SADRŽAJ

RBP - ponavljanje.........................................................................................................................................2
Operativna baza podataka...........................................................................................................................2
Podatak, informacija, znanje...................................................................................................................2
Baza podataka i informacijski sustav.......................................................................................................2
Baza podataka i poslovanje.....................................................................................................................2
Podaci u poslovanju.................................................................................................................................2
Strukturirani podaci.................................................................................................................................3
Polustrukturirani podaci..........................................................................................................................3
Nestrukturirani podaci.............................................................................................................................4
Organizacijski oblici pohrane podataka...................................................................................................4
Baze podataka.........................................................................................................................................4
Relacijska baza podataka.........................................................................................................................5
Primarni i strani ključ, referencijski integritet..........................................................................................6
SQL – jezik za rad s relacijskom bazom....................................................................................................6
Naredba select.....................................................................................................................................7
Oblikovanje relacijske baze podataka......................................................................................................8
Konceptualni model.................................................................................................................................8
Logički model...........................................................................................................................................9
Korištenje podataka pri obavljanju izvršnih procesa.............................................................................11
2 Skladištenje podataka – potpora upravljanju.........................................................................................11
Poslovno odlučivanje i informiranost....................................................................................................11
Informacija............................................................................................................................................12
Značajke informacije..............................................................................................................................12
Kvalitetna informacija............................................................................................................................12
Vrijednost informacije...........................................................................................................................13
Podaci – informacije – znanje – mudrost...............................................................................................14
Sustav za potpiru upravljanju – dio IS....................................................................................................15
Dijelovi IS-a............................................................................................................................................15
Informacijski sustav i poslovanje...........................................................................................................15
Karakteristike dijelova IS-a....................................................................................................................16
 Poslovno odlučivanje i upravljanje........................................................................................................17
Proces poslovnog odlučivanja................................................................................................................17
Slijed podaci  rezultati........................................................................................................................17
Klasifikacija odluka.................................................................................................................................17
Vrste obrada podataka za odlučivanje...................................................................................................19
Obrada podataka temeljena na pravilima (strukturirani problemi).......................................................19
Obrada podataka temeljena na umješnosti (polustrukturirani problemi).............................................19
Obrada podataka temeljenja na znanju (nestrukturirani problemi)......................................................20
Kategorije poslovne analitike.................................................................................................................20
Poslovna inteligencija (Business intelligence)........................................................................................21
Sustavi za potporu upravljanju..............................................................................................................21
Geneza sustava za potrporu upravljanju...............................................................................................21
Poslovne analitike..................................................................................................................................22
Sustavi za upravljanje poslovnom uspješnošću.....................................................................................23
Komponente integralnog IS-a................................................................................................................24
Sustavi za potporu upravljanju temelje se na tehnologijama poslovne inteligencije................................25
Poslovna inteligencija............................................................................................................................25
Tehnologije poslovne inteligencije........................................................................................................25
Skladište podataka.................................................................................................................................25
Razlozi pojave skladišta podataka......................................................................................................25
Skladište podataka - definicija...........................................................................................................26
Dimenzijska struktura podataka................................................................................................................33
Kako rasporediti iste podatke (prodaja)?...............................................................................................33
Dimenzijska struktura podataka............................................................................................................34
Modeliranje podataka – operativni vs. analitički podaci.......................................................................36
Svrha modeliranja..............................................................................................................................36
Dekompozicija sustava......................................................................................................................36
NAčin modeliranja.............................................................................................................................37
Modeliranje operativnih podataka – modeliranje operativne (transakcijske) baze podataka...........37
Modeliranje analitičkih podataka – modeliranje skladišta podataka.....................................................38
Normaliziranost dimenzijskih entiteta...............................................................................................39
zbrojivost mjera (vrijednosti).............................................................................................................41
 Konceptualo modeliranje skladišta podataka........................................................................................41
Određivanje zrnatosti mjera – 1. korak konceptualnog modeliranja.................................................41
Određivanje atributa mjere (vrijednosti) – 2. korak konceptualnog modeliranja..............................41
Određivanje dimenzijskih atributa – 3. korak konceptualnog modeliranja.......................................42
Određivanje dimenzijskih atributa – 3. korak konceptualnog modeliranja.......................................42
Promjena dimenzije – 4. korak konceptualnog modeliranja..............................................................42
Logičko modeliranje..............................................................................................................................43
Fizičko modeliranje – agregati podataka...............................................................................................43
Stvarnovremensko skladište..................................................................................................................45
Analitičke obrade.......................................................................................................................................49
Analitička obrada...................................................................................................................................49
Analitička obrada – analiza dimenzijskih podataka............................................................................49
Za izvođenje operacija na dimenzijskom modelu trebaju nam tehnologije za analitičku obradu (platforme
poslovne inteligencije)...............................................................................................................................51
Alati za analitičke obrade (bi platforme)................................................................................................52
Alati za upite i izvješća.......................................................................................................................52
Alati za izravnu analitičku obradu (olap)............................................................................................53
Alati za kopanje podataka (DATA mining)..........................................................................................53
Alati za (izravne) analitičke obrade (olap tools).................................................................................53
Analitičke aplikacije (poslovne analitike)...............................................................................................54
Obilježja analitičke aplikacije.............................................................................................................54
Vrste analitičkih aplikacija (IDC).........................................................................................................55
ORacle epm – planiranje i prognoziranje...........................................................................................55
Analitičke aplikacije – poslovne analitike...........................................................................................56
RBP - PONAVLJANJE
OPERATIVNA BAZA PODATAKA

PODATAK, INFORMACIJA, ZNANJE

 Podatak – simbolički prikaz neke činjenice, tj. onog što se može neupitno i nepobitno potvrditi
da postoji ili se događa:
o Prikazan je u obliku brojki, slova ili drugih znakova
o Zapisan je na mediju (papiru – knjiga; filmu – fotografija, filmski zapis, magnetskom,
optičkom ili poluvodičkom mediju na računalu – datoteka, baza podataka)
 Jednoznačno protumačeni podatak ili skup podataka daju informaciju ili obavijest:
o Informacija je potrebna pri odlučivanju
o Bez kvalitetne informacije o predmetu odlučivanja teško je donijeti racionalnu odluku
 Znanje je kombinacija podataka i informacija o nekom predmetu, problemu ili području, koja je
protumačena ekspertnim mišljenjem, vještinom i iskustvom
 svako područje organizira svoje znanje utvrđivanjem prikladnih koncepata (elemenata znanja),
njihovih odnosa i ograničenja (prikaz znanja – pravila)

BAZA PODATAKA I INFORMACIJSKI SUSTAV

 u poslovanju je neophodno poznavati velik broj povezanih informacija

 zato će svaka organizacija (poduzeće., ustanova) organizirati svoj IS
 informacijski sustav će u svojim „bazama podataka“ pohraniti velik broj potrebnih podataka, čija
će obrada i interpretacija nuditi poslovanju potrebne informacije
 informacijski sustav je složen sustav i nije ga lako i jednostavno „izgraditi“

BAZA PODATAKA I POSLOVANJE

 većina poslovnih aktivnosti popraćena je podacima, zabilježenim u dokumentima: računu

kupljene robe, indeksu s upisanom ocjenom položenog ispita, receptu za izdavanje lijeka,…
 u poslovanju je potrebno pratiti niz činjenica o stanju poslovanja
 bilježenje podataka o poslovanju (u bazu podataka IS) omogućuje praćenje i analiziranje prošlih
poslovnih aktivnosti i kvalitetno planiranje budućih poslovnih aktivnosti
 zakonodavac ili praksa „propisuje“ način prikupljanja i vođenja poslovnih podataka
 u poslovanju: „što podacima nije zabilježeno, nije se ni dogodilo“

