Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl
Ograniczanie wyników
Czasopisma help
Lata help
Autorzy help
Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 44

Liczba wyników na stronie
first rewind previous Strona / 3 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  hurtownie danych
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 3 next fast forward last
PL
W artykule przedstawiono sposób projektowania hurtowni danych dla systemów obsługi bieżącej dziekanatów umożliwiającej wykonywanie typowych zestawień na poziomie całej uczelni (rektoratu). Dla hurtowni wypełnionej przykładowymi danymi zaprezentowano porównannie czasów uzyskiwania odpowiedzi na typowe zapytania operujące na danych podstawowych oraz na danych wstępnie zagregatyzowanych. Na podstawie wykonanych badań określono opłacalność agregatyzowania danych hurtowni.
EN
The way of data warehouse designing for deaneries' operating systems making possible performing typical computations for whole university is described in the paper. The execution time comparison of typical queries on detail and lightly aggregated data for the warehouse filled up with random data is presented. After performed researches the profits of aggregating data are shown.
PL
W artykule rozważono zagadnienie tworzenia hurtowni danych dla instytucji, których systemy informatyczne funkcjonują opierając się na rozproszonych bazach danych nadzorowanych przez system zarządzania, którego elementy składowe komunikują się poprzez wirtualnie współdzieloną pamięć. Określono nowe zadania elementów systemu zarządzania, pozwalające na współpracę z hurtownią danych. W rozważaniach uwzględniono dwie strategie zasilania hurtowni nowymi danymi: okresową i zdarzeniową.
EN
The article presents analysis of the virtual shared memory usage as a mean of communication between a data warehouse and OLTP systems, which are based on distributed databases. There are also defined new elements of the experimental distributed database management system and their functions resulting from the research. Two strategies of a data warehouse loading are taken into consideration: a periodic and an event-driven one.
PL
Wykorzystanie hurtowni danych czasu rzeczywistego otwiera zupełnie nowe możliwości przed przedsiębiorstwami poprzez zwiększenie szybkości oraz dokładności podejmowanych decyzji na podstawie danych analitycznych opisujących bieżący oraz historyczny stan firmy. Uzupełnienie hurtowni danych o przyrostowe zasilania wprowadza jednak bardzo wiele komplikacji, dlatego też bardzo istotne staje się odpowiednie zamodelowanie oraz zaprojektowanie hurtowni czasu rzeczywistego.
PL
Teoretycznie ekstrakcja danych jest zadaniem prostym, jednak w praktyce może okazać się, że proces ten zajmie nawet do 70% czasu przeznaczonego na stworzenie hurtowni danych. W celu zoptymalizowania tego procesu często projektuje się specjalizowaną, dostosowaną do wymagań konkretnego systemu hurtowni danych, własną aplikację ekstrakcji. W opracowaniu przedstawiono projekt i realizację środowiska rozwojowego do tworzenia aplikacji procesu ekstrakcji, które zminimalizuje nakłady czasowe związane z realizacją hurtowni danych.
EN
Theoretically data extraction process is a simple task, but practice shows that this process may take even up to 70% of the overall time destined for data warehouse (DW) realisation. Designers engaged in extraction process often use specialised software dedicated to specific warehouses. In this paper we present project and realisation of developmental environment that minimises time and efforts related with DW.
EN
The article discusses the basie concepts connected with data extraction process. The experience gained during the realization of many data warehouse projects allowed to present problems (and example solutions) one couJd encounter ; performing real extraction tasks.
