P. 1
pra

pra

|Views: 1,127|Likes:
Published by nena

More info:

Published by: nena on Nov 11, 2010
Copyright:Attribution Non-commercial

Availability:

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

12/07/2012

pdf

text

original

Sections

  • Poslovanje u digitalnoj ekonomiji
  • Internet koncept
  • Intranet i extranet
  • Nova ekonomija vs. stara ekonomija
  • Primer Stara Nova
  • “Pritisci” na poslovanje organizacije
  • IT podrška organizaciji
  • Strategijski informacioni sistemi
  • Glavne osobine informacionog sistema
  • IT arhitektura e-business-a
  • Infrastruktura informacione tehnologije
  • INFORMACIONI SISTEMI
  • Sistem
  • Informacioni sistem
  • Računarska aplikacija
  • Uloga sistem analitičara
  • Sistemska analiza
  • Projektovanje sistema
  • Klase informacionih sistema
  • Sistemi obrade transakcija
  • Menadžment IS
  • Sistemi za podršku odlučivanju
  • Ekspertni sistemi
  • Kancelarijski IS
  • Arhitektura informacionih sistema
  • Fokusi sistema
  • Fundamentalni blokovi informacionog sistema
  • Fundamentalni blokovi podataka
  • Fundamentalni blokovi procesa
  • Fundamentalni blokovi interfejsa
  • SISTEMSKI INŽENJERING POMOĆU RAČUNARA - CASE
  • Koristi od primene CASE alata
  • METODE SISTEMSKE ANALIZE
  • Sistemski modeli
  • MODELI PODATAKA
  • alternativni ključevi
  • specijalizacija
  • MODELIRANJE PROCESA
  • Osnovne komponente DTP-a
  • CRUD matrice
  • PROJEKTOVANJE INFORMACIONIH SISTEMA
  • Faze projektovanja IS •Faza konfiguracije:
  • Primer logičkog i fizičkog modela podataka
  • Relacioni model
  • Teoretske postavke relacionih modela
  • Ključevi
  • Operacije relacionog modela
  • Relaciona algebra
  • Operacije relacione algebre
  • Normalizacija relacione baze podataka
  • Funkcionalna zavisnost
  • Potpuna funkcionalna zavisnost
  • Tranzitivna funkcionalna zavisnost
  • Prva normalna forma
  • Druga normalna forma
  • Treća normalna forma
  • Dekomozicija na zavisne i nezavisne projekcije
  • Četvrta normalna forma
  • Peta normalna forma
  • Normalna forma ključeva i domena (DK/NF)
  • INTEGRITET BAZE PODATAKA
  • Pravila integriteta
  • Pravila integriteta domena
  • Domen: STAR Skup od INTEGER Operacije:
  • Pravila integriteta relacije
  • Pravila integriteta relacija kod povezivanja objekata
  • Pravila integriteta relacija kod razvezivanja objekata
  • Sigurnost baze podataka
  • SQL naredbe za dodelu ovlašćenja pristupa bazi podataka
  • Osnovne SQL naredbe
  • Aritmetrički izrazi u okviru SQL-a
  • Oporavak baze podataka i upravljanje izvršenjem transakcija
  • Transakcije
  • Problem nepotvrđenih promena (čitanja)
  • Protokoli zaključavanja
  • “Živi” i “mrtvi” lokoti
  • Dugačke transakcije
  • Koncept “saga”
  • Oporavak baze podataka
  • Koraci projektovanja korisničkog interfejsa •Korak 1: Grafički prikazati dijalog
  • Sirovi podaci vs. poslovne informacije
  • OLTP sistemi
  • OLTP vs. analitičke baze podataka
  • Data Warehousing (DW)
  • Koncept Warehousing
  • Komponente DW sistema
  • Razvoj skladišta podataka
  • 1.1.Prikupljanje zahteva
  • 1.2. Planiranje skladišta podataka
  • 1.3. Izbor tehnike analize podataka
  • 2. Priprema podataka
  • 2.1. Ekstrakcija i čišćenje podataka
  • b. Razvoj procedura za čišćenje podataka
  • 2.2. Transformacija podataka
  • a. Kreiranje plana transformacije podataka
  • b. Razvoj procedura za transformaciju podataka
  • c. Razvoj procedura za učitavanje podataka
  • d. Testiranje procedura
  • e. Izrada meta baze podataka
  • Primeri dvodimenzionih i trodimenzionih modela podataka
  • Zadaci izgradnje skladišta podataka
  • a) Denormalizacija podataka
  • Arhitektura dimenzionog modela – šema zvezde
  • c)Kreiranje agregacija
  • d)Kreiranje fizičkog modela
  • e)Generisanje baze podataka
  • f) Učitavanje podataka
  • OLAP serveri
  • Zahtevi OLAP sistema
  • Komponente OLAP baze podataka
  • OLAP dimenzije vs. Relacione dimenzije
  • Definisanje kocke
  • Pravljenje upita nad kockom
  • Definisanje “kriške” (engl. slice) ili podskupa kocke
  • Rad sa dimenzijama i hijerarhijama
  • Arhitekture OLAP sistema
  • Arhitektura MOLAP sistema
  • b. Relacioni OLAP (ROLAP)
  • Karakteristike ROLAP i MOLAP sistema
  • c. Hibridni OLAP (HOLAP)
  • Evaluacija 1.Koja je svrha oblasti za pripremu podataka kod Data Warehouse-a?
  • 1.Koja je svrha OLAP-a?
  • 1.Definišite glavne relacione komponente od kojih se gradi OLAP kocka
  • Definisanje Data mininga
  • Primene Data mininga
  • Data mining modeli
  • Koraci kod izgradnje DM modela
  • Metodologija kreiranja Data Mining modela
  • Integracija data mininga sa skladištem podataka
  • Tradicionalni i integrisani prilaz
  • OLAP data mining
  • Izgradnja Data Mining modela sa OLAP podacima
  • UVOD U ACESS
  • REŽIM RADA ACCESSA
  • BIBLIOTEČKE BAZE PODATAKA PROGRAMA ACCESS
  • Strategija projektovanja baze podataka jeste da se ostvare sledeći ciljevi:
  • Postupak projektovanja sistema relacione baze podataka sastoji se od 10 osnovnih
  • TIPOVI RELACIJA
  • NORMALIZACIJA PODATAKA U RELACIONI MODEL
  • UPITI
  • OBEZBEĐIVANJE INTEGRITETA BAZE PODATAKA
  • ODRŽAVANJE BEZBEDNOSTI BAZE PODATAKA
  • PRINCIPI BEZBEDNOSTI BAZE PODATAKA U LOKALNOJ MREŽI
  • UPRAVLJANJE GRUPAMA I KORISNICIMA

Poslovanje u digitalnoj ekonomiji  Digitalna ekonomija je ekonomija zasnovana na digitalnim tehnologijama uključujući komunikacione mreže (Internet, Intranet i extranet

), računare, softvere i drugu tehnologiju.  Sinonimi za digitalnu ekonomiju (digital economy) su Internet ekonomija (Internet economy), nova ekonomija (new economy) ili Web ekonomija (Web economy).  E-business/e-commerce – elektronsko upravljanje poslovnim funkcijama (npr., kupovina i prodaja roba i usluga, opsluživanje klijenata, saradnja sa poslovnim partnerima).  Infrastruktura za e-business je tzv. Network Computing, koji povezuje računare i druge elektronske uređaje putem telekomunikaiconih mreža.  Ovi računari mogu biti povezani na globalno mrežno okruženje, poznato kao Internet, ili povezani lokalno unutar organizacije, tzv. Intranet. Mnoge kompanije povezuju svoj Intranet sa nekim od poslovnih partnera putem mreže koja se zove Extranet. Internet koncept  Internet je globalna kolekcija mreža koje povezuju računare korisnika širom sveta.  Internet je globalna mreža računara/računarskih mreža koji komuniciraju i razmenjuju podatke putem TCP/IP protokola obezbeđujući nekoliko usluga tzv. Web servisa.  Internet obezbeđuje univerzalnu vezu sa računarima, nezavisno od toga na koju pojedinačnu mrežu su oni priključeni.  TCP/IP protokol omogućava komunikaciju između računara na kojima su instalirani različiti operativni sistemi. Intranet i extranet  Kada kompanija želi da deli svoje poslovne informacije za svojim dobavljačima, klijentima i drugim partnerima onda im ona dozvoljava ograničeni pristup svom Intranetu.  Intranet koji je parcijalno dostupan autorizovanim korisnicima putem Interneta ili drugim sredstvima naziva se Extranet.  Postavljanjem extraneta kroz Internet je mnogo lakše i ekonomičnije nego postavljanje iznajmljenog komunikacionog linka između dve kompanije.  Međutim, extranet je manje bezbedan neko privatni Intranet zato što dozvoljava mogući pristup neautorizovanim korisnicima.

Nova ekonomija vs. stara ekonomija Primer Stara Nova Poseta web site-a izdavača i prodavaca On-line pristup fakultetu i prijavi ispita. Upotreba digitalne kamere Korišćenje samouslužnih kioska Elektronske karte

Kupovina i prodaja Poseta knjižari knjiga Prijavljivanje ispita na Šetnja kroz odelenja, fakultetu čekanje ispred studentske službe itd. Fotografisanje Kupovina filma, slikanje, davanje na razvijanje. Plaćanje robe Odlazak u prodavnicu, plaćanje i otpremanje robe. Plaćanje prevoza Plaćanje u gotovom

• Internet dovodi do promena u ekonomiji, društvu i tehnološkim osnovama stare ekonomije. • Organizacije razvijaju nove modele poslovanja, ekonomije i vlade. “Pritisci” na poslovanje organizacije  Poslovno okruženje je kombinacija socijalnih, pravnih, ekonomskih, fizičkih i političkih faktora koji utiču na aktivnosti poslovanja.  Značajne promene u bilo kojim od ovih faktora dovodi do stvaranja poslovnog “pritiska” na organizaciju.  Postoje tri tipa poslovnog pritiska sa kojima se organizacija suočava i to pritisci tržišta, tehnologije i društva: Tržišni pritisak:  Globalna ekonomija i jaka konkurencija  Promena prirode radne snage  Moćni klijenti... Tehnološki pritisak:  Tehnološke inovacije i zastarelost  Suviše informacija... Socijalni pritisak:  Regulacija (Statuti, uređenje, propisi) Vlade  Trošenje na socijalne programe  Zaštita od terorističkih napada  Etnička pitanja... IT podrška organizaciji Organizacija čini veliki napor kako bi stekla nove i sačuvala postojeće klijente, a to čini najčešće koristeći informacione tehnologije. Strategijski informacioni sistemi • Šta podrazumevamo pod strategijskim korišćenjem informacionih sistema? Informacioni sistemi su strategijski ukoliko ispunjavaju ciljeve i strategiju poslovanja i ukoliko imaju uticaja na celokupno poslovanje preduzeća. •

Strategic Information Systems (SISs) – sistemi koji pomažu organizaciji da stekne konkurentnu prednost kroz doprinos strategijskim ciljevima organizacije i/ili njenoj sposobnosti da znatno poveća svoje performanse i produktivnost.

Konkurentna prednost je prednost u odnosu na konkurenciju u pogledu troškova, kvaliteta ili brzine koja vodi ka kontroli tržišta i povećanju profita. Glavne osobine informacionog sistema  Izvršavaju veoma brzo velika numerička izračunavanja.  Obezbeđuju brzu, tačnu i jevtinu komunikaciju unutar i između organizacija.  Automatizuju poluautomatske poslovne procese i manuelne zadatke.  Skladište ogromnu količinu informacija u jednom lako pristupačnom i malom prostoru.  Omogućavaju brz i jevtin pristup rasprostranjenim informacijama, worldwide.  Olakšavaju interpretaciju ogromnih količina podataka.  Omogućavaju komunikaciju i saradnju bilo gde i bilo kada.  Povećavaju efektivnost i efikasnost ljudi koji rade u grupama na jednom mestu ili na nekoliko lokacija, bilo gde.  Olakšavaju rad u rizičnom (hazardnom) okruženju. IT arhitektura e-business-a Infrastruktura informacione tehnologije  Informaciona tehnologija – uključuje skup informacionih resursa, korisnika i menadžmenta koji ih nadgledaju, IT infrastrukturu i sve druge informacione sisteme u organizaciji.  IT infrastruktura - podrazumeva fizičku opremu, IT komponente, IT usluge i IT menadžment koji podržava čitavu organizaciju.  IT komponente su hardver, softver i komunikacione tehnologije koje koristi IT osoblje da bi proizvelo IT usluge.  IT usluge uključuju razvoj sistema za upravljanje podacima i brigu o bezbednosti.  IT infrastruktura uključuje ove resurse kao i njihovu integraciju, operaciju, dokumentaciju, održavanje i menadžment. Životni ciklus razvoja sistema (system development life cycle - SDLC) SDLC - struktuirani okvir koji se koristi za velike IT projekte koji se sastoje od sekvencionalnih procesa po kojima se razvijaju informacioni sistemi INFORMACIONI SISTEMI

Sistemska analiza • Sistemska analiza podrazumeva: – proučavanje domena poslovnih problema kako bi se predložila poboljšanja i – Definisanje poslovnih zahteva koje treba da ispuni novo rešenje. rada i kapitala. skladištenje i obradu podataka u cilju dobijanja informacija potrebnih za pokretanje neke akcije ili donošenje neke odluke. Sistem Informacioni sistem • • • Sistem u kome se veze između objekata i veze sistema sa okolinom ostvaruju razmenom informacija. podataka. pored sirovina. energije. prenos.Uvod: • Informacija je postala upravljački resurs. Organizovan skup komponenti za prikupljanje. • Zahtev u kompanijama – zaposleni treba da učestvuju u razvoju informacionog sistema i aplikacija. prevode poslovne i informacione zahteve u računarski zasnovane IS i rač. Uloga sistem analitičara • Proučavaju poslovne probleme i mogućnosti. • Obavlja sistemsku analizu i projektovanje IS i računarskih aplikacija. interfejsa. Projektovanje sistema Projektovanje sistema podrazumeva definisanje i konstruisanje tehnički i računarski zasnovanih rešenja za identifikovane poslovne zahteve u sistemskoj analizi. aplikacije koje potom bivaju implementirane od strane tehničkih stručnjaka. Uređeni i integrisani skup ljudi. mreža i tehnologija koja su u međusobnoj korelaciji u cilju podrške i poboljšanja svakodnevnih poslovnih operacija. procesa. • Jedan informacioni sistem u sebi sadrži jednu ili više računarskih aplikacija. Računarska aplikacija • Računarski zasnovano rešenje jednog ili više poslovnih problema i donošenja odluka. a takođe i u cilju podrške menadžmentu u rešavanju poslovnih problema i donošenja odluka. Informaciona tehnologija .

ali su jedinstveni u svojim zahtevima za pravilima koje simuliraju zaključivanje eksperta koji koristi podatke i informacije. • • Implementirani su sa tehnologijom veštačke inteligencije. Ekspertni sistemi • Aplikacija IS koja prikuplja znanje i stručnost onih koji se bave rešavanjem problema ili donošenjem odluka. ES zahteva podatke i informacije kao i svaki IS. odnosno situacije koje se ne mogu unapred predvideti i strukturalno postaviti.Opisuje kombinaciju računarske tehnologije (hardvera i softvera) sa telekomunikacionom tehnologijom (mreža podataka. a zatim simulira razmišljanje tog eksperta.Stakeholders . Decision Support Systems – DSS • • Aplikacije IS koje pomažu korisnicima u procesu donošenja odluka. Sistemi za podršku odlučivanju • engl. • Aplikacije IS koje obezbeđuju menadžerski orjentisane izveštaje u predodređenom formatu obično zasnovane na matematičkim ili statističkim modelima. Klase informacionih sistema • Sistemi obrade transakcija • Menadžment informacioni sistemi • Sistemi za podršku odlučivanju • Ekspertni sistemi • Kancelarijski informacioni sistemi Sistemi obrade transakcija • engl. slika i glasa). Kancelarijski IS • engl. plaćanje i dr. potvrde o uplati i dr. Nosioci IS . DSS podržava nestruktuirane odluke. čekovi. nadgledanje i upravljanje poslovnim operacijama. Office Information Systems • Podržavaju veliki obim poslovnih kancelarijskih aktivnosti koji poboljšavaju posao i komunikaciju između radnika Arhitektura informacionih sistema • Obezbeđuje jedinstveni kostur po kome će različiti ljudi sa različitim perspektivama (pogledima) organizovati i videti fundamentalne blokove razvoja informacionih sistema.) Menadžment IS • Dopunjuju TPS sa menadžerskim izveštajima neophodnih za planiranje.) i/ili inicirati transakciju (računi. Može odgovoriti na poslovnu transakciju (porudžbina. Transaction Processing Systems – TPS • • Aplikacije IS koje prikupljaju i obrađuju podatke o poslovnim transakcijama.

Oni moraju da predstavljaju podatke u veoma preciznoj jezičkoj formi. ciljeve i ograničenja. testiraju i isporučuju sistem. mreže i programe. uređuju i koriste te podatke. mogućnosti. Oni poseduju sistem. • Blokovi informacionog sistema ne egzistiraju izolovano. knjigama. projektanti sistema mogu biti i graditelji sistema. Fundamentalni blokovi procesa • Pogled vlasnika sistema na procese sistema . Pogled projektanta sistema na sistem podataka – Projektanti sistema prevode zahteve korisnika u računarske datoteke i baze podataka. Fokusi sistema • PODACI – sirov materijal koji se koristi za kreiranje informacija. • • • Graditelji sistema (System Builders) su tehnička lica koja konstruišu. već moraju biti sinhronizovani kako bi se izbegle nedoslednosti i nekompatibilnosti unutar sistema. Danas korisnici sistema rade rame uz rame sa projektantima sistema. Za njih su podaci smešteni po fasciklama. organizovani po spreadsheets datotekama ili uskladišteni unutar baza podataka itd. Najkorišćeniji standardni upitni jezik koji omogućava komunikaciju sa bazom podataka jeste SQL (od početnih slova engleskih reči: Structured Query Language). proizvodi. porudžbine ili plaćanja. postavljaju prioritete u sistemu i određuju politiku za njegovo korišćenje. skladište. Fundamentalni blokovi podataka • Pogled vlasnika sistema na sistem podataka – zainteresovan za resurse poslovanja. zgrade. Korisnici sistema (System Users) su ljudi koji za obavljanje svojih poslova. • Pogled korisnika sistema na sistem podataka – Korisnici svakodnevno prikupljaju. Oni projektuju baze podataka. • • PROCESI – aktivnosti koje izvršavaju misiju poslovanja.• Vlasnici sistema (System Owners) – finansiraju razvoj i održavanje informacionog sistema. U nekim slučajevima. Projektanti sistema (System Designers) projektuju sistem kako bi izašli u susret zahtevima korisnika. Fundamentalni blokovi informacionog sistema • Preseci perspektiva (redova) i svakog fokusa (kolona) definišu fundamentalne blokove ili ćelije informacionog sistema. Njegov domen jeste da za svaki objekat i relacije između objekata identifikuje eventualne probleme. obrađuju. • GEOGRAFIJA – pokazuje gde su podaci uskladišteni i gde se odvijaju procesi i interfejsi. INTERFEJSI – pokazuju kakav je međusoban uticaj sistema na ljude i druge sisteme. koriste informacioni sistem. U nekim slučajevima. kojih čine kupci. Pogled projektanta sistema na sistem podataka je u obliku šeme baze podataka. oprema. vlasnici sistema mogu biti i korisnici sistema. ekrane. • • Pogled graditelja sistema na sistem podataka – Graditelji sistema su najbliži korisnici tehnologije baze podataka.

izlaze. ciljevima i ograničenjima funkcija. Pogled graditelja sistema na interfejs sistema • • . projektant mora prvo da odredi koje procese treba automatizovati i kako ih automatizovati na najbolji mogući način. kao i vremena početka i završetka. špedicija. Visual BASIC. koje određuju njihovo pojavljivanje i ponašanje na ekranu. – Jedan od standarda korisničkog interfejsa jeste grafičko korisnički interfejs (GUI – Graphical User Interface) koji se ogleda u tome što se svi elementi. usluge. je model procesa. poslovnim jedinicama. Pogled projektanta sistema na procese sistema – Na osnovu datih poslovnih procesa od strane korisnika sistema.– – Vlasnici sistema su zainteresovani za grupe procesa visokog nivoa nazvanih poslovne funkcije. analizu i reprojektovanje osnovnih poslovnih procesa u cilju smanjenja troškova i poboljšanja vrednosti poslovanja. pri čemu programer ne mora da razmišlja o kodu koji se brine za njihovo kreiranje. – Izazov u sistemskoj analizi jeste da se identifikujuju. kupcima i dr. mašinski-čitljivi prikazi o tome šta bi računarski proces trebao da radi ili kako bi računarski proces trebao da ostvari svoje zadatke. pravili upite. stanja sistema. dati sistem predstavlja kao jedini proces (koji se grafički nalazi na sredini stranice) i prikazuje sve ulazne i izlazne tokove procesa sa korisnicima. izraze i analiziraju zahtevi poslovnih procesa. logiku i kontrolu. prodaja. koja definiše osobine interfejsa. – Poslovni procesi su odvojene aktivnosti koje imaju svoje ulaze i izlaze. • Fundamentalni blokovi interfejsa • Pogled vlasnika sistema na interfejs sistema – Model konteksta. – Aplikaciona šema je model koji govori o tome kako su i kako će biti implementirani poslovni procesi upotrebom računara i programa. Tipične poslovne funkcije su proizvodnja. opisuje kako se korisnik pomera sa ekrana na ekran kako bi obavio zadatak. koja to omogućava. Pogled projektanta sistema na interfejs sistema – Korisnički dijalog u interakciji sa aplikacionim programom.BPR) podrazumeva proučavanje. dobili izveštaje i koristili help (pomoć). – Projektant sistema crta interfejs šemu. • • Pogled korisnika sistema na procese sistema – Korisnici vide odvojene poslovne procese. Pogled graditelja sistema na procese sistema – Graditelji sistema prikazuju procese pomoću programskih jezika koji opisuju ulaze. računovodstvo i druge. – Aplikacioni programi su jezički-zasnovani. – Neki primeri programskih jezika su C++. Java i dr. – Reprojektovanje poslovnih procesa (Business Process Redesign . • Pogled korisnika sistema na interfejs sistema – Korisnički interfejs definiše kako korisnici sistema pristupaju informacionom sistemu da bi uneli podatke. mogućnostima. događaje koji menjaju stanje sistema i odzive na događaje. Jedna od metoda sistemske analize. Svim nacrtanim objektima mogu se podešavati razne osobine. Takođe će želeti da diskutuju o troškovima i koristima oko projektovanja informacionog sistema. odnosno objekti GUI-a doslovno crtaju u grafičkom obliku. Vlasnici sistema će pružiti informacije o zapaženim problemima.

