gartner) - 2001 Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 150

Το DBMS τµήµατουolap - 2003 Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 151

Ηγέτες στην Τεχνολογία ΠΛΑΤΦΟΡΜΕΣ / SERVERS Oracle Corp., 9i Microsoft Corp. SQL Server 2000 ΙΒΜ DB2 / Hyperion Solutions Corp. Essbase OLAP Server The SAS Institute SAS System and Solutions MicroStrategy Inc. MicroStrategy 7 Information Builders, Inc. WebFOCUS Business Intelligence Suite Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 152

Ηγέτες στην Τεχνολογία BUSINESS INTELLIGENCE εργαλεία Cognos Corp. Business Objects, Inc. MicroStrategy Inc. Information Builders Oracle Επίσης: Brio Technology Inc. Computer Associates Seagate Software Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 153

Some Rankings (Oracle -Gartner) VENDOR & PRODUCT Oracle 9i with Business Intelligence 3.9 2.5 4.6 4.5 3.5 3.3 4.3 4.7 4.5 0.5 SAP Business Information Warehouse 3.0B Cognos Series 7 version 1 Microsoft SQL Server 2000 Enterprise Edition MicroStrategy 7i version 7.2 Crystal Decisions Crystal Enterprise 8.5 Brio Performance Suite 8 Beta High Score 4.3 5.0 4.6 4.7 5.0 3.3 4.3 4.7 4.5 3.5 Low Score 2.0 0.7 1.8 3.9 3.5 1.8 3.0 2.2 2.9 0.0 Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 154

ΕΞΕΛΙΞΗ στην Εφαρµογή και Τεχνολογία ιοίκησης // ιαχείρισης εδοµένων Απλή ιαχείριση εδοµένων Επιχειρησιακή ιαχείριση - ΟΠΣ Αρχές 80 Τέλη 80 Αρχές - Μέσα 90 Τέλη 90 21ος C Προ- Σχεσιακά DBMS Πρώτα Σχεσιακά Client-server Σχεσιακά Επιχειρησιακή Κάλυψη Internet Computing Simple transactions, on-line backup & recovery Απλό OLTP Stored procedures, triggers Ενεργές Βάσεις εδοµένων Αποθήκες εδοµένων & Hi-end OLTP Scaleable OLTP, parallel query, partitioning, cluster support, row-level locking, high availability Support for all types of data, extensibility, objects Πακέτα & Κάθετες Εφαρµογές - Business Intelligence Middleware (messaging, queues, events) Java, CORBA, Web interfaces XML ) Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 155

Ενότητα 4Α.4 The Road to Integration through Convergence: OLAP, Group Decision Support Systems, Executive Support Systems, ERP, CRM and the Internet Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 156

OLAP // DSS for Supply Chain Management Comprehensive examination of supply management chain Searches for most efficient and cost-effective combination Reduces overall costs Increases speed and accuracy of filling customer orders Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 157

OLAP // DSS for Customer Relationship Management Uses data mining to guide decisions Consolidates customer information into massive data warehouses Uses various analytical tools to slice information into small segments Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 158

OLAP // DSS for Customer Analysis and Segmentation Figure 11-4 Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 159

OLAP // DSS for Simulating Business Scenarios Geographic Information Systems (GIS) Software for analyzing and displaying data using digitized maps Enhances planning and decision-making Use data visualization technology Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 160

Web-Based Customer Decision-Support Systems Customer Decision-Support Systems (CDSS) Support decision-making process of an existing or potential customer Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 161

What Is Is a GDSS? Interactive computer-based system Facilitates solution to unstructured problems Set of decision makers working together as a group Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 162

Characteristics of of GDSS Hardware: Conference facility, electronic hardware Software tools: Tools for organizing ideas, gathering information, and ranking and seeking priorities People: Participants, trained facilitator, staff supporting hardware and software Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 163

