arrowHome arrow Business Intelligence
Main Menu
Home
Harta Site
Cauta in site
Termeni si Conditii
Date Contact
Business Corner
Solutii BUSINESS
Despre Mine si Site
Managementul Riscului
Analize, Cercetari, Studii
Dictionar
Instrumente
Tutoriale
Video Tutoriale
Articole Complete
Locuri de munca
Metodologii
Octave
ITIL
COBIT
Microsoft
PMI PMBOK
Mehari
The Orange Book
FMEA
Prince2
Riskit
Risk IT (ISACA)
Articole domenii conexe
Securitate IT
GIS
Business Intelligence
Digital Economy
Social Media
Stiri
Dezvoltare profesionala
Instruire / Training
Evenimente
De interes academic
eAgora



Risk Management pe LinkedIn

Ultimele Comentarii
RSS
Drepturi de Autor


Licenţa Creative Commons


Designed by:
SiteGround web hosting Joomla Templates
Vizitati-ma pe LinkedIn  Vizitati-ma pe Facebook  Urmariti-ma pe Twitter  RSS
Poate te intereseaza si ...
Business Intelligence
Aprofundare OLAP - Dimensiuni pentru feliere si definire pe subcuburi E-mail
Simplu definită, o dimensiune reprezintă o modalitate consistentă de vizualizare pe categorii a datelor.
Există două simple teste pentru asta:
- datele despre membrii pot fi comparate; de exemplu, membrii actuali şi cei prevăzuţi ai unei dimensiuni scenariu pot fi comparaţi.
- datele de la membrii pot fi agregate în membrii - sumar; de exemplu, membrii ianuarie, februarie şi martie ai unei dimensiuni temporale pot fi agregaţi într-o valoare pentru trimestrul I.
O noţiune interesantă despre dimensiuni este abilitatea de a felia şi de a regrupa pe subcuburi („slice and dice”) datele multidimensionale.
Pentru a înţelege acest concept, felia („slice”) trebuie gândită ca fiind un membru specific a unei dimensiuni, de exemplu, produsul A în dimensiunea produse.
Atunci când grupăm pe subcuburi („dice” - zar) în cadrul unui sistem OLAP, creăm o serie de intersecţii pentru o anumită felie cu date din alte dimensiuni. Putem să vedem vânzările produsului A, de exemplu, pe lună, pe regiune, pe consumator. Prepoziţia „pe” indică tocmai cum este creat noul subcub (cum este redimensionată felia extrasă). Tocmai această intersecţie multidimensională a datelor şi modul în care sunt organizate în cadrul bazelor de date OLAP sunt ceea ce fac atât de interesantă şi puternică analiza multidimensională. Abilitatea de a schimba intuitiv şi instantaneu modalitatea de vizualizare reprezintă o facilitate de bază a tuturor instrumentelor respectabile OLAP pentru utilizator.
 
Aprofundare BI - Instrumentele OnLine Analytical Processing E-mail
OLAP duce decidentul către noi nivele în analiza datelor. Cu OLAP, analiza decidentului interacţionează cu datele din sistem. Se bazează şi pe caracteristica de variaţie în timp (cea istorică) a depozitului de date pentru a permite strategului să se uite înapoi în timp precum şi spre viitor.
Privind în trecut, strategul poate identifica tendinţe care pot fi ascunse în date.
Privind spre viitor, aceste tendinţe pot fi folosite în prevederea condiţiilor viitoare. În plus, caracteristicile acestor tendinţe pot fi de asemenea examinate. Strategul poate anticipa modul în care diverse posibile schimbări pot afecta mediul organizaţional.
Pentru a atinge aceste obiective, au fost dezvoltate diverse instrumente OLAP. Unele dintre aceste instrumente se bazează pe baze de date multidimensionale, special construite şi configurate pentru procesare analitică. Aceste instrumente sunt cele denumite MOLAP – multidimensional OnLine Analytical Processing. Există însă şi diverse deficienţe ale sistemelor multidimensionale. Pentru a depăşi aceste obstacole, multe instrumente OLAP au preluat abordarea ROLAP. ROLAP reprezintă relational OnLine Analytical Processing unde vederi multidimensionale ale datelor sunt implementate pe motoare relaţionale. Există de asemenea şi motoare OLAP hibride (HOLAP – hybrid OLAP) care reprezintă o combinaţie a celor două de mai sus.
 
