Учебнопрактическое пособие Издание 2ое, переработанное и дополненное Москва 2005
 Скачать 1.77 Mb.
|
|
B A Q i N ∪ = U 1 , где: i A — множества атрибутов отчетов и материалов. N — количество отчетов и материалов. B — множество системообразующих атрибутов. Информационно аналитические системы 101 Задания по лабораторной работе Для приобретения навыков аналитической работы с использованием специализирован- ных и массовых инструментальных средств выполняются следующие задания. Задание 1 Подобрать массивы данных по выбранной предметной области в соответствии с инте- ресами по осваиваемой специальности, работе или другими обстоятельствами. При использо- вании Internet можно воспользоваться сайтами www//Rамблер.ru, www//Expert.ru, Яndex.ru и другими. Экспортировать заинтересовавшие обучающегося данные в Excel или специализиро- ванное инструментальное средство в зависимости от наличия такового. Транспорт в аналитический инструмент выполняется средствами Интернетэксплорер или опцией Excel (при транспорте в него): Данные — Внешние данные — Создать запрос. Далее в зависимости от характера источника данных: Интернет; базы данных, поддер- живаемые различными СУБД; электронные таблицы; текстовые файлы и т.д. выбираются соот- ветствующие этим форматам данных опции. После транспортировки в Excel форматы, вид и структура полученных данных приводят- ся к удобному для пользователя виду. В случае, если данные получены в виде нескольких таблиц, их следует при необходимо- сти свести в одну сводную таблицу с помощью опции Данные — Сводная таблица. Эта опера- ция выполняется для того, чтобы можно было легко получать выборки, состоящие из необходи- мых для данного запроса атрибутов, находящихся в разных таблицах. Задание 2. На следующем этапе производится оперативный анализ подготовленных данных. При использовании инструмента Excel с помощью опций Данные —> Сортировка, Фильтр, Форма, Итоги, Группа и структура. Приведенные опции могут использоваться в последовательности, обеспечивающей выполнение поставленных пользователем задач анализа. К ним относятся: − выделение из подготовленной совокупности данных заинтересовавших пользователя объектов в виде группы атрибутов, − сортировка значений атрибутов по определенным критериям, − подведение итогов, − группировка (агрегация) значений по заданным формулам и другие операции оператив- ного анализа. − операции над атрибутами с целью получения новых свойств исследуемых объектов и т.д. Выполнение интеллектуального анализа средствами Excel. В этом средстве имеется ин- струмент «Мастер функций», позволяющий выполнять математическую, статистическую, логиче- скую обработку данных, финансовый анализ с оценкой проектов современными методами, прогнозирование хода процессов. Операции над сформированными данными выполняются с использованием аппарата справок. Сначала решаются находящиеся в справках примеры, за- тем выполняется анализ собственных примеров. Задание 3. При использовании специализированного инструмента Business Objects на начальном этапе приобретения навыков анализа используются данные примеров, содержащиеся в самом инструменте, скомпонованные в виде факт-таблиц или, как называют на жаргоне фирмы, «юниверсов». Запустить Business Objects, среди модулей Business Miner, Business Objects Designer, Business Objects (BO) вызвать BO; на стандартной панели инструментов нажать кнопку «Мас- тер Создания Нового Отчета». Будет вызвано окно «Мастер построения новых отчетов. Добро пожаловать» Рис. П1. Выбрать опцию «Создать стандартный отчет» — «Начать». Появится окно «Мастер построения новых отчетов. Выбор юниверса». Рис. П2. Практикум 102 Целесообразно выбрать юниверс Evaluation Kit, так как в его составе имеются и каче- ственные и количественные атрибуты, здесь они называются объекты, которые понадобятся при выполнении упражнения. Нажать на кнопку «Готово» — будет вызвана панель запроса в виде графического кон- структора отчетов. Рис. П3 Рис. П1 Запросы с исполнением в виде выборок с различными условиями легко