تحقیق Data Warehouse سازمانها

لینک دریافت خرید پایین توضیحات

دسته بندی : وورد

نوع فایل :  .doc ( قابل ویرایش اماده پرینت )

تعداد : 40 صفحه

---

 قسمتی متن : 

Data Warehouse سازمانها

در حالی عمر کوتاهی استفاده Database بعنوان بستری داده جهت انجام انالیزهای پیچیده گذرد، ولی نیاز اینگونه عملیات دیرزمانی احساس شده ابزار Database اینمورد ارجحیت خاصی برخوردار گردیده اند. پاسخ سوالاتی نظیر What – If ، شبیه سازمانهای عملیات مهم مانند معرفی یک محصول جدید، تعیین پر سودترین محصولات، همگی نیازهای اصلی کسب کار بشمار امده ایجاد Data warehouse کمک کامپیوتر جهت حل اینگونه مسایل کمک بسیار بزرگی کرده است.

در واقع کامپیوتر جهت حل مسایل پیچیده انالیز داده ها، سالهای 1950 استفاده بوده اند اساسا ماهیت مسایلی توسط Data warehouse حل شود، پنچ دهه تفاوتی نکرده است. انجام عملیات مختلف اعداد بدست اوردن نتایج گوناگون، عملیات Aggregation داده هر مجموعه انالیز واریانس داده ها، جدید بشمار نمی ایند.

Expert Systems & Decision Support Systems

چنانچه مسیر تحول داده توجه شود، الگوی واضحی طرز استفاده انها Data Warehouse حتی پیچیده دیده شود. عامل مهمی مسیر بسیار تغییر یافته سرعت باشد، سرعتی سوالات پاسخی ایجاد گردد. سالهای 1975 1990 مدیران برنامه ریزی استراتژیک، ساعتهای طولانی منتظر ماندن دریافت پاسخ امری عادی بشمار امد. امروزه Warehouse Decision Support امکان ایجاد پاسخ انواع Query (پرس جوها) حتی کاربر نهایی کمترین زمان ممکن (کسری ثانیه) دارا باشد. بنا ماهیت سوالات مطروحه صنعت امروز حساسیت پاسخگویی، نیاز سرعت پاسخگویی بسیار احساس شود.

با ایجاد یک شبیه سازی طرح What – If سوی کاربر Data Warehouse ، غالبا پاسخ یک سوال منجر طرح سوالات دیگر خواهد عامل زمان امر نقش موثری دارا باشد.

Expert Systems & Data Warehouse

Expert System دنیای کامپیوتر واژه هر برنامه حاوی عبارت IF استفاده قرار گیرد. بطور کلی یک سیستم خبره Expert System پروسس ساخته یافته تصمیم گیری ذهن بشر مدل داده انرا شرایط دنیای واقعی رساند.

هر پروسس Decision Making قوانین Rule Interface engine دارند. Interface Engine جهت بکار انداختن اجزای جمع اوری اطلاعات یک سیستم نهایتا راه حل مساله خواهند رسید، استفاده باشد. واقع سیستم خبره تصمیمی کاربر گیرد، حالی سیستم Decision Making تصمیمی کاربر گیرد. سیستم خبره هیچ امکاناتی دخالت انسان پروسس تصمیم گیری فراهم نمی کند. بسیاری تصمیم گیریهای واقعی دنیای مدیریت نیازی دخالت انسانی ندارد Data Warehous قادر تامین پاسخ بدون دخالت کاربر باشد. یعنی وجود Data Warehouse کامپیوتر قادر تولید گزارشات روزانه نیاز بطور اتوماتیک باشد. چنین یک سیستم DSS ، داده طوری aggregate اولیه نماید مدیریت قادر نگرشی کلی نتیجه گیری گردد. DSS ها، هر قدر میزان aggregate داده بالاتر بوده، قدرت تصمیم گیری پیش بینی انسان بیشتر است.

Decision Support Systems & Data Warehouse

معمولا Dss بعنوان نوعی Data Warehouse مطرح گشته حل مسایل نیمه ساختار یافته سرو کار دارد. بعبارتی دیگر مساله هر دو جز ساختار یافته نیافته دارا بوده جز ساختار نیافته نیاز دخالت انسانی داشته ارتباط انسان DSS ایجاب نماید.

اجزای ساختار یافته یک DSS ، قوانین تصمیم گیری Decision Rules ذخیره شده بعنوان سیستم پردازش مسایل باشند جز دیگر انسان واگذار شود. مثالهایی مسایل نیمه ساختار یافته : انتخاب یک سایت کارخانه، انتخاب سبد سهام (Stock Portfolio ).

در تکنولوژی Decision Support بسیاری عملیات نیاز دخالت انسانی دارد مثل انتخاب سایت اجزا ساختار یافته نیافته دارد. عوامل قوانینی براحتی قابل اندازه گیری بوده سیستم Database نگهداری شوند کاربر سیستم امکان ایجاد سناریوی What – If دهد. اینحال وجود اجزای ساختار یافته، ساختار یافتگی کلی پروسس تصمیم گیری تضمین نمی نماید.

یک سیستم DSS مشخصات دارد :

یک مساله اتفاق نیافتاده حل موجود است.

دادن ورودی توسط انسان لازم است.

مدلی تست فرضیات Hypothesis test موجود است.

انجام Query خاص امکانپذیر (در پی انجام درخواستهای مکرر سیستم Database ، هر پاسخ Query منجر Query دیگری خواهد شد، چون منظور Query ایجاد Query بدون شکلی خاص اطلاعات موجود جهت تصمیم گیری است، زمانهای پاسخگویی بسیار اهمیت اند)

ممکن بیش یک پاسخ قابل قبول بوجود بیاید.

منابع خارجی داده استفاده قرار گیرند.

همچنین DSS کاربران امکان ایجاد سناریوی What – If میدهند. اینها اساسا ابزارهای مدل دهنده هستند کاربر امکان تعریف محیط شبیه سازی رفتار محیط صورت بروز تغییرات میدهند.

انواع خروجی سیستم Decision Support عبارتند :

(Management Information System) MIS ، شامل پیش بینی گزارشات استاندارد

تست فرضیات (Hypothesis Tests ) ، شامل تمامی سوالات متوالی هر پاسخ منجر طرح سوالات بعدی شود.

ساخت مدل، ایجاد مدل تایید رفتار برابر داده historical Data Warehouse مدلهای پیش بینی کننده، جهت پیش بینی رفتارها اساس عوامل historical استفاده قرار گیرند.

کشف جریانهای ناشناخته، مثلا علت فروش بالای یک محصول منطقه خاص. ابزار داده کاوی Data Minig پاسخگوی اینگونه سوالات، حتی حالاتی سوالی خاص مطرح نشده باشد، باشد.