Welcome to Scribd. Sign in or start your free trial to enjoy unlimited e-books, audiobooks & documents.Find out more
Download
Standard view
Full view
of .
Look up keyword
Like this
1Activity
0 of .
Results for:
No results containing your search query
P. 1
IZLAGANJE

IZLAGANJE

Ratings: (0)|Views: 12|Likes:
Published by Djula Halilovic

More info:

Published by: Djula Halilovic on Jun 18, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOCX, PDF, TXT or read online from Scribd
See more
See less

06/18/2012

pdf

text

original

 
Upravljanje podacima1.SLAJD3.2. Analiziranje podataka
Kvalitetna i pravovremena informacija je osnov za donošenje poslovnih odluka od strane
 
menadžmenta preduzeća. Menadžeri su u svom svakodnevnom radu okruženi mnoštvomrazličitih podataka i informacija koje mogu biti manje ili više upotrebljive.Sistemi za analitičko procesiranje podataka (
OLAP
) omogućavaju menadžerima da,
samostalno, bez zna
nja programiranja, u realnom vremenu, obavljaju višedimenzionu analizu podataka dobijajući pritom informacije u preglednim tabelarnim i grafičkim formama.
2. SLAJD
OLAP podrazumijeva kategoriju aplikacija i tehnologija za skupljanje, obradu i prezentacijumultidimenzijskih podataka namijenjenih analizama u svrhu upravljanja.
U posljednje vrijeme za OLAP alate koristi se i izraz FASMI koji označava 5 glavnih ciljeva
koje bi alat trebao zadovoljiti, a to su:1.
Fast
 
(brza) znači da je cilj sistema prenijeti većinu odgovora korisnicima u roku od pet
sekundi.2.
Analysis
 
(analiza) podrazumijeva da je sistem dorastao bilo kojoj poslovnoj logici i
statističkoj analizi koja je relevantna za aplikaciju informacija korisnika, a da pritom ostane
dovoljno jednostavan za ciljanog korisnika.3.
Shared
 
(zajedničkih) znači da sistem implementira sve zahtjeve za osiguranje
povjerljivosti.4.
Multidimensional
 
(višedimenzijskih) jest ključni zahtjev, a podrazumijeva višedimenzijski
koncepcijski pregled podataka,
uključujući punu podršku hijerarhijama jer je to najlogičnijinačin analize preduzeća.
 5.
Information
 
(informacija) jesu svi potrebni podaci i izvedene informacije bez obzira jesu lii koliko relevantni za aplikaciju.
3. SLAJD
Dakle, najvažnije i najvrij
ednije svojstvo OLAP alata zasniva se na multidimenzijskoj analizi,
što znači da se podaci mogu istovremeno promatrati kroz veći broj filtera koji se u stručnoj
terminologiji nazivaju dimenzijama.Multidimenzijska je analiza potrebna kada se, primjerice,
traže odgovori na slijedeća pitanja:
 
1. koliki je obrt zaliha po materijalima, dobavljačima i skladištima?
 2. koliko je ostvarena prodaja u odnosu na planiranu po regijama, kupcima i divizijama?3. kakva je profitabilnost po proizvodu, kupcu i regiji?
4. koliki su troškovi poslovanja u odnosu na planirane i prethodno razdoblje po zaposlenome
i po proizvodnom radniku?
5. koliki su dani odgode i dani naplate po proizvodu i dobavljaču?
 
 
Slijedeća osobina OLAP alata je velika brzina rada koja omogućuje menadžmentu postavljanje pitanja i dobivanja odgovora u najkraćem vremenu, praktički odmah, što pozitivno utiče na kvalitet donesenih odluka
.
. U većini slučajeva vrijeme odgovora sistemana upit jest unutar pet sekundi, a kod složenijih upita ponekad je potrebno više od trideset
sekundi.
4.SLAJD
Karakteristika ovih alata jest sposobnost analiziranja velikog broja dimenzija koje, teoretski,
nisu ničim ograničene, a u praksi se taj broj kod kvalitetnih OLAP alata i zahtijevnijih analizamože popeti na deset ili više.S obzirom da to prelazi spoznajne mogućnosti prosječnog čovjeka, može se zaključiti da ovialati omogućuju proširenje ljudske inteligencije.
OLAP alat sastoji se od
:
 
1.
OLAP poslužitelja
 
(servera) koji se nalazi izmeĎu korisnika i skladišta podataka, a
 
omogućava pohranjivanje podataka u obliku višedimenzijskih modela (najčešće 3D kocki itablica) te je instaliran na poslužitelju
 2.
OLAP klijenta
 
(korisnika) koji omogućuje korisniku postav
ljanje upita na podacima iz
kocki i tablica, te dobivanje grafičkih i tabličnih izvještaja. Instaliran je na korisničkimračunalima ili na webu.
 
