PODACI, MODELI

PODATA I
MODELIRANJE
PRODUKCIJSKIH I
DIMENZIJSKIH
BAZA PODATAKA

SADRAJ PREDAVANJA
PODACI U FUNKCIJI POSLOVNOG
ODLUIVANJA
ORGANIZACIJSKE JEDINICE PODATAKA
OD PODATKA DO BAZE PODATAKA
MODELIRANJE BAZE PODATAKA
KONCEPTUALNO MDELIRANJE
LOGIKO MODELIRANJE
ANALITIKE BAZE PODATAKA 2 sata
Operativni ciljevi
Sagledati znaaj podataka za poslovanje,
upoznati se s temeljnim pojmovima vezanim za
podatke i informacije, upoznati se s naelima
konceptualnog i logikog modeliranja i upoznati
se s analitikim bazama podataka

Podaci/Baze podataka 1
 POSLOVNI INFORMACIJSKI SUSTAVI

POSLOVNI
INFORMACIJSKI fo rmacijs
ki
Ure dsk i in
SUSTAV su stav
po dr k u
Su stav za u
nj
odlu i va acijsk i
k i in fo rm
U pr avlja
su stav

Lifeware (ljudski potencijal)

Software (programski podsustav)

Hardware (str ojni podsustav))

Marketing-inf
Marketing informacijs
orma cijski
ki sustav
sus ta v
Proizvodni informa cijski sustav
Raunovodstve ni inform acijsk i sustav
Financijs ki informacijski sustav
...

PODACI U FUNKCIJI
POSLOVNOG
ODLUIVANJA

Podaci/Baze podataka 2
 DRUTVE KONTEKST

FINANCIJSKA
SREDSTVA RAD INFORMACIJE

INF. SUSTAVI

PRODAJA

PROIZVODNJA

NABAVA

RAUNOVODSTVO

FINANCIJE

1915. 1930. 1945. 1960. 1975. 1990.

DRUTVENI KONTEKST
OSIGURANJE OPSTANKA:
Marketing-orijentacija
Informacijska superiornost
Osiguranje racionalnog (znanstvenog) odluivanja
u pragmatinim uvjetima poslovanja?
PODATAKINFORMACIJE
MODELIODLUIVANJE
Bez odgovarajuih informacijskih resursa modeli
odluivanja nemaju pragmatinu upotrebnu
vrijednost.

Podaci/Baze podataka 3
 INFORMACIJE U POSLOVANJU
Informacijsko-upravljaki podsustav

Informacije o stanjima i promjenama

(obavjetajne)

Podsistem Objekt kojim

koji upravlja se upravlja

Upravljake informacije
(instruktivne)

INFORMACIJSKI IZVORI
REALNI SVIJET modeliranje
(UPRAVLJAKE) BAZE I SKLADITA
PODATAKA INFORMACIJE

Podaci/Baze podataka 4
 PARADOKS
INFORMACIJSKA INSUFICIJENCIJA
RASKORAK IZMEU
POTREBNIH I
RASPOLOIVIH
INFORMACIJA

= DERIVIRA

RJEENJE PARADOKSA
INSUFICIJENCIJA INFORMACIJA SE
RJEAVA MODELIRANJEM I
GOSPODARENJEM BAZAMA PODATAKA
KOJE OSIGURAVAJU INFORMACIJSKU
OSNOVICU

Podaci/Baze podataka 5
 ORGANIZACIJSKE
JEDINICE
PODATAKA

EVOLUCIJA BAZA PODATAKA

do 30-tih

40-tih

50-tih
Modeliranje
Podataka
70-te do danas
60-te do danas

Podaci/Baze podataka 6
 ORGANIZACIJA PODATAKA
BAZE I SKLADITA PODATAKA:

Sustavi za potporu
odluivanju
Baze znanja

Upravljaki Informacijski
Skladita podataka

Odluivanje

Sustavi
Baze podataka

ORGANIZACIJA PODATAK
Sinonimi za baze podataka:
produkcijska baza podataka
-slui evidentiranju (proizvodnji) podataka u
tijeku poslovnog procesa
transakcijska baze podataka
-OnLine Transaction Process - OLTP
-u njoj se evidentiraju (prenose) poslovne i druge
skupine podataka transakcije
normalizirana baza podataka
-prilagoena unosu podataka na nain da je
normalizirana izbaene sve nekontrolirane
redundancije

Podaci/Baze podataka 7
 ORGANIZACIJA PODATAK
Baze podataka i programske aplikacije:

ORGANIZACIJA PODATAK
Sinonimi za skladita (Warehouse) podataka:
dimenzijske baze podataka
-podaci se organiziraju u vie dimenzija (kocke i dr.)
analitike baze podataka
-OnLine Analitical Process - OLAP
-prilagoene su za obavljanje razliitih analiza i
izvjeivanju
ODLUIVANJE

POSLOVNO
IZVJEIVANJE
SKLADITE
OLTP PODATAKA
OLAP
UPRAVLJANJE
ZNANJEM

Podaci/Baze podataka 8
 KOLIKO TO KOTA!?