GDSS Software Tools Electronic questionnaires Electronic brainstorming tools Idea organizers Questionnaire tools Tools for voting or setting priorities Stakeholder identification and analysis tools Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 164

Collaborative Support Tools in in Electronic Meetings Group Interaction Idea Generation Brainstorming Topic Commenter Group Outliner Session Planning Session Manager Idea Organization Prioritizing Policy Development Idea Organizer Issue Analyzer Group Writer Vote Selection Alternative Eval. Questionnaire Group Matrix Policy Formation Stakeholder ID. Organizational Memory Enterprise Analyzer Graphical Browser Group Dictionary Brief Case Access to information Personal productivity Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 165

How GDSS can Enhance Group Decision-Making Improved preplanning Increased participation Open, collaborative meeting atmosphere Criticism-free idea generation Evaluation objectivity Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 166

Executive Support Systems Executive Support Systems (ESS): Information system at strategic level of an organization Addresses unstructured decision-making through advanced graphics and communications Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 167

The Role of of Executive Support Systems in in the Organization Brings together data from the entire organization Allows managers to select, access, and tailor data Enables executive and any subordinates to look at the same data in the same way Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 168

Benefits of of Executive Support Systems Analyzes, compares, and highlights trends Provides greater clarity and insight into data Speeds up decision-making Improves management performance Increases management s s span of control Better monitoring of activities Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 169

ESS for business intelligence: Identifies changing market conditions Formulates responses Tracks implementation efforts Learns from feedback Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 170

Executive Support Systems and the Digital Firm Monitoring corporate performance: balanced scorecard systems Model for analyzing firm performance Supplements traditional financial measures with measurements from additional business perspectives Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 171

Enterprise Wide Reporting and Analysis Strategic performance management tools for enterprise systems SAP: Web-enabled enabled mysap.com,, Management Cockpit PeopleSoft: Web-enabled enabled Enterprise Performance Management (EPM) Oracle: Strategic Enterprise Management Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 172

Αποθήκες εδοµένων, OLAP, ESS και ERP Enterprise Resource Planning (ERP) Χρησιµοποιούνται ευρύτατα από επιχειρήσεις Ύστερα από µια σειρά αποτυχιών (σε client-server µοντέλο), τώρα θεωρείται ώριµη και επιτυχής τεχνολογία Ποια είναι η επίπτωση στις Αποθήκες εδοµένων? Οι Αποθήκες εδοµένων ΣΥΝ ΕΟΝΤΑΙ / ΟΛΟΚΛΗΡΩΝΟΝΤΑΙ µε ταerp συστήµατα αντλώντας δεδοµένα από το ERP, π.χ.,» Η SAP έχει Αποθήκη εδοµένων (µε BI εργαλεία) που κάνει OLAP σε R3 δεδοµένα (Business Warehouse)» Οι κλασσικοί προµηθευτές του BI έρχονται Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 173

META REPORT Ηγέτες του ERP Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 174

Αποθήκες εδοµένων, OLAP, ESS και CRM Customer Relationship Management (CRM) Χρησιµοποιούνται συχνότατα από επιχειρήσεις Τουλάχιστον στις πιο απλές µορφές (SFA, Call Centers) τώρα θεωρείται ώριµη και επιτυχής τεχνολογία Ποια είναι η επίπτωση στις Αποθήκες εδοµένων? Οι Αποθήκες εδοµένων ΣΥΝ ΕΟΝΤΑΙ / ΟΛΟΚΛΗΡΩΝΟΝΤΑΙ µε ταcrm συστήµατα µε µεταφορά δεδοµένων από/προς τα CRM» Υπάρχει ήδη σύνδεση των CRM µε ταerp συστήµατα, κατ επέκταση και µεαποθήκες εδοµένων» ηµιουργούνται ειδικά data marts (CRM analytics) Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 175

Βασικοί Πρωταγωνιστές στο CRM (Gartner) Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 176