Windows/NT Server itd. ODBC alati dozvoljavaju aplikacionim programima da rade sa različitim sistemima za upravljanje bazama podataka (Database Management Systems – DBMS) bez potrebe da budu prerađeni usled nijansi i različitosti sistema za upravljanje bazama podataka. dok sistem analitičar mora da zna koje poslovne funkcije se odvijaju na svakoj od lokacija. privilegije i drugi kompleksni mrežni parametri. Pogled korisnika sistema na geografiju sistema – Korisnika sistema će zanimati individualne kancelarije ili druge prostorije unutar zgrade. – Jedna od interfejs tehnologija koja je danas dosta popularna je middleware (midlweæ(r)). koje lokacije mora da opsluži informacioni sistem itd. Sistem analitičar prikazuje mrežu jednog informacionog sistema koristeći dijagram toka podataka između lokacija. OS/2 LAN Manager. procesa i interfejsa kroz mrežu. instaliraju. ali ona mora biti instalirana. • Pogled vlasnika sistema na geografiju sistema – Vlasnik sistema određuje operativne lokacije i određuje da li će sistem biti centralizovan. brzine linija. – Zadatak projektanta jeste da odredi optimalnu distribuciju podataka. planove prostora i matrice koje pokazuju koje se poslovne funkcije obavljaju na određenoj lokaciji. testiraju i implementiraju korisničke i sistemske interfejse.Graditelji sistema izgrađuju. kontrola tokova. Fundamentalni blokovi geografije • Informacioni sistem geografije opisuje (1) distribuciju podataka. podatke. – Jedan primer middleware jeste povezanost otvorenih baza podataka (Open Database Connectivity – ODBC). a služi da transparentno integriše različite tehnologije kako bi one mogle da funkcionišu. – Obično je osnovna softver tehnologija za mreže već kupljena i instalirana. protokoli. procese i interfejse koji su neophodni na svakoj od lokacija. Pogled projektanta sistema na geografiju sistema – Šema mreže (mrežna konfiguracija ili topologija) je tehnički model koji identifikuje sve računske centre. – Komunikacioni zahtevi definišu zahteve operativnih lokacija za informacionim resursima i definišu način njihovog međusobnog komuniciranja. Pogled graditelja sistema na geografiju sistema – Graditelji sistema koriste telekomunikacione jezike i standarde za pisanje mrežnih programa. Primeri komunikacionih softvera koji uključuju mrežne operativne sisteme su Netware. – Mrežni programi su mašinski-čitljive specifikacije računarski komunikacionih parametara kao što su adrese čvora. procesa i interfejsa na određene poslovne lokacije i (2) kretanje podataka i informacija između ovih lokacija. da li su neke funkcije duplicirane.CASE Šta su CASE alati? . da li ih obezbeđuje jedna ili više lokacija. – Informacioni resursi operativnih lokacija uključuju ljude. – Sistem analitičar će zajedno sa vlasnikom sistema utvrditi mape. konfigurisana i podešena prema zadatim performansama. distribuiran ili dupliciran. bezbednost. računare i mrežni hardver koji će biti uključeni u računarsku aplikaciju. – Middleware je koristan softverski sloj koji se nalazi između aplikacionog i sistemskog softvera. – • • • SISTEMSKI INŽENJERING POMOĆU RAČUNARA .

tehnika i metodologija. definišu ciljevi za njegovo poboljšanje i definišu detaljni poslovni zahtevi.  Poboljšani kvalitet (CASE alati proveravaju kompletnost. Faze sistemske analize • Sagledavanja projekta .  CASE nije metodologija niti bilo kakva njena alternativa. međutim treba imati u vidu da je softver samo jedna komponenta informacionog sistema. tehnike i standarde. pa se stoga ovde koristi širi pojam sistem. Sistemski inženjering pomoću računara (CASE) je jedna aplikacija informacione tehnologije koja je okrenuta ka sistemskom razvoju aktivnosti.  Namera ove tehnologije jeste da ubrza procese razvijanja sistema i poboljša njegov kvalitet.  CASE je tehnologija koja podržava metodologije naročito strategije. konzistentnost i kontradiktornost). koje mora da ispuni bilo koje tehničko rešenje.  Metodologije koje stvarno rade (kroz primenu pravila i ugrađene ekspertize). • Tokom sistemske analize treba da se shvate problemi konkretnog poslovnog sistema.  Smanjeno vreme održavanja (prethodno spomenuta poboljšanja kvaliteta sistema se kombinuju sa boljom dokumentacijom).  Neki ovu tehnologiju nazivaju kao softverski inženjering pomoću računara (computer-aided software engineering).  CASE tehnologija automatizuje celokupnu metodologiju razvoja sistema. Sistemska analiza je metodološki postupak dekompozicije nekog sistema na podsisteme (komponente) sa ciljem da se prouči njihov međusobni uticaj i rad. • • U okviru sistemske analize obavlja se (1) pregled sistema i planiranje projekta.  CASE alati su programi (softveri) koji automatizuju i podržavaju jednu ili više faza životnog ciklusa razvoja sistema. METODE SISTEMSKE ANALIZE Sistemska analiza • Sistemska analiza je najkritičnija faza jednog projekta. Koristi od primene CASE alata  Poboljšana produktivnost (kroz automatizaciju zadataka i ubrzan razvoj aplikacija). visoko-kvalitetne dokumentacije). (2) proučavanje i analiza postojećih poslovnih i informacionih sistema i (3) definisanje poslovnih zahteva i prioriteta za novi ili poboljšani sistem.  Bolja dokumentacija (alati olakšavaju kreiranje i sakupljanje konzistentne.

Modeliranje mreže je tehnika koja pomaže kompaniji da izrazi geografiju poslovanja koja će biti podržana od strane sistema. menadžerom za IS i drugim osobljem IS (1) sagledavaju probleme. (e) modifikovati oblast projekta i plana i (f) prezentirati zaključke i preporuke. (b) ugovoraju oblast projekta. • Faze proučavanja – Sistem analitičar i odgovarajući učesnici će: (a) modelirati tekući sistem. drugim rećima. budžet projekta i raspored projekta. tako i većina sistemskih modela predstavljaju slikovite predstave stvarnosti. . (c) analizirati probleme i mogućnosti. mogućnosti i rešenja.– – – – "Da li je projekat vredan pažnje?". Fizički modeli pokazuju ne samo šta je sistem i šta on radi. Definisati cilj projekta. dijagram objekti-veze) se koriste da modeliraju neophodne podatke za nove sisteme. učesnici. tokova procesa. Određuje se projektni tim. Modeliranje procesa je tehnika koja se dosta praktikuje za izražavanje zahteva poslovnih procesa. – U okviru ove faze. cilj je da se definišu poslovni zahtevi novog sistema. (d) dati prioritete zahtevima poslovnog sistema i (e) modifikovati plan i oblast projekta. Sistemski modeli • Kostur informacionih sistema identifikuje potrebu za četiri sistemska modela: – PODACI – Svi sistemi sakupljaju i skladište podatke. (c) izgraditi prototipove. • • • Modeliranje podataka je najpopularnija tehnika za izražavanje poslovnih zahteva za podacima koji će biti uskladišteni u bazu podataka sistema. • Faza definisanja – identifikuje šta novi sistem treba da radi ne uzimajući u obzir potrebnu tehnologiju. Modeli podataka (npr. • • • Modeli služe da bolje razumemo sisteme ili je to način da dokumentujemo poslovne zahteve ili da postavimo tehnički dizajn. Kao što slika vredi hiljadu reči. sistem analitičar i odgovarajući učesnici će (a) grubo nacrtati poslovne zahteve. Oni opisuju sistem nezavisno od bilo koje tehničke implementacije. Model • Model je prikaz stvarnosti. Sistem analitičar zajedno sa vlasnicima i korisnicima sistema. (d) utvrditi ciljeve i ograničenja poboljšanja sistema. Upravni odbor utvrđuje prioritete projekata IS. Ovi modeli podataka su polazna tačka za projektovanje baze podataka. ulaza i izlaza. (b) modelirati zahteve poslovnog sistema. Logički modeli pokazuju šta je sistem i šta on radi. Modeliranje i tehnike • Modeliranje je projektovanje softverskih aplikacija pre njihovog kodiranja odnosno programiranja. probleme. (b) analizirati poslovne procese. već i kako je sistem fizički i tehnički implementiran. mogućnosti i direktive koje aktiviraju projekat. (c) planiraju projekat i (d) prezentiraju projekat.

opremu. aplikaciju. Osnovna svrha ključa jeste da jedinstveno identifikuje svaki objekat. Modeli mreže služe kao polazna tačka za dizajniranje komunikacionih sistema za distribuiranje podataka. dodirnuti ili drugačije osetiti. njihove izvore. Interfejs modeli se crtaju u fazi proučavanja. mesta. račun. događaja ili koncepata o kojima treba da prikupljamo i skladištimo podatke. Skladišta. Na kraju objekti događaja uključuju porudžbinu. zgrade. studenti i dr. Grupa atributa koja jedinstveno identifikuju objekat se zovu složeni ključ.– PROCESI – Modeli procesa (npr. procesa i interfejsa do različitih geografskih lokacija. Tipovi objekata se mogu klasifikovati u osobe. vozilo. videotraku i dr. • • Objekat je nešto što se može videti. prodavci. GEOGRAFIJA – Usled činjenice da današnji poslovni i informacioni sistemi imaju veću geografsku širinu. Primeri tipa objekata stvari uključuju proizvod. mesta. – – MODELI PODATAKA Osnovni pojmovi modela podataka • Objekat je klasa osoba. Ovi modeli procesa služe kao polazna tačka za projektovanje računarskih aplikacija i programa. drugih sistema ili drugih kompanija. Interfejs modeli opisuju ulaze (inpute) u sistem. ali detaljnije se moraju prikazati u fazi definisanja. plaćanje. Ovi interfejs modeli služe kao osnova za dizajniranje korisničkih i sistemskih interfejsa. Svaki objekat mora da ima jedinstveni ključ po kome će se pretraživati u bazi podataka. Atribut je osobina ili karakteristika objekta. njihove destinacije i deljene baze podataka. objekata. • • • • • • ŠIFRA_KASETE (PRIMARY KEY) . BROJ_KOPIJE . Domen definiše koje vrednosti može da ima jedan atribut. INTERFEJSI – Nijedan sistem ne ekzistira izolovano od drugih ljudi. Difoltna vrednost je ona vrednost koja će biti uskladištena za dati atribut ukoliko je korisnik ne promeni. sistem analitičari pronalaze načine da modeliraju geografske lokacije. sobe su primeri tipa objekata mesta. registraciju ili rezervaciju. izlaze (autpute) iz sistema. Tip podatka definiše koja klasa podataka može biti skladištena u taj atribut. koji ima svoja svojstva i ponašanja i o kome korisnici mogu da skladište podatke. klijenti. Dijagram toka podataka) se često koriste da modeliraju tokove procesa kroz poslovne sisteme. U okviru tipa objekta osobe mogu se svrstati radnici. stvari ili događaje. ŠIFRA_NASLOVA .

Difoltna vrednost primarnog ključa je NOT NULL. politike i procedure sistema. – spoljne objekte ili spoljne agente (external agents) sa kojima sistem komunicira (grafički simbol: pravougaonik). kao što su Chen. Sadrži četiri osnovne komponente: – procese (processes) obrade podataka. grupišu (generalizuju) u jedan objekat koji se zove nadtip. • • • • • • • MODELIRANJE PROCESA Uvod u modeliranje procesa • Modeliranje procesa je tehnika koja organizuje i dokumentuje procese sistema i/ili implementira logiku. Inverzni postupak. Postoje nekoliko notacija modela podataka. koji imaju neke njima specifične atribute. Kardinalnost definiše minimalni i maksimalni broj događaja jednog objekta koji se nalazi u konkretnoj relaciji sa drugim objektom. definišu njegovi podtipovi. • Pri dekompoziciji DTP-a moraju se poštovati sledeća pravila: . Svi drugi kandidati za ključ koji nisu izabrani za primarni ključ se zovu alternativni ključevi.• Objekat može imati više od jednog ključa. objekat RADNIK se može jedinstveno identifikovati preko matičnog ličnog broja ili preko šifre zaposlenog ili preko e-mail adrese. Na primer. gde se za neki tip objekta. veze i/ili operacije. odnosno udruženi objekat (associative entity). Merise ili po objavljenom standardu IDEF1X. kardinalnost se mora definisati za oba smera. Martin. vezama i/ili operacijama. Neka su imenovana po njihovim pronalazačima. – skladišta podataka (data stores) koje procesi koriste i/ili ažuriraju (grafički simbol: dve paralelne linije) i – tokove podataka (data flows) koji povezuju ostale komponente sistema u celinu (grafički simbol: usmerena linija). Generalizacija je tehnika gde se objekti sa zajedničkim atributima. je specijalizacija. Pošto su sve relacije dvosmerne. • Dijagram toka podataka (DTP) je alat koji opisuje tokove podataka kroz sistem i procese koji se izvršavaju u sistemu. procese i podprocese. Kandidati za ključ su kandidati za primarni ključ. Bachman. Agregacija istovremeno predstavlja i objekat i vezu. Objekti ne ekzistiraju sami već moraju biti u nekoj relaciji ili vezi sa drugim objektima. Svaki od ovih atributa se nazivaju kandidati za ključ. jer onda neće moći da jedinstveno identifikuje dati objekat. odnosno ključ ne sme da bude prazno polje. koji predstavljaju aktivne komponente sistema (grafički simbol: krug). Primarni ključ (PRIMARY KEY) je kandidat za ključ koji će se najčešće koristiti da jedinstveno identifikuje dati objekat. između dva ili više objekta. Osnovne komponente DTP-a Hijerarhijska dekompozicija dijagrama toka podataka • Dekompozicija je način razlaganja sistema na njegove komponente podsisteme. UML i dr.

Njihov opis se detaljno daje u rečniku podataka. • CRUD matrice dokumentuju ove zahteve i sinhronizuju modele podataka. Za svako alternativno rešenje treba da se odrede zahtevani hardver i softver. Da li će rešenje ispuniti korisničke zahteve? Do kog stepena? Kako će rešenje promeniti korisničko radno okruženje? Šta korisnici misle o takvom rešenju? • Ekonomska izvodljivost. Uobičajeno je da se zatim celokupan sistem predstavi dijagramom dekompozicije. Dijagram dekompozicije prikazuje top-down (sa vrha na dole) funkcionalnu dekomoziciju i strukturu sistema. .. Pored procesa. jedno iščitavanje (R – read).. CRUD matrice • Kvalitet sinhronizacije podrazumeva da svaki objekat treba da ima najmanje jedno kreiranje (C – create). Procesi se označavaju brojevima 1. Da li je rešenje troškovno efektivno? • Izvodljivost programa. Rangiraju se sva alternativna rešenja prema kriterijumu izvodljivosti. Da li je rešenje tehnički praktično? Da li je osoblje tehnički osposobljeno da projektuje i izgrađuje to rešenje? • Operaciona izvodljivost. Kod analize izvodljivosti mnogi analitičari imaju u vidu sledeće kriterijume: • Tehnička izvodljivost. PROJEKTOVANJE INFORMACIONIH SISTEMA Faze projektovanja IS • Faza konfiguracije: – – – identifikuje alternativna rešenja. Najvažnije pravilo koje se mora poštovati pri dekompoziciji procesa je pravilo balansa tokova. analizira njihova izvodljivost i preporučuje globalno rešenje sistema.3.2.– – – – – – Dijagram najvišeg nivoa. zatim spoljne objekte sa kojima IS komunicira i odgovarajuće tokove podataka naziva se dijagram konteksta. mogu se dekomponovati i tokovi i skladišta. Dijagram prvog nivoa predstavlja dekompoziciju dijagrama konteksta.. Osnovni ciljevi ove faze su: – Identifikovati i ispitati hardver i softver koji može da podrži preporučeno rešenje. U toku faze nabavke vrši se izbor odgovarajućeg hardvera i/ili softvera za novi sistem. – – • – Pismeni izveštaj koji sadrži analize i preporuke najboljeg rešenja. jedno menjanje ili modifikovanje (U – update) i jedno brisanje (D – delete) da bi sistem bio kompletan. koji po pravilu sadrži samo jedan proces koji predstavlja ceo IS. procesa i mreža. Da li rešenje može biti projektovano i implementirano u toku prihvatljivog vremenskog perioda? Analiza troškova i koristi se diskutuje sa vlasnicima i korisnicima rešenja. . povlače sa sobom brojnu oznaku nadređenog procesa. Svaki proces sa dijagrama prvog nivoa se dalje dekomponuje do nivoa primitivnih procesa Procesi na dijagramima nižih nivoa.

Projektant sistema mora da obavi sledeće aktivnosti: – Analizira i distribuira podatke. samo jednom. Baza podataka • Baza podataka (BP) je kolekcija međusobno povezanih podataka. koja uključuje takve operacije koje ažuriraju. po pravilu. – Prezentuje dizajn. uređuje. – Analizira i distribuira procese. Odrediti zahteve za integracijom dodeljenih proizvoda dobavljača sa drugim proizvodima sistema. Sistem za upravljanje bazom podataka • Sistem za upravljanje bazom podataka (kraće DBMS. Relacioni DBMS • • • • . Izabrati i preporučiti najbolju ponudu dobavljača. proceniti i rangirati ponude dobavljača. – Logičku i fizičku nezavisnost programa od podataka. od početnih slova engleskih reči Database Management Systems) je softverski sistem koji kreira. U okviru faze projektovanja i integracije razvija se tehničko rešenje sa kojim će moći da se konstruiše sistem. S obzirom na činjenicu da se DML koristi da menja sadržaj baze podataka. u jedinstvenoj fizičkog organizaciji. Jezici DBMS-a Data Definition Language (DDL) se koristi za izradu rečnika podataka. zajednički. DQL samo sortira. inicijalizaciju ili kreiranje baze podataka. – Jednostavno komuniciranje sa bazom podataka preko jezika bliskih korisniku. opisivanje logičkog pogleda za svakog individualnog korisnika ili programera i specifiranje bilo kog ograničenja nad poljima ili tabelama baze podataka. kako bi se neprofesionalni korisnici neposredno uključili u razvoj informacionog sistema. Data Manipulation Language (DML) se koristi za održavanje podataka. Data Query Language (DQL) se koristi za ispitivanje baze podataka. svi procesi obrade u sistemu. • Sistem za upravljanje bazom podataka je jedan složeni softverski sistem koji treba da omogući: – Skladištenje podataka sa minimumom redudanse. Mnogi DBMS takođe uključuju i jezik za pisanje izveštaja. koje koriste. – Dizajnira korisničke interfejse. pristupa. – Projektuje bazu podataka. – Korišćenje zajedničkih podataka od strane svih ovlašćenih korisnika. upravlja i kontroliše podacima (bazama podataka) i služi kao veza (interfejs) između podataka i aplikativnih programa. uskladištenih sa minimumom redudanse. skladišti i predstavlja podskupove baze podataka prema odzivu na korisničke upite. Standardni upitni jezik koji omogućava komunikaciju sa bazom podataka jeste SQL (od početnih slova engleskih reči: Structured Query Language). koji pojednostavljuje kreiranje izveštaja. ubacuju i brišu delove baza podataka. Bez obzira što se podaci fizički pamte. – Dizajnira računarske inpute (ulaze) i autpute (izlaze). svaki korisnik dobija svoju sopstvenu logičku sliku podataka kakva njemu najviše odgovara. a profesionalnim programerima značajno povećala produktivnost.– – – • Potražiti.