PL
Niniejsza monografia jest poświęcona nowej wizji ewolucji hurtowni danych (DW), której wyrazem jest nowa generacja modeli DW, o nazwie Zaawansowane Hurtownie Danych (AdvDW). Zdolność formułowania nowych modeli klasycznych DW dla nowych wyzwań globalnych, przy szybkim postępie ICT, jest znacznie ograniczona, natomiast stan badań nad przestrzenno-temporalnymi hurtowniami danych (STDW) jest dalece niewystarczający. Prognozuje się, że w kolejnej dekadzie 2010 nowym celem ICT będą: "Analityczne systemy zaawansowanych hurtowni danych, zorientowane na rozlegle przetwarzanie (rozproszone, równoległe, gridowe, agentowe) w sieciach (szkieletowych, bezprzewodowych, przemysłowych), ukierunkowane na zaawansowaną analizę ogromnych (petabajto-wych) wolumenów (repozytoriów) danych strumieniowych". Zatem model wizji ewolucji DW ma na celu podniesienie poziomu badań o stopień wyżej, przez promowanie modeli AdvDW, jako samodzielnego podejścia, a nie tylko cechy wynikającej z bardziej uogólnionych własności klasycznych DW. Pomocna w modelowaniu wizji ewolucji DW jest Lista 15 kluczowych wyzwań badawczych w dziedzinie DW. Jako całościowe rozwiązanie ramowe problematyki badawczej, objętej tą listą opracowano koncepcje ramowe, modele, metody, prototypy, charakterystyki efektywnościowe i ich analizy w zakresie zagadnień badawczych: 1. Wysoce Hierachiczne Systemy Agregacji i E-Receptorów 2HAa*, w tym Decyzyjny System Monitorowania i Dystrybucji Mediów (2MDSS). 2. Spichlerz Agregatów, w tym Wielopierścieniowa Hurtowni Danych (MultiRingDW) o schemacie rozszerzonej gwiazdy kaskadowej. 3. Indeksy przestrzenne ogólnego przeznaczenia i rodzina agregacyjnych drzew przestrzennych o wysokiej efektywności. 4. Przestrzenno-czasowe struktury agregatów, jako wielopoziomowe hybrydowe agregacyjne drzewa indeksów przestrzennych i czasowych oraz specjalne struktury wspomagające agregację danych przestrzenno-czasowych. 5. Materializowana Lista Agregatów (MAL) i zintegrowane z nią indeksy. 6. Ekstrakcja danych i jej odtwarzanie. 7. Przestrzenno-temporalne hurtownie danych (D)STDW, jako I klasa AdvDW. 8. Silnie chronione hurtownie danych SPrevDW, jako II klasa AdvDW. 9. Gridowe hurtownie danych GDW-
EN
The following dissertation presents a new vision of Data Warehouses (DW) evolution -a new generation of DW models called Advanced Data Warehouses (AdvDW). The ability to formulate new models of classical data warehouse for new global challenges is strongly limited. Moreover, the research on spatio-temporal data warehouses (STDW) is rather insufficient. Forecasts are that in the next decade the new goal of ITC will be "Analytical advanced data warehouse systems oriented on massive processing (distributed, parallel, grid, agent) in networks (framework, wireless, industrial) directed to advanced analysis of huge (petabyte) volumes (repositories) of a stream data". The vision of DW evolution presented in the following work creates a next level of research promoting AdvDW models as a self-reliant approach being much more than only features derived from generalized nature of classical DWs. To specify the model of DW evolution vision a list of 15 key challenges in DWs was created. As an all-out solutions for problems from the list, framework concepts, models, methods, prototypes, effective characteristics and their analyses were defined: 1. Highly Hierarchical Aggregation and E-Receptors Systems (2HAa*), including Monitoring and Media Distribution Support System (2MDSS). 2. Aggregates Granary including MultiRing Data Warehouse (MultiRingDW) with expanded cascaded star schema. 3. General purpose spatial indices and a family of highly efficient aggregation trees. 4. Spatio-temporal aggregates structures as multilevel hybrid aggregate tree of the spatial and temporal indexes and special structures supporting the spatio-temporal data aggregation. 5. Materialized Aggregates List (MAL) with integrated indexes. 6. Data extraction and its resumption. 7. Spatio - temporal data warehouses (D)STDW as the class I of AdvDW. 8. Strongly preserved data warehouses (SPrevDW) as the class II of AdvDW. Abstract 381 9. Grid data warehouses (GDWSA) as the class III of AdvDW. 10. Stream data warehouses StrDW) as the class IV of AdvDW. The realization of above-mentioned problem groups was verified with prototype software basing on Java and C++ environments running on Windows and Solaris platforms and databases Oracle 9i/10(ll)g, MSSQL, IBM DB2. A number of effectiveness characteristics of AdvDW was presented along with their evaluation. The framework of future research is a continuation of the presented approach: Phase I: Classic data warehouses. Phase II: Advanced data warehouses AdvDW. Phase III: Branch systems 2HAa basing on AdvDW. Phase IV: MultiRing Data Warehouse. Phase V: Multibranch 2HAa systems basing on MultiRingDW. Phase VI: Aggregates granary (A4G). Phase VII: MultiBranch 2HAa systems basing on A4G. Current works include Phase II and Phase III with special focus on prototypes of advanced analytical systems. The progress marks in realization of the 7FSEDW will be yearly and long term works. In the dissertation a choice of such subjects is presented.