реализуются перетаскиванием графических образов атрибутов — качественных в виде кубиков и количест- венных в виде шариков, называемых здесь объектами, в панель «объекты результата». Для постановки условий выборок в окне «Условия» Панели Запросов щелкните на зна- чении (или значениях), находящемся на правой стороне условия. Окно «Классы и Объекты» становится окном «Операнды». Затем нужно дважды щелкнуть на операнде «Показать Список Значений», после чего список значений появится в диалоговом окне «Список Значений». Если нужно выбрать больше значений для условия, то удерживайте клавишу «Ctrl» нажа- той и в окне «Список Значений» щелкните на каждом значении, затем нажмите «OK». Информационно аналитические системы 103 Рис. П2 Созданные с помощью различных инструментов материалы могут быть помещены для дальнейшей аналитической обработки в среду Business Objects, для чего используется панель инструментов «Доступ к персональным данным» рис. П4. Анализ перенесенных в среду Business Objects данных производится в главной панели, фрагмент которой приведен на рис. П5. Рис. П3 Практикум 104 Рис. П4. Экранная форма обеспечения доступа к персональным данным Рис. П5. Главная панель анализа Business Objects Информационно аналитические системы 105 Тематика лабораторных работ Темы работ выбираются в соответствии со специализацией и интересами обучающихся. В качестве ориентира на рис. 2 приведен примерный состав центров генерации данных в ин- формационном пространстве предприятия в соответствии с выполняемыми функциями. Для спе- циализаций менеджмент, антикризисное управление, финансы и кредит бригада подбирает из приведенного перечня несколько функций из одного направления деятельности: управления, основной деятельности (производство или торговля или другая сфера деятельности), логистики, обеспечения. Для специализаций маркетинг, мировая экономика подбираются темы материа- лов: обзор рынка товаров (услуг), исследования конкурентов по направлениям деятельности предприятия, привлекательность своих и конкурирующих изделий и т.д. При очной форме обучения бригады подбирают из рекомендуемого перечня функций смежные так, чтобы в результате вся группа представила по возможности полный перечень функций предприятия. В результате должна получиться модель содержания и структуры данных информационного хранилища. Направление деятельности предприятия согласуется бригадами. Технология создания базы метаданных описана в разделе 2 настоящего практикума. В соответствии с ней разрабатываются проекты документов пользовательского назначения. Это могут быть регулярно представляемые отчеты о деятельности подразделений или ответственных лиц, а также аналитические запросы руководителей предприятия по сценариям и т.д. Затем атрибуты таких материалов должны войти в базу метаданных информационного хранилища. К ним дополняются системообразующие атрибуты, которые описывают состав источников дан- ных, общие, временные, региональные и другие характеристики. Рис. Центры генерации данных в информационном пространстве предприятия Данные по предприятию в информационном хранилище Данные по управлению Данные по операционной деятельности Данные по логистике Данные по обеспечению основной деятельности Топ-менедмент, управления персоналом Управление финансами Контроллинг Запасами и сбытом Оперативное управление операционной деятельностью Доработка сырья, материалов, комплектующих Изготовление деталей, блоков Сборка Испытания, отладка Упаковка Погрузка, разгрузка Транспортировка Складирование сырья и материалов, готовой продукции Комплектование Информационное сопровождение логистических процессов Установка и поддержание основных средств Научно-техническое сопровождение Энергоснабжение (Электро-техно-, водо-снабжения) Экологическое обеспечение, уборка, утилизация Охрана Социально-культурная сфера деятельности Обеспечением Маркетинг Следующим этапом работы является наполнение структуры модели ИХ учебными дан- ными, которые могут быть почерпнуты из доступных источников, средств массовой информации, Практикум 106 с предприятий (для работающих студентов) или смоделированы, исходя из предположений и знаний, полученных при изучении соответствующих курсов. Требования к оформлению отчета по лабораторной работе Отчет по лабораторной работе должен быть представлен в виде документа на бумажном носителе, выполнен по правилам оформления лабораторных работ. Он должен содержать: 1. Описание выбранной предметной области. Приводятся выполняемые задачи, объемы работ. 