Na primer data su dva skupa brojeva: D1 = {1.Dn je skup svih mogućih uređenih n-torki <d1.<1.) Pošto je relacija skup. – Nisu dozvoljni atributi ili grupe atributa sa ponavljanjem. sistemi za upravljanje bazom podataka se zasnivaju na relacionoj tehnologiji. a svaka tabela nije.4>. Ključevi • Ključevi se definišu kao jedan ili više atributa čija vrednost jedinstveno identifikuje jednu n-torku u relaciji.6>..d2.6>.<2. Primer: Definisati za prethodni primer nad skupovima D1 i D2 relaciju: R: D1 x D2 ={ <d1. Prethodni sistemi za upravljanje bazom podataka su organizovali zapise u hijerarhije i mreže implementiranih sa indeksima i povezanim listama. jedan red u tabeli..2. • • • Ako je ključ definisan samo jednim atributom. Ono se mogu klasifikovati prema načinu struktuiranja zapisa. Tako se i svi redovi tabele međusobno razlikuju.<3...<4.3. Svaka relacija ima svojstva skupa.<3. definišu se sledeći uslovi koje tabela mora da zadovolji da bi bila relacija: – Ne postoje duplikati vrsta tabele. Ako se definiše relacija R.x Dn. onda je to složeni ključ.4>. Relaciona baza podataka implementira podatke u seriji dvodimenzionalnih tabela koje su u međusobnoj relaciji preko spoljnih ključeva. tj. • • Primer logičkog i fizičkog modela podataka Relacioni model • Relacioni model poseduje semantički bogatije koncepte za opis strukture i znatno moćnije operacije..4>. • • • Tabela se može definisati kao matematička relacija i zatim iskoristiti bogata teorijska osnova odgovarajućeg matematičkog aparata... <3. Relacija se definiše kao podskup Dekartovog proizvoda nad n-skupova R ⊆ D1 x D2 x .<2. odnosno ukoliko je definisan sa više atributa.d2> | d1 = d2/2} R = {<2.. (Osnovno svojstvo svakog skupa je da se elementi koje on sadrži međusobno razlikuju.6>}. onda je to prost ključ. tj. Danas.dn ∈ Dn.<4. Teoretske postavke relacionih modela • Tabela se može definisati kao matematička relacija i nad njom razmatrati sledeće: • Dekartov proizvod od n skupova D1 x D2 x.6>}.4>.4} i D2 = {4. – Redosled vrsta i redosled kolona nije značajan.4>..6>. d2 ∈ D2 . odnosno nisu dozvoljene tabele u tabeli.6} D1 x D2 = {<1. onda se može reći da ključ relacije R predstavlja kolekcija K njenih atributa koja zadovoljava : – osobinu jedinstvenosti i .• Postoji nekoliko tipova sistema za upravljanje bazom podataka.dn> tako da je d1 ∈ D1.. podskup sadrži one n-torke Dekartovog proizvoda koje zadovoljavaju zadatu relaciju.

relacije R1 i R2 moraju imati isti broj atributa (isti stepen). Relacioni račun koji predstavlja neproceduralan način iskazivanja operacija. tj. U jednoj relaciji može postojati više različitih kolekcija K atributa koje zadovoljavaju definiciju ključa . dok se ostali nazivaju opisni atributi. Spoljni ključevi i njima odgovarajući primarni ključevi definisani su nad istim domenom. Operacije relacionog modela • Postoje dva opšta načina iskazivanja operacija relacionog modela: – – Relaciona algebra u kojoj se definiše skup operacija pomoću kojih je moguće dobiti željenu relaciju iz skupa datih relacija. – Operacije ažuriranja baze. • • Relacija se definiše kao podskup Dekartovog proizvoda i može se tretirati kao skup n-torki. tj. Operacije relacione algebre • Unija . može dobiti željena relacija.tabela iz skupa datih relacija. na proceduralan način. presek i diferencije nad relacijama R1 i R2 moraju zadovoljiti uslov kompatibilnosti. Spoljni ključ ili preneseni ključ je atribut ili grupa atributa u relaciji R. gde se pomoću konstrukcija predikatskog računa prvog reda definišu osobine relacije koja se želi dobiti. razlika i Dekartov proizvod). – Dodatne operacije relacione algebre (operacije koje su se kasnije dodavale originalnoj relacionoj algebri da bi se povećala njena moć kao upitnog jezika). Atributi koji učestvuju u ključevima nazivaju se ključni atributi.– • • • • • • • • osobinu neredundantnosti. Spoljni ključevi služe da se uspostave veze između relacija u relacionoj bazi podataka. – Operacije sa null vrednostima. Osobina jedinstvenosti je vezana za ograničenje da ne postoje bilo koje dve n-torke sa istom vrednošću K. Primarni ključ je jedan od izabranih kandidata za ključ koji služi za identifikaciju n-torke relacije. Ostali kandidati za ključ postaju alternativni ključevi. Za nivo relacione algebre operacije: unija. • Operacije nad relacijama mogu da se grupišu u: – Konvencionalne skupovne operacije (unija. a odgovarajući atributi su definisani nad istim domenom. presek. Na primer. u relaciji RADNIK spoljni ključ SIFRAODEL vezuje sa relacijom ODELJENJE. selekcija. Relaciona algebra • Relaciona algebra definiše skup operacija pomoću kojih se. spajanje i deljenje). Osobina neredundantnosti se odnosi na gubljenje osobina jedinstvenosti ako se bilo koji atribut izostavi iz K. – Specijalne relacione operacije (projekcija. čija se vrednost koristi za povezivanje sa vrednošću primarnog ključa u nekoj relaciji R2.sve se one nazivaju kandidati za ključ.

pomoću koje se izbaci cela n-torka u kojoj se nalazi posmatrani atribut. koje nisu istovremeno i n-torke relacije R2. Razvoj Odel5.– Ako su date relacije R1 i R2 koje zadovoljavaju uslove kompatibilnosti. – Operacijom projekcija eliminišu se duplikati n-torki. odnosno "vadi" vertikalni podskup iz odgovarajuće tabele. Projekcija – Unarna operacija koja iz neke relacije selektuje skup navedenih atrubuta. Skladište – • Diferencija – Ako su date relacije R1 i R2 koje zadovoljavaju uslov kompatibilnosti. MestoRođ) a b 1111 Ana 19 Beograd • . a zatim se operacijom unije "vraća" izbačena n-torka sa promenjenom vrednošću atributa. Proizvodnja Odel2. onda je rezultat operacije preseka R3 = R1 ∩ R2 relacija R3 koja sadrži n-torke koje se pojavljuju u obe relacije R1 i R2. Ime. bilo u R2. NazivOdel) Odel4. Starost. – Primer: • RRR = RR – Odel (OdeID. Operacijom unije se mogu u neku relaciju dodati nove n-torke. Računovodstvo Odel3. – Primer: • R1 A B Građanin (MLB. a operacijom diferencije se mogu iz neke relacije izbaciti neželjene n-torke. • Presek – – – – • Izmena vrednosti pojedinih atributa u nekoj relaciji vrši se uzastopnom primenom operacije diferencije. NazivOdel) Odel4. Marketing Odel4. – Rezultat operacije R3 = R1 x R2 je relacija R3 čije su n-torke svi "parovi" koje čine jedna ntorka relacije R1 i jedna n-torka relacije R2. onda rezultat operacije diferencije R3 = R1 . Razvoj Odel5. Skladište • Relacija RR=Odel U NovoOdel (OdeID. Operacije unije i diferencije su pogodne za ažuriranje baze podataka. Dekartov proizvod – Može se primeniti na bilo koje dve relacije. NazivOdel) Odel1.R2 predstavljaju n-torke relacije R1. Skladište Ako su date relacije R1 i R2 koje zadovoljavaju uslov kompatibilnosti. Primer: • Definišimo relaciju NovoOdel (OdeID. onda je rezultat operacije unije R3 = R1 U R2 relacija R3 koja sadrži sve n-torke koje se pojavljuju bilo u R1. Razvoj Odel5.

MestoRođ. Starost (Građanin) Ime Starost Ana 19 Mirko 21 Zoran 20 2222 3333 4444 5555 Selekcija – unarna operacija koja iz date relacije selektuje n-torke koje zadovoljavaju zadati uslov ( "vadi" horizontalni podskup tabele). MLB. Ime. NazivPredmeta) Prijava (BrInd.MLB] Student Pr2 (MLB. Starost. 111 22975718. Spajanje – binarna operacija koja spaja dve relacije na taj način da se u rezultatu pojavljuju oni parovi ntorki jedne i druge relacije koji zadovoljavaju uslov zadat nad njihovim atributima. Smer) 155/01 1111 Kompjuterski 255/02 2222 Izvršno upravljanje 322/01 3333 Međunarodno poslovanje Pr2= Građanin [Građanin. – Primer: Student (BrInd. BrInd. – Primeri: • S[A=a]R1 ab a? • AB RR = S[Starost>24 AND MestoRodj = ‘Beograd’] RADNIK Starost MestoRodj OdelID Mika 33 Beograd odel1 Pera 29 Beograd odel1 • RadnikID MLB Ime 110 11971717. Smer) 1111 Ana 19 Beograd 1111 155/01 Kompjuterski 2222 Mirko 21 Valjevo 2222 255/02 Izvršno upravljanje 3333 Zoran 20 Beograd 3333 322/01 Međunarodno poslovanje Deljenje – pogodna za upite u kojima se javlja reč "svi".. – Primer: • Iz relacija Predmet i Prijava prikazati brojeve indeksa studenata koji su položili sve predmete.a ? ? b ? ? • a ? • P[A]R1 Mirko 21 Valjevo Zoran 20 Beograd Ana 19 Niš Mirko 21 Beograd A Pr1:=π Ime.... MLB. PredmetID) p1 Matematika 155/01 p1 p2 Marketing 155/01 p3 • .MLB=Student. • Predmet (PredmetID.

PredmetID] Predmet BrInd 155/01 Normalizacija relacione baze podataka • Normalizacija je postupak projektovanja logičke strukture baze podataka. • • Funkcionalna zavisnost se može definisati između složenog ključa (više atributa) i jednostavnog atributa. a ne od nekog sastavnog dela atributa A (u slučaju kada je atribut A sastavljen). • Potpuna funkcionalna zavisnost Atribut B je potpuno funkcionalno zavisan od atributa A iste relacije. Funkcionalna zavisnost • Ako je svakoj vrednosti atributa A u relaciji R priključena samo jedna vrednost atributa B u istoj relaciji.p3 Informatika 255/01 p2 322/01 p1 155/01 p2 • Prijava [Prijava. Potpuna funkcionalna zavisnost se posmatra kada je ključ tabele isključivo sastavljen od više atributa. još uvek zadržavaju neke neželjene osobine i zato je definisao četvrtu normalnu formu (4NF). ako je funkcionalno zavisan od atributa A. kao što je na primer. • • • Codd je definisao tri nivoa normalizacije. F. uništavanje određenih podataka ili neusklađenost između memorisanih podataka kao posledica ažuriranja baze podataka itd.PredmetID ÷ Predmet. E. definisao postupak koji dovodi projektanta relacione baze podataka do željenog rezultata i nazvao ga “normalizacija” baze podataka. • Pravilno projektovana baza podataka mora imati strukturu koja osigurava da u radu sa njom ne može biti neželjenih anomalija. Dobra je ona struktura baze podataka u kojoj je logička redundansa minimalna. tada je atribut C funkcionalno zavisan o sastavljenom atributu A i B. . Codd je 1969. Ako je moguće svakom paru vrednost atributa A i B relacije R priključiti tačno jednu vrednost C iste relacije. koje su u trećoj normalnoj formi. Kasnije je Fagin dokazao da u nekim izuzetnim primerima relacije. god. onda je atribut B funkcionalno zavisan od atributa A.

Prva normalna forma • Proces normalizacije predstavlja transformaciju početne tabele u jednu ili više korektnih tabela (relacija) u kojima su svi atributi potpuno funkcijski zavisni od ključa. IME. SEM. ŠIFRA_PREDMETA. • .OCENA→BI. NAZIV_PREDMETA→BI. a međusobno funkcijski nezavisni. nazivaju se anomalije u održavanju baze podataka. • • Tranzitivna zavisnost dovodi do veće redundanse. izbacivanje neke n-torke iz relacije i izmena (ažuriranje) vrednosti nekog atributa u relaciji. Problemi pri izvođenju ovih operacija kao što su ponavljanje ovih operacija više puta ili da se logičko dodavanje ne može izvršiti. odnosno nisu dozvoljene «tabele u tabeli». Osnovne operacije održavanja baze podataka su: dodavanje nove n-torke u relaciju. odnosno da izbacivanje jednog logičkog skupa podataka dovodi do neželjenog izbacivanja drugih podataka. Relacija je u Prvoj normalnoj formi ukoliko su sve vrednosti njenih atributa atomske ili drugim rečima nisu dozvoljeni atributi ili grupe atributa «sa ponavljanjem». STUDENT(BI. ŠIFRA_PREDMETA OCENA→ BI OCENA→ ŠIFRA_PREDMETA Atribut OCENA je potpuno funkcionalno zavisan od složenog atributa BI. ŠIFRA_SMERA. ako je funkcionalno zavisan od A i ako je funkcionalno zavisan od nekog atributa B koji je i sam funkcionalno zavisan od A. ŠIFRA_PREDMETA NAZIV_PREDMETA→ BI NAZIV_PREDMETA→ ŠIFRA_PREDMETA Tranzitivna funkcionalna zavisnost • Atribut C je tranzitivno funkcionalno zavisan od atributa A. • • • Cilj normalizacije je da eliminiše redudansu u atributima i sa time omogući lakše održavanje integriteta podataka i jednostavniju manipulaciju. IME_RUK).

čime bi se redundansa podataka pa samim tim i problemi održavanja baze podataka umnožili. gube se i sve informacije o tom predmetu. Da bi se smanjila redundansa do koje bi ovakva normalizacija dovela. odnosno koliko je studenata upisano na dati smer. možemo ovako dobijenu relaciju. operacijom projekcije. Ako je bio jedini na smeru. Anomalije u ažuriranju: ukoliko se promeni naziv predmeta ili rukovodioc nekog smera. ŠIFRA_PREDMETA. imena svh studenata koji su ga položili i prosečnu ocenu na predmetu». gube se sve informacije o tom smeru. OCENA) • • Relacija R se dekomponuje u svoje projekcije bez gubljenja informacija ako prirodno spajanje tako dobijenih projekcija dovodi do polazne relacije. SEMESTAR. IME_STUDENTA. dekomponovati na sledeće dve: – STUDENT1 (BI. IME_RUK) PRIJAVA (BI. SIFRA_PREDMETA. bi zahtevao složeniji program ili bi trebalo samu relaciju prestruktuirati i dobiti dve relacije sa istim skupom podataka za dva različita zahteva. ne mogu se ubaciti podaci o tom predmetu dok ga neki student ne položi. IME_STUDENTA. ŠIFRA_SMERA. OCENA) • IME_RUK. NAZIV_PREDMETA. Ova relacija ima sledeće anomaliije u održavanju baze podataka: – anomalije u dodavanju: ukoliko je po novom nastavnom planu definisan novi predmet.Prva normalna forma STUDENT1 (BI. SEMESTAR. ŠIFRA_SMERA. to se mora učiniti na onoliko mesta koliko je studenata položilo taj predmet. – Anomalije u izbacivanju: ukoliko je jedan predmet položio samo jedan student i ako se on ispiše sa fakulteta. – • Problemi i u izveštavanju: zahtev tipa: «Prikaži listu predmeta. Heath-ova teorema daje uslove pod kojima se može izvršiti dekompozicija relacije bez gubljenja informacija: . NAZIV_PREDMETA.

B može→Relacija R(A. Ponovo postoje sve iste anomalije u održavanju baze podataka: – Ne mogu se dodati podaci o novom predmetu.B) i R2(A. ŠIFRA_PRED. tada se gube sve informacije i o tom predmetu. IME_RUK) Boyce-Codd-ova normalna forma (BCNF) . jer prosti ključ nema semantički moguć pravi podskup. ŠIFRA_SMERA. a u drugim projekcijama se realizuju funkcionalne zavisnosti koje su dovele do tranzitivnih zavisnosti: STUDENT2 (BI. ŠIFRA_SMERA) SMER (ŠIFRA_SMERA. ŠIFRA_PREDMETA. a u drugim projekcijama se realizuju one funkcionalne zavisnosti koje su prouzrokovale nepotupune funkcionalne zavisnosti. IME_RUK) • Da bi smo datu relaciju sveli na 3 NF. IME. Svaka relacija sa prostim primarnim ključem je u 2NF. to se mora učiniti na onoliko mesta koliko je studenata položilo taj predmet itd. u kojoj važi R.B i C podskupovi atributa. niti deo kandidata za ključ.B. ukoliko svi njeni atributi daju jednoznačne činjenice samo o celom ključu. jer NAZIV_PREDMETA daje jednoznačnu informaciju o delu ključa i to ŠIFRA_PREDMETA. NAZ_PRED. – Ako se iz baze podataka izbaci n-torka studenta koji je jedini položio neki predmet. SEM. Redundansa podataka: naziv predmeta se pojavljuje onoliko puta koliko je studenata položilo taj predmet. PRIJAVA (BI. IME. na taj način što u jednoj projekciji ostavljamo primarni ključ i sve netranzitivno zavisne atribute.C) gde su A. SEM. a u drugim projekcijama se realizuju one funkcionalne zavisnosti koje su prouzrokovale nepotpune funkcionalne zavisnosti. vršimo dekompoziciju (bez gubljenja informacija) relacije u njene projekcije. Svođenje na 2NF vrši se dekompozicijom na taj način što se u jednoj projekciji ostavlja primarni ključ i svi atributi koji su potpuno funkcionalno zavisni od njega.C) bez gubljenja informacija.A se uvek dekomponovati u svoje projekcije R1(A.R. ako ga neki student nije položio. – Ako se promeni naziv predmeta. – • • • PRIJAVA1(BI. Druga normalna forma • Relacija R je u Drugoj normalnoj formi (2NF) ako i samo ako je u 1NF i svi njeni neključni atributi potpuno funkcionalno zavise od primarnog ključa. Svođenje na 2NF vrši se dekompozicijom na taj način što se u jednoj projekciji ostavlja primarni ključ i svi atributi koji su potpuno funkcionalno zavisni od njega. NAZIV_PREDMETA) Treća normalna forma • Relacija R je u Trećoj normalnoj formi (3NF) ako i samo ako je u 2NF i ako svi njeni neključni atributi netranzitivno funkcionalno zavise od primarnog ključa. • • Neključni atributi su atributi koji nisu kandidati za ključ. onda relacija PRIJAVA nije u 2NF. S obzirom da je relacija R u 2NF. OCENA). STUDENT1 (BI. OCENA) PREDMET(ŠIFRA_PREDMETA.

SEM. IME. NAZIV_PREDMETA) Dekomozicija na zavisne i nezavisne projekcije STUDENT1 (BI. pa pošto on potpuno funkcionalno zavisi od primarnog ključa. ŠIFRA_PREDMETA. IME_RUK) SMER (ŠIFRA_SMERA. IME. NAZIV_PREDMETA. IME_RUK) • Projekcije (a) pokazuju izvesne anomalije u održavanju. pri kojoj se iz relacije izvlače projekcije sa onim determinantama koje nisu kandidati za ključ. ŠIFRA_PREDMETA ŠIFRA_PREDMETA. relacije se svodi na BCNF. OCENA→BI. • Dekompozicijom. ŠIFRA_SMERA) STUDENT2 (BI. (KK) (KK) • • • NAZIV_PREDMETA. od koga neki drugi atribut u relaciji potpuno funkcionalno zavisi. NAZIV_PREDMETA. mora se u relaciji STUDSMER izvršiti ažuriranje atributa IME_RUK. relacija je u 2 NF. Relacija je u Boyce-Codd-ovoj normalnoj formi (BCNF) ako i samo ako su sve determinante u relaciji i kandidati za ključ. OCENA→BI. PRIJAVA1 (BI. ŠIFRA_SMERA) STUDSMER (BI. IME. Ukoliko označimo sve determinante (D) i sve kandidate za ključ (KK) u relaciji PRIJAVA: (D) (D) (D) (D).PRIJAVA (BI. jer da bi se dodali ili izbacili podaci o jednom studentu. Rissansen-ova teorema daje sledeće uslove pod kojima se neka relacija može dekomponovati na nezavisne projekcije: – Projekcije R1 i R2 relacije R su nezavisne tada i samo tada ukoliko se: • . to se mora uraditi u obe projekcije. SEM. Determinanta relacije R je bilo koji atribut. IME_RUK) se može svesti na 3NF na sledeća dva načina: (a) (b) STUDENT2a (BI. ŠIFRA_PREDMETA. ŠIFRA_PREDMETA NAZIV_PREDMETA→ŠIFRA_PREDMETA ŠIFRA_PREDMETA→NAZIV_PREDMETA • U ovom slučaju postoje dva složena i "preklapajuća" kandidata za ključ: BI. ŠIFRA_PREDMETA i BI. OCENA) PREDMET (ŠIFRA_PREDMETA. SEM. ili da bi ažurirali atribut IME_RUK. za svaku vrednost BI koja odgovara datoj vrednosti ŠIFRA_SMERA iz relacije STUDENT2a. OCENA) • Pretpostavimo da važe sledeće funkcionalne zavisnosti: NAZIV_PREDMETA→BI. Jedini neključni atribut je OCENA. ŠIFRA_SMERA. prost ili složen. ŠIFRA_PREDMETA OCENA→BI. NAZIV_PREDMETA NAZIV_PREDMETA→ŠIFRA_PREDMETA ŠIFRA_PREDMETA→NAZIV_PREDMETA sve determinante nisu kandidati za ključ pa relacija nije u BCNF.