PODACI U POSLOVANJU

 poslovanje bez podataka danas nije moguće (npr. banka bez podataka o klijentima)
 poslovanje s „malim“ podacima
o pri obavljanju izvršnih i upravljačkih aktivnosti potrebno je bilježiti podatke
o za neke aktivnosti (primjerice računovodstvene) propisana je obveza vođenja podataka
 poslovanje s „velikim“ podacima
 o sve veći broj uređaja „proizvodi“ podatke u digitalnom obliku, njihova količina
neprestano raste
o u umreženom okruženju „stvari“ razmjenjuju podatke (Internet stvari)
o podaci se nazivaju „velikim“ zbog količine, raznovrsnosti i brzine pristizanja – za obradu
je potrebno koristiti i nestandardne, napredne i kompleksne metode obrade

STRUKTURIRANI PODACI

 strukturirani podaci su podaci kojima se na ujednačen (strukturiran) način bilježe obilježja

objekata
 objekti istog tipa opisuju se istim skupom obilježja, kao što je prikazano u tablici: za studente se
bilježe obilježja MatičniBroj, Ime, Prezime i DatumRođenja

MatičniBroj Ime Prezime DatumRođenja

11R48R20 Ivan Ivić 2002-05-13
2165S20 Ana Ferić 2002-08-17
 brojni podaci u poslovanju su strukturirani: podaci proizvoda, računa, narudžbi i sl.
 u računalu se tablica može pohraniti kao samostalna (strukturirana) datoteka ili u (relacijskoj)
bazi podataka kao tablica ili relacija
 podaci jednog retka tablice koji sadrže podatke jednog objekta, pohranjuju se u obliku zapisa
 struktura podataka određuje se unaprijed i naziva se shemom, u primjeru tablice sadrži naziv
tablice i popis stupaca

POLUSTRUKTURIRANI PODACI

 polustrukturirani ili slabostrukturirani podaci podaci nemaju čvrstu strukturu: pojave istovrsnih
objekata ne moraju imati ista obilježja, svim podacima ne moraju biti pripisana obilježja
 dokumenti (članci, knjige) primjer su polustrukturiranih podataka
 polustrukturirani podaci objekta se pohranjuju kao dokument u bazi dokumenata ili kao
samostalna datoteka (primjerice u Wordu)
NESTRUKTURIRANI PODACI

 nestrukturiranim podacima nisu pridružena obilježja

 primjeri su zvučne sekvence, nepokretne slike (fotografije), pokretne slike ili videosekvence pa i
sam tekst
 nestrukturirani podaci objekta pohranjuju se u jednoj datoteci, rjeđe kao zapis datoteke ili baze
podataka
 u organizacijama postoji velika količina slabo strukturiranih i nestrukturiranih podataka – ona je
količinski veća od strukturiranih

ORGANIZACIJSKI OBLICI POHRANE PODATAKA

Oblik Svrha pohranjivanja Specifično nazivlje

Baza Podaci raznovrsnih objekata (skupa
podataka studenata, nastavnika, predmeta) ili
istovrsnih objekata (skupa članaka)
Podaci u bazi podataka mogu biti
strukturirani ili nestrukturirani
Datoteka Podaci istovrsnih objekata koji se prikazuju
strukturiranim podacima (skupa studenata)
Podaci jednog objekta koji se prikazuje
nestrukturiranim podacima (slike)
Zapis Podaci jednog objekta
Polje Podaci jednog obilježja jednog objekta
Relacijska baza podataka, ako podatke
za operativne obrade
Baza podataka, ako sadržava dokumente
Skladište podataka, ako sadržava
podatke namijenjene analitičkoj obradi
Baza znanja, ako zapisuje znanje u obliku
pravila
NoSQL baza podataka, pohranjuje
nestrukturirane podatke
Slog – sinonim za zapis
BAZE PODATAKA

 pohranjuje skup raznovrsnih zapisa (studenata, nastavnika, predmeta) informacijskog sustava ili
aplikacije
 specifična baza podataka, namijenjena analitičkoj obradi podataka naziva se skladištem
podataka
 ako baza podataka pohranjuje podatke dokumenata, može se nazvati bazom dokumenata
 u specifičnim primjenama (ekspertni sustavi) baza podataka na specifičan način pohranjuje
znanje pa se govori o bazi znanja
 NoSQL baze podataka pohranjuju nestrukturirane podatke

RELACIJSKA BAZA PODATAKA

 Temeljni objekti poslovanja, kao što su kupci, dobavljači, računi i sl., opisuju se strukturiranim
podacima
 Oni se najbolje pohranjuju u relacijskoj bazi podataka
 Relacijska se baza podataka sastoji od skupa tablica (relacija) popunjenih podacima
o Jedan redak (zapis) pohranjuje vrijednosti obilježja jednog objekta (npr. studenta X)
o Jedan stupac pohranjuje podatke jednog obilježja za različite objekte
o Ćelija (redak x stupac) pohranjuje podatke jednog obilježja jednog objekta (npr. ime
studenta X)
PRIMARNI I STRANI KLJUČ, REFERENCIJSKI INTEGRITET

 Obilježje ili skup obilježja, čijim se podacima jednoznačno identificira svaki redak tablice naziva
se primarnim ključem
 Svaka tablica mora imati primarni ključ – u tablici Dobavljači primarni je ključ ŠifraDobavljača
 Strani ključ omogućuje povezivanje podataka dviju tablica
 ŠifraDobavljača u tablici Narudžbe je strani ključ koji se vezuje (referencira) na primarni ključ
ŠifraDobavljača u tablici Dobavljači – omogućuje povezivanje redaka tablice Narudžbe s recima
tablice Dobavljači koji se odnose na istog dobavljača
 Povezanost stranog i primarnog ključa naziva se referencijskim integritetom – on osigurava da u
bazu podataka nije moguće upisati narudžbu upućenu nepostojećem dobavljaču

SQL – JEZIK ZA RAD S RELACIJSKOM BAZOM

 Najpoznatiji i najviše korišten jezik za rad s relacijskom bazom podataka

 Sadrži
o Naredbe za definiranje baze podataka (npr. za definiranje tablica odnosno relacija,
atributa i ključeva)
o Naredbe za manipulaciju podacima (npr. naredbe za upis novih redaka, čitanje, brisanje
ili promjenu postojećih redaka u tablicama)
o Upravljačke naredbe (npr. za davanje prava korištenja podataka pojedinim korisnicima)
NAREDBA SELECT
OBLIKOVANJE RELACIJSKE BAZE PODATAKA

 Zahtjevan zadatak koji uključuje

o Analizu korisničkih potreba za obradom podataka i oblikovanje konceptualnog modela
podataka
o Oblikovanje logičke strukture podataka u bazi podataka odnosno logičkog modela
podataka
o Oblikovanje fizičke strukture podataka na mediju odnosno fizičkog modela podataka

KONCEPTUALNI MODEL

 Osnovni element konceptualnog modela podataka je objekt, za koji treba zabilježiti podatke i
pohraniti ih u bazu podataka
 Primjeri objekata: osobe, kupci, poduzeća, odjeli, proizvodi, računi, narudžbe, projekti, studenti,
kolegiji
 Slični objekti se klasificiraju u zaseban tip entiteta (npr. Osobe), a pojedinačno (npr. Ivan, Ana,
Josip) jesu njegove pojave
 Pojave istog tipa entiteta imaju jednake atribute ili obilježja (npr. ime, prezime, matični broj) ali
se međusobno razlikuju po vrijednostima atributa
 Konceptualni model ima grafički prikaz koji prikazuje tipove entiteta i njihove odnose (veze)
LOGIČKI MODEL