2. Макеты отчетных документов по выбранной группой предметной области в различных форматах, например xls, mdb, htm и/или других. На группу 2—3 человека — 5—6 доку- ментов. Для индивидуальной работы 2—3 документа. В документах должны быть макеты данных в объеме не менее десяти записей. 3. Фрагмент базы метаданных, относящийся к выбранной предметной области, содержа- щий атрибуты макетов, представленных по п. 2, а также макеты соответствующих дан- ных в скоординированном виде. В совокупности фрагмент БМД и макетов записей со- ставляют секцию информационного хранилища, относящуюся к исследуемой предмет- ной области. 4. Макеты отчетных аналитических материалов. По 2—3 материала на группу из 2—3 че- ловек. При индивидуальной работе — 1—2 материала. Аналитические отчеты должны сопровождаться краткими комментариями и диаграммами. Информационно аналитические системы 107 Глоссарий Cхема «звезда» − Схема многомерного представления данных в виде факт-таблицы с увязанными с ней таблицами размерностей. Cхема «снежинка» − Развитие схемы «звезда». Ее отличает от первой схемы большое количество консольных таблиц, они имеются практически на каждой таблице размерности и могут иметь несколько уровней иерархии. Анализ − Информационный процесс, который состоит в систематизации, оценке полученных параметров в соответствии с принятой системой показателей, изучении и оценке факторов, влияющих на деятель- ность предприятия, выявлении его сильных и слабых сторон, опреде- лении возможностей и рисков. База метаданных − Перечень атрибутов (реквизитов) всех показателей, сосредоточен- ных в информационном хранилище или его фрагменте. Гибкая архитектура данных − Это означает, что любому пользователю из числа доверенных лиц должна быть обеспечена возможность доступа к любому разре- шенному для использования участку данных, которыми располагает предприятие (организация). Интеллектуальный анализ − Предназначен для фундаментального исследования проблем в той или иной предметной области. Требования по времени менее жест- ки, чем в оперативном анализе, но используются более сложные методики. Ставятся, как правило, задачи и получают результаты стратегического значения. Информационно- аналитическая систе- ма (ИАС) − Комплекс аппаратных, программных средств, информационных ре- сурсов, методик, которые используются для обеспечения автомати- зации аналитических работ в целях обоснования принятия управ- ленческих решений и других возможных применений. Информационное пространство − Совокупность информационных объектов, информационно отобра- жающих свойства системы и протекающие в ней процессы. Информационное хранилище − Подсистема информационной системы предприятия или ИАС, кото- рая выполняет задачи накопления сведений о деятельности пред- приятия, партнеров, других информационных ресурсов из различных источников, в том числе баз данных, отображающих отдельные биз- нес-процессы, автоматизированных рабочих мест, информационных систем и других источников информации, в том числе из глобальных информационных сетей. Лица, принимающие решения (ЛПР) − Лица, наделенные полномочиями принимать те или иные решения, которые являются основными пользователями информационно- аналитической системы. Метаданные − Данные о данных или совокупность атрибутов, характеризующих какую либо группу показателей. Многомерное пред- ставление данных − Возможность включения данных в факт-таблицы, не поддерживая требования нормализации. Это означает возможность повторяемо- Глоссарий 108 сти значений атрибутов, наличие зависимостей