PL
Celem pracy jest przedstawienie zastosowania technik analitycznych związanych z hurtowniami danych przy podejmowaniu decyzji na rynku żywnościowym, ze szczególnym uwzględnieniem jej przetwórstwa. Ten dział gospodarki ze względu na swoją specyfikę związaną z silną konkurencją na rynku, częstymi zmianami strukturalnymi spożycia żywności, jak również małą trwałością wyrobów, szczególnie wymaga prognozowania wspomaganego komputerowo. W pracy zaprezentowano system analityczny z wykorzystaniem hurtowni danych. Założenia do hurtowni opracowano na podstawie wymagań użytkownika (user-driven). Zastosowano wielowymiarowy model danych. Implementacji dokonano z pomocą systemu zarządzania bazami danych Microsoft SQL Server 2000. Przedstawiono możliwości analityczne stworzonej bazy, wykorzystano w tym celu moduł SQL Analysis Manager i zawarte w nim narzędzia OLAP. Pokazano ich zastosowanie na przykładowej bazie danych. Przedyskutowano kierunki dalszego rozwoju systemu. Skupiono się przy tym na przetwórstwie mięsa drobiowego, choć zaprezentowany system analityczny po niewielkich przeróbkach może również być zastosowany w zakładach przetwórczych dla żywności innego rodzaju.
PL
W pracy omówiono metody i narzędzia integracji baz danych. Przedstawiono klasyfikację poziomów integracji, rozróżniając rozproszone bazy danych oraz kilka wariantów systemów wielobazowych. Wskazano na możliwość integracji baz danych poprzez budowę hurtowni danych. Przeprowadzono analizę potrzeb w zakresie integracji systemów użytkowych Urzędu Miasta. Przedstawiono koncepcję uniwersalnej aplikacji zapewniającej dostęp do lokalnych baz danych.
EN
The paper describes the methods and tools of databases integration. It discusses the classification of integration levels and differentiates distributed databases and several variants of multidatabase systems. The possibility of databases integration by use of data warehouses is indicated. The paper also contains the analysis of needs of town office utility systems integration. The concept of an universal application that assures acces to local databases is discussed.
PL
Współczesne modele hurtowni danych oparte na modelu OLAP cechują się potrzebą wykonywania periodycznych analiz na danych zgromadzonych w tabelach faktów. W celu uniknięcia konieczności powtarzania wykonywanych analiz przy każdym odswieżeniu bazy danych należy zdefiniować zewnętrzne repozytorium do przechowywania wyników wykonanych analiz, a także gromadzenie danych, które mogą być uaktualniane przyrostowo. Model repozytorium analiz powinien cechować się elastycznością konstrukcji, jednocześnie zachowując wydajność standardowego systemu relacyjnej bazy danych.
PL
W pracy opisano metodologię projektowania i implementacji wielowymiarowych modeli danych wykorzystywanych w hurtowniach danych typu ROLAP. W procesie tworzenia struktur danych wyróżniono etapy budowy konceptualnego modelu biznesowego, modelu logicznego oraz implementacji fizycznej. Dokonano analizy i porównania schematów fizycznych powstałych z modelu opartego o schemat ERD, modelu zdenormalizowanej gwiazdy i płatka śniegu. Dodatkowo opisano pewne rozszerzenia standardowych modeli wielowymiarowych takie jak: cechy, modelowanie relacji M:N między atrybutami oraz wystepowanie złożonych hierarchii atrybutów w wymiarze.
EN
The research describes the methodology of designing and implementing multidimensional data models used in ROLAP data warehouses. In the process of creation of data structures there have been distinguished the stages of conceptual business model, logical model and physical implementation. The research includes the analysis and comparison of physical schemas built on ERD, denormalized star and snowflake models. In addition, the article describes some extensions to standard multidimensional models, e.g.: qualitates, modelling of M:N relations and complex attributes hierarchies in a dimension.
PL
W artykule przedstawiono problematykę przyrostowych metod drążenia danych w nowoczesnej hurtowni. Pierwsza część pracy stanowi wyjaśnienie, czym są metody przyrostowe i dlaczego są tak ważne w funkcjonowaniu hurtowni. W dalszej części artykułu pokazano, jakie metody drążenia danych znalazły zastosowanie w typowych systemach bazodanowych Oracle i SQL Server i jakie w związku tym autorzy prcy widzą dalsze kierunki swoich badań. W ostatniej części parcy pokazano na przykładzie trzech reprezentatywnych metod jak metody klasyczne można przekształcić na ich wersje przyrostowe.