 Logički model iskazan relacijskom shemom baze podataka dobiva se od konceptualnog modela
prema pravilima:
o Entitet  relacija
 Pojave entiteta istog tipa nalaze se u istoj relaciji
o Atribut
 Atributi entiteta postaju atributi relacije
o Veza
 1:M unosi strani ključ u relaciju koja je nastala od entiteta na strani M
 1:1 se rješava kao i veza 1:M
 M:M tvori novu relaciju u koju ulaze primarni ključevi entiteta koji sudjeluju u
vezi – oni postaju stranim ključevima
KORIŠTENJE PODATAKA PRI OBAVLJANJU IZVRŠNIH PROCESA

 Izvršnim poslovnim procesima stvara se nova vrijednost (primjer procesa prodaje ili proizvodnje)
 Nakon izvršenja poslovnog procesa u bazi podataka ostaju zabilježena nova stanja poslovanja
(primjer stanja salda na poslovnom računu)
 Iz baze podataka vidljivo je tekuće stanje poslovanja, a po potrebi i prethodna stanja
 Promjena podataka iz starog u novo stanje obavlja se transakcijom u bazi podataka
informacijskog sustava te se govori o transakcijskoj obradi podataka – zato naziv sustav za
obradu transakcija
 Primjer: transakcijom koja unosi nove narudžbe u bazu podataka unosi se u tablicu Narudžbe
redak s podacima narudžbe, a u tablicu StavkeNarudžbe unose se stavke koje pripadaju toj
narudžbi

2 SKLADIŠTENJE PODATAKA – POTPORA UPRAVLJANJU

POSLOVNO ODLUČIVANJE I INFORMIRANOST

 Polazište:
o Velika konkurencija i izbirljivost kupaca
o Put postizanja konkurentnosti jest ispravna poslovna strategija koja uključuje donošenje
ispravnih poslovnih odluka temeljem pravovremenog posjedovanja kvalitetnih
informacija
 Trebamo informacijski sustav
 Informacijski sustav (IS) će omogućiti
o Pronalaženje kvalitetnih informacija
o Njihovo uobličavanje (prilagodbu) potrebama odlučivanja
o Njihovo aktivno nuđenje korisniku
INFORMACIJA

 Informacija (obavijest) donosi novost odnosno obavještava o nečemu

 Potrebna je pri odlučivanju/upravljanju jer se uspješno odlučivanje/upravljanje temelji na
informaciji koju posjedujemo
 Informacija se zapisuje u obliku podataka

ZNAČAJKE INFORMACIJE

 Za kvalitetno odlučivanje potrebne su kvalitetne informacije

 Kvalitetna informacija jest:
o Točna (korektno opisuje stanje stvari)
o Potpuna (potpuno opisuje stanje stvari)
o Primjerena – relevantna (odgovara problemu i osobi)
o Pravovremena (dobivena na vrijeme)
 Vrijednost informacije
o Ovisna je o kvaliteti
o Ovisna je o primatelju

KVALITETNA INFORMACIJA

 Točna, potpuna, primjerena (relevantna), pravovremena

 Može se definirati:
o Prema slaganju sa specifikacijama
o Prema ispunjenju očekivanja korisnika
 IAIDQ – International Association for Information and Data Quality – kvalitetna informacija
ispunjava konzistentno
o Ispunjava očekivanja svojih korisnika odnosno odgovara njihovim zahtjevima ili
specifikacijama
 Odgovara specifikacijama Odgovara očekivanjima
Kvaliteta Ispravnost informacija (koliko Korisnost informacija (koliko
informacije kao udovoljavaju standardima) udovoljavaju očekivanjima)
proizvoda Točnost, jezgrovitost, potpunost, Dostatnost, relevantnost,
konzistentnost razumljivost, interpretabilnost,
objektivnost
Kvaliteta Pouzdanost informacija (koliko proces Upotrebljivost informacija (koliko
informacije kao pretvaranja podataka u informacije proces pretvaranja podataka u
usluge udovoljava standardima) informacije udovoljava očekivanjima)
Pravovremenost, sigurnost Uvjerljivost, dostupnost,
jednostavnost korištenja, reputacija,
dodana vrijednost
VRIJEDNOST INFORMACIJE

 V = dodana vrijednost ostvarena temeljem informacije – ovisna je o primatelju

 V = broj korisnika2 x broj poslovnih područja
PODACI – INFORMACIJE – ZNANJE – MUDROST

 Podatak je skup prepoznatljivih znakova zapisanih na mediju (trag u IS o izvršenju poslovanja,

događaju)
 Elementarni podatak je simbolički prikaz jednog obilježja nekog objekta (podatak: 19.10.2009.)
 Kada podatak interpretiramo dobivamo informaciju (ŠTO se događa)
 Znanje – kombinacija podataka i informacija, kojemu je dodano ekspertno mišljenje, vještina i
iskustvo (ZAŠTO se događa)
 Znanje određuje kako koristiti informaciju (eksplicitno, kodificirano i implicitno, skriveno)
 Mudrost – kako koristiti znanje (ŠTO očekujemo i KAKO postupiti)
SUSTAV ZA POTPIRU UPRAVLJANJU – DIO IS

DIJELOVI IS-A

 Izvršni (operativni) sloj podupire izvršenje poslovnog procesa  sustav za obradu transakcija
 Upravljački (analitički) sloj generira informacije potrebne za odlučivanje (upravljanje)  sustav
za potporu upravljanju
 Informativni sloj omogućuje komunikaciju i suradnju  sustav za komunikaciju i suradnju

INFORMACIJSKI SUSTAV I POSLOVANJE

KARAKTERISTIKE DIJELOVA IS-A

Izvršni (operativni) sloj Upravljački (analitički) Informativni sloj

Sustav za obradu sloj Sustav za
transakcija Sustav za potporu komunikaciju i
upravljanju suradnju
Svrha Izvršenje poslovnog procesa Izvještavanje o stanju poslovnog Vođenje komunikacije i
procesa suradnju
Proizv Vođen poslovni proces Informacije o poslovnom Dobra informiranost,
od procesu komunikacija i suradnja

Težište Efikasnost poslovnog Efikasnost procesa odlučivanja Efikasnost komunikacije i

procesa suradnje
Način Automatizacija izvršnih Automatizacija upravljačkih Automatizacija
procesa procesa komunikacijsko-
suradničkih procesa
Opseg Funkcijski Organizacijski Osobni, grupni
Korisni Operativna razina Taktička i strateška razina Operativna, taktička,
ci strateška razina

podaci Pohranjivanje i pronalaženje Stvaranje informacija, Pohranjivanje i razmjena

podataka (baza podataka) otkrivanje znanja (skladište dokumenata (baza
podataka) dokumenata)
POSLOVNO ODLUČIVANJE I UPRAVLJANJE

 Odlučivanje je temelj upravljanja  upravljanje se ostvaruje kroz odlučivanje (planiranje,

kontroliranje i organiziranje)
 Za poslovno odlučivanje potrebne su potpune, pouzdane i pravovremene informacije 
informacijski sustav
 Često se odlučuje u uvjetima nesigurnosti, jer nedostaju informacije o elementima izbora