• •

Svaka funkcionalna zavisnost u R može logički dedukovati iz funkcionalnih zavisnosti u R1 i R2. Zajednički atribut relacija R1 i R2 je KK barem u jednoj od njih.

Četvrta normalna forma PROGRAM (PREDMET, NASTAVNIK, KNJIGA) • ukoliko pretpostavimo da jedan predmet predaje više nastavnika, i da se za jedan predmet koristi više knjiga, odnosno postoje sledeće višeznačne zavisnosti: KNJIGA→→ PREDMET

NASTAVNIK→→ PREDMET • • •

i pretpostavimo da ne postoji veza između nastavnika i knjiga odnosno da se ne zna koji nastavnik koristi koje knjige i da li koristi jednu ili više. Data relacija PROGRAM je u BCNF, ali anomalije u ažuriranju su očigledne, jer da bi ubacili knjigu za jedan predmet, to bi trebalo da uradimo na onoliko mesta koliko profesora drži taj predmet. Razlog anomalijama jeste postojanje dve nezavisne višeznačne činjenice. U relaciji R(A,B,C) postoji višeznačna zavisnost B, ako za datu vrednost A,→→ postoji skup od A nula, jedne ili više vrednosti B, a taj skup vrednosti ni na koji način ne zavisi od vrednosti atributa C. Atributi A, B i C mogu biti složeni. Relacija R je u četvrtoj normalnoj formi (4NF) ukoliko u njoj nisu date dve ili više nezavisne višeznačne činjenice.

• •

Fagin navodi: Relacija R (A,B,C) može se dekomponovati bez gubljenja informacija na projekcije C, jer ako u relaciji→→B (što uključuje i A→→ R1(A,B) i R2 (A,C) ako i samo ako važi A C).→→B, tada postoji i višeznačna zavisnost A→→ postoji višeznačna zavisnost A RASPORED (PREDMET, NASTAVNIK) UDŽBENIK (PREDMET, KNJIGA) • Relacije RASPORED i UDŽBENIK su u 4NF jer u njima ne postoje višeznačne zavisnosti samim tim što su obe binarne relacije, odnosno obe sadrže samo po jednu višeznačnu činjenicu.

Peta normalna forma • U relaciji R(X,Y, ... Z) postoji zavisnost spajanja ako i samo ako relacija R rezultuje iz prirodnog spajanja njenih projekcija po X, Y, ..., Z, gde su X,Y, .. Z podskupovi atributa relacije R. • Relacija R je u Petoj normalnoj formi (5NF) ako i samo ako se svaka zavisnost spajanja može pripisati kandidatu za ključ.

STUDENT2 (BI, IME, SEM, ŠIFRA_SMERA) R1 (BI, IME) R2 (BI, SEM) R3 (BI, ŠIFRA_SMERA)

Relacija STUDENT2 se može rekonstruisati prirodnim spajanjem preko BI, koji je njen ključ, pa je stoga relacija STUDENT2 u 5 NF. Normalna forma ključeva i domena (DK/NF) • 1981. - R. Fagin je dao najopštiju definiciju normalne forme ključeva i domena i pokazao da je relacija koja je u DK/NF ne prouzrokuje anomalije u održavanju. • Relacija je u DK/NF: – Ako su sve zavisnosti u njoj posledica definicije ključeva i domena. – Ako svaki atribut daje informaciju isključivo o ključu, o celom ključu i njegovim delovima.

PRIJAVA(BI, ŠIFRA_PREDMETA, NAZIV_PREDMETA, OCENA) • • Nije u DK/NF jer je definisano ograničenje da jedan predmet ima jedan naziv (ŠIF_PREDMETA →NAZIV_PREDMETA), a to nije posledica definicije ključa ove relacije. Direktna primena ove definicije nije moguća, jer otkrivanje ograničenja u relacijama zahteva otkrivanje funkcionalnih, višeznačnih i zavisnosti spajanja, a to praktično znači primenu svih navedenih definicija.

INTEGRITET BAZE PODATAKA Zaštita baze podataka • Termin integritet podataka označava tačnost, korektnost ili konzistentnost. • • Integritet baze podataka podrazumeva problem zaštite baze podataka od pogrešnog ažuriranja, odnosno od pogrešnih ulaznih podataka, greški operatera i programera, sistemskih otkaza i dr.

Zaštitu baze podataka tretiramo kroz dva aspekta i to: – Integritet – zaštita od slučajnog pogrešnog ažuriranja i – Sigurnost – zaštita od neovlašćenog ažuriranja i korišćenja podataka. Pravila integriteta • Pravila integriteta definišu koje uslove podaci u BP treba da zadovolje, kada se vrši provera i koje akcije treba preduzeti kada definisani uslovi nisu zadovoljeni. Pravila integriteta se dele u dve klase: – Pravila integriteta domena – definišu se za vrednosti pojedinih atributa nezavisno od vrednosti ostalih atributa u BP (karakterističan primer je integritet objekta), i – Pravila integriteta relacija – odnose se na relaciju kao celinu, odnosno definišu kada neka ntorka može da se ubaci u relaciju ili kako n-torke jedne relacije zavise od n-torki druge relacije (karakterističan primer je referencijalni integritet). Pravila integriteta domena • Definišimo domen STAR, nad kojim je definisan atribut STAROST relacije RADNIK: Domen: STAR Skup od INTEGER Operacije: Proveri-domen-STAR •

Ulaz: vrednost_atributa Izlaz: Boolean Post: if vrednost_atributa between 15 and 65 then izlaz = true else izlaz = false. Pravila integriteta relacije • Najznačajnija pravila integriteta relacija su referencijalni integriteti. • • Za svaki spoljni ključ u relaciji mora se definisati jedno pravilo integriteta koje se sastoji od uslova, trenutka kada se uslov ispituje i akcija koje se preduzimaju kada uslov nije zadovoljen.

Akcije koje se preduzimaju ako uslov integriteta nije zadovoljen su sledeće: – RESTRICTED – Kada se uslov ispituje pre operacije održavanja i ako nije zadovoljen, operacija se odbija, uz odgovarajuću poruku. – NULLIFIES – Spoljni ključ dobija nula vrednost, ako je nula vrednost dozvoljena. – DEFAULT – Spoljni ključ dobija neku difoltnu vrednost koju treba unapred predvideti u definiciji odgovarajućeg domena. – CASCADES – Operacija se prenosi na relaciju koju referiše spoljni ključ, da bi se u njoj izvršile promene koje će zadovoljiti uslov integriteta. Pravila integriteta relacija kod povezivanja objekata • Ukoliko posmatramo dva objekta koja su u vezi (prvi objekat nazvaćemo domen, a drugi objekat koji je sa njim u vezi nazvaćemo kodomen), i želimo da ih povežemo (connect). Akcije koje se mogu preduzeti su sledeće: RESTRICTED – operacija se odbija jer ne postoji objekat kodomen. NULLIFIES – umesto sa navedenim objektom kodomena, ako to pojavljivanje ne postoji, povezivanje se izvršava sa specijalnim pojavljivanjem kodomena, tzv «nula objektom», čije je značenje «nepoznati objekat». – DEFAULT – umesto sa navedenim objektom kodomena, ako to pojavljivanje ne postoji, povezivanje se izvršava sa «default» objektom kodomena. Pretpostavlja se da se difolt objekat kodomena definisan. – CASCADES – ako objekat kodomena sa kojim dati objekat domena treba da se poveže ne postoji moguće ga je prvo kreirati operacijom insert (ubaci), pa zatim izrvšiti odgovarajuće povezivanje. Pravila integriteta relacija kod razvezivanja objekata • Operacija disconnect (razveži) raskida vezu objekta domena sa nekim kodomenom i na taj način, ako je posmatrano preslikavanje obavezno, narušava odgovarajuće strukturno ograničenje. – – – – RESTRICTED – odbija se operacija. NULLIFIES – razvezuje se pojavljivanje objekta domena od navedenog pojavljivanja objekta kodomena i vezuje za «nula objekat» kodomena. DEFAULT – razvezuje se pojavljivanje objekta domena od navedenog pojavljivanja objekta kodomena i vezuje za «default» objekat kodomena. CASCADES – izbacuje se pojavljivanje objekta domena koji posle operacije disconnect ostaje da «visi». – –

GRANT privilegije [ON objekat] TO subjekat [WITH GRANT OPTION] • Primer: GRANT SELECT. NAZIV.Izbor podataka iz tabela SELECT SIFRA_PRED. WITH GRANT OPTION – znači da autorizovani subjekt može da prenosi svoju autorizaciju i drugim subjektima.selektovanje UPDATE . Structured Query Language (SQL) Osnovne SQL naredbe • Naredba SELECT . treba navesti odgovarajuće pravilo integriteta. Sigurnost baze podataka • Termin sigurnost podataka podrazumeva mehanizme zaštite baze podataka od neovlašćenog korišćenja. INSERT ON RADNIK TO Ana GRANT SELECT. MESTO FROM PREDUZECE. može nad kojim objektom zaštite da izvrši neku operaciju i pod kojim uslovima. . DELETE ON RASPORED TO Branko WITH GRANT OPTION GRANT DBA TO Pera. za svaki spoljni ključ.Pravila integriteta treba da budu definisana u okviru opisa baze podataka. • Opis privilegija: – – – – – – SELECT .promeniti INSERT . INSERT. • Opšti model zaštite podataka treba da definiše koji subjekat zaštite. prema SQL standardu. • SQL naredbe za dodelu ovlašćenja pristupa bazi podataka • Ovlašćenje korisnicima. a ne u okviru aplikacionih programa.ubaciti DELETE – obrisati DBA – za administratora baze podataka kome su dozvoljene sve operacije nad njegovom bazom. U opisu svake relacije. se daje pomoću naredbe GRANT.

NAZIV CHAR (14). MESTO CHAR (13)) CREATE TABLE RADNICI (STFRA_RADN NUMBER (4) NOT NULL.2).kreiranje tabela CREATE TABLE PREDUZEĆE (SIFRA_PRED NUMBER (2) NOT NULL. • Konektor AND . RUKOV NUMBER (4). DATUM_ZAPOSL DATE. PREZIME CHAR (10). RADNO_MESTO CHAR (10). Konektor OR . PLATA FROM RADNICI WHERE RADNO_MESTO = ‘DIREKTOR’ AND PLATA > 22000. SIFRA_PRED NUMBER (2)) • Naredba INSERT . PLATA FROM RADNICI WHERE RADNO_MESTO = ‘DIREKTOR’ OR PLATA > 22000 • .2).Izbor određenih redova SELECT * FROM RADNICI WHERE SIFRA_PRED = 30.višestruki uslovi pretraživanja SELECT PREZIME. STIMUL NUMBER (7. • Klauzula WHERE .SELECT * FROM RADNICI. ‘PRODAJA’. ‘BEOGRAD’). RADNO_MESTO. RADNO_MESTO. PLATA NUMBER (7.alternativni uslovi pretraživanja SELECT PREZIME. • Naredba CREATE TABLE .Ubacivanje redova u tabelu INSERT INTO PREDUZEĆE VALUES (30.

• SELECT PREZIME FROM RADNICI WHERE PREZIME LIKE ‘_U%’. crtica (_) označava poziciju jednog karaktera. • Operator LIKE – Možete izabrati redove koji sadrže navedeno slovo ili broj. • . . 30). RADNO_MESTO. a znak % označava bilo koji niz znakova. ali da odgovarajući slogovi budu prikazani po stavci plate. Operator IN . PREZIME FROM RADNICI WHERE ŠIFRA_PRED = 10 ORDER BY PLATA. PLATA FROM RADNICI WHERE PLATA BETWEEN 12000 AND 15000.SELECT PREZIME. PREZIME FROM RADNICI ORDER BY RADNO_MESTO. ŠIFRA_PRED FROM RADNICI WHERE RADNO_MESTO =‘DIREKTOR’ AND ŠIFRA_PRED != 30. • Klauzula DISTINCT .Opadajući niz SELECT RADNO_MESTO. • Operator BETWEEN . u rastućem redosledu napisaćemo: Klauzula ORDER BY .Pretraživanje raspona podataka SELECT PREZIME. RADNO_MESTO. • Klauzula DESC .Eliminacija duplih slogova SELECT DISTINCT RADNO_MESTO FROM RADNICI.Redosled slogova SELECT PLATA. ORDER BY klauzula sortira redove u rastućem nizu. PLATA DESC. Kod (‘_U%’).Pretraživanje vrednosti u listi SELECT * FROM PREDUZEĆE WHERE ŠIFRA_PRED IN (10. U primeru je dat spisak svih radnika koji imaju “U” kao drugo slovo u prezimenu. PLATA. tako da je najmanja plata na prvom mestu liste. – Ako želimo da prikažemo listu zaposlenih u odeljenju 30.

PLATA FROM RADNICI.COUNT (*).ŠIFRA_PRED GROUP BY NAZIV. RADNO_MESTO.Dodavanje novih slogova .Povezivanje više tabela SELECT NAZIV. • Klauzula GROUP BY . PLATA DESC. RADNO_MESTO. – – – • SUM . SUM (PLATA).ŠIFRA_PRED = PREDUZEĆE.ŠIFRA_PRED ORDER BY NAZIV. RADNO_MESTO. SELECT ŠIFRA_PRED. • Naredba INSERT . AVG . PLATA FROM RADNICI WHERE PLATA > (SELECT AVG (PLATA) FROM RADNICI). SELECT NAZIV.Brojač broja redova koji pripadaju svakoj od ovih grupa. • Naredba UPDATE .Izmena vrednosti u poljima UPDATE RADNICI SET PLATA = PLATA + 100 WHERE RADNO_MESTO = ‘PROJEKTANT’.• Upit JOIN . PODUPITI . PREDUZEĆE WHERE RADNICI. PREZIME. radnike iz istog odeljenja stavljamo u jednu grupu kako bi pronašli maksimalnu platu u svakoj od tih grupa. MAX (PLATA) FROM RADNICI GROUP BY ŠIFRA_PRED.Upit unutar postojećih upita SELECT PREZIME. AVG (PLATA) FROM RADNICI.ŠIFRA_PRED = PREDUZEĆE. Na primer. RADNO_MESTO FROM RADNICI WHERE RADNO_MESTO = (SELECT RADNO_MESTO FROM RADNICI WHERE PREZIME = ‘JOVIĆ’). PREDUZEĆE WHERE RADNICI. SELECT PREZIME. COUNT .Sabira vrednosti polja definisanih u GROUP BY klauzuli.Nalazi prosečnu vrednost određenih polja.Grupna funkcija – Grupna funkcija dozvoljava da izaberete sumarne informacije iz grupe redova (slogova).

25 * PLATA. ali se sa njima može raditi kao da su stvarne tabele. RADNO_MESTO FROM PREDUZEĆE WHERE ŠIFRA_PRED = 10. Ciljevi pogleda su: • pojednostavljenje pristupa podacima. • CREATE VIEW . PREZIME. RADNO_MESTO.Kreiranje pogleda – – – Pogledi su virtualne tabele koje se ponašaju kao prozori kroz koje se vide podaci memorisani u našim stvarnim tabelama.INSERT INTO STIMULACIJA (PREZIME. Aritmetrički izrazi u okviru SQL-a • Aritmetički operatori SELECT PREZIME. PLATA. • Naredba DELETE . CREATE VIEW PRED10 AS SELECT ŠIFRA_PRED. PLATA + STIMUL FROM RADNICI WHERE RADNO_MESTO = ‘REFERENT’. PLATA. Oporavak baze podataka i upravljanje izvršenjem transakcija  Baza podataka je zajednički resurs koga konkurentno (istovremeno) koriste veći broj programa. Pogledi ne sadrže vlastite podatke. STIMUL. STIMUL) SELECT PREZIME. STIMUL FROM RADNICI WHERE STIMUL > 0. PLATA. RADNO_MESTO.  Kod istovremenog korišćenja može doći do mnogih neželjenih efekata. • obezbeđenje nezavisnosti podataka i • obezbeđenje trajnosti podataka. ali usled otkaza u tom trenutku se nije izvršio prenos na drugi račun). .Brisanje slogova iz tabele DELETE FROM PREDUZEĆE WHERE ŠIFRA_PRED = 40 . kao na primer:  Otkaz sistema u toku izvršavanja nekog programa ili obrade neke transakcije (na primer skinute su pare sa računa nekog komitenta.

a promene koje je ona učinila još nisu potvrđene naredbom COMMIT. Ažuriranje koje transakcija A obavlja je izgubljeno. ažurira odgovarajuće objekte baze podataka. druga promeni vrednost argument koji je prva već obradila).  Osnovni cilj baze podataka je da omogući efikasnu obradu transakcija.  Kada se izda instrukcija ROLLBACK sistem. odnosno prebrisano ažuriranjem koje je izvršila transakcija B u istom trenutku). a završava se bilo sa instrukcijom COMMIT (potvrđuju se promene u BP) ili ROLLBACK (poništavaju se promene u bazi). Problem nepotvrđenih promena (čitanja)  Ovaj problem se javlja kada se jednoj transakciji dozvoli da čita ili da menja rekord koji druga transakcija ažurira.  Da bi se mogle poništiti promene koje je transakcija izvršila nad BP.  Ukoliko se u bilo kojoj transakciji ugnježdene strukture pokrene instrukcija ROLLBACK.  Transakcija mora da poseduje sledeći skup osobina:  Atomnost – skup aktivnosti nad bazom podataka koje se izvršavaju po principu “sve ili ništa” (ili su sve aktivnosti uspešno obavljene ili je BP ostala nepromenjena) je atomski skup aktivnosti. za svaku transakciju i svaki objekat baze koji je ona ažurirala čuvaju se vrednosti pre (before-image) i vrednosti posle ažuriranja (after-image).  Izolacija – Transakcija ne treba da svoje promene BP učini vidljivim drugim transakcijama pre nego što se ona okonča. za vreme nekog sračunavanja koje se obavlja u jednoj transakciji. Konkurentna obrada transakcija . ove promene se više ne mogu izgubiti.  Na ovoj memorijskoj lokaciji.  U savremenim DBMS transakcije mogu biti “ugnježdene”. koristeći vrednosti pre za datu transakciju.  Da bi se obezbedile ove osobine. poništavaju se promene koje su proizvele sve ostale transakcije strukture.  Trajnost – Kada su u BP potvrđene promene koje je izvršila neka transakcija. transakcija je izvršenje neke logičke jedinice rada korisnika baze podataka.  Osnovni cilj baze podataka je da omogući efikasnu obradu transakcija (jedno izvršenje neke logičke jedinice posla ili programa). Naredba COMMIT ugnježdene transakcije stvarno ne potvrđuje promene u bazi dok se uspešno ne okonča i transakcija na najvišem nivou ugnježdenja. ukoliko se izvršavaju dve transakcije istovremeno. odnosno dozvoljeno je da se jedna transakcija smesti u drugu. Gubljenje rezultata ažuriranja (na primer. transakcija A podiže.  Problem nekorektne analize podataka (na primer. DBMS poseduje i održava specijalnu memorijsku lokaciju (na nekoj spoljnoj memoriji) koja se naziva log ili žurnal. skup instrukcija koje predstavlja transakciju počinje sa specijalnom instrukcijom BEGIN TRANSACTION. Transakcije  Transakcija je operacija kojom se izvodi serija izmena nad jednom ili više tabela. tj.  Konzistentnost – izvršenje transakcije treba da prevede BP iz jednog u drugo konzistentno stanje. dok transakcije B ulaže novac na isti račun.