5. SLAJD
Pojam rudarenje podataka može se definirati kao pronalaženje zakonitosti meĎu podacima.
 
Činjenice pokazuju da se primjenom metoda i alata za rudarenje podataka mogu otkriti ponekad iznenaĎujući obrasci ponašanja nekih osoba ili neočekivani odnosi meĎu pojavama,ali to nije razlog da se jasno ne izraze ograničenja odnosno preuveličavaju mogućn
osti ovihtehnika.
Jedna od definicija rudarenja podataka glasi: rudarenje podataka je sistematičan,interaktivan i iterativan (ponavljajući) proces izvoĎenja i prikazivanja korisnoga, implicitnog i
inovativnog znanja iz podataka.
Važno je uz definiciju spomenuti da uspješnost primjene metoda i alata ove namjene ovisi prvenstveno o stručnosti i poslovnoj kompetenciji onih koji tumače dobivene rezultate.
Upravo te osobe svojim znanjem i iskustvom mogu biti sposobne neki naizgled besmislenuzorak interpreti
rati na poslovno korektan i smislen način i pretvoriti ga u vrijednu
informaciju.Dva su glavna tipa rudarenja podataka:1.
verifikacija hipoteze
 
cilj je provjeriti da li je neka ideja ili dojam o važnosti odnosa meĎuodreĎenim podacima utemeljen ili
ne;2.
otkrivanje novih znanja
meĎu nekim pojavama mogu postojati neki još nepoznati astatistički važni odnosi koje čovjek ni iskustvom niti svojim intelektualnim sposobnostima nemože dokučiti
 R
udarenje podataka primjenjivo je u svim onim područjima gdje se raspolaže velikom masom podataka na osnovu kojih se žele otkriti odreĎene pravilnosti, veze i zakonitosti.
 
 
 
6. SLAJD
Rudarenje podataka osobito je važno kod sistema s velikom količinom podataka, u kojima jemoguće pronaći činjenice za koje nismo
 
znali da postoje. Rudarenjem je moguće utvrditisljedeće vrste informacija:
 1.
klase
 
postupkom klasificiranja prema unaprijed definiranim klasama,2.
klastere
odnosno kategorije, postupkom klasificiranja bez unaprijed zadanih klasa,3.
asocijacije
 
koje su uvjetovane dogaĎajima (npr. kupci koji kupuju proizvod A u 65%slučajeva kupuju i proizvod B),
 
4.
sekvence
 
koje ustanovljuju dogaĎaje koji u odreĎenoj vjerojatnosti slijede jedan za drugim
 
5.
prognoze
 
kojima se prognozira budućnost iz postojećih p
odataka.
 7. SLAJD3.3.2. Metode i alati za rudarenje podataka
Većina alata koji se danas koriste za kopanje podataka mogu se svrstati u jednu od sljedećih
skupina:
 
1.
klasične metode
 2.
metode grananja
 3.
neuralne mreže
 
S obzirom na funkciju, alati
za rudarenje podataka mogu se klasificirati na sljedeći način:
 1.
klasifikacija
klasificira podatak (entitet) u jednu od nekoliko prethodno definiranih klasa
(diskriminativna analiza, logistična regresija, metode grananja, neuralne mreže),
2.
regresija
 
uspostavljanje relacija uz pomoć prediktorskih varijabli (linearna i nelinearnaregresija, logistična regresija, itd),
 3.
klasteriranje
klasificiranje podataka (entiteta) u jednu od nekoliko klasa (klastera), pri
čemu se klase moraju odrediti iz podataka
- za razliku od klasifikacije, kod koje su klaseprethodno definirane (klaster analiza, metoda glavnih komponenata, i dr.),4.
sažimanje
 
uključujući vizualizaciju i istraživačku analizu podataka,
 
5.
modeliranje ovisnosti
(kauzalni modeli, faktorska analiza),6.
asocijacije
(analiza tržišne košarice),
 7.
sekvencijalna analiza
(analiza vremenskih serija), itd.
8. SLAJD3.4. Vizuelizacija podataka
Jedna od vrlo popularnih metoda upoznavanja s podacima pa i jednostavnijih analiza
 podataka je vizualizacija. Vizualizaciju podataka možemo promatrati iz nekoliko osnovnih
aspekta:
1. vizualizacija segmenta neočišćenih podataka,
 
2. vizualizacija očišćen
ih podataka,3. vizualizacija pretprocesiranih podataka.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->