PL
W artykule przedstawiono podstawowe techniki dogłębnej analizy wielkich zbiorów danych zwanych Data Mining. W pierwszej części pracy wyjaśniono definicję oraz cele i zakres drążenia danych. Przedstawiono również klasyfikację metod i algorytmów Data Mining. W drugiej części pracy omówiono podstawowe metody wyszukiwania reguł asocjacyjnych, klasyfikowania i segmentacji. Opisano również autorską metodę segmentacji opartą na wykorzystaniu algorytmów genetycznych.
PL
Wiele z obecnych na rynku popularnych rozwiązań systemów klasy ERP nie posiada wbudowanej funkcjonalności pozwalajacej na efektywne wykrywanie zmiany danych w systemie transakcyjnym, które pozwalałyby na wystarczajaco szybką aktualizację danych w hurtowni danych czasu rzeczywistego. Wobec obecnego rozwoju systemów hurtowni danych w kierunku szybkiego wspomagania bieżących decyzji biznesowych, w oparciu o analizy biznesowe tworzone na podstawie danych w hurtowni danych, często zachodzi konieczność dokonania zmian w systemie transakcyjnym klasy ERP, tak aby możliwa stała się efektywna współpraca systemu z hurtownią danych.
PL
Artykuł zawiera przegląd podstawowych różnic między bazą danych a hurtownią danych. Przedstawiono kolejne etapy budowy i utrzymania hurtowni danych oraz przykłady teoretycznych rozwiązań typowych problemów badawczych z nimi związanych. Zaprezentowano również praktyczne rozwiązania zasygnalizowanych problemów w dziedzinie hurtowni danych na przykładzie systemów SAS i Oracle.
EN
The paper contains review of fundamental differences between database and data warehouse. The steps of building and maintenance of data werehouse and examples of theoretical solving of typical research problems connected with it is presented. The practical implementation of solving of indicted problems in data warehousing by examples of Oracle and SAS systems is shown.
PL
Przedstawiono analizę przydatności wybranych implementacji pewnych technologii do realizacji procesu akwizycji wiedzy dla modelu wiedzy systemu ekspertowego o charakterze probabilistycznym. Zaprezentowano koncepcję, a także praktyczną realizację (studium przypadku) wykorzystania metod eksploracji danych oraz technologii OLAP w procesie pozyskiwania wiedzy dla systemu ekspertowego. Praktyczna realizacja nawiązuje do badań, w których wykorzystano rzeczywistą bazę danych o zarejestrowanych przypadkach zakażeń szpitalnych w polskich szpitalach, system ekspertowy oparty o shell BayEx i implementację metod eksploracji danych oraz OLAP udostępnianych przez pakiety DB2 Intelligent Miner for Data, a także DB2 Data Warehouse Center firmy IBM.
PL
W celu zoptymalizowania procesu ekstrakcji danych często projektuje się specjalizowaną, dostosowaną do wymagań konkretnego systemu hurtowni danych, własną aplikację ETL [10,15]. W pracy przedstawiono projekt i realizację graficznego środowiska rozwojowego ETL/JB do tworzenia aplikacji ETL. Prezentowane środowisko minimalizuje nakłady czasowe realizacji aplikacji ETL w stopniu wyższym niż w środowisku rozwojowym C++ [11, 13] lub ETL/JB [14].
EN
When optimizing data extraction it is common to create ETL [10, 15] application specialized and adjusted to a particular data warehouse system. In the following paper we present a project and realization of the ETL/JB S graphic development environment for creating ETL applications. Presented environment minimizes amount of time needed to create ETL application, in a higher degree then C++ [11, 13] or ETL/JB [14] development enyironment.
PL
Praca opisuje charakterystyczne dla hurtowni danych modele kontroli dostępu do informacji oraz mechnizmy ich implementcji . Analizowane są zabezpieczenia dostępu do bazy hurtowni typu ROLAP i do jej poszczególnych obiektów ze szczególnym uwzględnieniem dostępu do danych na poziomie wierszy.
EN
The research describes the access control models typical for data warehouses and mechanisms of their implementation. The means of access authorization to object's data in ROLAP data warehouses are analyzed with particular regard to row level access.
19
60%
EN
The article describes few methods of managing data history in databases and data marts. There are many types of dealing with the history of the data. This article will show us some examples, point advantages and disadvantages of each of the method and show us possible scenarios of use.
PL
Artykuł opisuje sposób zarządzania historią tabel wymiarowych w bazach danych i hurtowniach danych. Istnieje kilka sposobów na archiwizowanie historii. Artykuł ma na celu przybliżenie ich funkcjonalności popartej przykładami, wskazanie zalet i wad oraz możliwych scenariuszy użycia.
20
Content available remote Hurtownie danych i co dalej?
60%
first rewind previous Strona / 3 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.