между атрибутами, возможность включения иерархий данных. Является одним из глав- ных требований к OLAP-системам. Оперативный анализ − Быстрый, в соответствии с правилами FASMI, доступ к любой необ- ходимой информации, содержащейся в ИХ, или, точнее в факт- таблице, представляемой также в виде многомерного куба (на практике трехмерного). Извлечение информации, как правило, со- провождается обработкой ее по несложным алгоритмам. Показатель − Исходя из формально-структурного подхода, представляет собой высказывание с законченным смыслом, включающее как название переменной величины, так и ее конкретное количественное значе- ние со всеми качественными признаками, необходимыми для иден- тификации последнего. Семантический разрыв − Искажения, сбои в работе с данными, содержащимися в информа- ционном хранилище, по причине несогласованности в семантике или смысле данных. Схема «созвездие» − Объединение нескольких схем «звезда» и/или «снежинка» через общие таблицы размерности или консольные таблицы. Таблица размерности или измерений − Таблицы, наполняющие содержанием факт-таблицы, называют таб- лицы измерений (dimensional table). Они содержат постоянные или редко и мало изменяемые данные и должны находиться в отношении «один ко многим» к таблице фактов. Таблица фактов − Центральная таблица, в которой помещаются все данные относи- тельно интересующего пользователя обобщающего показателя, то есть объекта или события, которые интересуют пользователя. Таблицы консольные − Таблицы, содержащие иерархии данных из таблиц размерности, детализируют отдельные атрибуты. Data mining − См. Интеллектуальный анализ. Data Warehouse − См. Информационное хранилище. HOLAP − Гибридная схема многомерного представления данных на основе как многомерных, так и реляционных средств. IT-анализ − Анализ, выполняемый на основе применения компьютерных инфор- мационных технологий. MOLAP − Многомерное представление данных на основе средств многомер- ных или объектно-ориентированных СУБД. OLAP-On-Line Analyti- cal Processing − См. Оперативный анализ. OLAP-анализ − См. Оперативный анализ. OLAP-системы − Подсистема информационно-аналитической системы, удовлетво- ряющая требованиям Кодда или теста FASMI. ROLAP − Многомерное представление данных на основе средств реляцион- Информационно аналитические системы 109 ных СУБД. Тест FASMI − Система требований к OLAP-системам, которые в русском перево- де означают: Быстрый Анализ Разделяемых Многомерных Данных. Литература 110 ЛИТЕРАТУРА 1. Смирнова Г.Н., Сорокин А.А., Тельнов Ю.Ф. Проектирование экономических информаци- онных систем. Учебник. — М., 2001. 2. Тельнов Ю.Ф. Интеллектуальные информационные системы в экономике. — М., 2001. 3. Мишенин А.И. Теория экономических информационных систем. — М.: Финансы и стати- стика, 2000. 4. Королев М.А., Мишенин М.И., Хотяшов Э.Н. Теория экономических информационных сис- тем. — М., 1984. 5. Жеребин В.М., Информационное обеспечение АСУ. — М., 1975. 6. Козлов В.А. Открытые информационные системы. — М., 1999. 7. Бойченко А.В., Кондратьев В.К., Филинов Е.Н. Основы открытых информационных систем. Учебное пособие. — М., 2001. 8. Дубров А.М., Мхитарян В.С. Многомерные статистические методы и основы эконометри- ки. — М., 1998. 9. Ясин Е.Г. и др. Экономическая информация. — М. 1974. 10. Дейт К. Дж. Введение в системы баз данных. — М., СПБ, К., 2000. 11. .Саймон А. Р. Стратегические технологии баз данных. — М., 1999. 12. Хаан Д. ПиК Планирование и контроль: концепция контроллинга. — М., 1997. 13. Спирли, Эрик. Корпоративные хранилища данных. Планирование, разработка, реализа- ция. Том 1.: Пер. с англ. — М.: Издательский дом «Вильямс», 2001. 14. Данилочкина Н.Г. и др. Контроллинг как инструмент управления предприятием. — М., 1999. 15. Карминский А.М. и др. Контроллинг в бизнесе. — М., 1998. 16. Макарова Н.В. и др. Информатика. Учебник. — М., 1998. 17. Гаврилова Т.А. Хорошевский В. Ф.: Базы знаний интеллектуальных систем. — СПб, Питер, 2001. 18. Дюк В., Самойленко А. Data mining: Учебный курс. — Питер, 2001. 