OD PODATKA DO
BAZE PODATAKA

Podaci/Baze podataka 9
 INFORMACIJA
Elementarna informacija je opis jednog svojstva
koje posjeduje odreeni objekt .
Svojstvo ine atribut i vrijednost atributa
Primjer: PERO JE VISOK 180 CM,
atributi: IME, VISINA
vrijednost atributa: PERO, 180 CM
Informaciju ine semantiki (smisleno) povezani
podaci
PODACI PODACI

PODACI PODACI

INFORMACIJA

PODATAK
Skup znakova na nekom nositelju (memoriji) koji
prikazuje jedan ili vie elemenata informacije
Podatak ima materijalni karakter a informacija
nematerijalni karakter
Strogo tipizirani (strukturirani) podaci
svaki podatak mora pripadati nekom tipu
obiljeja
tipovi obiljeja definiraju se unaprijed i uglavnom
se ne mogu mijenjati
Slabo tipizirani (strukturirani) podaci
tip obiljeja se definira samo u odreenim
situacijama kada je to nuno

Podaci/Baze podataka 10
 POJAM PODATAK
Elementarni dio podatka ini n-torka
(Langefers, 1977)
naziv objekta
obiljeje objekta
vrijednost obiljeja
vrijeme
Naziv, obiljeje i vrijeme opisuju podatak.
Vrijeme esto nije potrebno biljeiti jer je bitniji
redoslijed promjena biljei se posljednje
(sadanje) stanje

RAZINE MODELIRANJA PODATAKA

Razina
Model podataka apstrakcije

Model baze
podataka

Baza
podataka

Podaci/Baze podataka 11
 MODEL PODATAKA
Apstraktna reprezentacija podataka
Opisuje skupove podataka i njihove meusobne
veze
Komponente:
skup koncepata za opis strukture podataka
skup ogranienja za ouvanje integriteta
podataka
skup operatora kojima je mogue opisati
promjenu stanja podataka sustava (djelovanje
ulaza na izlaz)
Izrada (razliite metode i tehnike):
grafiki formalizmi (dijagramske tehnike)
Formalni specifikacijski jezici

MODEL PODATAKA
S obzirom na novo apstrakcije:
konceptualni (konceptualni nivo apstrakcije)
entitet(objekt), veza (odnos) entiteta, obiljeje
(atribut, svojstvo), vrijednost obiljeja
logiki (implementacijski nivo apstrakcije) slog
(red, n-torka), polje (stupac), veze meu
slogovima
fiziki (fizika razina apstrakcije) adresiranje,
grupiranje slogova

Podaci/Baze podataka 12
 MODEL PODATAKA
KONCEPTUALNI I LOGIKI MODELI
Model ER (entitet-veza)
Relacijski model
(gotovo jedini s upotrebnom vrijednosti)
Objektni model
Mreni model
Hijerarhijski model
Semantiki model
Za modeliranje ovih modela koriste se razliite
metode i tehnike. Fiziki model nebitan za
korisnika baze podataka.

STRUKTURA BAZE PODATAKA

ln i
Konce ptua tak a
da
mod el po

Logi ki dat aka

ER mode l mod el po
podatak a F iz iki
o dat aka
mo d el p

Sekvencija lna organizacija

Izravna organizacija
Indeksno-s ekvencijaln a
organizacija
Relacijsk i mode l podataka
Hijerarhijski model poda ta ka
Mre ni m odel poda taka
Objektni model podatak a

Podaci/Baze podataka 13
 MODELIRANJE
BAZE PODATAKA

MODELIRANJE BAZE PODATAKA

Put od pojedinanog ka opem
Poetak - utvrivanje i analiza zahtijeva
korisnika za informacijama
Zavretak - izgradnja stabilne ali prilagodljive
baze podataka (skupa podataka pohranjenih na
memorijskim medijima elektronikog raunala.
Podaci su strukturirani prema fizikoj
(unutarnjoj) shemi-fizikom modelu podataka, a
pregled na podatke daje eksterna (vanjska)
shema podataka)

