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
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
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
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
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
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.
ln i
Konce ptua tak a
da
mod el po
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
Podaci/Baze podataka 14
RAZINE MODELIRANJA
REALNI
SVIJET
PODACI PODACI
PODACI PODACI
INFORMACIJA
FORMALNO I PRECIZNO
IZRAAVANJE
Konceptualni
model
Logiki
model
Logiki
Fiziki
DBMS
model
model
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
Podaci/Baze podataka 16
MODELIRANJE BAZE PODATAKA
OSOBA
SPECIJALIZACIJA
GENERALIZACIJA
RUKOVODITELJ PROJEKTANT REFERENT
....
SAMOSTALNI PRIPRAVNIK
....
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.
Podaci/Baze podataka 18
KONCEPTUALNO
MODELIRANJE
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
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
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
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)
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.
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.
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
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
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;
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
Vanjski
podatkovni
izvori
Skladite
Produkcijske ELT podataka
baze
podataka
ELT
Scenarij
skladita
podataka
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
(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)
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
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)
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
Podaci/Baze podataka 40
ALATI ZA POTPORU ODLUIVANJU
PITANJA!
Podaci/Baze podataka 41