دانلود پاورپوینت هوش تجاری چرا؟ چگونه؟

بخشی از پاورپوینت

اسلاید 1 :

هوش تجاری-چرا؟ (ادامه)

دلاِيل اقتصادی.

دنبال نمودن اهداف کاراِيی سِيستم کاربردی.

افزاِيش رقابت ها.

تجارت الکترونِيکی.

حماِيت از تصمِيم گِيری های سِيستم کاربردی.

کثرت مشترِيان.

نِياز به آنالِيز عملِيّات سِيستم.

صحّت و دقّت اطّلاعات حاصل از سِيستم.

دسترسی به داده های بهنگام شده.

کاهش هزِينه.

رضاِيت کاربران نهاِيی در مقاِيسه با کالاهای مشابه.

...

اسلاید 2 :

سايرتعاريف از هوش تجاری (1)

عبارتست از بُعد وسِيعی از کاربردها و تکنولوژی برای جمع آوری داده و دانش جهت تولِيد پرس و جو در راستای آنالِيز E terprise برای اتخاذ تصمِيات تجاری دقِيق و هوشمند. [Paul Balacky & Richard Fayers, 2003]  

اسلاید 3 :

سايرتعاريف از هوش تجاری (2)

ِيک هوش تجاری براساس ِيک معماری E terprise تشکِيل شده و در قالب OLAP (پردازش تحلِيلی برخط)، به تحلِيل داده های تجاری و اتخاذ تصمِيمات دقِيق و هوشمند می پردازد. [Loshi David, 2003]

اسلاید 4 :

سايرتعاريف از هوش تجاری (3)

هوش تجاری، نه بعنوان ِيک محصول و نه بعنوان ِيک سِيستم، بلکه بعنوان ِيک معماری موردنظر است که شامل مجموعه ای از برنامه های کاربردی و تحلِيلی است که به استناد پاِيگاه های داده عملِياتی و تحلِيلی به اخذ و کمک به اخذ تصمِيم  برای فعالِيت های هوشمند تجاری می پردازند. 2005],[Larissa T. Moss, ShakuAtre

اسلاید 5 :

پردازش تحليلی برخط (OLAP)

¨سرويس هايی که از پايگاه داده تحليلی به منظور پاسخگويی سريع به پرسش های تحليلی کاربران استفاده می کنند،

¨عبارت است از مجموعه ای از نرم افزارها برای

اکتشاف و تحليل سريع داده های مبتنی بر يک شيوة چند بُعدی با چندين سطح از مجموع سازی (Aggregatio ) جهت

¨تسريع و آسان سازی تصميم گيری 

آسان شدن تصميم گيری به دليل

¨قابليت هدايت تحليل ها بدون نياز به يک زبان پرس  و جوی اصلی يا فهم ساختار زيرين بانک اطلاعاتی حاصل می شود.    

اسلاید 6 :

سريع ترشدن تصميم گيری نيز از اين جهت است که مجموع داده ها برای درخواست های متداول از پيش محاسبه شده است و به اصطلاح داده ها، Pre-Aggregate شده اند،

¨بنابراين زمان محاسبه کاهش يافته و پاسخگويی به پرس وجوهای پيچيدة تحليلی به سرعت امکانپذير خواهد بود.

پايگاه داده تحليلی (DW) و پردازش تحليلی بر خط (OLAP) از جمله عناصر ضروری در سيستم های تصميم يار به شمار می آيند.

اسلاید 7 :

داده‌هاي مورد استفاده در اين تراكنش‌ها داده‌هاي به‌روز، جاري و با جزئيات است : پردازش تراكنش‌ها، مشتمل بر انجام عمليات روزانه مانند خريد و فروش و عمليات بانكي و مانند آن.

پايگاه های داده عملياتی (DB)، منبع داده ای سيستم های OLTP هستند.

پايگاه های دادة عملياتی رايج شامل داده های بروز و جاری،  جهت انجام عمليات روزانة ثبت، حذف، بروزرسانی و مشاهده داده ها هستند.

اسلاید 8 :

عبارت داده کاوی به فرآيند تحليل نيمه خودکار پايگاه داده های بزرگ، به منظور يافتن الگوهای مناسب اطلاق می گردد.

همانند کشف دانش در هوش مصنوعی (که آنرا يادگيری ماشين هم می نامند )، يا تحليل آماری، داده کاوی هم سعی در يافتن قوانين والگوها از داده ها دارد.

داده کاوی از اين جهت که با حجم عظيم اطلاعاتی، که اغلب روی ديسک ذخيره شده است روبروست، با يادگيری ماشين و آمار متفاوت است.   

   داده کاو ی با کشف دانش در پايگاه های داده سر و کار دارد.

اسلاید 9 :

پايگاه دادة تحليلی (Data Warehouse)                              

Data Warehouse (پايگاه داده تحليلی)، مخزن داده ای متمرکز، جمع آوری شده از منابع اطلاعاتی مختلف و ناهمگن در يک محدوده وسيع زمانی است و برای پشتيبانی از سيستم های تصميم يار(DSS) استفاده می شود.

DW از پايگاه های داده عملياتی و يا ساير منابع داده ای توزيع شدة سازمان ها و ارگان های متفاوت تهيه می شود.

پايگاه دادة تحليلی بستر مناسبی فراهم می آورد که داده ها به منظور پاسخگويی به پرسش های تحليلی به صورت بايگانی شده، سر جمع شده و سازمان يافته، ذخيره شوند.

پايگاه داده تحليلی شامل داده هايی است که برای انجام تصميم گيری ها و تحليل ها مناسب است.        

اسلاید 10 :

پايگاه دادة تحليلی(ادامه)

پايگاه داده تحليلی عبارت است از مخزن دادة جمع آوری شده ای از منابع اطلاعاتی:

مختلف،

توزيع شده،

احتمالاً ناهمگون،

تحت يک ساختار چند بُعدی،

بصورت يکپارچه،

پاکسازی شده،

موضوع گرا،

سرجمع شده،

غير قابل تغيير

و در محدودة زمانی مشخص طولانی دردسترس بوده.