Podaci/Baze podataka 14
 RAZINE MODELIRANJA
REALNI
SVIJET
PODACI PODACI

POTREBE I CILJEVI KORISNIKA

PODACI PODACI

INFORMACIJA

FORMALNO I PRECIZNO
IZRAAVANJE
Konceptualni
model

Logiki
model

Logiki
Fiziki
DBMS
model
model

MODELIRANJE BAZE PODATAKA

Metode modeliranja baze podataka
Osnovna metoda modeliranja je APSTRAKCIJA
(zanemarivanje aspekata ili svojstava objekata
koji nisu bitni za kontekst)
Klasifikacija je metoda apstrakcije kojom se
objekti identificiraju i grupiraju u klase tipove
prema zajednikim svojstvima
Svi objekti u klasi imaju ista obiljeja (atribute)
ali atributi ne moraju imati iste vrijednosti veza
izmeu objekata i pojave (vrijednosti) ima oblik
je pojava (instance of)
Metode su: generalizacija, agregacija,
specijalizacija i kompozicija

Podaci/Baze podataka 15
 MODELIRANJE BAZE PODATAKA
Metoda generalizacije
Nastaje apstrahiranjem (izostavljanjem) detalja.
Vie objekata nie razine apstrakcije povezuje se
vezom jest (is a) s objektom vie razine
apstrakcije (hijerarhija)
Superklase nadtipovi (klase vie razine)
Podklase podtipovi (klase nie razine)
Generira genetike klase objekata, a nivo
generalizacije ovisi o pogledu korisnika.
Objekti (entiteti) bez podklasa nazivaju se
jedinke (podaci), a jedinke jo nazivamo
instancama entiteta, a skup instanci
nazivamo ekstenzijom entiteta

MODELIRANJE BAZE PODATAKA

Metoda specijalizacije
Nastaje klasifikacijom
Objekte vie razine apstrakcije dijeli (razvrstava)
u vie objekata nie razine apstrakcije.
Objekti nie razine imaju vie posebnih svojstava
(jedinke imaju najmanje zajednikih svojstava)

Podaci/Baze podataka 16
 MODELIRANJE BAZE PODATAKA

OSOBA

KUPAC ZAPOSLENIK DOBAVLJA

....

SPECIJALIZACIJA
GENERALIZACIJA
RUKOVODITELJ PROJEKTANT REFERENT
....

SAMOSTALNI PRIPRAVNIK
....

2406958320002 Petar Horvat

....

MODELIRANJE BAZE PODATAKA

Metoda agregacije
Apstrakcija kojom se entitet (objekt) formira
(slae) iz sastavnih dijelova (konstituenata)
svojstava, npr. RADNIK=Ime, Adresa, Dob
Izraava se kao dio od i govori o strukturi
(sastavu) entiteta (objekta)
Vie razine objekta nastaju djelovanjem:
agregacije (prikupljanje jedinki i njihovih
svojstava) i generalizacije (apstrahiranjem
zajednikih svojstava prikupljenih jedinki)

Podaci/Baze podataka 17
 MODELIRANJE BAZE PODATAKA
Metoda kompozicije
Uspostavljanje veze izmeu atributa (objekata)
koji nisu u srodstvu; logiko zdruivanje razliitih
klasa objekata u novi objekt sloene strukture
(kompozitni ili kompaundni objekt)
npr. Narudba=Zaglavlje narudbe, Stavke
narudbe, Kupac, Proizvod
Objekti koji se zdruuju su na nioj razini
apstrakcije od kompozitnog objekta.
Konkatenacija je poseban oblik kompozicije kojim
se zdruuju atributi objekta (ne objekt) u
odreenom redoslijedu.
npr. Adresa=Potanski broj, Mjesto, Ulica, Broj

MODELIRANJE PODATAKA

Najee
Njee Postoje i drugi
Ne koristi se
koriten modeli: Objektni,
u DBMS
DBMS-u-u
XML i dr.

Analiza ER Relacijska DBMS

potreba dijagram shema

Nije dobar Jednostavniji i

za strukturu manje ekspresivan
baze podataka od ER modela

Podaci/Baze podataka 18
 KONCEPTUALNO
MODELIRANJE

KONCEPTUALNI ER/ERA MODEL

Objekt (Entitet) veza .vs.
Objekt (Entitet) veza svojstva (Atribut)
Grafiki jezik (dijagrami ER) za predstavljanje
podataka rasprostranjeni Chenov model
(Chenovi dijagrami) i Martinov model
Svojstva ER modela:
Metoda Entitet-veza je temelj za formiranje
modela
Postupci izgradnje modela su slabo ili nikako
propisani
Strogo definirana pravila crtanja dijagrama

Podaci/Baze podataka 19
 KONCEPTUALNI ER/ERA MODEL
Osnovni koncepti ER modela
Entitet
Atribut (obiljeje)
Relacija (veza)
Ogranienja