moguće je da dve ili više transakcija formiraju “mrtvi lokot”. Ako transakcija nije uspela da postavi lokot na željeni objekat baze.  Komponenta koja upravlja celokupnim izvršenjem transakcija naziva se Menadžer transakcije. a po pravilu i S lokot na kraju.  Protokol zaključavanja koji bi mogao da reši prikazane probleme može se iskazati na sledeći način: 1. neke od njih su:  Ekskluzivno zaključavanje (exclusive (XL) lock ili write lock) – ako neka transakcija postavi ekskluzivni lokot na objekat baze. Transakcija oslobađa E lokot obavezno.  Zadatak planera izvršenja je da proveri serijabilnost nekim i da spreči da neserijabilna izvršenja naruše integritet baze podataka. pa onda druga transakcija. Ako je ta transakcija ranije postavila S lokot. 4.  Više transakcija mogu istovremeno zahtevati iste resurse. Transakcija koja želi da pročita neki objekat baze mora prvo da postavi deljivi lokot na taj objekat. da bi onemogućila da druge transakcije nekorektno operišu sa istim objektom.  Postoje više različitih vrsta zaključavanja.  Velika je verovatnoća da ničim ograničeno izvršenje jednog skupa transakcija neće biti serijabilno. Transakcija koja želi da ažurira neki objekat baze mora prvo da postavi eksluzivni lokot na taj objekat. ona treba da taj lokot transformiše u X lokot.  Nekontrolisana međusobna interferencija transakcija može da dovede bazu u nekonzistentno stanje.  Ovaj mehanizam upravljanja izvršenjem skupa transakcija omogućava da transakcija “zaključa” (postavi lokot) na objekat baze kome je pristupila. tada ona prelazi u stanje čekanja. . “Živi” i “mrtvi” lokoti  U toku izvršenja skupa transakcija. isti rekord baze podataka. ali nijedna druga ne može da postavi eksluzivni lokot na taj objekat. 3. Protokoli zaključavanja  Za razliku od konkuretnog . odnosno da lokoti koje su one postavile na objekte baze sve njih dovode u stanje čekanja. već konkuretno (uporedo) sa drugim transakcijama u sistemu. serijsko izvršenje transakcija je izvršenje u kome se transakcije ne prepliću. neka druga transakcija takođe može da postavi deljivi lokot na isti objekat baze.  Komponenta DBMS-a koja vodi računa o redosledu izvršavanja akcija nad bazom u skupu transakcija koje se konkuretno izvršavaju se zove Planer.  Deljivo zaključavanje (shared (SL) lock ili read lock) – ukoliko neka transakcija postavi deljivi lokot na objekat baze. nijedna druga transakcija ne može da taj objekat postavi bilo koji drugi lokot. Transakcija se u sistemima zasnovanim na bazi podataka ne obavlja u izolaciji. 2.  S obzirom da proveru serijabilnosti i preduzimanje odgovarajućih akcija planer izvršenja teško može da obavi u realnom vremenu primenjuje se mehanizam zaključavanja (locking). već se prvo potpuno izvrši jedna. sa COMMIT i ROLLBACK naredbom.

ali transakcija koja ga je izazvala se ubija i njeni efekti na bazu se poništavaju.  Primeri aplikativnih sistema sa dugim transakcijama su:  Neke transakcije u poslovnim aplikacijama – na primer ispitivanje svih računa u nekoj banci kako bi se proverilo ukupno stanje računa banke.  Prevencija lokota – definisanje različitih protokola koji će sprečiti da dođe do mrtvog čvora.  Celokupna dugačka transakcija.  Saga se može definisati kao graf koji ima. sati ili čak nekoliko dana. Očigledno postoji potreba za istim podacima od strane i drugih projektanata. a u slučaju neuspešnog koristi se mehanizam kompenzacionih transakcija da bi se baza vratila u isto stanje u kome je bila pre otpočinjanja sage.). Pojam “živog lokota” se definiše kada je neka transakcija stalno u stanju čekanja na neki objekat baze zbog toga što druge transakcije uvek pre nje postave lokot na taj objekat. gde se blokovi uređuju po njihovim adresama na spoljnoj memoriji (A1<A2<A3 . koji bi doveo do mrtvog čvora. CASE i dr preko kojih se projektuju različiti inženjerski sistemi. definisane tipove čvorova.  Workflow sistemi – sistemi u kojima se jedna logička jedinica posla za korisnika. Pretpostavlja se da više projektanata radi na istom projektu i da postoji zajednička baza projekta. CAD. standardom UML-a. Koncept “saga”  Standardni skup čvorova u UML-u je proširen za čvor “Neuspešan kraj aktivnosti – abort” da bi se uveo osnovni koncept u teoriji upravljanja dugačkom transakcijama – koncept “sage”.  Problem “živog lokota” se jednostavno rešava uvođenjem nekog redosleda zaključavanja objekta (na primer FIFO)..  Za razrešavanje problema mrtvih lokota koriste se tri tehnike:  Prekidanje transakcije posle isteka intervala vremena – koristi se parametar timeout koji menadžer lokota dodeljuje transakciji pri pokušaju zaključavanja nekog objekta. transakcija T2 neće moći da traži lokote u redosledu A2 pa A1. neke interaktivne aplikacije dok su neke realizovane i potpuno ručno. Na primer ako transakcija T1 zahteva A1 pa A2. . Putanja od početnog čvora do bilo kog terminalnog čvora predstavlja moguću sekvencu akcija. Na primer uređenje elemenata baze.  Projektni sistemi – CAE. Jedan projektant može da preuzme jedan deo podataka iz baze i da sa njim radi svoj deo projekta i nekoliko dana. se obavlja na taj način što se u slučaju uspeštnog kraja zadržavaju sve promene koje su učinile pojedine aktivnosti. Ukoliko istekne vreme transakcija se poništava i ponovo startuje. jer ovakvo zaključavanje nije po definisanom protokolu. obavlja preko sekvence aktivnosti od kojih neke mogu biti programi.  Detekcija “mrtvog čvora” – dozvoljava se da dođe do mrtvog lokota. reda desetine minuta. jedna od putanja od početnog čvora do uspešnog ili neuspešnog završetka. Dugačke transakcije  Postoje aplikacije u kojima su transakcije mnogo duže. Prikazani mehanizmi zaključavanja u kome bi neka transakcija ovako dugo ekskluzivno zaključala elemente baze koje koristi je neprihvatljivo.  Konkurentno upravljanje sagama se obavlja na sledeći način:  Svaka aktivnost se može tretirati kao posebna “kratka” transakcija koja se izvršava pod kontrolom konvencionalnih mehanizama za upravljanje transakcijama.

Oporavak baze podataka  Oporavak baze podataka je vraćanje baze podataka u korektno stanje posle nekog otkaza. .  Akcije sistema za konkurentnu obradu transakcija.  Kada baza nije fizički oštećena. Jedan skup redundantnih podataka se čuva u logu. ubijanje transakcije koja je izazvala mrtvi lokot ili neserijabilnost izvršenja skupa transakcija i sl. oporavak se vrši korišćenjem loga. pad glave diska) koristi se poslednja arhivska kopija cele baze za njen oporavak. preko posebno definisanih protokola oporavka.  Otkaz u samoj transakciji. Projektovanje korisničkog interfejsa Koraci projektovanja korisničkog interfejsa • Korak 1: Grafički prikazati dijalog • Dijagram prelaznog stanja (State Transition Diagram) se koristi da opiše niz i varijaciju ekrana koji se dešavaju kada korisnik sistema sedne za terminal. U ovom slučaju DBMS vodi računa o sledećim otkazima:  Softverski ili hardverski otkaz koji ne oštećuje bazu (nestanak napajanja). a drugi skup u arhivskoj memoriji u koju se povremeno prenosi sadržaj cele baze. na primer zbog deljenja sa nulom.  Log se koristi za otkaze koji fizički ne oštećuju memorijske jedinice (diskove) na kojima se čuva baza.  Tipična strategija za oporavak baze podataka je:  Ukoliko su oštećenje memorijske lokacije (na primer. dok arhivska memorija služi za oporavak posle ovakvih otkaza.  Da bi se oporavak baze mogao uspešno izvršiti neophodno je da DBMS obezbedi redundante podatke.

kako bi ih testirali i eksperimentisali nad njima. Neki CASE proizvodi. OLAP nudi brzi i fleksibilan pregled podataka. vrše i njihova testiranja kroz simulacije.  Projektovanje Data Warehouse  Pre nego što se kreira OLAP baza podataka. neophodno je razumeti komponente data warehouse-a koje se koriste pri izgradnji OLAP baze podataka. • Korak 3: Obezbediti povratnu vezu od korisnika • • U okviru ovog koraka. .• Korak 2: Napraviti prototip dijaloga i korisnički interfejs • Na osnovu dijagrama prelaznog stanja prave se prototipovi za svaki od procesa.  Definisanje OLAP rešenja  OLAP tehnologija predstavlja jednu alternativu tehnologiji relacione baze podataka. korisnici sistema koriste prototipove interfejsa. analizu i navigaciju. pored toga što mogu da dizajniraju ekrane. Uvod u Data Warehousing i OLAP Pregled sadržaja  Uvod u Data Warehousing  Razumevanje data warehouse sistema je veoma bitno kada se projektuju i implementiraju sistemi za podršku odlučivanju.

godini iznosio 15.000 evra.  Izvedene informacije:  S obzirom da je vrednost prodate robe u 2002. Oni se dizajniraju za veliki broj podataka namenjenih samo za čitanje. Za koje proizvode bi bio zainteresovan? OLTP sistemi  OLTP (on-line transaction processing) sistemi su operacioni sistemi koji prikupljaju poslovne transakcije i snabdevaju podacima data warehouse ili data mart.000 evra.  Sirov podatak:  Maloprodajni lanac prodavnica internacionalne muzičke kuće prikuplja podatke o prodaji za svaki kupljeni proizvod. može pokazati da je Sefan M. a koji ne?. vrše izmene nad postojećim podacima. godinu je bio 20. Stefan je podizao novac u Londonu. poslovne informacije  Kompanija svakodnevno prikuplja velike količine podataka. bankarske funkcije (npr. . da lanac prodavnica u Beogradu prodaje 10000 evra vrednosti prodate robe u Junu 2003.. daju izveštaje. S toga bi možda on bio zainteresovan za specijalnu kreditnu karticu koji mu omogućava neograničen pristup svom računu u 16 različitih zemalja uz odgovarajuću godišnju članarinu. Ti podaci su često sirove činjenice koje odražavaju tekuće stanje poslovanja.  Stefan živi u Beogradu. a postavljen cilj za 2003.  Finansijska institucija prikuplja podatke o svim računima i ušteđevinama klijenata. Oslo-u. OLTP vs.  Opisuju se osnove OLAP kocke demonstriranjem metoda za vizuelizaciju multidimenzionalnih baza podataka. održavaju integritet podataka i upravljaju transakcijama što je brže moguće. otvaranje računa klijentima). Analiza poslovanja treba da odredi posledice pada prodaje. Sirov podatak opisuje na primer.  Primeri OLTP operacionih sistema: aplikacije praćenja porudžbina. očigledno je da lanac prodavnica u Beogradu nije ispunio željeni cilj. analitičke baze podataka U tabeli su date neke od razlika između transakcionih sistema i skladišta podataka.  Jedna od karakteristika koja razdvaja transakcione sisteme od analitičkih jeste dizajn baze podataka:  Transakcioni sistemi su dizajnirani tako da preuzimaju podatke. ali u proteklih pet meseci. Sirovi podaci vs.  Skladište podataka (Data Warehouse – DW) je analitička baza podataka namenjena samo za čitanje i koristi se kao osnova sistema za podršku odlučivanju. podigao 50 evra sa svog računa jutros u Amsterdamu. depoziti) itd. Pitanja koja se postavljaju nakon ove analize su: Koji je prosečan dnevni bilans njegovog računa?. Pitanja koja se postavljaju su: Koji se proizvodi prodaju. obezbeđujući informacije koje se koriste za donošenje odluka. što dovodi do zaključka da on često putuje po Evropi. Koji je efekat promocije proizvoda?. aplikacije usluga klijenata (npr. Razumevanje OLAP modela i primena OLAP kocke  Kako primeniti koncepte projektovanja Data Warehouse-a da bi se projektovali i kreirali OLAP modeli. Sirov podatak na primer. Stockolm-u. podatke o obrtu kapitala i dr.  Analitički sistemi nisu predviđeni da obavljaju ove poslove.

 Skladište podataka je informaciona baza podataka dizajnirana za podršku jedne ili više klasa analitičkih zadataka. tj. statistike. multidimenzionalni pristup podacima. kreiranje tabela i grafika u cilju izrade i slanja izveštaja korišćenjem Internet servisa. pridodaju već postojećim umesto da ih zamenjuju. kao što su nadgledanje i izveštavanje. koje omogućavaju slojevit. mernih jedinica itd. nalaženja relativnih vrednosti i kreiranja šta-ako scenarija.  Osnovni cilj skladištenja podataka je prikupljanje i distribucija informacija kroz preduzeće. Korisnici skladišta podataka mogu da postavljaju raznovrsna analitička pitanja na bazi poređenja u vremenu.DW je proces integracije podataka u jedan repozitorijum iz kojeg krajnji korisnici mogu sprovoditi ad-hock analize podataka i praviti izveštaje.Data Warehousing (DW)  Skladištenje podataka .  Skladište podataka je baza podataka za procese podrške odlučivanju u kojoj su podaci:  Subjektno-orjentisani – odslikavaju poslovne procese. i obezbeđuje konzistentnost podataka. Koncept Warehousing  Warehousing koncept je skladištenje agregiranih. najčešće. u bilo koje vreme.  Warehousing omogućava donošenje strateških odluka – Strateške odluke zahtevaju predviđanje. lokalne proračune za analize trendova. korišćenje bilo koje informacije.  vremenski zavisni – svi podaci su u vezi sa nekim vremenskim trenutkom na osnovu kojeg se podaci mogu i porediti.donosioci odluka su pod velikim pritiskom jer moraju da zasnivaju svoje analize na osnovu tekućih činjenica koje se dobijaju iz raznih poslovnih situacija.  nepromenljivi – podaci se. Te činjenice se čuvaju u on-line transakcionim (OLTP) sistemima i nije im lako pristupiti. sa bilo kog mesta. kakav je potreban za donošenje odluka najvišeg strateškog nivoa.  Menadžeri samostalno vrše analize . ekstrahovanih i filtriranih podataka u meta baze. . tačnije – ostvarenje principa "Biti uvek na usluzi korisniku informacija". Warehousing pristup omogućava brzu manipulaciju. simultane funkcije i analizu vremenskih serija.  integrisani – baza podataka konsoliduje podatke iz različitih sistema koji koriste razne vrste kodovanja. analiza i dijagnoza i simulacija i planiranje.

koji prikazuju tekst. transformiše. kombinuje i priprema izvorne podatke za korišćenje u DW. Vremenski.Da bi se ovakav rad skladišta podataka ostvario koristi se multidimenzioni model. Multidimenzionalni. pripremiti podatake. • • • • Konzistentnost. Podaci se čuvaju mnogo godina kako bi se iskoristili za praćenje trendova. a ne poslovni procesi i funkcije. Danas je DW dizajniran tako da obezbedi jedno efikasno okruženje za web zasnovane aplikacije. U DW ti podaci će biti šifrovani na konzistentan način.  Data Mart – je podskup DW koji sadrži podatke specifične za određenu poslovnu aktivnost kao što su finansije ili analiza klijenata. Karakteristike Data Warehouse-a • Organizacija. 2. Podaci su organizovani po predmetu i sadrže relevantne informacije za podršku odlučivanju.  Oblast za pripremu podataka – skup procesa koji čisti. koji reflektuje način na koji korisnik misli o svojim poslovnim podacima i pritom pravi kondenzovane izveštaje. kao što je to slučaj sa transakcionim sistemima. Multidimenzionalna struktura . Oblast za pripremu podataka se nalazi na jednom ili nekoliko kompjutera.  Za razvoj skladišta podataka potrebno je: 1. Web-zasnovani. Komponente DW sistema  DW sistem sadrži mnoge komponente koje prenose podatke sa izvornih sistema do korisnika koji izvršavaju analizu podataka:  Izvori podataka – Izvorni sistemi su operacioni sistemi. Razvoj skladišta podataka  Pri izgradnji skladišta podataka najbitniji su sami podaci. mogu se izgraditi u relacionim ili OLAP bazama podataka i mogu detaljne ili sumarne podatke koje se mogu ili ne deliti kroz data mart-ove. 3. ne mora da bude zasnovana na relacionoj tehnologiji. ne podržava koristničke izveštaje. prognoze i vremensko poređenje. Podaci se transformišu u konzistente formate. slike i multimediju kao dodatak izveštajima i grafikonima. Podaci u različitim operacionim bazama podataka se drugačije šifriraju. 1. integrisano skladište podataka koje obezbeđuje podatke data mart-ovima. Obično data warehouse koristi multidimenzionalnu strukturu. Analiza izvora podataka . OLTP sistemi koji mogu biti relacioni. Data martovi mogu biti uključeni u DW. npr.  Data Warehouse – može se definisati i kao virtuelna unija data mart-ova sa integrisanim informacijama koje su deljive kroz data mart-ove ili kao centralizovano. izgraditi skladište podataka. izvršiti analizu izvora podataka.

razmatraju se poslovne potrebe i zahtevi budućih korisnika sistema. kako se koriste.  Dobijene podatke organizovati u nekoliko sekcija. OLTP (OnLine Transaction Processing) podaci.  Glavna prednost ovog pristupa je što se koncentriše na ono što je potrebno. tzv. Ovo se obično postiže kroz seriju sastanaka i/ili intervjua sa korisnikom.  Glavna prednost:  podržavanje svih podataka. Prikupljanje izvornih (source-driven) zahteva  Metoda bazirana na definisanju zahteva korišćenjem izvornih podataka u proizvodno-operativnim sistemima. odnosno koje korisnik izvršava.  Ovaj pristup proizvodi upotrebljivo skladište podataka u kraćem vremenskom periodu. a ne na ono što je dostupno. kao i spoljne informacije nastale kao istorija poslovanja ili industrijski i demografski podaci uzeti iz velikih javnih baza podataka. jer je potrebno definisati odgovarajuća pravila za preuzimanje podataka iz izvornih podataka. izvori). 1. npr: analitičari. novi detalja. Prikupljanje zahteva  U ovoj fazi razvoja skladišta podataka. Prikupljanje zahteva. 1.  Analiza izvornih podataka se smatra ključnim elementom i oduzima 80% vremena. Osnovni izvori podataka za koncept skladišta podataka su operativni (transakcioni). 1. Prikupljanje korisničkih (User-Driven) zahteva  Prikupljanje korisničkih zahteva je metoda koja se bazira na definisanju zahteva istraživanjem funkcija kojima korisnik teži.  Nedostaci:  umanjivanjem kosrisnikovog učešća povećava se rizik od promašaja ispunjenja zahteva korisnika.1.  oduzima dosta vremena. Planiranje skladišta podataka. kao što su:  Podaci o analizi (podaci o svim vrstama analiza koje se trentuno koriste) i  Zahtevi vezani za podatke (opis svih polja podataka koja se koriste.2. Ovo se radi analiziranjem ER-modela izvornih podataka. menadžeri i izvršioci. Znanja vezana za ovu oblast su najčešće u glavama onih koji treba da koriste skladište podataka.3.  Postupak prikupljanja zahteva:  Intervjuisanje ključnih ljudi u organizaciji.  svođenje na minimum vreme potrebno korisniku u ranim fazama (stanjima) projekta.  Utvrditi protok informacija u i iz svakog odelenja (koji izveštaji i dokumentacija pristižu u odelenje. ko ih koristi.  Analiza izvora podataka prolazi kroz sledeće faze: 1. Izbor tehnike analize podataka.1. koliko često pristižu itd. .

• Definisanje resursa. biće potrebno mnogo grupisanja između tabela koje sadrže različite dimenzije podataka i mogu značajno uticati na performanse). Ova dva pitanja zahtevaju slične informacije. • Kreiranje projektnog plana.je način da se prošire mogućnosti upita i izveštaja. Mogućnost upita i izveštavanja se primarno sastoji od biranja povezanih elemenata podataka. Izbor tehnike analize podataka  Skladište podataka se gradi da bi se obezbedio lako pristupačan izvor podataka visokog kvaliteta. u određenoj prodavnici i u određenom rasponu cena. u određenom rasponu cena. ako je namera da se obezbedi jednostavna mogućnost upita i izveštaja. c.  Pošto se koristi više dimenzija. Data mining. Višedimezionalna analiza . zadataka i vremenskih rokova. kao i izbor i instalaciju alata za rad sa bazom podataka. Planiranje skladišta podataka  Planiranje skladišta podataka sastoji se od sledećih zadataka: • Definisanje obima projekta. model podataka koji struktuira podatke na normalizovani način verovatno će obezbediti najbrži i nalakši pristup podacima. Ovo znači da se umesto izvršavanja višestrukih upita podaci struktuiraju da bi se omogućio brz i lak pristup odgovorima na pitanja koja se tipično postavljaju. interesuje vas koliko je određenih proizvoda prodato određenog dana. Na primer. Višedimenzionalne analize i c.2. Onda za dalju analizu želite da znate koliko prodavnica je prodalo određeni proizvod. 1.  Na primer.3. platforme. model mora da obezbedi način da se podacima brzo pristupa (ako se koriste visoko normalizovane strukture podataka.  Višedimenzionalna analiza zahteva model podataka koji će omogućiti da se podaci lako i brzo mogu pogledati iz bilo koje moguće perspektive ili dimenzije.Tehnike analize podataka mogu uticati na tip odabranog modela podataka i njegov sadržaj.  Postoji nekoliko tehnika analize podataka: a. podešavanje mrežnog okruženja. . b. • Definisanje tehničkih uslova. Tehnika analize podataka – Data mining  Data mining je relativno nova tehnika analize podataka. Organizovane podatke proslediti svim učesnicima intervjua radi mišljenja i eventualnih korekcija. određenog dana. eventualnog njihovog sumiranja i grupisanja u neku kategoriju i prezentovanja rezultata b.   Pre početka razvoja projekta treba da se razmotri arhitektura i infrastruktura skladišta podataka: Tehnička infrastruktura – podrazumeva razne tehnologije. ali jedna posmatrane iz ugla proizvoda. Upiti i izveštaji. a. 1. a druga iz ugla prodavnice. Upiti i izveštaji . baze podataka i ostale komponente koje podržavaju izabranu arhitekturu skladišta podataka. Tehnička infrastruktura uključuje i izbor instalacije baze podataka.