PROCES POSLOVNOG ODLUČIVANJA

 Prepoznavanje problema – prodaja određenog, inače perspektivnog proizvoda opada, proizvod

donosi gubitke
 Pronalaženje i ocjenjivanje opcija – a) poboljšati marketing proizvoda, b) preoblikovati proizvod,
c) napustiti proizvodnju proizvoda
 Odabir opcije – ispitivanjem tržišta bit će odabrano preoblikovanje proizvoda i prodaje
proizvoda pod drugim nazivom
 Provedba – detaljnije istraživanje tržišta i ukusa kupaca, te preoblikovanje proizvoda u skladu s
time
 Ocjena – kako je riješen problem i kolika je ostvarena dobit, ako je rješenje prouzrokovalo novi
problem, valja započeti novi ciklus odlučivanja

SLIJED PODACI  REZULTATI

KLASIFIKACIJA ODLUKA

 Programirane odluke (strukturirani problemi)

o Rješavanje rutinskih problema u situacijama koje se ponavljaju
o Čovjeka može zamijeniti programirani sustav ugrađen u operativni dio IS-a
 o Npr. odobravanje jednostavnih kredita
 Neprogramirane odluke (nestrukturirani problemi)
o U situacijama koje nisu redovne, koje se ne ponavljaju i za koje nije poznat postupak
odlučivanja
o Teret odlučivanja je na osobi, a IS omogućuje analizu podataka i pripremu informacija
o Npr. analiza prodaje radi poduzimanja marketinške akcije

 Operativne odluke
o Vođenje i nadgledanje osnovnih poslovnih procesa
o Programirane odluke koje se ponavljaju
o Standardni izvještaji
 Taktičke odluke
o Praćenje skupine poslovnih procesa
o Djelomično programirane odluke
o Jednostavne analize podataka
 Strateške odluke
o Rješavanje strateških pitanja
o Neprogramirane odluke
o Kompleksne analize podataka
VRSTE OBRADA PODATAKA ZA ODLUČIVANJE

 Temelje se:
o Na pravilima – izvještavanje, praćenje/statičko izvještavanje (poslovi operativne analize
 operativno odlučivanje)
 Pretraživanje podataka u bazi podataka
 Pripremljen upit ili zahtjev za obradom  standardni izvještaj
 Izvještavanje iz operativnog (transakcijskog) podsustava
o Na umješnosti – jednostavne analize/dinamičko izvještavanje (poslovi taktičke analize
 taktičko odlučivanje)
 Iterativno pronalaženje informacija iz baze podataka
 Analitičar postavlja upit, analizira dobivene rezultate, ponavlja postupak  ad
hoc izvještaji tijekom analize/dijagnosticiranje
 Analitička obrada dimenzijskih podataka iz podsustava za potporu upravljanju
o Na znanju – kompleksne analize/dubinske analize (poslovi strateške analize  strateško
odlučivanje)
 Dobivanje informacija izradom i izvršenjem modela
 Analitičar izrađuje model obrade, upućuje ga na izvršenje, korigira model,
ponavlja postupak  izvještaj s rezultatima modela
 Metode otkrivanja znanja, simulacijske metode, ekspertni sustavi u okviru
podsustava za potporu upravljanju

OBRADA PODATAKA TEMELJENA NA PRAVILIMA (STRUKTURIRANI PROBLEMI)

 ŠTO: izvještavanje (statičko)

 ZAŠTO: vođenje i nadgledanje osnovnih poslovnih procesa
 ŠTO RADIMO?
 KAKO: tehnologija izrade standardnih (unaprijed definiranih) izvještaja
 GDJE: izvještajni dio u sastavu izvršnog (operativnog) sloja IS-a
  Problemi:
o „bogatstvo podataka, siromaštvo informacija“
o Integriranost podataka u IS-u (ERP, EAI)

OBRADA PODATAKA TEMELJENA NA UMJEŠNOSTI (POLUSTRUKTURIRANI PROBLEMI)

 ŠTO: jednostavna analiza (dinamičko izvještavanje)

 ZAŠTO: praćenje skupine poslovnih procesa
 KAKO (ZAŠTO) RADIMO?
 KAKO: tehnologija analitičke obrade podataka (OLAP)
 GDJE: upravljački sloj IS-a (skladište podataka, analitička obrada)
 Problemi:
o Ažurnost podataka u skladištu podataka (aktivno skladište?)
o Kvaliteta podataka

OBRADA PODATAKA TEMELJENJA NA ZNANJU (NESTRUKTURIRANI PROBLEMI)

 ŠTO: kompleksna (dubinska) analiza

 ZAŠTO: donošenje strateških odluka
 ŠTO ĆE SE DOGODITI I ŠTO BI TREBALO RADITI?
 KAKO: tehnologija otkrivanja znanja iz podataka (dubinske analize podataka i poslovne analitike)
 GDJE: upravljački sloj IS-a (metode otkrivanja znanja iz podataka, simulacije,…)
 Problemi:
o Nepoznavanje metoda kompleksne analize podataka i interpretacije rezultata
o Kvaliteta podataka

KATEGORIJE POSLOVNE ANALITIKE

POSLOVNA INTELIGENCIJA (BUSINESS INTELLIGENCE)

 Inteligencija – sposobnost snalaženja u novim prilikama, u rješavanju problema i iznalaženju

prilagođenih reakcija
 Inteligentno ponašanje organizacije počiva na informacijama (podacima iz IS-a)
  BI sustavi – potpora odlučivanju i upravljanju – sustavi za potporu upravljanju

SUSTAVI ZA POTPORU UPRAVLJANJU

 Management Support Systems (MSS)

 Dio (sloj) IS za potporu upravljanju
 Sustavno korištenje informacijske tehnologije u upravljanju poslovanjem
 Potpora IT upravljačkom podsustavu organizacije

GENEZA SUSTAVA ZA POTRPORU UPRAVLJANJU

 70-ih – upravljački (izvještajni) informacijski sustavi (Management Information System – MIS)

o „proizvodi“ rutinske (programirane) i unaprijed naznačene izvještaje
o Rješava jednostavne upite
o Namijenjeni operativnoj razini upravljanja
o Upravljački izvještajni sustav ili izvještajni informacijski sustav
o Statičko izvještavanje
 80-ih – sustavi za potporu odlučivanju (Decision Support System – DSS)
o Osim baze podataka i tehnika i postupka obrade ima i modele (metode) odlučivanja i
korisničko sučelje radi ostvarivanja dijaloga korisnik-sustav
o Orijentirani specifičnim, slabo strukturiranim situacijama odlučivanja i višim razinama
upravljanja – ekspertni sustavi, simulacije
o „nadograđen“ MIS
o EIS, GDSS,…
 90-ih – sustavi poslovne inteligencije (Business Intelligence Systems – BI)
o Nova (II) generacija sustava za potporu odlučivanju
o Skladištenje podataka i analitičke obrade
o Potpora većeg broja različitih situacija odlučivanja i svih razina upravljanja
o Dinamičko izvještavanje
o Uloga BI sustava je da:
 Pruži dovoljno relevantnih informacija
 Omogući kvalitetnu analizu dostupnih podataka
 Pomaže u pronalaženju uzroka neke pojave
o Korisnici sami izvode analitičke obrade i otkrivaju znanje bez potrebe za klasičnim
programiranjem
o Alati za analitičku obradu (OLAP), DM, KD
o Programi za obuhvatne i složene obrade podataka (analize) – odgovori na sve složenija
poslovna pitanja
 Od 2000-ih
o Poslovna analitika, analitičke aplikacije
 o Nova (II) generacija BI sustava – sustavi za upravljanje poslovnom (korporacijskom)
uspješnošću (učincima), sustavi za upravljanje poslovnim (korporacijskim)
performansama
o Engl. Business Performance Management (BPM) system, Corporate Performance
Management System, Enterprise Performance Management System – EMP
o Sustavna potpora IT upravljanju performansama (učincima) poduzeća