ENTITET
Sve ono to moemo jednoznano imenovati.
(primjer: Osoba .vs. Mrav)
Naziv:
imenica u jednini koja opisuje tip entiteta (npr.
OSOBA), to kraa i nedvosmislena
dodatna rije koja poblie opisuje tip entiteta
Oznaka (po notaciji ER dijagrama)
pravokutnik u koji se upisuje naziv tipa entiteta
ne prikazuju se pojedine pojavne vrijednost
(podaci) nego tipovi entiteta
OSOBA

Podaci/Baze podataka 20
 ATRIBUT
Obiljeje, svojstvo entiteta
Podatak koji: identificira, kvantificira, klasificira i
izraava kvalitetu ili stanje
U jednom vremenskom trenutku pojedina pojava
entiteta ima jednu vrijednost (eng. Instance)
jednog tipa atributa
Mogu biti:
identifikacijski
opisni
izvedeni

ATRIBUT
Obiljeje, svojstvo entiteta
Podatak koji: identificira, kvantificira, klasificira i
izraava kvalitetu ili stanje
U jednom vremenskom trenutku pojedina pojava
entiteta ima jednu vrijednost (eng. Instance)
jednog tipa atributa
Mogu biti:
identifikacijski (pojavu jednoznano i
nedvosmisleno identificira nesmije se mjenjati)
opisni (kvalitativna i kvantitativna svojstva
entiteta mijenja se sukladno promjenama)
izvedeni (izvodi iz aritmetikih ili logikih
operacija kojima se djeluje na druge atribute)

Podaci/Baze podataka 21
 ATRIBUT
Notacija atributa (ako se upisuje u ER dijagram)
naziv atributa se pie s poetnim velikim slovom a
ostala mala (npr. Matini broj)
dijagramski simbol:
Vrijednosti atributa
izvode se iz domene (skupa svih) vrijednosti
(npr. domena za atribut Dob glasaa je 18-150)
domenom se utvruju ogranienja vrijednosti
atributa (Ogranienja atributa .vs. Ogranienja
entiteta)
isti tip entiteta moe imati razliiti skup atributa,
ovisno o gleditu (npr. STUDENT
evidencija na faksu .vs. na poliklinici)

VEZA (RELACIJA)
Povezuje entitete
Imenovanje veze:
imenom se opisuje uloga entiteta u vezi
glagol ili imenica najee glagolska
S obzirom na stupanj:
binarna veza (unarne poseban oblik binarnih)
tenarna (3-narna)
n-arne
Dijagramski prikaz:
Chenova notacija .vs. Martinova notacija
grafiki simbol za vezu
(kod n-arne veze
koristu se mnogokutnik)

Podaci/Baze podataka 22
 VEZA (RELACIJA)
Primjeri veza:

VEZA (RELACIJA)
itanje veze i njezin pragmatiki znaaj:

Pojava entiteta
Pojava veze DJELATNIK
Pojava entiteta ODJEL 2301 Mario Pili
Razvoj Osijek Vukovarska 235 2305 Vesna Stoji
Proizvodnja epin Osjeka 123
2511 Petar Kralj
Prodaja Osijek Sunana 10
2513 Zdenka Tolj
Raunovodstvo Osijek Sunana 10
3368 Ivana Horvat
3370 Ktarina Mandi

Podaci/Baze podataka 23
 OGRANIENJA
Njima definirana gornja i donja granica
sudjelovanja entiteta u vezi (preslikavanje jednog
skupa vrijednosti entiteta u drugi)
Kardinalnosti (bitnosti, vanosti) veze:
jednostavno (potpuno) pridruivanje - tip 1
uvjetno (djelomino) pridruivanje tip C
kompleksno (vieznano) pridruivanje tip M
U uvjetima binarne veze najee se koriste:
1:1 svaki lan skupa A povezan je s jednim
lanom skupa B i obrnuto
1:M - jedan lan skupa A povezan je s 0, jednim ili
vie lanova skupa B, ali je svaki lan skupa B
povezan povezan s jednim lanom skupa A
M:M-ne postoji ogranienje u povezanosti

KLJUEVI
Identifikacijski atributi, slue za prepoznavanje
(pojave svakog tipa entiteta moraju se meusobno
razlikovati po vrijednostima atributa)
Pojam preuzet iz relacijskog modela podataka
Vrste kljueva:
Superklju jednoznano i nedvosmisleno razlikuje
pojave atributa (podatke), te omoguava
identifikaciju entiteta (npr. JMBG+Ime+Prezime)
Kljuevi kandidati su atributi ili skupovi atributa
koji jednoznano mogu identificirati entitet
Primarni klju je izabrani klju izmeu kljueva
kandidata (primarni klju.vs. Superklju)