 Za razliku od upita. klasterisanja određenih elemenata podataka ili neki drugi obrazac u korišćenju određenih skupova elemenata podataka. ako se potrebni podaci nalaze u jednoj relacionoj bazi. Nakon iznalaženja ovih obrazaca. u pogodnom i konzistentnom formatu. kao i od višedimenzionalnih analiza. proveru atributa u kontekstu ostalih podataka u redu. Priprema se vrši određenim ekstrakcionotransformacionim alatima kroz sledeće korake:  Ekstrakcija i čišćenje podataka.  Transformacija podataka. razvoj procedura za čišćenje podataka. Razvoj procedura za čišćenje podataka  Zbog problema koji se prilikom ekstrakcije podataka javljaju. izveštaja i višedimenzionalnih analiza. Ekstrakcija i čišćenje podataka  Ova faza se sastoji od sledećih zadataka: a. Cilj procesa ekstrakcije podataka je da sve potrebne podatke. gde je korisnik morao da kreira i izvršava upite zasnovane na hipotezama.  Podaci se inicijalno ekstrahuju u procesu kreiranja skladišta podataka. a. Čišćenje podataka podrazumeva: proveru postojanja logičkih grešaka.  Otkrivanje može imati formu pronalaženja značaja u vezama između određenih elemenata podataka. podaci dobijeni ekstrakcijom se moraju "čistiti". ako su podaci smešteni u višestrukim heterogenim transakcionim sistemima.Veoma je različita od upita i izveštaja. pripremi za učitavanje u skladište podataka. b. otkriva obrasce i grupiše klastere zapisa sa sličnim atributima.1. Priprema podataka  U procesu razvoja skladišta podataka priprema podataka je jedna od najbitnijih aktivnosti. Razvoj procedura za ekstrakciju podataka  Podaci koji će se koristiti u skladištu podataka moraju se ekstrahovati iz transakcionih sistema (baza podataka u okviru nekog sistema) koji sadrže te podatke. razvoj procedura za ekstrakciju podataka.  Priprema podataka se vrši na osnovu ranije određenog izvora podataka. pravila za preuzimanje tih podataka. ali može da bude i veoma kompleksna operacija. identifikuje veze među podacima. Tehnika otkrivanja . procedure pripreme i zahteva korisnika. data mining traži odgovore na pitanja koja ne moraju biti prethodno postavljana. po tome što koristi tehniku otkrivanja.  Provera logičkih grešaka uključuje proveru vrednosti atributa usled različitog označavanja pojmova. algoritmi mogu da iz njih izvedu pravila. a kasnije se na osnovu određnih procedura vrši dodavanje novih podataka u skladište podataka.  Rezultat ovih aktivnosti treba da budu podaci koji će nam omogućiti generisanje meta podataka. Dalji proces razvoja skladišta podataka biće uspešan samo ako je ova aktivnost uspešno završena. b. Ovo znači da ne pitate određeno pitanje već koristite određene algoritme koji analiziraju podatke i izveštavaju šta su otkrili.  Ekstrakcija podataka je vrlo jednostavna operacija. na osnovu kojih se može pristupiti dizajnu skladišta podataka 2. Ova pravila tada mogu biti korišćena da se generiše model koji ima željeno ponašanje. proveru atributa u kontekstu . 2. "poboljšanje" podataka i eliminisanje ostalih grešaka.

Nakon kreiranja plana transformacije podataka.  Tipična transformacija podataka uključuje:  prevođenje polja sa više imena u jedno polje. struktura skladišta podataka i potreban broj agregacija.  Prelazne šeme . Potrebno je odrediti koji će se podaci mapirati u odredišni sistem i koja je to logika potrebna da bi se izvršila migracija podataka. c. One se ne podudaraju u potpunosti ni sa izvornim ni sa odredišnim šemama.  "Poboljšanje" podataka je proces čišćenja kojim se teži da podaci dobiju puno značenje. Analiziraju se raspoloživi resursi. Koriste se da bi se poboljšali procesi "čišćenja" i transformacije podataka. Planom se dokumentuju sve izvorne platforme. razvoj procedura za učitavanje podataka. kreiranje plana transformacije podataka.  razbijanje polja sa datumom u posebna polja za godinu. e. Primer za ovo su podaci o imenima i adresama. Prelazne šeme su zajednički interfejs za sve izvorne sisteme. 2. generisanje meta podataka. različite izvorne šeme. Ako se u skladištu podataka ovo označavanje vrši sa M i Z.  Na primer. Kreiranje plana transformacije podataka  Planom je potrebno odrediti najbolji put migracije izvornih podataka do skladišta podataka. U okviru procesa transformacije vrši se poslednja priprema podataka pre učitavanja. d.2. različiti načini pristupanja podacima. prelazi se na analizu izvora podataka. testiranje procedura. neki sistemi mogu označavati pol ljudi sa 1 za muški pol i 2 za ženski pol. .  Faza mapiranja i transformacije podataka sastoji se od sledećih zadataka: a. metode pristupa i programski jezik koji je potreban za ekstrakciju podataka.  Transformacija podataka je kritičan korak u razvoju skladišta podataka. Transformacija podataka  U ovoj fazi potrebno je:  definisati izvore podataka i tipove transformacija koje treba izvršiti nad podacima i  ostvariti mapiranje podataka iz izvorišta u odredišta.Obično se izvorni podaci prvo smeštaju u prelazne šeme. Razvoj procedura za transformaciju podataka  Pod transformacijom podataka se podrazumeva proces kojim se usklađuju različiti načini prikazivanja podataka različitih sistema u jedinstveni oblik.redova druge tabele koja je povezana.  Analiza izvora podataka . proveru veza između redova iste ili povezanih tabela (provera prenesenih ključeva). onda mora postojati proces koji će transformisati 1 u M i 2 u Z. mesec i dan. privremeno smestiti i popraviti ili smestiti u skladište podataka sa tim svojim nesavršenostima.  Eliminisanje ostalih grešaka je proces u kome se odlučuje o sudbini podataka koji su nepotpuni ili nemaju veliko značenje.  Pre početka procesa transformacije podataka. tim stručnjaka koji radi na projektu dizajniranja skladišta podataka definiše fizički model podataka za skladište podataka i generiše šeme. b. razvoj procedura za transformaciju podataka. a. Ovi podaci se mogu odbaciti. količina izvornih podataka. b.

zatim. najčešće zbog referencijalnog integriteta. svi indeksi se moraju ažurirati. Tako sumirani podaci se smeštaju u skladište podataka. Vrši se raspakivanje podataka. tako što se zadaju upiti nad skladištem podataka koji prebrojavaju podatke ili ih prikazuju u vidu grafikona sa kojih se može utvrditi da li su podaci u rasponu koji je očekivan. sortiranje i organizovanje pre punjenja DW. njihovo poređenje. Prema tome.  Provera kvaliteta podataka . najčešće.  Meta baza podataka čuva sve podatke o podacima mapirajući izvorni u ciljni sistem i uspostavlja vezu između podataka sa izvora i cilja. vrši sumiranje.  Obrada neučitanih podataka. definiciju podataka u ciljnoj bazi i transformaciono-integracionu logiku.  Po završenoj transformaciji. c.  Indeksiranje podataka. koja će obezbeđivati referencijalni integritet podataka. Testiranje procedura  Da bi se utvrdila ispravnost rada procedura za ekstrakciju i učitavanje podataka. Izrada meta baze podataka  Meta baza podataka. Izgradnja skladišta podataka . d. postoje svi uslovi da se pristupi generisanju meta podataka.  Kreiranje ključeva za agregacione zapise. Kreiranje agregacija je postupak sortiranja podataka po određenim atributima na osnovu kojih se. pa potom sumiranje. 3. odnosno rečnika podataka je baza podataka o bazi podataka. Svi zapisi u tabelama. prevođenje polja sa jednom reprezentacijom u drugu (npr.  Kreiranje agregacija. Takvi podaci se moraju obraditi u posebnoj aplikaciji. Pri procesu smeštanja podataka u skladište podataka često se dešava da se neki podaci ipak ne učitaju. moraju imati ključeve.  Tek po postavci meta baze podataka može se krenuti dalje u izdvajanje podataka iz transakcione baze podataka.Testiranje procedura se. Razvoj procedura za učitavanje podataka  Procedure za učitavanje podataka treba da izvršavaju sledeće aktivnosti:  Kreiranje formata podataka. sa 1 i 0 u DA i NE). ostvaruje proverom kvaliteta podataka.  Prenošenje podataka iz starijih sistema u skladište podataka. stručni tim mora dizajnirati aplikaciju koja će generisati takve ključeve.  kreiranje i dodavanje ključeva za tabele dimenzija. mora se izvršiti njihovo testiranje. Za sve podatke iz starijih sistema moraju se obezbediti formati pogodni za smeštanje u skladište podataka. Oni čuvaju informacije o transakcionim podacima. kombinovanje i transformacija u oblik pogodan za skladište podataka. e. Ovaj korak se razlikuje od prethodnog jer su ključevi za agregacione zapise u potpunosti veštački i ne smeju biti identični primarnim ključevima tabele činjenica. a samim tim i agregacije. Po završenom procesu smeštanja podataka u skladište podataka.

Ovakvi modeli se nazivaju šemama zvezde. elemenata i atributa. Dimenzioni modeli  Dimenzioni modeli su standardnog oblika te se mogu predvideti interfejsi koji će biti od koristi korisnicima skladišta podataka.  Fizička arhitektura dimenzionog modela je šema zvezde.  Izgradnja skladišta podataka je iterativni postupak. Nakon toga. najčešće. Čim se određena količina podataka smesti u skladište podataka. e) generisanje baze podataka. normalizacija i denormalizacija i definisanje agregacija. b) definisanje hijerarhija. a) Denormalizacija podataka  Kod denormalizovanog modela dimenzije su organizovane u šemu zvezde. oni mogu da zadaju nove zahteve zbog kojih će morati da se unesu neke izmene u modelu. korisnici mogu da im pristupaju i da zaključe koje su im koristi od toga. na osnovu kojih se vrši definisanje hijerarhija.  Dimenzije su standardni poslovni parametri koji definišu svaku transakciju.  Svaka dimenziona tabela ima svoj primarni ključ. . strukture podataka su tako organizovane da opisuju mere i dimenzije.  Dimenziono modeliranje je tehnika logičkog dizajna čiji je cilj prezentacija podataka u obliku koji obezbeđuje visoke performanse sistema radi vršenja analize podataka. Sve je više pomoćnih programa i alata koji upravljaju i rade sa agregacijama i na taj način još više poboljšavaju performanse sistema. f) učitavanje podataka.  Tabele činjenica sadrže podatke koji su.  Dimenzioni modeli se jednostavno proširuju dodavanjem novih dimenzija i njihovih atributa i pri tome se nijedan alat za izveštavanje ili upite ne mora menjati. a kod normalizovaog u šemu snežne pahuljice.  Osnovu za izradu dimenzionog modela predstavljaju meta podaci.  U dimenzionom modeliranju. Primeri dvodimenzionih i trodimenzionih modela podataka a) Podaci o prodaji za svaku oblast se nalaze u različitim tabelama b) Svi podaci smešteni su u trodimenzioni niz Zadaci izgradnje skladišta podataka  Izgradnja skladišta podataka se sastoji od sledećih zadataka: a) denormalizacija podataka. a svi oni učestvuju u stvaranju primarnog ključa tabele činjenica. Prvi korak je identifikacija dimenzija i atributa koja podseća na klasično projektovanje upotrebom ER modela i zove se dimenziono modeliranje. takozvanoj tabeli činjenica (fakt tabela). d) kreiranje fizičkog modela. c) kreiranje agregacija.  Mere su numerički podaci smešteni u centralnoj. numeričkog tipa i mogu sadržati veliki broj zapisa.

kao što su bankarske transakcije ili prodaja proizvoda.. Na taj način se dolazi do delimične šeme pahulje. tj. one podatke po kojima se vrši analiziranje. čime se postiže poboljšanje performansi sistema i omogućava proširenje skladišta podataka uz relativno jednostavno održavanje. kao što je npr. mesečna prodaja. a da se ostale ostave onakve kakve su i bile. Može sadržati i agregirane podatke. b) Definisanje hijerarhija . čime se šema zvezde prevodi u šemu pahulje.  Ovi problemi se mogu rešiti normalizacijom dimenzija. Zato je potrebno vršiti normalizaciju samo onih dimenzija koje sadrže mnogo redova podataka i koje imaju mnogo atributa.  Dimenzione tabele su znatno manje i sadrže podatke koji opisuju dati posao.  Osnovne prednosti šeme zvezde su što omogućava definisanje složenih višedimenzionih podataka u vidu jednostavnog modela.  Najčešće se postižu najbolji rezultati ako se izvrši normalizacija samo par dimenzija. tada je potrebno povezati dve šeme zvezde da bi se zadovoljile potrebe korisnika. pahulje i galaksije Šema zvezde Šema pahulje Galaksija Arhitektura dimenzionog modela – šema zvezde  Fizička arhitektura dimenzionog modela opisana je pomoću šeme zvezde definisane sa dve vrste tabela – dimenzione tabele (dimension table) i tabele činjenica (fact table). kod maloprodaje dimenzione tabele opisuju kako se izračunavaju podaci o prodaji. Ovi podaci su najčešće numeričkog tipa i mogu se sastojati i od nekoliko miliona redova i kolona. Ti podaci se nazivaju atributi. tj. Postoje situacije u kojima šema zvezde nije pogodna za skladištenje podataka.  veoma velike dimenzione tabele mogu uticati na pad performansi sistema.  Velika mana šeme zvezde je što se povećava redundantnost podataka. Šema zvezde. Na primer. a koje korisnici analiziraju. čime se otežava održavanje skladišta podataka. Osnovni razlozi za to su:  denormalizovana šema zvezde može zahtevati previše memorijskog kapaciteta. ako se ne može kreirati model koji bi imao samo jednu činjeničnu tabelu.  Glavni nedostatak šeme pahulje je njena složenost u odnosu na šemu zvezde. smanjuje broj fizičkih veza koje se moraju procesirati pri zadavanju upita.  Šema galaksije predstavlja kolekciju šema zvezda.  Tabela činjenica sadrži kvantitativne podatke o poslovima koji opisuju specifične događaje u poslovanju.

 definisanje opisnih atributa svake dimenzije.Postupak prelaska sa nivoa sa manjim brojem detalja na nivo sa većim brojem detalja naziva se spuštanje u dubinu (drill down) i predstavlja zahtev korisnika da mu se prikaže više detalja.Šema pahulje je varijacija šeme zvezda u kojoj su hijerarhija dimenzije skladištene u višedimenzione tabele. (samo jedna dimenziona tabela se pridružuje tabeli činjenica. Šema pahulje  Definiše hijerarhiju koristeći višedimenzione tabele . Na primer.  Drill-down . tj. Na primer.Postupak prelaska sa nivoa sa većim brojem detalja na nivo sa manjim brojem detalja. na tzv. Agregacije koje nisu zasnovane na SQL naredbama . grupa i vrsta proizvoda. kod dimenzije proizvod. Na primer. tj. Na primer. spušta se naniže da bi se saznalo kako se prodaja odvija po opštinama.  Drill across – koristi se za povezivanje dve ili više činjeničnih tabela na istom nivou hijerarhije. dok su ostale dimenzione tabele povezane sa spoljnim ključem). Pošto se pronađe podatak o prodaji nekog regiona. Geografski podaci vezani za prodaju mogli bi se organizovati u sledeću hijerarhiju: SVET –> KONTINENT –> DRŽAVA –> OBLAST –> GRAD  Drill-up . najnižeg nivoa detalja.  Dimenzije veoma često mogu biti organizovane u hijerarhiji.  Glavni razlozi kreiranja agregacija su da se poboljšaju performanse upita. ali blisko povezanih perspektiva omogućava da korisnik analizira podatke na različitim nivoima detalja. U ovom modelu možemo reći da dimenzioni element "proizvod" predstavlja najniži hijerarhijski nivo u dimenziji proizvod. dimenzija Proizvod je skladištena u tri tabele: kategorija proizvoda. kao i da se smanji broj resursa potrebnih za izvršenje upita. Agregacije zasnovane na SQL naredbama  Jedan od načina na koji se mogu kreirati agregacije jeste korišćenje SQL naredbi. podkategorija proizvoda i proizvod. upit bi mogao prezentovati prodaju u odnosu na neke regione. on je najjednostavniji. moguće je kreirati sumarne podatke o prodaji po regionu i oblasti skupljajući ih iz svake prodavnice. mogu postojati tri dimenziona elementa: prozvod. Iako ovaj način nije najbolji po pitanju performansi sistema. c) Kreiranje agregacija  Agregacijama se sumiraju detalji podataka i smeštaju u posebne tabele.  Normalizovana je. dok vrsta proizvoda predstavlja najviši nivo.  Podržana je unutar analitičkih usluga. sumarne podatke. naziva se dizanje naviše (drill up). Na primer.  Posmatranje podataka iz različitih. Dimenzione tabele memorišu sledeće elemente:  traženje hijerarhijskih relacija u svakoj dimenziji. da se smanji vreme odziva na upit.

e) Generisanje baze podataka  Aktivnost generisanja baze podataka vrši se korišćenjem SQL jezika.  Kada se svi ovi poslovi uspešno urade. Zatim se na svakom mestu prelaza sa jednog nivoa dimenzije na drugi (na primer. a drugi za nivo Nedelja). ERWin) omogućava automatsko generisanje koda preko takozvanih DDL (Data Definition Language) datoteka.zahteva da unesena vrednost atributa odgovara vrednosti atributa koji je primarni ključ druge tabele. mada bi sa transformacijama podataka trebalo završiti pre učitavanja zbog problema konzistentnosti baze.  Generisanje fizičkog modela treba da reši probleme:  Multiplikativnosti . U slučaju kreiranja agregacija koje nisu zasnovane na SQL naredbama. Pri tome je moguće iskoristiti prednosti paralelnog procesiranja jer su podaci podeljeni po grupama (jedan proces može računati podzbirove vezane za nivo Dan.  Neposredno pre kreiranja modela treba izabrati sistem za upravljanje bazama podataka na kome će biti implementirana baza podataka. sa Dana na Nedelju) kreiraju podzbirovi za taj nivo dimenzije. Tako dobijene podzbirove treba učitati i izvršiti agregaciju. potrebno je razviti specijalizovane programe. Referenacijalni integritet se definiše za operacije ubacivanja. alata koji je sastavni deo SQL Servera 2003. Ovo se radi iz razloga što će se buduća pretraživanja u okviru skladišta podataka vršiti na osnovu ovih polja. f) Učitavanje podataka  U toku učitavanja se mogu eventalno izvršiti još neke transformacije. Naime.  Kreiranja indeksa . ako se izvrši sortiranje redova podataka po dimenziji Vreme. u tabeli će se prvo nalaziti redovi podataka koji se odnose na Dan.definiše broj instanci jednog entiteta (buduća tabela u bazi) u relaciji sa jednom instancom drugog entiteta. Ovaj alat omogućava direktno zadavanje SQL naredbi i njihovo izvršavanje u cilju generisanja baze podataka. brisanja i ažuriranja. izvodi se postupak prevođenja logičkog modela u fizički model prikazan preko dijagrama entiteti – veze koji fokusira podatke.  Na primer. baza (skladište) podataka je generisana. OLAP sistemi . alat u kome je izvršeno kreiranje fizičkog modela (npr. d) Kreiranje fizičkog modela  U okviru kreiranja fizičkog modela baze podataka. iza njih će biti redovi podataka koji se odnose na Nedelju itd.  Za učitavanje podataka može se koristiti alat MS SQL Server-a DTS (Data Transformation Servicess) i njegova procedura učitavanja podataka pomoću takozvanih DTS paketa.  U sledećem koraku se vrši izvršavanje DDL datoteka pomoću Query Analyzer-a.je izvršeno automatski za sve primarne ključeve u entitetima i za prenesene ključeve u entitetu Ispit. Time je proces agregacije podataka završen.  Referencijalnog integriteta . što usložnjava procese razvoja i održavanja skladišta podataka.

za upravljanje i manipulaciju podacima.  Krajnjem korisniku je neophodno sledeće:  da može da postavi bilo koje poslovno pitanje. mogao bi da prikaže i kako se jedna vrsta proizvoda trenutno prodaje u odnosu na period kada se proizvod prvi put pojavio na tržištu. koja služi kao osnova za analizu.  OLAP sistemi podržavaju kompleksne analize koje sprovode analitičari i omogućavaju analizu podataka iz različitih perspektiva (poslovnih dimenzija). DW i OLAP. brzu i fleksibilnu manipulaciju transakcionim podacima. Na primer. prema korisniku i prema drugim aplikacijama. Takođe.  mogućnost neograničenog izveštavanja. Poređenje OLTP.  da bilo koji podatak iz preduzeća koristi za analizu. analitički sistem bi mogao da prikaže kako se određena vrsta štampača prodaje u različitim delovima zemlje.  Interaktivno analitičko procesiranje (On line Analytical Processing – OLAP) namenjeno je on-line analizama i izveštavanjima.  Analitičko procesiranje se primarno vrši korišćenjem poređenja ili analiziranjem šablona i trendova.  interfejs sistem.  alati za administriranje.  OLAP sistemi kao skladišta podataka koriste multidimenzionalnost i denormalizaciju.  Koriste se za intuitivnu.  OLAP server. . analizu i konsolidaciju (agregacija podataka po zadatom kriterijumu) podataka.  OLAP sistemi omogućavaju jednostavnu sintezu.  Osnovni elementi OLAP sistema su:  baza podataka.  U tu svrhu se koriste analitički OLAP sistemi koji obezbeđuju informacije koje se koriste za analizu problema ili situacija. OLAP rešenja omogućavaju korisnicima brz i fleksibilan pristup podacima i predstavljaju nadgradnju skladišta podataka.