POSLOVNE ANALITIKE

 Tradicionalna podatkovna analitika (poslovna inteligencija – PI)

o Uglavnom strukturirani podaci i unutarnji izvori
o Relacijske i OLAP tehnologija
o Brzo dobivanje odgovora na predefinirana poslovna pitanja
o 4 osnovna sloja: izvori podataka, integracija podataka, sloj skladišta podataka, analitički
sloj
 Napredna analitika (Veliki podaci) – novi pristup analizi podataka  prediktivne i preskriptivne
analize, kreativne i istraživačke analize
o Zaostaju u izvođenju intuitivnih analitičkih upita, kompleksne i neprestano se mijenjaju i
razvijaju – Open Source tehnologije, integracija i održavanje, nedostatak kadrova
o Platforme Velikih podataka su nadogradnja na sustave poslovne inteligencije koje
nadopunjavaju vrijednim novim poslovnim informacijama i mogućnostima

SUSTAVI ZA UPRAVLJANJE POSLOVNOM USPJEŠNOŠĆU

 Programska (IT) potpora, osim odlučivanju, i planiranju, kontroli i organiziranju

  Upravljanje uspješnošću (performansama) obuhvaća:
o Planiranje svih segmenata poslovanja
o Kreiranje i praćenje ključnih pokazatelja poslovanja
o Analiza uzroka i izvora odstupanja između plana i rezultata
 Nadogradnja BI sustava specijaliziranim analitičkim aplikacijama za:
o Financijsko i operativno planiranje
o Upravljanje financijama
o Predviđanje
o Upravljanje ključnim indikatorima poslovanja
o Praćenje uravnotežene karte učinaka/ciljeva
o Modeliranje itd.

KOMPONENTE INTEGRALNOG IS-A

SUSTAVI ZA POTPORU UPRAVLJANJU TEMELJE SE NA TEHNOLOGIJAMA POSLOVNE
INTELIGENCIJE

POSLOVNA INTELIGENCIJA

 Inteligencija = sposobnost snalaženja u novim prilikama, rješavanju problema i iznalaženju

rješenja
 Inteligentno ponašanje tvrtke počiva na podacima, informacijama i znanju – poslovna
inteligencija
 Koncepti, metode i tehnologije unaprjeđenja procesa odlučivanja
 Unutarnje i vanjske podatke transformira u informacije prikladne za odlučivanje
 Treba osigurati optimalno poslovanje u različitim uvjetima
 Tvrtke oduvijek nastoje unaprijediti pristup podacima i bolje razumjeti i koristiti poslovne
informacije i upravljati znanjem, danas postoje suvremene, informacijske tehnologije, odnosno
tehnologije poslovne inteligencije

TEHNOLOGIJE POSLOVNE INTELIGENCIJE

 Skladišta podataka
 Područna skladišta (eng. data mart)
 Analitičke obrade
 Alati za ekstrakciju, transformaciju i učitavanje podataka (eng. ETL tools)
  Rudarenje podataka (eng. data mining)
 Informacijski portali
 Modeliranje poslovanja
 Najčešće korištene: skladište podataka, analitičke obrade, rudarenje podataka

SKLADIŠTE PODATAKA

RAZLOZI POJAVE SKLADIŠTA PODATAKA

 Različitost (heterogenost)
 Rast količine podataka
 Neodgovarajući sadržaj i oblik podataka
 Neodgovarajući pristup podacima

RAZLIČITOST
 Osobna računala i alati krajnjih korisnika – rast broja različitih aplikacija i različitih sustava za
upravljanje bazama podataka
 Razvoj računarskih komunikacija – rast broja različitih korisnika koji pristupaju tim podacima
 Različiti izvori podataka
o Unutarnji izvori podataka
 sustav za obradu transakcija [financijski podsustavi (glavna knjiga), logistički
podsustavi (planiranje materijala, nabava, transport, distribucija), podsustavi
prodaje, podsustavi proizvodnje (upravljanje i kontrola proizvodnje, praćenje
radnih naloga, praćenje projekata, upravljanje kvalitetom, proizvodnja podržana
računalom), podsustavi ljudskih resursa (plaće, radna mjesta, obrazovanje)],
sustav za potporu upravljanju (planovi, odluke, pravilnici), sustav za potporu
komunikaciji i suradnji (elektronička pošta i sl.)
o vanjski izvori podataka
 podaci konkurentnosti (proizvodi, usluge, promjene konkurentnih poduzeća),
ekonomski podaci (valutne promjene, politički indikatori, promjene kamata,
burzovni podaci), strukovni podaci (tehnološki, marketinški trendovi), financijski
podaci, robni podaci (cijene sirovina), ekonometrijski podaci (prihodi pojedinih
skupina, ponašanje kupaca), psihometrijski podaci (profiliranje kupaca),
meteorološki podaci, demografski podaci, marketinški podaci itd.
 zahtjevi različitosti
o opći zahtjev – povezati i učinkovito koristiti raznorodne i razdijeljene podatke iz različitih
izvora
o menadžerski zahtjev – dostupni i konzistentni podaci – precizno i sažeto opisuju tvrtku i
njeno okruženje

RAST KOLIČINE PODATAKA

  prijelaz s hijerarhijske na relacijsku – usmjerenost na ubrzanje rada relacijskih baza podataka 80-
ih – rast broja slogova u bazi
 složenost uvjeta poslovanja – rast broja poslovnih događaja u tvrtci i okruženju – rast količine
podataka

NEODGOVARAJUĆI SADRŽAJ I OBLIK PODATAKA

 podaci tekućeg karaktera – nedovoljni za kvalitetne analize – obuhvatiti duže razdoblje – baze
podataka još veće
 oblik odgovora na upit, tj. razina vizualizacije ne zadovoljava potrebe korisnika
 izvještaji u dvodimenzionalnom obliku na više desetaka stranica

NEODGOVARAJUĆI PRISTUP INFORMACIJAMA

 transakcija upit na operativnu bazu dugo traje (nepretraživost u stvarnom vremenu) i usporava
transakcijsku obradu

SKLADIŠTE PODATAKA - DEFINICIJA

 izdvojeni, veliki skup podataka koji je oblikom i sadržajem pripremljen za zahtjevne analize,
kako bi se iz njega izvukle informacije i znanje za potrebe odlučivanja

 usmjeren području, integriran, vremenski određen i nepromjenjiv niz podataka (Inmon)

 specifično strukturirana kopija transakcijskih podataka za izvještavanje i analizu podataka
(Kimball)

OSNOVNI POJMOVI
 skladište podataka – centralni repozitorij svih bitnih podataka koje jedna organizacija vodi o
svom poslovanju, to je baza podataka iz koje se crpe informacije za upravljačke zadatke
(odlučivanje)
 skladištenje podataka obuhvaća postupke pripreme i obrade podataka te dobivanja informacija
potrebnih u procesu upravljanja (odlučivanja)
OPERATIVNA BAZA PODATAKA – SKLADIŠTE PODATAKA
Obilježja Operativna baza podataka Skladište podataka
Vrijeme odziva Sekunde Sekunde do sati
Operacije DML Uglavnom čitanje
Priroda podataka 30-60 dana Vremenske serije
Organizacija podataka Aplikacija Područje, vrijeme
Veličina Male do velike Velike do izrazito velike
Izvori podataka Operativni, unutarnji Operativni, analitički, unutarnji,
vanjski
Aktivnosti Procesi analize