Αποθήκες εδοµένων, OLAP, ESS και INTERNET Το INTERNET εξελίχθηκε ως πολύ επιτυχής µηχανή για e-commerce / e-business Χρησιµοποιείται ευρύτατα από επιχειρήσεις (B2B, κλπ.) Θεωρείται ιδιαζόντως ώριµη και επιτυχής τεχνολογία Ποια είναι η επίπτωση στις Αποθήκες εδοµένων? Οι Αποθήκες εδοµένων ΣΥΝ ΕΟΝΤΑΙ µετοinternet και καθίστανται προσβάσιµες από εκατοµµύρια χρήστες» Οι εταιρείες που εργάζονται στο Internet, είτε πουλώντας προϊόντα γενικά στο κοινό (B2C) είτε δηµιουργώντας αγορές µεταξύ τους (B2B) ΠΡΟΣΠΑΘΟΥΝ να προσφέρουν λειτουργικά αποτελέσµατα σε χρόνο INTERNET Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 177

Προκλήσεις από το τοinternet για τις τιςαποθήκες εδοµένων ιαθεσιµότητα Κοντά στο 100% διαθεσιµότητα Εύκολο στη ιαχείριση (χρήστες του web) Replication, hot standby, foolproof system? Επεκτασιµότητα Οαριθµός των χρηστών είναι πλέον πολύ µεγάλος Μεγέθη - Performance Από µέσο όρο 400 Gigabytes to 2000 σε 1,2 Terabytes τo 2002 στο DW των επιχειρήσεων από e-business, CRM, (Gartner) > 120 Terabytes δεδοµένα πελατών προς διαχείριση το 2004 Ασφάλεια ιαχείριση εκατοµµυρίων χρηστών (χρήστες από παντού!) Κωδικοποίηση Προσδοκίες των χρηστών του Internet Ταχύτητα έναντι Ορθότητας (π.χ., οι Search engines έναντι blade /cartridge / extender) ιαθεσιµότητα έναντι Ορθότητας Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 178

ΕΞΕΛΙΞΗ Επιχειρησιακών Πληροφοριακών Συστηµάτων MRP 1970s 1980s 1990s 2000 και µετά ιαχείριση Αποθηκών Μείωση της Αρχικής Επένδυσης Προγράµµατα MRP ΙΙ Αποδοτικότητα στην ιαδικασία και Παραγωγή Ολοκλήρωση Προγραµµάτων ΕRP Βελτιστοποίηση των πηγών / διαθεσίµων Business Intelligence (DW) INTERNET ΣΥΓΚΛΙΣΗ ΕRP E-Commerce Customer- Relationship Management Business Intelligence (DW) Ολοκλήρωση Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 179

TEN TECHNOLOGIES TO WATCH IN 2006 according to to Gartner Group 1. Virtualization A framework or methodology of dividing the resources of a computer into multiple execution environments 2. Grid computing A type of parallel and distributed system that enables the sharing, selection, and aggregation of geographically distributed "autonomous" resources dynamically at runtime depending on their availability, capability, performance, cost, and users' quality-of-service requirements 3. Service-oriented business applications (SOBAs) This next generation of software is built on a service-oriented architecture (SOA) and incorporates Web services standards, such as Business Process Execution Language, Simple Object Access Protocol and Web Services Description Language 4. Pervasive computing It's ambient, implicit, invisible and adaptive. It's when network devices embedded in the environment provide unobtrusive connectivity and services all the time (information & communication technology everywhere, for everyone, at all times) Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 180

TEN TECHNOLOGIES TO WATCH IN 2006 according to to Gartner Group (cont.) 5. OLED/LEP technologies 6. Location-aware services 7. Linux -- for important stuff 8. Desktop search tools 9. Microcommerce 10. Instant messaging Ι. Βασιλείου: Ανάλυση και Σχεδιασµός Πληροφοριακών Συστηµάτων Ανάπτυξη 181