OLAP serveri • OLAP pristup mora od hardvera da poseduje poseban računar. tzv. vreme itd.  OLAP serveri podržavaju tipične analitičke operacije:  konsolidacija – ovom operacijom se vrši agregacija podataka po zadatom kriterijumu. OLAP server. koji su podržani grafičkim interfejsima. pri čemu se isecanje najčešće vrši po vremenskoj dimenziji da bi se analizirali trendovi (na primer.  drill down/up – ove operacije omogućavaju prikazivanje više ili manje detalja podataka.  isecanje (slice & dice) – ove operacije obezbeđuju prikazivanje podataka iz različitih perspektiva. Svaka strana kocke se naziva dimenzijom. jedan isečak kocke može prikazivati sve podatke o prodaji za zadati tip proizvoda za sve regione. jedna ćelija može sadržati podatke o ukupnoj prodaji za dati proizvod i region u toku jednog meseca.  Višedimenzione strukture se najbolje vizuelizuju kao kocke podataka i kao kocke u kockama podataka.  OLAP serveri koriste višedimenzione strukture za čuvanje podataka i veza između njih. Na primer. Svaka ćelija kocke sadrži agregirane podatke koji su u vezi sa dimenzijama. radnim tabelama i ostalim PC alatima. kao što su tip proizvoda. na koji se povezuju relacione BP. . region. eksterni izvori podataka i ostali interni podaci. Dimenzija predstavlja kategoriju podataka. a drugi isečak može prikazivati sve podatke o prodaji po kanalima za svaki tip proizvoda).

 Svaka kocka mora da sadrži barem jednu meru. Komponente OLAP baze podataka  OLAP baza podataka je definisana sledećim komponentama:          Numeričke mere – Mere su vrednosti podataka ili činjenice koje korisnici analiziraju.  Mere su numeričke vrednosti koje korisnici analiziraju. Jedinice.  Zahtevi koje OLAP mora da ispuni su: mogućnost rada sa velikim skupom podataka i velikim brojem korisnika. Primeri mera su Prodaja.  Mere su preseci svih dimenzija i nivoa . podrška za šta-ako analizu.. bez znanja programiranja i strukture baze podataka. zaštita podataka. OLAP dimenzije vs.  Mere odgovaraju činjenicama u tabeli činjenica. samostalno izvođenje analitičkih operacija i dobijanje pregleda i poslovne grafike.  Karakteristike mere su:  Mere su numeričke. Troškovi prodate robe itd.  Kocke – Kocke kombinuju sve dimenzije i sve mere u jedan konceptualni model. Samo jedna tabela činjenica se može koristiti za kreiranje kocke.  Vrednost svake ćelije je presek dimenzije.  Dimenzije – dimenzije predstavljaju poslovne kategorije koje obezbeđuju kontekst numeričkim merama. vršiti analiza i prikazivati podaci. kratko vreme odziva na upit. jednostavnost uvođenja i održavanja sistema.  Kocka definiše skup povezanih dimenzija koje formiraju jednu n-dimenzionalnu mrežu:  Svaka ćelija kocke sadrži jednu vrednost.  Kocka kombinuje dimenzije i mere kako bi korisnici mogli da prave upite. mogućnost rada sa velikim brojema alata pomoću kojih će se pristupati podacima. . Dimenzijama OLAP je lakše navigirati nego dimenzijama šeme zvezde.. ali ne može da ima više od 1024 mera. mogućnost rada sa podacima sa različitim nivoima detalja. modelovanje i planiranje. Relacione dimenzije Definisanje kocke  Kocka je logička struktura skladištenja OLAP baze podataka.Zahtevi OLAP sistema  Interfejs OLAP sistema treba da omogući korisniku komforan rad.. sposobnost proračuna složenih matematičkih funkcija.

izbor jednog člana iz dimenzije.Sve dimenzije sadrže hijerarhiju i za većinu dimenzija hijerarhija se sastoji od više nivoa. Činjenice o prodaji su skladištene u presecima svih dimenzija u kocki. b. Na primer: ukoliko želite da se fokusirate na samo jedan proizvod. Omogućava da se sagleda opšta slika. slice vam omogućava da ignorišete sve osim željenog proizvoda. hibridni OLAP (HOLAP).  Dimenzije vam dozvoljavaju  Slice  Dice  Hijerarhije vam dozvoljavaju  Drill Down  Drill Up Arhitekture OLAP sistema  Postoje sledeće arhitekture OLAP sistema: a. Ovakav način vam omogućava da sagledate među odnose članova različitih dimenzija. Više nivoa hijerarhije omogućava drill down po jednom članu hijerarhije. Drill down omogućava da se fokusirate samo na određene podatke ili oblast problema. višedimenzioni OLAP (MOLAP). Kocka skladišti vrednosti prodaje za svaki proizvod.  Da bi dobili ukupnu godišnju vrednost. c. Proizvodi i Tržišta.  Dice – kada primenjujete dice na kocki.  Dimenzije omogućavaju slice i dice:  Slice . Dimenzije i hijerarhije omogućavaju tu fleksibilnost. onda postavljate više članova iz jedne dimenzije na jednu osu i više članova druge dimenzije na drugu osu. slice) ili podskupa kocke Menadžer distribucije trešnji želi da pregleda podatke o trešnji po svim periodima i za sva tržišta.  Hijerarhija vam omogućava drill down i drill up:  Drill Down . Korisnik koji nadgleda prodaju jabuka u Atlanti želi upit za Q4 prodajne vrednosti. relacioni OLAP (ROLAP). korisnici biraju proizvod i tržište i sumiraju ćelije iz sva četiri kvartala. . Definisanje “kriške” (engl.  Drill Up – Vide se samo zbirne informacije članova. Pravljenje upita nad kockom  Kocka “Prodaja” sadrži tri dimenzije: Vreme. Rad sa dimenzijama i hijerarhijama  Glavna svrha OLAP baza podataka je da obezbede fleksibilne modele za pronalaženje podataka. svako tržište i za svaki period vremena.

Kod MOLAP sistema podaci se čuvaju u višedimenzionoj strukturi.upiti .indeksiranje . Pri tome se vrše razni proračuni da bi se kreirale agregacije i popunili podaci. što vremenski može trajati relativno dugo. MOLAP i ROLAP se razlikuju po načinu fizičkog čuvanja podataka. korisnik može započeti analizu.  ograničenje na broj dimenzija koje još uvek obezbeđuju dobre performanse sistema. a u slučaju ROLAP sistema podaci se čuvaju u relacionim bazama podataka.  Da bi se vršila bilo kakva analiza.tabele .drill down . nakon čega je baza podataka spremna za rad. Po završenom procesu.štampanje Sloj baze podataka Sloj aplikacije Sloj prezentacije Podaci iz različitih transakcionih sistema učitavaju u višedimenzionu bazu podataka pomoću batch rutina. potrebno je prvo učitati podatke u višedimenzione strukture. Korisnici zadaju svoje zahteve za OLAP izveštajima putem interfejsa. Višedimenzioni OLAP (MOLAP)  MOLAP baze podataka imaju sledeća ograničenja:  ograničenje fizičke veličine skupa podataka sa kojima mogu da barataju.heširanje . a.  Nedostatak MOLAP sistema je teškoća dodavanja novih dimenzija Arhitektura MOLAP sistema Transakcioni sistemi Višedimenziona baza podataka OLAP interfejs .  Prednost MOLAP sistema je što obezbeđuju odlične performanse sistema kada se radi sa već sračunatim podacima (agregacijama).predviđanja .grafikoni . prelazi se na kreiranje agregacija. Kada se završi sa učitavanjem podataka atomskog nivoa.traženje izuzetaka . .isecanje .

 Prednost ROLAP sistema je što su sumarne tabele kreirane direktno u RSUBP-u.podela upita . Karakteristike ROLAP i MOLAP sistema  Neke karakteristike MOLAP i ROLAP sistema:  ROLAP sistemi su optimizovani za pristupanje podacima.obrada iz etak uz a .upravljanje tok a ovim . korisnik može započeti analizu.b.dinam čk i a k onsolidacija .procesiranje u poz adini . i što su tabele veoma čitljive.  Kod ROLAP sistema ne postoje ograničenja po pitanju broja dimenzija koja postoje u slučaju MOLAP sistema. te je potrebno manje U/I operacija pri pribavljanju podataka. c. Čim se odredi izvor podataka. Hibridni OLAP (HOLAP)  HOLAP alati mogu pristupati i relacionim i višedimenzionim bazama podataka. korisniku su uvek na raspolaganju tekući podaci. S obzirom da se radi direktno nad bazom podataka.  Za manje količine podataka ROLAP sistemi imaju skoro iste performanse kao i MOLAP sistemi.slo ž filtriranje eno . .transform acije . čime se obezbeđuje kratko vreme odziva sistema na upit. Relacioni OLAP (ROLAP) T sak ni ran cio sistem i S kladište pd a o atak (R U P) SB R elacio ni OA LP OA LP in terfejs - paralelni upiti paralelnou čitavanje paralelno indek siranje bit-m indek ap siranje heširanje vez z de e vez deljenje podatak a bac p i recovery ku optim acija trošk iz ova S Pi M podršk M PP a .  Višedimenziona analiza moguća je korišćenjem ROLAP i MOLAP sistema.  MOLAP sistemi su manji od ROLAP sistema.predvi đanja .  MOLAP sistemi nisu pogodni za rad sa velikim skupom podataka.agregacije - tabele grafik oni m ape upoz orenja drill dow n isecanje Sloj b p atak aze od a Sloj aplik acije Sloj p rezen tacije  ROLAP sistemi pristupaju podacima direktno iz skladišta podataka i rade sa relacionim bazama podataka.raspore đivanje .  ROLAP sistemi mogu da rade sa velikim skupovima podataka. što uslovljava da su MOLAP sistemi brži. dok su MOLAP sistemi optimizovani za prikupljanje podataka.

 analitička fleksibilnost (za potrebe simulacija) – ovu mogućnost poseduju MOLAP alati.  veliki kapacitet podataka – ovu mogućnost poseduju ROLAP alati. To je zapravo ROLAP koji ima mogućnost izvršavanja vrlo složenih SQL naredbi. Mere – kvantitativna. Cilj korišćenja HOLAP alata jeste da se iskoriste prednosti MOLAP alata (kratko vreme odziva sistema i analitičke mogućnosti) i ROLAP alata (dinamički pristup podacima). 1. Uvod u Data mining Sadržaj  Otkrivanje znanja (Knowledge Discovering)  Definisanje Data mininga  Primene Data mininga  Data mining modeli  Koraci kod izgradnje DM modela  OLAP data mining Data mining i otkrivanje znanja . fleksibilan pristup multidimenzionalnim podacima kako bi korisnici mogli da vrše analize i prave izveštaje. Koja je svrha oblasti za pripremu podataka kod Data Warehouse-a? Oblast za pripremu podataka je skup procesa koji čisti.  Potrebe korisnika su:  višedimenzioni pogled na podatke – ovu mogućnost poseduju i MOLAP i ROLAP alati. Koja je svrha OLAP-a? Da obezbedi brz.  Pri tome se ne može reći da je HOLAP prost zbir MOLAP-a i ROLAP-a. Definišite glavne relacione komponente od kojih se gradi OLAP kocka. Tabela činjenica – Centralna tabela u Data Warehouse-u koja predstavlja numeričke podatke u kontekstu koji opisuju određeni događaj u poslovanju. kombinuje i priprema izvorne podatke za korišćenje u DW.  Cilj je bio da se zadrže sve prednosti ROLAP-a. Evaluacija 1.  odlične performanse sistema – ovu mogućnost poseduju MOLAP alati. Mere obično predstavljaju vrednosti koje korisnici analiziraju. 1.  pristup podacima u realnom vremenu – ovu mogućnost poseduju ROLAP alati. numerička kolona u tabeli činjenica. Dimenzija tabele – Tabela u Data Warehouse-u koja predstavlja jedan poslovni objekat ili entitet. ali da se pri tome dodaju i neke nove mogućnosti za rad sa višedimenzionim bazama podataka. transformiše.

predvidivih sekvenci i tačnih klasifikacija. izveštajima itd.  Data mining otkriva oblike i trendove u sadržaju ove informacije. a dobili su samo gomilu podataka. Data mining programi analiziraju delove podataka da bi identifikovali veze između naizgled "nepovezanih podataka". Korisnici informacionih sistema s pravom zaključuju da su im uvođenjem automatizovanog informacionog sistema obećavali sve i svašta. što u krajnjem slučaju treba da od podataka da potrebne informacije.  Kada se korisnik na primer registruje na e-commerce Web sajt koji prodaje sportsku opremu tada DBMS prikuplja informacije o klijentu. informacija treba da se prezentuje na odgovarajući način. .  Upravljanje kreditnim rizikom  Kada uzimate kredit. ponekad vam se ponude i dodatni proizvodi za koje je Web sajt predvideo da ćete možda biti zainteresovani. banka može da predvidi da li ste dobar ili rizičan klijent za davanje kredita i takva informacija će odlučivati o odobravanju kredita.  Ovo pretraživanje može vršiti korisnik. kao na primer prihodi. Korišćenjem tehnika data mininga.KDD). web sajt će prikazivati baner sa motivima golfa za muškarce i dr. Definisanje Data mininga  Osnovna poruka data mininga jeste da je potrebno da iz ogromne količine operativnih podataka i veza koje se ne mogu odmah sagledati definišu odgovarajuće relacije. omiljeni sport i dr. sa grafikonima.  Data mining je automatski ili poluautomatski proces koji izvodi značajna pravila ili obrasce iz ogromne količine podataka. kako bi se ciljno reklamiralo.  Osnovni cilj data mininga jeste otkrivanje skrivenih veza. koji omogućuje korisnicima da shvate sisteme i veze između njihovih podataka. kreditna sposobnost itd. kao što su pol. Sistem preporučuje: “Ukoliko vam se dopada x knjiga. proverite i sledeće ponuđene knjige”.  Data mining je proces otkrivanja znanja (Knowledge Discovery in Databases . godine staža. na primer izvođenjem upita (tada je to zaista teško) ili ga može vršiti neki "pametni" program koji automatski pretražuje bazu umesto korisnika i nalazi značajne šablone. Primene Data mininga  Reklamiranje na Internetu  Data mining se može koristiti za klasifikovanje grupa klijenata sa sličnim informacijama.  Data mining otkriva relacije našeg svakodnevnog komuniciranja sa podacima. Kada se ona nađe. bračni status.  Data mining se može definisati kao proces podrške odlučivanju u kojem se traže šabloni infomacija u podacima. godine. banka prikuplja širok opseg informacija o vama. Takva preporuka se zasniva na tehnikama data mininga koji pretražuje obrasce klijenata koji su na primer kupili istu knjigu koju vi sada kupujete. Koriščenjem data mining tehnika. Čak i najboljem analitičaru je teško da identifikuje ključne informacije koje su relevantne za upravljanje poslovanjem. obrasci ponašanja.  Kada kupujete putem Interneta.

 Analiza pijačne torbe – Market Basket Analysis se često zove i grupisanje po sličnosti (affinity grouping) se koristi za pronalaženje grupe artikla koji se najčešće zajedno događaju u jednoj transakciji. Na primer..  Modeli Analysis Services SQL Servera su  Clustering – tehnika klasteringa omogućava grupisanje zapisa podataka koji su slični. pomogao izračunavanje ili predvideo izlaznu vrednost. Ukoliko sastavljate podatke gde su ulazne i izlazne činjenice poznate. model itd. Doktor izvršava dijagnozu koristeći oblik MBR-a. Korišćenjem serije pitanja i pravila za kategorizaciju podataka. doktor će na osnovu iskustva sa sličnim pacijentima dati dijagnozu.  Neuronske mreže – kao što čovek uči na osnovu iskustva tako može i računar.  Drvo odlučivanja – popularan metod za klasifikaciju i predviđanje. Na primer. ukoliko pacijent ima nekoliko simptoma. neuronske mreže mogu da kreiraju seriju ulaznih i izlaznih faktora kako bi predvideli cenu prodaje. mogu se predvideti da će izvesni tipovi imati specifične ishode. računar može da nauči iz tih obrazaca i postavi pravila i matematičke faktore kako bi npr. stanje.Data mining modeli  Nekoliko tehnika data mininga vam omogućava identifikovanje obrazaca u ogromnim broju podataka. proizvođač. nekoliko faktora utiče na prodajnu cenu kao što su godine.  Memorijsko zasnovano prosuđivanje – Memory-based reasoning (MBR) je tehnika data mininga koja se koristi za predviđanje i klasifikaciju. Analizirajući cene kola. Pretpostavimo da želite da prodate kola. Uvodni primer . Neuronske mreže modeluju neuronske veze u ljudskom mozgu i na taj način simuliraju učenje. sa klasteringom možete segmentirati klijente sa sličnim karakteristikama u grupe.

Opciono kreiranje dimenzije i virtuelne kocke iz rezultujućeg modela 6. Koji je ključni atribut za predviđanje da li će svršeni srednjoškolci upisati fakultet ili ne?  Postavljana su im sledeća pitanja:  Kog su pola?  Koliki je prihod njihovih roditelja?  Koliki im je IQ?  Da li ih roditelji ohrabruju da nastave studiranje ili ne?  Da li planiraju da upišu fakultet?  Da bi na osnovu prikupljenih podataka utvrdili koliko studenata će nastaviti školovanje. Koraci kod izgradnje DM modela 1. Identifikovanje podataka za analizu 5.  Primenjujući algoritam drveta odlučivanja otkrivene su sledeće relacije:  Najuticajniji atribut je ohrabrivanje njihovih roditelja da upišu fakultet.. Obrada modela i prikupljanje rezultata. Metodologija kreiranja Data Mining modela Da bi kreirali model morate da prikupite skup podatka. . Izbor entiteta koji treba da se predvidi 4. Ovo je složeniji upit i zahteva korišćenje tehnika data mininga. Oni studenti koje roditelji ohrabruju da upišu fakultet. Izbor tehnike data mininga 2. gde su atributi koji treba da se predvide unapred poznati. neophodno je da se postavi upit koji broji zapise studenata koji žele i onih koji ne žele da nastave školovanje.  Pretpostavimo da ste zainteresovani da odredite koji atribut ili kombinacija atributa imaju najveći uticaj da predvidi verovatnoću studenata koji će upisati fakultet. 60 % planira da upiše fakultet i to uglavnom oni sa visokim IQ. Identifikovanje slučaja (case) 3.