KRIVULJE KORIŠTENJA
  transakcijski sustav je predvidljiv
 skladište podataka (analitički sustav) – varijabilno i nepredvidivo

GLAVNA OBILJEŽJA SKLADIŠTA PODATAKA

 podaci su organizirani i orijentirani na određeno područje i potpora su odlučivanju i upravljanju
 podaci su konzistentni (integrirani iz raznih izvora)
 podaci obuhvaćaju višegodišnje razdoblje i mogu se koristiti za trend analize, predviđanje i
usporedbe u vremenu (vremenske serije)
 istovremeno podupire pojedina područja i poduzeće u cjelini
 jednom uneseni podaci se ne mijenjaju već nadopunjuju (nepromjenjivost podataka)

STRUKTURA SUSTAVA SKLADIŠTENJA PODATAKA

 podatkovni dio:
o osnovni podaci
o agregirani višedimenzijski podaci (dimenzijski model podataka)
 mehanizmi manipulacije podacima:
o postupci ekstrakcije i transformacije
o sustav upravljanja podacima
o postupci analitičke obrade i prezentacija
PROBLEMI SA OPERATIVNIM PODACIMA
 „dirty data“ – primjer – S za spol, 213 za godine
 Vrijednosti koje nedostaju
 Različita imena za isti entitet – primjer: klijent, mušterija, kupac, gost
 Nekonzistentni podaci – primjer: podaci koji se mijenjaju kao što je broj telefona klijenta
 Neintegrirani podaci – primjer: podaci iz više izvora koji se trebaju kombinirati
 Neispravan format – primjer: podaci o vremenu u satima, a trebamo u minutama
 Previše podataka – primjer: prevelik broj stupaca

ETL – TRANSFORMACIJA PODATAKA (EXTRACT, TRANSFORM, LOAD)

 Podaci se često trebaju transformirati za korištenje u skladištu podataka

POSTUPAK IZDVAJANJA, TRANSFORMACIJE I PUNJENJA SKLADIŠTA PODATAKA

FUNKCIONIRANJE SKLADIŠTA
DIMENZIJSKA STRUKTURA PODATAKA

KAKO RASPOREDITI ISTE PODATKE (PRODAJA)?

DIMENZIJSKA STRUKTURA PODATAKA

 Zanima me prodaja proizvoda po tržištima i mjesecima

o Dimenzije: tržište, proizvod, vrijeme
o Mjera, vrijednost ili činjenica: prodaja
 Dimenzija je određena pojavom kroz koju se prati poslovanje
o Prirodno je kategorizirana (kategorijalni podatak)
o Pozicije ili članovi dimenzije vrijeme su 01/2019, 02/2019
 Mjera je kvantitativni pokazatelj pojave
o Nije kategorizirana, većinom aditivan (zbrojiv) podatak
o Mjera je ProdanoJedinica, VrijednostProdaje
MODELIRANJE PODATAKA – OPERATIVNI VS. ANALITIČKI PODACI

 Konceptualno modeliranje izvršnih (operativnih) podataka u izvršnom (operativnom) sloju

razlikuje se od konceptualnog modeliranja analitičkih podataka u upravljačkom (analitičkom)
sloju u:
o Svrsi modeliranja
o Dekompoziciji sustava koji se modelira
o Načinu modeliranja

SVRHA MODELIRANJA
 IZVRŠNI PODACI
o Modelirati podatke u slijedu izvršenja poslovnog procesa
o Izvršni (operativni) model je „procesni“ jer prikazuje strukturu podataka pri izvršenju
poslovnog procesa
o Primjer: izvršenje poslovnog procesa Prodati robu
 ANALITIČKI PODACI
o Modelirati podatke rezultata (efekata) poslovnog procesa
o Analitički model je „analitički“ jer prikazuje strukturu podataka pogodnu za analizu
rezultata poslovnog procesa
o Primjer: praćenje poslovnog rezultata Prodaja robe (analiza rezultata poslovnog procesa
Prodati robu)

DEKOMPOZICIJA SUSTAVA
 U izvršnom sloju dekomponiraju se izvršni poslovni procesi do razine elementarnih poslovnih
procesa
o Elementarni se proces dalje ne dekomponira, a uobičajeno se implementira jednom
transakcijom
 o Promatra se izvršenje procesa
 U upravljačkom sloju dekomponiraju se upravljački poslovni procesi kojima se analiziraju
poslovni rezultati do razine elementarnih poslovnih rezultata
o Pritom može pomoći dekompozicija izvršnih procesa jer se uz njih vežu poslovni rezultati
o Promatraju se procesi za čije smo rezultate zainteresirani

NAČIN MODELIRANJA
 Izvršni podaci
o Modeliranje počinje od osnovnih (samostalnih) objekata
o Modeliranje se nastavlja modeliranjem veza odnosno asocijativnih objekata
o Struktura modela pokazuje odnose između poslovnih objekata u slijedu izvršenja
poslovnog procesa
o Primjer: izvršenje poslovnog procesa Prodati robu
 Analitički podaci
o Modeliranje počinje uočavanjem mjera (asocijativnih objekata) kojima se prikazuju
poslovni rezultati (numerički podaci zbrojivi po različitim dimenzijama
o Modeliranje se nastavlja uočavanjem dimenzija (osnovnih objekata)
o Struktura modela pokazuje mjere (poslovne rezultate) gledane kroz dimenzije
poslovanja
o Primjer: praćenje rezultata Prodaja robe

MODELIRANJE OPERATIVNIH PODATAKA – MODELIRANJE OPERATIVNE (TRANSAKCIJSKE)

BAZE PODATAKA
 Odabir (poslovnih) procesa za koje se oblikuje baza podataka
 Konceptualno oblikovanje
o Izrada (pod)modela entiteti-veza za svaki proces – promatra se izvršenje procesa
 Određivanje jakih entiteta („matični podaci“, „šifrarnici“) i njihovih atributa
 Određivanje slabih i veznih entiteta odnosno veza jakih entiteta kojima se
prikazuje izvršenje poslovnog procesa
 Logičko oblikovanje – pretvorba modela entiteta-veza u relacijsku shemu baze podataka
 Fizičko oblikovanje i implementacija (SQL)
o Definiranje fizičkog prostora
o Definiranje metoda adresiranja fizičkih slogova
o Implementacija u relacijsku bazu podataka
MODELIRANJE ANALITIČKIH PODATAKA – MODELIRANJE SKLADIŠTA PODATAKA

 Odabir (poslovnih) procesa za koje se oblikuje skladište podataka (dimenzijska baza podataka)
 Konceptualno oblikovanje
o Izrada (pod)modela – zvijezde, kocke – dijagram entiteti-veze za svaki proces
o Ne promatra se izvršenje nego rezultati (efekti) procesa
 Logičko oblikovanje – pretvorba zvjezdaste sheme u relacijsku shemu baze podataka
 Fizičko oblikovanje
o Agregati
o Implementacija u relacijsku bazu podataka
NORMALIZIRANOST DIMENZIJSKIH ENTITETA
 „normalizirani“ entiteti – pahuljasta struktura daje normalizirane relacije (tablice) u relacijskoj
bazi podataka
 „nenormalizirani“ entiteti, fleksibilnost i brzina pretraživanja
ZBROJIVOST MJERA (VRIJEDNOSTI)
 Zbrojiva mjera – iznos prodaje u valuti moguće je zbrajati po svim dimenzijama
 Poluzbrojiva mjera – stanje računa na dan nije moguće zbrajati u vremenu, ali je moguće zbrojiti
sva stanja različitih računa jednog korisnika na dan
 Nezbrojiva mjera – vrijednost po jedinici (cijena)