Cuvinte despre Data Mining E-mail
Datele, privite ca un întreg, nu par a fi altceva decât o colecţie de evenimente aleatorii. Data mining permite vizualizarea fotografiei ascunse în aceste evenimente.
Există două tipuri de bază de data mining: clasificarea şi estimarea. Prin clasificare, obiectele sunt segmentate în diferite clase. De exemplu, într-un depozit de date de marketing, se pot privi clienţii şi se pot prospecta şi grupa în clienţi doriţi şi clienţi nedoriţi pe baza unor parametrii demografici.
Estimarea, încearcă să prevadă sau să estimeze unele valori numerice pe baza unor caracteristici ale subiectelor.
Oricare tip ar fi selectat, procesul de data mining este la fel. Se porneşte cu datele, sau cu un subset de date. Acestea sunt datele de test. Dimensiunea setului de date depinde deviaţia caracteristicilor datelor. Cu alte cuvinte, dacă există doar câteva variabile a căror valoare nu deviază mult una de cealaltă, atunci se poate testa pe un număr mic de înregitrări. Dacă datele au multe variabile cu multe posibile valori, atunci datele de test sunt mult mai largi. La fel ca la depozitele de date, datele sunt curăţite şi contopite într-o singură bază de date. Calitatea datelor trebuie verificată pentru a se asigura rezultate exacte.
Apoi se definesc întrebările ce vor adresa datele. În ciuda unei înţelegeri greşite a data mining, strategul trebuie să fie în stare să definească unele scopuri pentru procesul de mining. Ideea este de a se specifica ce anume se doreşte a se descoperi.
 
Aplicatii de Business Intelligence E-mail
Aplicaţiile de inteligenţa în afaceri (o traducere a termenului de Business Intelligence în română) sunt unelte de sprijin ale deciziilor care permit accesul, analiza şi manipularea informaţiei corporaţiei critică pentru misiune în timp real şi interactiv.
Aceste aplicaţii le oferă utilizatorilor o viziune din interior valoroasă pentru a folosi informaţia pentru a identifica rapid problemele şi oportunităţile în afaceri.
Utilizatorii pot accesa şi manipula cantităţi mari de informaţii pentru a analiza relaţii şi a înţelege tendinţe care sprijină, în cele din urmă, deciziile în afaceri. Aceste unelte previn pierderea potenţială de cunoştinţe în cadrul intreprinderii care rezultă din acumularea masivă a informaţiilor care nu sunt uşor accesibile sau într-o formă utilizabilă.
Rezultatul dorit al proiectelor de inteligenţă în afaceri este îmbunătăţirea continuă a organizaţiei prin informarea oportună care măreşte puterea de decizie.
Aceste sisteme ajută organizaţia să devină proactivă şi “agilă în informaţii” prin livrarea de informaţii folosite la:
- Sprijinirea utilizatorilor interni ai intreprinderii în evaluarea, mărirea şi optimizarea operaţiunilor şi performanţelor organizaţionale.
- Livrarea informaţiilor critice pentru afaceri utilizatorilor finali în legătură cu constituenţi ai lanţului de valori precum clienţii şi partenerii lanţului de aprovizionare.
 
Depozitul de Date - componenta a buclei BI E-mail
De prea multe ori atunci când oamenii aud de „BI”, se gândesc la „data warehouse” (depozite de date).
Depozitul de date este doar o parte a sistemului informaţional ce sprijină BI. Practic, BI se reprezintă printr-un ciclu continuu de procese ETL („Extraction, Transformation and Loading”), depozitul de date, sistemele de asistare a deciziilor, aplicaţii BI şi decidenţi.
Diferenţele sunt evidente :
- Data Warehouse – este un mod de stocare a datelor şi de creare a informaţiilor prin sprijinirea pe randamentul resurselor data marts. Data marts sunt segmente sau categorii de informaţii şi/sau date care sunt grupate împreună pentru a furniza „informare” în acel segment sau categorie. Depozitul de date nu necesită funcţionarea business intelligence. Instrumentele de raportare pot genera rapoarte direct din depozitul de date.
- Business Intelligence – este mecanismul prin care se utilizează randamentul depozitelor de date pentru luarea deciziilor şi recomandărilor de afacere. Informaţiile si datele sunt pârghiile ajutătoare în a lua aceste, decizii împreună cu mijloace de analize statistice şi instrumente de data mining.
Depozitele de date (data warehouse) furnizează arhitecturi şi instrumente utile conducerii executive (business executives) prin organizarea sistematică, înţelegerea şi utilizarea datelor în luarea deciziilor strategice. Un mare număr de organizaţii consideră că sistemele data warehouse dispun de instrumente valoroase în mediul economic de astăzi competitiv şi în rapidă evoluţie. În ultimii ani multe firme au cheltuit milioane de dolari cu realizarea de depozite de date. Multă lume îşi dă seama că în condiţiile competiţiei sporite din fiecare industrie, depozitele de date sunt armele care trebuie marketingului, reprezentând calea de a păstra clienţii .
 
<< Start < Inapoi 1 2 3 4 5 6 Inainte > Sfarsit >>

Rezultate 28 - 36 din 48
Solutii BUSINESS

Consultanţă & Training

Managementul-Riscurilor.ro
Aparitii in presa
Ce este managementul riscului?
Inovatia nu este totul
Risk in an economy under stress
Managementul riscului si dominoul crizei







Parteneri
- DeepSec Blog
- Proceduri ISO
- PM Expert
- eSimi
Statistici Site


Page Rank Check

top of page

http://www.managementul-riscurilor.ro, Powered by Joomla! and designed by SiteGround reseller hosting