Podaci/Baze podataka 24
 LOGIKO
MODELIRANJE

RELACIJSKI (LOGIKI) MODEL

Relacijski model je formalni (matematiki) model
strukture baze podataka.
Relacijski sustav za upravljanje bazom podataka
(Relational Database Management System -
RDBMS) je raunalni sustav za kreiranje,
auriranje, pretraivanje i odravanje baze
podataka ija je struktura opisana relacijskim
modelom.
Entiteti (objekt u realnom svijetu o kojem u bazi
podataka uvamo podatke) se u relacijskom
modelu prikazuju relacijama.
Atributski model atribut je nosilac odreenog
svojstva entiteta. Par (A, D) - domena implicitna.

Podaci/Baze podataka 25
 RELACIJSKI (LOGIKI) MODEL
Veza (relacija) predstavlja odnose izmeu dvije ili
vie instanci istog ili razliitih entiteta. Ostvaruje
se dinamiki kada za to nastupi potreba.
Relacijska shema (model baze podataka zapisan
metapodacima) je konaan, neprazan skup
atributa i oznaava se s
R( A1, A2, ..., An)
Tablino prikazivanje relacije: reci predstavljaju
slogove relacije, a stupci atribute (tablica .vs.
relacija) r (A B C)
a 2 1
b 5 2
a 1 2

RELACIJSKI (LOGIKI) MODEL

Prikazivanje relacije
primarni klju zaglavlje (shema)
relacije
atributi
DJELATNIK# IME RJ# DOB S_SPR
1 Smith 1 33 VSS
2 Grunf 1 49 VSS
3 Oliver 3 24 SSS
4 Brook 1 28 NKV
5 Smith 1 33 VSS
6 Rock 2 50 SSS

tijelo
relacije
n-torka atributa (slog)
DJELATNIK(SIFRA-DJ, ORG-JED, IME, PREZ, DAT-R,...)
...
entitet atributi
ili klju (oznaen podvueno)
ROBA(BROJ-ULAZA, SIFRA-ROBE, JED-MJ,
DATUM_ULAZA, CIJENA, ...)

Podaci/Baze podataka 26
 RELACIJSKI (LOGIKI) MODEL
Relacijska algebra
Tradicionalne operacije
Unija
Presjek
Razlika
Kartezijev produkt
Posebne operacije
Selekcije
E.F.Codd
Projekcija
Pridruivanje
Dijeljenje
Coddova pravila (12 pravila)

RELACIJSKA ALGEBRA
Grafiki prikaz operacija relacijske algebre1:
grafiki prikazi su izraeni prema Dateu (Date, 1986.)
u njima se umjesto krugova koji se inae koriste kao
simboli skupova, koriste pravokutnici kao simboli
relacija nad kojima se izvodi operacija
osjenani prostor je rezultat operacije

Unija - r U s Presjek r s

r
r s s

Podaci/Baze podataka 27
 RELACIJSKA ALGEBRA
Grafiki prikaz operacija relacijske algebre2:
Razlika: r s Projekcija: AB (r)
A B
r
r
s

Selekcija: F( r) Dijeljenje: r / s
X Y
Y
r

RELACIJSKI (LOGIKI) MODEL

Dobro oblikovana relacijaska baza podataka
predstavlja skup podataka koji:
nije redundantan (nema zalihosti)
posjeduje semantiki integritet, tj. ne pokazuje
anomalije pri unosu, brisanju ili promjeni
podataka
dobro oblikovana relacijska baza podataka treba
biti u prikladnoj normalnoj formi (NF).
Razlikuje se:
horizontalna normalizacija i
vertikalna normalizacija (projekcijom i prirodnim
spajanjem .vs. sintezom)

Podaci/Baze podataka 28
 RELACIJSKI (LOGIKI) MODEL
Normalizacija - postupak provoenja jedne ili
skupa relacija iz nie u viu normalnu formu.
Prilikom vertiklane normalizacije nesmije doi do
gubitka:
funkcijskih ovisnosti (1NF, 2NF, 3NF i Boyce-
Coddova - BCNF)
vieznanih ovisnosti (4NF) i
spojnih ovisnosti (5NF)

RELACIJSKI (LOGIKI) MODEL

NF temeljene na funkcjiskim zavisnostima:
NF ZAVISNOST NEKLJUNIH ATRIBUTA

1NF Tablica se nalazi u 1. normalnoj formi ako su svi

nekljuni atributi funkcijski ovisni o primarnom
kljuu
2NF Tablica se nalazi u 2. normalnoj formi ako se nalazi u
1. normalnoj formi, i ako su svi nekljuni atributi
potpuno funkcijski zavisni o kljuu.
3NF Tablica se nalazi u 3. normalnoj formi ako se nalazi u
2. normalnoj formi, i ako niti jedan nekljuni atribut
nije tranzitivno funkcijski zavisan o primarnom
kljuu.
Tablica se nalazi u BCN formi ako svaki determinant
BCNF ima jedinstvenu vrijednost u cijeloj tablici.
Determinant je atribut o kojem je neki atribut potpuno
funkcijski zavisan.