KONCEPTUALO MODELIRANJE SKLADIŠTA PODATAKA

 Nakon odabira (rezultata, efekta) poslovnog proces  konceptualno oblikovanje (koraci):

o Određivanje zrnatosti vrijednosnih atributa  vezni entitet
o Određivanje vrijednosnih atributa  atributi veznog entiteta
o Određivanje dimenzija i dimenzijskih atributa  (jaki) entitet
o Razmatranje promjena dimenzija

ODREĐIVANJE ZRNATOSTI MJERA – 1. KORAK KONCEPTUALNOG MODELIRANJA

 Na koje je jake entitete (dimenzije) vezan vezni entitet
 Na što se odnosi najmanja mjera (vrijednost)
o VrijednostProdaje se odnosi na?
 Prodani iznos po kupac x proizvod x račun ?
 Prodani iznos po kupac x dan ?
 Određuje dimenzionalnost skladišta i ima utjecaja na njegovu fizičku veličinu
o Najsitnija moguća zrnatost za svaku dimenziju?
o Poželjno je da je zrnatost najmanja
o Poželjno je da se dodavanjem novih dimenzija ne remeti zrnatost
 Za proizvod x prodavaonica x dan moguće je dodati novu dimenziju promocija a
da se ne mijenja osnovna zrnatost jer se proizvod prodaje samo uz promociju ili
bez nje

ODREĐIVANJE ATRIBUTA MJERE (VRIJEDNOSTI) – 2. KORAK KONCEPTUALNOG

MODELIRANJA
 Svi oblici numeričkog izraza promatrane pojave (rezultata izvršnog procesa) postaju atributi
mjera
  Mjera (vrijednost) općenito ima više
o U maloprodaji na kraju dana svaka prodavaonica predaje podatke o prodaji:
IznosProdaje, ProdanoJedinica, JediničnaCijena, BrojKupaca

ODREĐIVANJE DIMENZIJSKIH ATRIBUTA – 3. KORAK KONCEPTUALNOG MODELIRANJA

 Dimenzijski atributi
o „pravi“ dimenzijski atributi koji opisuju hijerarhiju pozicija dimenzije: Proizvod, Grupa
Proizvoda, Kategorija proizvoda, Vrsta proizvoda, … Dan, Tjedan, Mjesec, Kvartal,
Polugodište, Godina, …
o Opisni dimenzijski atributi koji opisuju poziciju: Opis proizvoda
 Dimenzijski entitet (tablica) ne treba biti normaliziran:
o Ušteda prostora minimalna
o Može otežati selekciju po dimenzijskim atributima

ODREĐIVANJE DIMENZIJSKIH ATRIBUTA – 3. KORAK KONCEPTUALNOG MODELIRANJA

 Dimenzija vremena
o Često je treba eksplicitno odrediti jer standardna domena vremena obično nije dovoljna
o Primjer: u maloprodaji dimenzijski atributi za vrijeme: DanUTjednu, DanUMjesecu,
DanUGodini, TjedanUGodini, Mjesec, Kvartal, FiskalniPeriod, OznakaBlagdana,
OznakaVikenda, Sezona, Događaj
 Degenerirana dimenzija nema dimenzijskih atributa (ali ima ključ u činjeničnoj tablici)
o Dimenzijska tablica ne mora postojati
o Ima samo ključ u činjeničnoj tablici
o Npr. BrojFakture – to su često identifikacijski atributi dokumenata

PROMJENA DIMENZIJE – 4. KORAK KONCEPTUALNOG MODELIRANJA

 Dimenzije nisu konstantne – dimenzije kupac i proizvod
 Većina dimenzija doživljava samo manje izmjene  sporo promjenjive dimenzije
 Skladište je vremenski niz podataka pa promjenu dimenzije treba pratiti
o Nova vrijednost nadomješta staru vrijednost  nemoguće je pratiti povijesne promjene,
bilježimo samo postojeću vrijednost BračnoStanje
o Bilježe se sve vrijednosti dimenzije tako da se unese vremenska oznaka i generira novi
ključ pa postoji više zapisa
o Bilježi se u jednom zapisu originalna (početna) vrijednost i tekuća vrijednost, a moguće
je bilježiti i više njih
LOGIČKO MODELIRANJE

 Pretvorba zvijezde sheme u logički (relacijski model)

 Kreiranje relacijske sheme
 Određivanje imena relacije, imena i tipova atributa
 Određivanje stranih ključeva

FIZIČKO MODELIRANJE – AGREGATI PODATAKA

 Agregat sadrži agregirane (zbrojene) vrijednosti nižih razina dimenzija

 Pohranjeni agregati (agregirane vrijednosti) ubrzavaju obradu dimenzijskih podataka
 Agregati mogu biti pohranjeni u posebnoj agregatnoj tablici
 Dimenzija Tržište
o Pozicija razine 0 (osnovne): Grad
o Agregati sadrže zbrojene vrijednosti za Područje (razine 1), Regija (razine 2)
STVARNOVREMENSKO SKLADIŠTE

 Podaci u skladištu podataka su jednako ažurni kao u bazi podataka ili je kašnjenje (latency time)
u ažurnosti prihvatljivo
 Pristupi
o Skoro stvarnovremenski (near real-time) ETL – učestalije izvođenje ETL procedure
o Direct trickle feed – direktno ažuriranje činjenične (vrijednosne) tablice
o Trickle and feed – ažuriranje se radi u posebnoj (staging) činjeničnoj tablici koja se
povremeno alternira s radnom činjeničnom tablicom
ANALITIČKE OBRADE

ANALITIČKA OBRADA

 Najčešće se misli na OLAP (One Line Analytical Processing)

 OLAP – tehnologija za brzi, konzistentan i interaktivan pristup i manipulaciju dimenzijskim
podacima
 Općenito analitičke obrade možemo definirati kao ukupnost procesa za generiranje informacija
(izvještaji, ekrani, ekstrakcije, agregiranje, analize itd. – informational processing
 Procesi za generiranje informacija su po svojoj prirodi i namjeni potpuno drugačiji od
operativnih procesa – operational (transactional) processing – OLTP
 Zahtjevi za informacijama (koji podupiru odlučivanje i upravljanje za razliku od podataka koje
prate izvršenje poslovnih procesa) se neprestano mijenjaju jer se mijenja organizacija poduzeća,
uvjeti poslovanja, menadžeri itd.