19. Боровиков В.П. Программа Statistica для студентов и инженеров. — М., 2001. 20. Андрейчиков А.В., Андрейчикова О.Н. Анализ, синтез, планирование решений в экономи- ке. — М., 2000. 21. Светлов Н.М. Руководитель. Российское программное обеспечение 2000/2001. — М., 2000. 22. Плис А.И., Сливина Н.А. Mathcad: математический практикум для экономистов и инжене- ров. — М., 1999. 23. Архипенков С.Я. Аналитические системы на базе Oracle Express OLAP. Проектирование, создание, сопровождение. — М., 2000. 24. Бритов П.А., Липчинский Е.А. Практика построения хранилищ данных: Система SAS. Ж. Системы управления базами данных. 04-05/1998/ 25. Business Objects Руководство пользователя. Материалы фирмы Терн, 1996. 26. Калянов Г.Н. Консалтинг при автоматизации предприятий: научно-методическое издание. — М.: СИНТЕГ, 1997. 27. Кузьмичева Т.С. Контур Стандарт. Технология работы с системой. Руководство пользова- теля. ISL. — M., 1999. 28. Ивантер А. Деловой барометр показывает «Ясно» ж. «Эксперт» № 29, авг. 2001. 29. Корнев В.В., Гареев А.Ф., Васютин С.В., Райх В.В. Базы данных. Интеллектуальная обра- ботка информации. — М., 2000. Информационно аналитические системы 111 30. Маклаков С.В. Bpwin Erwin. CASE-средства разработки информационных систем. — М., 2000. 31. Маклаков С.В. Создание информационных систем с AllFusion Modeling Suite. — М.:ДИАЛОГ-МИФИ, 2003. 32. Харрингтон Д. Проектирование объектно-ориентированных баз данных / Пер. с англ. — М.: ДМК Пресс, 2001. 33. Кирстен В., Ирингер М., Рериг Б., Шульте П. СУБД Cache: объектно-ориентирован- ная разработка приложений. Учебный курс. — СПб.: Питер, 2001. 34. Замков О.О., Толстопятенко А.В., Черемных Ю.Н. Математические методы в экономике: Учебник / Под ред. д.э.н., проф. Сидоровича. — М.: Изд-во «Дело и сервис», 2001. 35. Вендров А.М. Проектирование программного обеспечения экономических информацион- ных систем. Учебник. — М: Финансы и статистика. 2000. 36. Вендров А.М. Практикум по проектированию программного обеспечения экономических информационных систем: Учебное пособие. — М. Финансы и статистика, 2002. 37. Вебер А.В., Данилов А.Д., Шифрин С.И. Knoulidge-технологии в консалтинге и управлении предприятием / Под редакцией Финикова М.В. — СПб: Наука и техника, 2003. 38. Под ред. Максимовой В.Ф. Макроэкономика. — М., 2001. 39. Пендс Н. Перевод Абушаева Ш. Что относится к OLAP? OLAPReport.com Last updated on Jan 1999. 40. Щавелев Л.В. Способы аналитической обработки данных для поддержки принятия реше- ний. — Ж. СУБД 04-05/1998/ 41. Белов В.С. Информационно-аналитические системы. Учебное пособие МЭСИ. — М., 2001. 42. Шрек М. Перeвод Intersoft Lab Технология Хранилищ данных: последние 10 лет, несо- мненно были впечатляющими http//www/iso/ru 08/01. 43. Елманова Н., Федоров А. Введение в OLAP: Основы OLAP. 28. Хранилища данных. Ком- пьютерПресс 5/2001. 44. Уринцов А.И. Основы электронного обмена данными. Учебное пособие. — М.: МЭСИ, 2004. 45. Островский Е.В. Порядок разработки ETL-процессов. Olap.ru. 2000. 46. Косов Д.В. Хранилища данных и семантические разрывы. Olap.ru. 2000. 47. Коломиец С.В. Проектирование процессов перегрузки данных. Olap.ru. 2000. 48. Федечкин С. Хранилище данных: вопросы и ответы. PCWeek, 31, 26.08.2003. 49. Строддер Д., Бурьесси Ж., Янг М. Лучшие ИТ-поставщики на 2004 год. Intelligent enter- prise. Деловой ИТ-журнал. 26.01.2004. 50. Федоров А.Г., Елманова Н.З. Введение в OLAP-технологии Microsoft. Учебно-справочное издание. — М.: Диалог-МИФИ, 2002. 51. Белов В.С. Информационно-аналитические системы. Основы проектирования и примене- ния. Учебное пособие. — М: МЭСИ, 2004. Интернет-ресурсы 1. http://www.olap.ru — журнал СУБД 2. http://www.tern.ru — компания ТЕРН 3. http://www. iso.ru — компания Intersoftlab 4. http://www.sas.ru — SAS Institute 5. http://www.basegroup.ru — компания Basegroup РФ 6. http://www.banklist.ru — ЦБ РФ 7. http://www.megaputer.ru компания Megaputer РФ 8. http://www.expert.ru — журнал Эксперт РФ 9. http://www.relex.ru — компания РЕЛЭКС РФ |