Podaci/Baze podataka 29
 RELACIJSKI (LOGIKI) MODEL
Normalna forma temeljene na vieznanim
zavisnostima:
relacija je u 4NF ako su iz nje izbaene sve
vieznane (osim trivijalnih) i sve funkcijske
zavisnosti osim zavisnosti o kljuu.
trivijalnom vieznanom zavisnou rjeava se
problem vieznanih zavisnosti, a kljuem problem
funkcijske zavisnosti.
Normalna forma temeljene na spojnoj zavisnosti:
relacija je u 5NF ako su iz nje izbaene sve spojne
zavisnosti (osim trivijalnih), odnosno koja se vie
ne moe pouzdano (reverzibilno) dekomponirati.

RELACIJSKI (LOGIKI) MODEL

TRGOVAC_PARTNER_0 (0NF)
MB IME_PREZIME ODJEL_BROJ ODJEL_NAZIV PARTNER_NAZIV

3 Ana Horvat P1 O-Zagreb Zagreb d.o.o.

Horizont d.d.
5 Josip Anti P2 O-Osijek Horizont d.d.
Kompakt d.o.o.
9 Ante Ivi P3 O-Split Vicko Sti
Hotel F
Amalija d.d.
11 Maja Marki P1 O-Zagreb Josip Feri
Brzopromet
? ? ? ? A-banka d.d.

Podaci/Baze podataka 30
 RELACIJSKI (LOGIKI) MODEL
TRGOVAC_PARTNER_1 (1NF)
MB IME_PREZIME ODJEL_BROJ ODJEL_NAZIV PARTNER_N
AZIV
3 Ana Horvat P1 O-Zagreb Zagreb d.o.o.
3 Ana Horvat P1 O-Zagreb Horizont d.d.
5 Josip Anti P2 O-Osijek Horizont d.d.
5 Josip Anti P2 O-Osijek Kompakt
d.o.o.
9 Ante Ivi P3 O-Split Vicko Sti
9 Ante Ivi P3 O-Split Hotel F
9 Ante Ivi P3 O-Split Amalija d.d.
11 Maja Marki P1 O-Zagreb Josip Feri
11 Maja Marki P1 O-Zagreb Brzopromet
? ? ? ? A-banka d.d.

RELACIJSKI (LOGIKI) MODEL

TRGOVAC_
PARTNER_2
TRGOVAC_2 (2NF) (2NF)
MB IME_PREZIME ODJEL_ ODJEL_NAZIV
BR. MB PARTNER-
3 Ana Horvat P1 O-Zagreb NAZIV
5 Josip Anti P2 O-Osijek 3 Zagreb d.o.o.
3 Horizont d.d.
9 Ante Ivi P3 O-Split
5 Horizont d.d.
11 Maja Markovi P1 O-Zagreb
5 Kompakt d.o.o.
5 Vicko Sti
9 Hotel F
9 Amalija d.d.
11 Josip Fer
11 Brzopromet

Podaci/Baze podataka 31
 RELACIJSKI (LOGIKI) MODEL
TRGOVAC_3 (3NF) ODJEL (3NF)
MB IME_PREZIME ODJEL_BROJ ODJEL_BROJ ODJEL_NAZIV
3 Ana Horvat P1 P1 O-Zagreb
5 Josip Anti P2 P2 O-Osijek
9 Ante Ivi P3 P3 O-Split
11 Maja Marki P1

TRGOVAC_POSAO (BCNF)
MB POSAO_IFRA PARTNER_IFRA
1 A1 10
3 B2 20
5 C1 75
5 C2 75
9 D3 30

RELACIJSKI (LOGIKI) MODEL

Naela vertikalne normalizacije:
Svaka via normalna forma ukljuuje i sve nie
normalne forme:
1NF otklanja viestruke vrijednosti atributa.
2NF otklanja redundantne podatke koji proizlaze
iz djelominih funkcijskih zavisnosti.
3NF i BCNF otklanjaju tranzitivno zavisne
atribute odnosno one koji nisu iskljuivo zavisni o
kljuu.
BCNF ispravlja jedan propust 3NF.
4NF odjeljuje nezavisne veze M:M i stavlja ih u
odvojene relacije.
5NF odjeljuje semantiki povezane n-arne veze.