Stariji data mining alati su zahtevali postojanje niza stručnjaka da bi se postigli zadovoljavajući rezultati. Slučaj (case) je element koji se koristi za klasifikaciju i grupisanje podataka. Obradom podataka. što bi značilo da bi se ceo proces transfera morao ponoviti.  Drugi razlog za integraciju data mining alata sa skladištem podataka jeste poboljšani korisnički interfejs. a koje su potrebne za data mining alate.  Prvo. Nakon završenog rada često se javlja potreba za novim podacima. u njih treba smestiti podatke koje će data mining alati da pretražuju. izv ori pod ataka serv strana er sk ladište pod atakai data m ining alati m ža re OB DC SL Q og rani čen i i specijaliz an ov i alati OB DC data m g inin alati nestand ni ard interfejsi k t stran lijen a  bilo ko alat ji  a) tradicionalni prilaz b) in tegrisani p rilaz Jedan od načina da se ostvari integracija jeste da se kreiraju modeli koji se u bazama podataka predstavljaju tabelama.  Treći razlog za integraciju su performanse sistema i mogućnost proširivanja koje obezbeđuje skladište podataka. Tradicionalni i integrisani prilaz. svaki poznavalac SQL jezika može koristiti mogućnosti data mininga. Pri ovome se neprestano moralo voditi računa o zaštiti podataka i greškama pri prenosu. data mining alati zahtevaju postojanje "prečišćenih" i integrisanih podataka. DM engine procenjuje slučajeve i kreira model koji se zasniva na izabranom algoritmu. Integracija data mininga sa skladištem podataka  Danas se radi na integraciji data mining alata sa skladištem podataka. Nakon kreiranja ovih tabela.Podaci se ubacuju u DM model koji ih analizira i traži pravila i obrasce koji bi se kasnije mogli iskoristiti za predviđanje. Na ovaj način se ovim modelima može pristupati upotrebom SQL naredbi. Postoji više razloga za ovu integraciju. Tradicionalni data mining alati bi iz tih razloga prvo izvršili transfer podataka (možda i stotine gigabajta) putem mreže. Danas. Podaci koji se analiziraju su obično:  Istorijski podaci  Statistički predstavnik slučajeva (cases) za koje gradite model. data mining .

godišnji prihodi. Izgradnja Data Mining modela sa OLAP podacima  Uvod u scenario Članske kartice  Izbor Data Mining tehnike  Izbor slučaja (case)  Selekcija entiteta za predviđanje  Selekcija podataka za analizu (training data)  Kreiranje dimenzije i virtuelne kocke  Ispitivanje Data Mining modela Uvod u scenario Članske kartice  Direktor marketinga želi da oceni trenutni program članskih kartica. štampanje i objavljivanje podataka. prikazivanje.  OLAP koji obezbeđuje brz pristup sumarnim podacima između više dimenzija. aplikacija mora da izvršava sledeće četiri osnovne funkcije.  Odabraćemo Člansku kartu kao informaciju koju će koristiti algoritam DM da bi identifikovao obrasce. Access koristi upite da .  Da bi predvideli faktore koji utiču na izbor odgovarajuće kartice koristićemo Data mining:  Koristićemo tehniku drveta odlučivanja da bi pronašli obrazac za izbor članske kartice. od kojih svaka ima sopstvenu prezentaciju za korisnika:  Organizacija podataka – obuhvata izradu i rukovanje tabelama koje sadrže podatke u konvencionalnom tabelarnom formatu koju Access naziva pogled (Datasheet). koje sadrže izabrane podatke.  Ispitati drvo odlučivanja.  Povezivanje tabela i izdvajanje podataka – povezuje više tabela prema relacijama između podataka radi izrade privremenih tabela. bronzana i obična. sastoji se od mnoštva povezanih alata za generisanje. Da bi zadržao postojeće klijente i ispunio njihova očekivanja.  Odabraćemo Klijente kao dimenziju slučaja (case dimension).  Iskoristiće se raspoložive informacije o klijentima kako bi se pronašao obrazac.  Bez upotrebe OLAP data mininga. organizovanje. izdvajanje.  Raspoložive informacije od klijenata su pol.  Da bi se okvalifikovala kao potpun sistem za upravljanje relacionom bazom podataka. UVOD U ACESS Multifunkcionalni program. bračni status. nivo obrazovanja. moguće je izostaviti ključne informacije ili se mogu dobiti netačni rezultati.alati će kreirati nove tabele u kojima će smeštati rezultate i koji se mogu pregledati kao i sve ostale tabele (korišćenjem SQL naredbi). OLAP data mining  OLAP i data mining ne bi trebalo razmatrati kao odvojene procese već da ih treba u potpunosti spojiti. srebrna. želi da identifikuje mogućnosti kako bi povećao nivo usluga kod svih kartica: zlatna.  Komponente OLAP data mininga su:  relaciona baza podataka koja sadrži granularne podatke (ne mora biti skladište podataka).  višedimenzioni proces otkrivanja koji će vršiti otkrivanje između dimenzija i spajati rezultate.

 Režim izvršavanja (Run mode) prikazuje dizajn tabela. šifrujete. koji se dešava kada je aktivni objekat neki obrazac ili izveštaj. Obrasci su ti koji umesto aplikacije omogućavaju da kontrolišete prikazivanje podataka. Objekti Recordset nazivaju se virtuelne tabele. a za izveštaje pogled Print Preview. unos i uređivanje podataka kao alternativu tabelarnom prikazu. a zatim izaberete režim izvršavanja.  Mogućnost objavljivanja unapređuju distribuciju informacija preko intranet korporacije i javne Internet mreže u obliku Word Wide Web strana. obrazaca ili izveštaja. u višekorisničkom okruženju. Pristup možete dodeliti grupi korisnika ili pojedincima. Makroe izvršavate tako što jedan od njih izaberete.  Moduli su funkcije i procedure koje su napisane u programskom jeziku VBA. Ove komande su dostupne samo ako baza podataka nije otvorena. koje koriste prednosti jezika Dynamic HTML (DHTML) i Extensible Markup Language (XML).  Režim projektovanja (Design mode) omogućava da napravite i modifikujete strukturu tabela i upita. jer se čuvaju u memoriji računara umesto u datotekama baze podataka  . razvijate obrasce za prikaz i uređivanje podataka.  Bezbednost sačinjavaju funkcije koje su dostupne kao stavke menija i preko VBA potprograma. VBA podprogrami se izvršavaju tako što se pridružuju odgovarajućim događajima. za strane za pristup podacima (DAP). za obrasce pogled Form. štampate ili objavljujete na internetu ili intranetu.  Štampanje dopušta da odštampate praktično sve što možete da pregledate u radnom režimu programa Accessa. Pri radu sa bazama podataka Access 2000. za automatizaciju se koristi Visual Basic for Application (VBA). One vam dopuštaju da napravite aplikaciju za prikazivanje i ažuriranje podataka na stranama. dešifrujete i popravite podatke iz baze. izborom komandi iz podmenija Database Utilities i Security. kao i da formatirate izveštaje za štampanje. Pomoću funkcija bezbednosti podataka može se dopustiti drugim osobama da koriste vašu bazu podataka.  Prikazivanje podataka – zahteva izradu izveštaja koji mogu da sumiraju podatke u skupovima zapisa (Recordset). Ovaj režim se ne primenjuje na VBA module. ali i ograničite njihove mogućnosti za pregled ili modifikacije svih ili samo nekih tabela u bazi podataka. obrasca i izveštaja u posebnim prozorima za dokument. Njih možete da pregledate. REŽIM RADA ACCESSA Access ima tri osnovna radna režima:  Režim za pokretanje (Startup mode) omogućava da konvertujete.  Makroi su sekvence aktivnosti.bi povezao tabele i izabrao podatke koji će se čuvati u privremenoj tabeli. Access 2000 uvodi strane za pristup podacima (DAP – Data Access Page). pre otvaranja baze podataka. koje automatizuju operacije nad bazom podataka koje se ponavljaju. Unos i uređivanje podataka – zahteva projektovanje i implementaciju obrazaca za pregled. Funkcije VBA se koriste da bi se izvršavala složenija izračunavanja od onih koja se mogu lako izložiti pomoću niza konvencionalnih matematičkih simbola. menija Tools. kao što je pritisak na dugme pomoću miša. Termin aplikacija u Accessu označava bazu podataka sa sledećim karakteristikama: . VBA potprogrami napisani su za izvršavanje operacije koje prevazilaze mogućnosti standardnih aktivnosti makroa što je jedan od razloga da se u Accessu napušta podrška makroima. Režim izvršenja za tabele i upite naziva se pogled Datasheet. ili za izračunavanja koja zahtevaju donošenje odluka. jer se funkcije izvršavaju kada se pojave kao elementi upita. pogled Page. koja se naziva objekat Recordset.

svi elementi te bibliotečke baze podataka biće vam dostupni kada otvorite Access. • Automatizovana je pomoću VBA koda. Ova datoteka sadrži sledeće informacije: • • • Imena korisnika i grupa korisnika. (Objekti aplikacije).  Obezbediti brz pristup određenim elementima baze podataka za sve kategorije korisnika. koje uspostavljate izborom stavki Tools.mda. Access sadrži glavnu datoteku baze podataka koja se naziva datoteka radne grupe. koji su neophodni za prikaz podataka na razumljiv način i za ažuriranje tih podataka ako je neophodno. Options iz menija.  Prilagoditi proširenje baze podataka za prihvatanje potreba organizacije koja se razvija. Add-Ins). koji se nazivaju i biblioteke. želite da onemogućite da drugi korisnici namerno ili slučajno promene dizajn aplikacije. dosledan i ekonomičan način. dizajna aplikacija. a sa Accessom možete da ih povežete izborom alatke Add-In Manager (kojoj možete da pristupite izvorom opcije Tools. umesto iz lista u prozoru Database. tako da korisnici vrše izbor pomoću komandnih dugmadi ili opcija iz namenski projektovanih menija. dodavanje novih proizvoda i procesa. Svi elementi baze podataka prethodno su u potpunosi definisani tokom projektovanja aplikacije.mde ili . Operativna podešavanja.mdw. da bi se razlikovali od korisničkih baza podataka. koji mogu da otvore Access. izveštaje i makroe. obično sa oznakama tipa . Od korisnika baze podataka ne zahteva se da znaju kako se projektuje bilo koji od elemenata baze. pod nazivom System. npr. kod baza podataka u Accessu. U velikim organizacijama. Pojedinačne baze podataka. pojavljuju se dopunski programi.  Kada povežete neku biblioteku Accessa. • Definicije prilagođenih paleta alatki u Accessu 2000. Distribuirane baze podataka koriste više servera za čuvanje pojedinačnih baza podataka. Brzina rada zavisi od samog sistema za upravljanje relacionom bazom podataka. Strategija projektovanja baze podataka jeste da se ostvare sledeći ciljevi:  Zadovoljenje potreba organizacije za informacijama na pravovremen. jedna sa drugom povezane su preko lokalne mreže (LAN) ili regionalne mreže (WAN) tako da ih korinik “vidi” kao jednu bazu podataka. obrasce.  Dopunski programi predstavljaju bibliotečku bazu podataka Accessa. ispunjavanje zakonskih regulativa i prihvatanje novih aplikacija za obradu transakcija i podršku odlučivanju. koje pravi svaki korisnik. U većini slučajeva. .• • Sadrži upite. mogućnosti računara servera i klijenta i karakteristika mreže.  Eliminisanje ili smanjenje dupliranja sadržaja baze podataka unutar organizacije. BIBLIOTEČKE BAZE PODATAKA PROGRAMA ACCESS  Još jedna kategorija datoteka. eliminisanje dupliranja može da zahteva distribuiranu bazu podataka. koji se naziva System ID (SID) i koji identifikuje korisnika koji trenutno koristi Access. Lozinke i jedinstveni binarni kod korisnika.

Identifikujte objekte (izvori podataka) koje sistem baze podataka predstavlja.  Sprečavanje pristupa bazi podataka od strane neovlašćenih osoba. 4. Postupak projektovanja sistema relacione baze podataka sastoji se od 10 osnovnih koraka: 1. prikazivanje i izradu izveštaja koje služe korisnicima baze podataka. Odredite značajna svojstva (atribute) i ponašanja objekata. uključujući sve neophodne zahteve u vezi sa integritetom podataka. da izrazito ne usporite dodavanja podataka u tabele ili da dodatno zauzimate velik prostor na disku. 8. editovanje. RELACIJE TIPA VIŠE-PREMA-JEDAN Povezuju više redova jedne tabele sa jednim redom druge tabele. 3. Izradite uvodni rečnik podataka da biste definisali tabele koje čine osnovu baze podataka. 7. Ako je potrebno da se obezbedi zaštita podataka. Uspostavite tipove ažuriranja i transakcija koji prave i menjaju podatke u tabelama. a i za tabele koje ona sadrži. Access nudi bezbednosni sistem koji od korisnika zahteva da unesu lozinke da bi otvorili određenu bazu podataka. 5.  Olakšati izradu aplikacija za unos podataka. Ustanovite kako svojstva objekata utiču jedna na druge. Očuvanje integriteta baze podataka tako da ona sadrži samo proverene informacije koje mogu da se pregledaju. Otkrijte veze između objekata. Ovakve tabele možete kombinovati u jednu tabelu koja se sastoji od svih kolona obe tabele. Odredite način korišćenja indeksa kako biste ubrzali upite. Većina klijent/server baza podataka nude ugrađene okidače za očuvanje integriteta baze podataka i obavljanje drugih operacija. 2. RELACIJA TIPA JEDAN-PREMA-VIŠE Povezuju jedan red iz jedne tabele sa više redova druge tabele preko relacije između primarnog ključa bazne tabele i odgovarajućeg spoljnjeg ključa u povezanoj tabeli. NORMALIZACIJA PODATAKA U RELACIONI MODEL . napišite procedure za održavanje baze podataka. TIPOVI RELACIJA RELACIJA JEDAN-PREMA-JEDAN Jednom redu u jednoj tabeli odgovara jedan red u drugoj tabeli. 10. Okidači jesu skupovi pravila sadržani u bazi podataka. uključujući i one za izradu rezervne kopije datoteke i restauraciju. RELACIJE TIPA VIŠE-PREMA-VIŠE I ČETVRTA NORMALNA FORMA Ne mogu da se izraze kao jednostavne relacije između dva sudelujuća entiteta. s tim. kao jedne celine. Naznačite relacije između tabela baze podataka na osnovu veza između objekata koje se nalaze u njima i ove informacije uključite u rečnik podataka.  Dozvoliti pristup samo onim informacijama baze podataka koje su pojedinim korisnicima ili grupama korisnika neophodne prema vrsti njihovog posla. Dokumentujte dizajn baze podataka. Njih ostvarujete tako što pravite tabelu koja ima relacije tipa više-prema-jedan sa dve bazne tabele. 9. odredite ko može da pristupi i menja podatke u svakoj tabeli (zaštita podataka) i da promeni strukturu tabela. 6.

 Parametarski upiti (Parameter queries) čije se korišćenje ponavlja pri čemu se vrše samo jednostavne izmene njihovih kriterijuma. ili prave velike izmene u nekoj tabeli. Ovakvi upiti su korisni za analiziranje podataka i izradu grafika ili dijagrama. na jedinstven način određena vrednošću primarnog ključa. Druga normalna forma uklanja veći deo nepotrebnih (redudantnih) podataka. upite unakrsnih tabela i u akcione upite.  Akcioni upiti (Action queries) prave nove tabele iz tabela upita. Peta normalna forma zahteva da tabele poštuju pravila treće normalne forme. Access prikazuje okvir za dijalog koji od vas zahteva da unesete novi kriterijum.PRAVILA NORMALIZACIJE Normalizacija je formalizovani postupak za grupisanje atributa podataka u tabele i tabela u baze podataka. Tabele moraju da odgovaraju prvoj i drugoj formi da bi bile sposobne za treću normalnu formu. za postizanje različitih ciljeva:  Upiti za izbor (Select Querys) izdvajaju podatke iz jedne ili više tabela i prikazuju te podatke u tabelarnom obliku.  Upiti unakrsnih tabela (Crosstab queries) sumiraju podatke iz jedne ili više tabela u obliku radne tabele. a kada postoje relacije tipa više-prema-više i pravilo četvrte normalne forme. na osnovu sume vrednosti numeričkih polja većeg broja zapisa. PETA NORMALNA FORMA Zahteva da mora postojati mogućnost da se tačno rekonstruiše originalna tabela pomoću tabela u koje je ona rastavjlena. UPITI Access omogućava pravljenje četiri osnovna tipa upita. Kad izvršavate parametarski upit. Parametarski upiti zapravo nisu poseban tip upita. . Takvi upiti dopuštaju da dodate ili obrišete zapise iz tabele. kada između njih postoje relacije tipa više-prema-više. Potpuno zavisni znači da je vrednost podatka u svakoj koloni koja nije deo ključa zapisa. Ciljevi normalizacije:  Eliminisanje dupliranih informacija u tabelama.  Prilagođavanje budućim izmenama u strukturi tabela. ČETVRTA NORMALNA FORMA Zahteva da se nezavisni entiteti podatka ne čuvaju u istoj tabeli. DRUGA NORMALNA FORMA Zahteva da podaci u svim kolonama koje nisu deo ključa budu potpuno zavisni od primarnog ključa i svakog elementa (kolone) primarnog ključa kada je on složeni primarni ključ. TREĆA NORMALNA FORMA Zahteva da sve kolone koje nisu deo ključa tabele budu zavisne od primarnog ključa tabele i nezavisne jedna od druge. ili napravite izmene u zapisima na osnovu izraza koji unosite pri dizajnu upita.  Umanjivanje uticaja strukturnih izmena baze podataka na korisničke aplikacije koje pristupaju podacima. jer ove parametarske funkcije možete da dodate u upite za izbor. PRVA NORMALNA FORMA Zahteva da tabele budu ravne i da ne sadrže duplirane grupe.

brišu ili uništavaju podatke koji se u njoj nalaze. štampači i drugi zajednički resursi. Pet ovih principa vezano je za mrežni operativni sistem (briga administratora mreže): 1.  Brisanje zapisa na strani “jedan” relacije tipa jedan-prema-više. Access javlja poruku o grešci. Korisnike koji više puta uzastopno pokušaju da naruše bezbednost mreže trebalo bi isključiti iz mreže dok se ne preduzme odgovarajuća administrativna akcija. menjaju. U Accessu su ugrađene dve metode za obezbeđivanje integriteta entiteta:  Polje ključa koristi AutoNumber tip podataka koji pravi jedinstvene vrednosti na osnovu automatskog povećanja long celobrojne vrednosti.  Menjanje vrednosti polja primarnog ključa bazne tabele od koje zavise zapisi u povezanoj tabeli.  Indeks na polju primarnog ključa sa svojstvom No Duplicates. Svaki korisnik mreže mora biti ispravno identifikovan pre nego što dobije pristup mreži. Aktivnosi korisnika mreže trebalo bi nadgledati da bi se utvrdilo da li korisnici pokušavaju da pristupe elementima mreže za koje nemaju ovlašćenja. 3. a da ne postoji odgovarajući zapis na strani “jedan” relacije. Ovo pravilo zahteva da se spreče sledeći tipovi transakcija:  Dodavanje zapisa na strani “više” relacije tipa jedan-prema-više. ODRŽAVANJE BEZBEDNOSTI BAZE PODATAKA Bezbednost baze podataka sprečava neovlašćene osobe da slučajno ili namerno pregledaju. Mreža treba da je zaštićena od neovlašćenog korišćenja. Svaki identifikovani korisnik mreže mora da bude ovlašćen za pristup određenim elementima mreže kao što su omotnice na serverima. Referencijalni integritet zahteva da za sve spoljne ključeve postoje vrednosti primarnog ključa bazne tabele. Ako pokušate da unesete dupliranu vrednost u polje ključa. Podaci smešteni na mrežnim serverima moraju da budu zaštićeni od hardverskih kvarova i katastrofalnih oštećenja (požari. zemljotresi itd.  Brisanje ili dodavanje zapisa tabeli koja je u relaciji tipa jedan-prema-jedan sa drugom tabelom.) odgovarajućim i pravovremenim pravljenjem rezervnih kopija. Integriteta entiteta i 2. 2. UPRAVLJANJE GRUPAMA I KORISNICIMA .OBEZBEĐIVANJE INTEGRITETA BAZE PODATAKA Integritet baze podataka sastoji se od dva elementa: 1. 4. To zahteva instaliranje bezbednosnog sistema protiv hakerisanja i redovno testiranje prisustva virusa. PRINCIPI BEZBEDNOSTI BAZE PODATAKA U LOKALNOJ MREŽI Postoji deset osnovnih principa bezbednosti za baze podataka instalirane na lokalnoj mreži. a da se prvo ne obrišu svi odgovarajući zapisi na strani “više” relacije. Integritet entiteta zahteva da svi primarni ključevi moraju da imaju jedinstvene vrednosti unutar jedne tabele.  Menjanje vrednosti polja spoljnjeg ključa u relacionoj tabeli u vrednost koja ne postoji u polju primarnog ključa bazne tabele. 1. 5. a da se ne obriše ili doda odgovarajući zapis u povezanoj tabeli. 2. Referencijalnog integriteta.

Administratori (Admins) imaju ovlašćenja da pregledaju i ažuriraju postojeće tabele i dodaju ili obrišu tabele i druge objekte baze podataka iz baze podataka. 1. . Sadržaji tabela u bazi podataka trebalo bi da budu šifrovani kako bi se sprečilo pregledanje podataka sa uslužnim programima za čitanje datoteka ili druga “njuškanja”. Access ima dva nivoa bezbednosti:  na nivou aplikacije (zahteva da svaki korisnik Accessa unese korisničko ime i lozinku da bi mogao da pokrene Access) i  na nivou datoteke (uspostavio je mrežni operativni sistem. 4. Ostalih pet principa bezbednosti baze podataka određeno je bezbednosnim mogućnostima sistema za upravljanje bazom podataka i aplikacijama koje pomoću njega pravite. 3. 2. a po potrebi im se dodeljuje dozvola za pregledanje i menjanje baza podataka. Obični članovi radnih grupa (Users) imaju dozvolu da otvore bazu podataka. 2. Korisnici se moraju dodatno identifikovati pre nego što im se dozvoli da otvore datoteku baze podataka. Podaci u tabelama trebalo bi da budu dostupni za pregledanje. kao što je Windows NT Server i ona određenim korisnicima dozvoljava ili ne dozvoljava pristup zajedničkim omotnicama i/ili pojedinačnim datotekama). 3. U mreži ravnopravnih članova.Većina klijent-server baza podataka prepoznaje sledeće tri grupe korisnika baze podataka: 1. Članovi grupe Admins obično imaju dozvolu da menjaju aplikacije sadržane u bazama podataka. Korisnicima mora da bude dodeljena posebna dozvola za korišćenje baze podataka i tabela koje ona sadrži. Povremenim korisnicima baza podataka (Guests) ćesto su dodeljena ograničena prava da koriste bazu podataka i objekte koje ona sadrži. mere za bezbednost mreže su odgovornost svake osobe koja deli svoje resurse sa drugima. ali im se ne dodeljuje korisnički nalog.

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)//-->