ANALITIČKA OBRADA – ANALIZA DIMENZIJSKIH PODATAKA

 Primjeri pitanja koja iziskuju višedimenzijske odgovore:
o Koliki je indeks pokrivenosti uvoza izvozom po regijama i po industrijskim granama
odnosno djelatnostima?
o Koliki je iznos ostvarene prodaje u odnosu prema prognoziranoj prodaji prema vrstama
proizvoda, prodajnim područjima i mjesecima u godini?
o Koliki je obrt zaliha po materijalima, po skladištima i po dobavljačima?
 Dimenzijska struktura podataka – promatra poslovne pojave kroz dimenzije i mjere (činjenice)
 Dimenzija – kroz nju se prati poslovanje (vrijeme, prostor, …)
o Kategorijalni podaci (zemlja, regija, grad, …)
o Pozicije ili članovi dimenzije (npr. za vrijeme: 01/04, 04/04,… za prodajno mjesto: u
Zagrebu: PM1, PM2 … )
 Mjera je kvantitativni pokazatelj pojave
o Sumarni (zbrojivi) podaci
o Vrijednost: količina prodanog, vrijednost prodaje u kn, trošak prodaje, …
 Osnovne operacije na dimenzijskom modelu podataka (skladištu podataka):
o Rotacija (pivoting)
o Selekcija i isijecanje (slice and dice)
o Detaljiziranje (drill down)
o Agregiranje (drill up)
o Grafičko prikazivanje (charting)
 Selekcija i isijecanje
o Selekcija je selektiranje (fiksiranje) pozicije jedne ili više dimenzija, a ostale se mijenjaju
o Isijecanje je „izvlačenje“ podataka pojave ovisno o selekciji (fiksiranju dimenzija)

 Detaljiziranje i agregiranje
o Omogućuje hijerarhiju u pozicijama dimenzije
o Detaljiziranje – silaženje, svrdlanje (drill down) po hijerarhiji pozicija jedne dimenzije
o Agregiranje – dizanje (drill up) po hijerarhiji pozicija jedne dimenzije
ZA IZVOĐENJE OPERACIJA NA DIMENZIJSKOM MODELU TREBAJU NAM TEHNOLOGIJE ZA
ANALITIČKU OBRADU (PLATFORME POSLOVNE INTELIGENCIJE)
ALATI ZA ANALITIČKE OBRADE (BI PLATFORME)

 Alati za upite i izvješća (Query and reporting tools)

 Alati za izravnu analitičku obradu – OLAP (On Line Analitical Processing)
 Alati za kopanje podataka (Data mining)

ALATI ZA UPITE I IZVJEŠĆA

 Osiguravaju jednostavnije postavljanje strukturiranih upita
 Nisu primarno namijenjeni za skladišta podataka
 Npr. koliko artikala (npr. mlijeka) trenutno ima na zalihama? Ili koliko je prosječno bilo stanje
mlijeka u 2. mj 2021.?
ALATI ZA IZRAVNU ANALITIČKU OBRADU (OLAP)
 Korak naprijed u proširivanju snage i mogućnosti alata za upite
 Obrada orijentirana na višedimenzionalni model podataka
 Korisnički (grafički) orijentirani
 Npr. koliki je prihod od prodaje Vindija mlijeka od 1l 0,9% u prodavaonici Kvatrić u Zagrebu u
2020.g.?
 Koliki je prihod od prodaje Vindija mlijeka od 1l 0,9% u prodavaonici Kvatrić u Zagrebu u 2020.g.
u odnosu na 2019.g.?

ALATI ZA KOPANJE PODATAKA (DATA MINING)

 Kombinira tehnike višestruke analize podataka uključujući statističku analizu, stablo odlučivanja i
neuronske mreže
 „prolaze“ kroz podatke da bi pronašli trendove, uzorke i veze koje se na drugi način ne mogu
uočiti
 Potvrditi ili ne potvrditi očekivanja

ALATI ZA (IZRAVNE) ANALITIČKE OBRADE (OLAP TOOLS)

OBILJEŽJA OLAP OBRADA

 OLAP predstavlja konceptualni i intuitivni model – lako razumjeti i brzo primijeniti
 Operacije na dimenzijskom modelu podataka
 Višedimenzijska analiza podataka – podaci se istovremeno mogu gledati kroz veći broj dimenzija
(filtera)
 Omogućuju obavljanje vrlo brzih analiza
 Uključuju vrlo robusne sposobnosti računanja (agregati)

OBILJEŽJA OLAP ALATA

 Trebaju omogućiti:
o Jednostavna pretraživanja i navigacije
o Proračune i kalkulacije
o Složene analize i prikaze
 Analize vremenskih nizova
 Detaljiziranje i agregiranje
 Upozorenja
 Kontrolne ploče …
KORISNIK – POSLUŽITELJ ARHITEKTURA
 OLAP korisnika (klijent) – omogućuje
o Korisnicima postavljanje upita na podacima iz kocki i tablica
o Dobivanje rezultata u obliku tabličnih ili grafičkih izvještaja
 OLAP poslužitelj (servera) – omogućuje
o Pohranjivanje podataka u višedimenzionalnom obliku
o Osnovnih podataka i agregata

PRIMJERI ALATA ZA ANALITIČKE OBRADE

 Excel
 Cognos Analytics
 SAD BusinesObjects
 Power BI …

ANALITIČKE APLIKACIJE (POSLOVNE ANALITIKE)

 Programska rješenja koja prikuplja podatke iz različitih sustava, bez obzira na arhitekturu
podataka ili sustava
 Funkcioniraju neovisno o transakcijskim sustavima, ali se oslanjaju na njih
 Mogu ekstrahirati, transformirati i integrirati podatke iz višestrukih izvora
 Aplikacijski softver dizajniran za mjerenje, predviđanje i optimiziranje poslovnih performansi

OBILJEŽJA ANALITIČKE APLIKACIJE

 Podrška procesima – oblikuje i automatizira grupu zadataka koje se odnose na izvještaj i
optimizaciju poslovnih aktivnosti ili razvoj novih
VRSTE ANALITIČKIH APLIKACIJA (IDC)
 Analitike poduzeća
o Financijske/BPM (EPM) analitičke aplikacije – mjere i optimiziraju poslovanje i/ili
uspostavljaju i ocjenjuju poslovne strategije poduzeća
o Analitičke aplikacije za proizvodnju/operacije – mjere i optimiziraju proizvodnju i
isporuku poslovnih proizvoda i usluga
o Analitika ljudskog kapitala – posjeduje analitičke aplikacije za ljudske resurse
 CRM analitike – mjere i optimiziraju odnose s klijentima
 SCM analitike
 Analitike drugih dimenzija: Cross-Industry i vertikalne analitike te E-Business analitike

ORACLE EPM – PLANIRANJE I PROGNOZIRANJE

 Modularni paket aplikacija
 Izgrađen na BI platformi poslovne inteligencije
 Pokriva ciklus traženja cilja, modeliranje, planiranje, praćenje rezultata, analizu i izvještavanje
 EPM sustav koji opisuje procese, metodologije, metrike i sustave koji se koriste za upravljanje i
nadzor nad poslovnim rezultatima cijelog poduzeća
 Aplikacije – moduli: Financial Management, Planning, Performance, Scorecard, Strategic
Finance, Capital Asset Planning, …
ANALITIČKE APLIKACIJE – POSLOVNE ANALITIKE
 Tradicionalna podatkovna analitika (poslovna inteligencija – PI)
o Uglavnom strukturirani podaci i unutarnji izvori
o Relacijske i OLAP tehnologija
o Brzo dobivanje odgovora na predefinirana poslovna pitanja
o 4 osnovna sloja: izvori podataka, integracija podataka, sloj skladišta podataka, analitički
sloj
 Napredna analitika (Veliki podaci) – novi pristup analizi podataka  prediktivne i preskriptivne
analize, kreativne i istraživačke analize
o Zaostaju u izvođenju intuitivnih analitičkih upita, kompleksne i neprestano se mijenjaju i
razvijaju – Open Source tehnologije, integracije i održavanje, nedostatak kadrova
o Platforme Velikih podataka su nadogradnja na sustave poslovne inteligencije koje
nadopunjavaju vrijednim novim poslovnim informacijama i mogućnostima