Podaci/Baze podataka 32
 RELACIJSKI (LOGIKI) MODEL

ZAPOSLENJE ZAPOSLENJE
GOST 1 IFRA ZAPOSLENJ A
1 ID

8
SIFRA GOSTA IFRA GOSTA NAZIV

8
IME IFRA ZAPOSLENJ A
PRE ZIME NAZIV TV RTKE TIP POSLA

8
ADRESA IFRA PO SL A 1
ZEM LJA IFRA PO SL A

8
SPO L NAZIV
DNEVNI K USLUGA
DAT UM ROEN JA ID
IFRA ZANIM ANJA

8
IFRA GOSTA UPI T
TEL EFO N 1

8
IFRA USLUGE IFRA USLUGE
E-M AIL DAT UM OPIS USL UGE
VRIJEM E
KOLIINA
CIJENA

DRZAVA
1
IFRA DRZAVE
NAZIV

RELACIJSKI (LOGIKI) MODEL

Structured Query Language (SQL)
strukturni upitni jezik
rezultat djelovanja SQL instrukcija je tablica
sastoji se od DDL-a, DML-a, DCL-a i TCL-a
Bitne instrukcije Data Definition Language-a:
CREATE kreiranje tablice
ALTER izmjena tablice
DROP brisanje tablice
Bitne instrukcije Data Manipulation Language-a:
SELECT vraa podatke iz baze podataka
INSERT umee podatke u tablicu
UPDATE mijenja podatke u tablici
DELETE brie podatke iz tablice

Podaci/Baze podataka 33
 RELACIJSKI (LOGIKI) MODEL
Bitne instrukcije Data Control Language-a:
GRANT dodjela prava korisnicima
REVOKE ukidanje dodjeljenih prava
Bitne instrukcije Transaction Control Language-a:
COMMIT pohranjuje transakcije u bazu
ROLLBACK vraa unazad transakcije
Ope karakteristike:
-uz SQL instrukcije idu parametri i opcije
-svaka SQL instrukcija zavrava znakom ;
-SQL je jezik 4. generacije (opisuje se to treba
uiniti a ne kako)
Primjer SQL instrukicje:
SELECT * FROM knjige WHERE cijena > 100.00
ORDER BY naslov;

RELACIJSKI (LOGIKI) MODEL

Relacijski DBMS
Oracle
MSSQL
DB/2
Informix
MySQL
Access!?

Podaci/Baze podataka 34
 RELACIJSKI (LOGIKI) MODEL
to treba nauiti o relacijskom modelu
Algebarske operacije pogodne za auriranje (unija i
razlika (diferencija))
Algebarske operacije pogodne za izvjeivanje
(presjek, projekcija, selekcija, Kartezijev umnoak,
spajanje i dijeljenje)
SQL (DDL i DML)
Relacijsko oblikovanje (radi otklanjanja
nekontrolirane redundancije, anomalija odravanja
podataka, varijabilna duina n-torke u relaciji), a
postie se postupcima verikalne i horizontalne
normalizacije
Rad s konkretnim DBMS (zato Access)

ANALITIKE
BAZE PODATAKA

Podaci/Baze podataka 35
 KREIRANJE SKLADITA PODATAKA
Kako nastaje skladite podataka
Kopiranjem podataka iz transakcijskif baza
podataka i neformatiranih podatkovnih izvora
Skladite podataka grade
fact tablice (injenine tablice)
dimenzijske tablice i
agregacijske tablice
Tipovi
Operational Data Store ODS (repliciranje
transakcijske baze podataka)
Data Warehouse DW (podaci subjektno orijentirani
proizvodi, kupci, prodajna mjesta, profitni centri) -
integralni oblik
Data Mart (DM) specijalizirani oblik

KREIRANJE SKLADITA PODATAKA

Vanjski
podatkovni
izvori

Skladite
Produkcijske ELT podataka
baze
podataka

ELT
Scenarij
skladita
podataka

Extraction, Transformation and Loading Tools (ELT)

Podaci/Baze podataka 36
 KREIRANJE SKLADITA PODATAKA
Kupci Proda jno Mje sto
PK ID_Kupca PK ID_Prodajnog_Mjesta
Naziv_Kupca Naziv_Prodajnog_Mjesta
Ulica Ulica
Kuni_Br Kuni_Br
HT_Br HT_Br
Grad Grad
iro Tel
Tel Proda ja Fax
Fax
PK ID_Prodaje
FK1 ID_Artikla
FK2 ID_Prodajnog_Mjesta
FK3 ID_Dana
Cijena
Koliina
Artikli Vrijeme
Kupci
PK ID_Artikla PK ID_Dana
Drave
PK ID_Kupca Proda jno Mje sto
PK ID_Drave
Naziv_Artikla Datum Naziv_Kupca PK ID_Prodajnog_Mjesta
Ulica Naziv_Drave_Hrv
JMj Mjesec_opisno_hrv Naziv_Drave_Eng Naziv_Prodajnog_Mjesta
Kuni_Br
BarCode Mjesec_opisno_eng
HT_Br Ulica
Dan_u_tjednu_hrv
Grad Kuni_Br
iro
Dan_u_tjednu_eng HT_Br
Tel Grad
Tjedan_u_godini
Fax
Proda ja Tel
Godina_kr atka_oznaka
FK1 ID_Dr ave PK ID_Prodaje Fax

FK1 ID_Artikla
FK2 ID_Prodajnog_Mjesta
FK3 ID_Dana
Cijena
Artikli Koliina
Vrijeme

zvjezdasta shema PK ID_Artikla

Naziv_Artikla
JMj
BarCode
Doba vlja i
PK ID_Dana
Datum
Mjesec_opisno_hrv
FK1 ID_Dobavlja a PK ID_Dobavlja a Mjesec_opisno_eng

(star) Naziv_Dobavlja a
Ulica
K_Br
Dan_u_tjednu_hrv
Dan_u_tjednu_eng
Tjedan_u_godini
Godina_kr atka_oznaka
HT_Br
Grad
Tel
Fax

pahuljasta shema
(snowflake)

ALATI ZA POTPORU ODLUIVANJU

Sustavi izvjeivanja iz skladita podataka
OLAP alati
Data Mining alati
BI alati
Vizualizacijski alati (Dashboard/Scorecard alati)
Poetak razvitka koncepta
90 te

Podaci/Baze podataka 37
 ALATI ZA POTPORU ODLUIVANJU
OLAP Alati
On Line Analytical Processing (OLAP)
Alati koji omoguavaju izvjeivanje iz
multidimenzijske strukture skladita podataka na
nain da se odaberu i prikau dimenzije koje su u
informacijskom smislu zanimljive
OLAP-om se dobivaju informacije vezane za
prodaju, marketing, menaderska izvjea, Business
Process Management (BPM), financijska izvjea
OLAP klijenti (programske aplikacije za pristup
OLAP serveru) mogu se pojavljivati kao:samostalne
programske aplikacije, Web-aplikacije i
dodaci na tabline kalkulatore
(SpreadSheet programi poput Excela)
Bezi Marin

ALATI ZA POTPORU ODLUIVANJU

Primjer OLAP prikaza

Podaci/Baze podataka 38
 ALATI ZA POTPORU ODLUIVANJU
Data mining alati
Meu podacima se trae omjeri, uzorci i meusobni
utjecaji (kao npr. dati odgovor koji su to initelji koji
utjeu na prodaju po podrujima)
Primjenjuje matematike, logike i statistike
metoda u skladitu podataka (analiza vremenskih
serija, linearna regresija, stabla odluivanja, klaster
algoritmi, sekvencijalni klaster algoritmi, asocijativni
algoritam)
Ciklus rudarenja podataka (od problema do
informacije)

ALATI ZA POTPORU ODLUIVANJU

BI alati
Alati poslovnog informiranja
Pojednostavljuju izradu upita i izvjea iz skladita
podataka.
Koriste se mentalnim modelima (modeliranjem u
slobodnijoj formi) za analizu i definiranje sadraja
izvjea za nekonvencionalne probleme
Takve probleme naelno karakteriziraju: velik broj
opcija i konfliktni ciljevi
Najbolji nain skrivanja
informacija je uiniti ih
dostupnim u masi drugih
informacija
Stevan Dedijer 2000 g.

Podaci/Baze podataka 39
 ALATI ZA POTPORU ODLUIVANJU
Vizualizacijski alati
Vizualna pomagala koja omoguavaju saet i
pregledan prikaz podataka u alfanumerikom ili
grafikom obliku radi upozorenja glede potencijalnih
opasnosti, izvjea o stanju trenutnih aktivnosti,
sljedee planirane korake glede poslovnih aktivnosti i
zbirne vrijednosti vanijih periodinih indikatora
poslovanja
Dashboard alati - radna ploa za prikaz bitnih
zbirnih podataka
Scorecard alati simbolima se na radnoj ploi
predstavljaju bitni identifikatori

ALATI ZA POTPORU ODLUIVANJU

Podaci/Baze podataka 40
 ALATI ZA POTPORU ODLUIVANJU

PITANJA!

Podaci/Baze podataka 41