Учебная дисциплина «Хранилища данных» Лекция 1 ОСНОВЫ ПОСТРОЕНИЯ ИНФОРМАЦИОННО- АНАЛИТИЧЕСКИХ СИСТЕМ И СИСТЕМ ПОДДЕРЖКИ И ПРИНЯТИЯ РЕШЕНИЙ Учебные вопросы: 1 Структура и архитектура информационно-аналитических систем и систем поддержки принятия решений 2 Информационные системы, ориентированные на операционную (транзакционную) обработку данных (OLTP) 3 Информационные системы оперативного анализа данных (OLAP) 4 Структура и задачи интеллектуального анализа данных Учебные вопросы: 1 Структура и архитектура информационно-аналитических систем и систем поддержки принятия решений 2 Информационные системы, ориентированные на операционную (транзакционную) обработку данных (OLTP) 3 Информационные системы оперативного анализа данных (OLAP) 4 Структура и задачи интеллектуального анализа данных

Литература 1. Тейлор Д., Рейден Н. Почти интеллектуальные системы. Как получить конкурентные преимущества путём автоматизации принятия решений. – Пер. с англ. – СПб: Символ Плюс, – 448 с. 2. Барсегян А.А. Методы и модели анализа данных: OLAP и Data Mining / Барсегян А.А., Куприянов М.С., Степаненко В.В., Холод И.И. – СПб.: БХВ-Петербург, – 336 с. 3. Ларсон Б. Разработка бизнес-аналитики в SQL Server – СПб.: Питер, – 684 с. 4. Малыхина М.П. Базы данных: основы, проектирование, использование. – Спб.: БХВ. – Петербург, –512 с. 1. Тейлор Д., Рейден Н. Почти интеллектуальные системы. Как получить конкурентные преимущества путём автоматизации принятия решений. – Пер. с англ. – СПб: Символ Плюс, – 448 с. 2. Барсегян А.А. Методы и модели анализа данных: OLAP и Data Mining / Барсегян А.А., Куприянов М.С., Степаненко В.В., Холод И.И. – СПб.: БХВ-Петербург, – 336 с. 3. Ларсон Б. Разработка бизнес-аналитики в SQL Server – СПб.: Питер, – 684 с. 4. Малыхина М.П. Базы данных: основы, проектирование, использование. – Спб.: БХВ. – Петербург, –512 с.

1 Структура и архитектура информационно-аналитических систем и систем поддержки принятия решений Рисунок 1 – Архитектура систем поддержки принятия решений

ХД содержат информацию, собранную из нескольких операционных баз данных (БД). Объем данных в ХД, как правило, на порядок больше объёма операционных БД и может достигать сотен гигабайт или нескольких терабайт. Как правило, хранилище данных поддерживается независимо от оперативных баз данных организации, поскольку требования к функциональности и производительности аналитических приложений отличаются от требований к транзакционным системам. ХД создаются специально для приложений поддержки принятия решений и предоставляют накопленные за определенное время, сводные и консолидированные данные, которые более приемлемы для анализа, чем детальные индивидуальные записи. Рабочая нагрузка ХД состоит из нестандартных, сложных запросов к миллионам записей. При выполнении запросов осуществляется огромное количество операций сканирования, соединения и агрегирования.

Информационные системы, ориентированные на операционную (транзакционную) обработку данных, называют термином «ON-Line Transaction Processing, OLTP», что в переводе означает «оперативная транзакционная обработка данных». В соответствии с современными требованиями к OLTP должны удовлетворять следующим показателям: Производительность и масштабируемость, позволяющие предприятиям создавать БД, обеспечивающие эффективность применения информационных систем; высокая доступность данных, обеспечивающая непрерывность функционирования приложений, работающих с БД и минимум административных издержек; безопасность хранения данных, обеспечиваемая шифрованием важных данных, аудитом модификации данных и метаданных, применением внешних криптографических ключей; управляемость данных, позволяющая снизить затраты времени и средств на управление инфраструктурой обработки и хранения данных за счет применения инновационных технологий администрирования. Информационные системы, ориентированные на операционную (транзакционную) обработку данных, называют термином «ON-Line Transaction Processing, OLTP», что в переводе означает «оперативная транзакционная обработка данных». В соответствии с современными требованиями к OLTP должны удовлетворять следующим показателям: Производительность и масштабируемость, позволяющие предприятиям создавать БД, обеспечивающие эффективность применения информационных систем; высокая доступность данных, обеспечивающая непрерывность функционирования приложений, работающих с БД и минимум административных издержек; безопасность хранения данных, обеспечиваемая шифрованием важных данных, аудитом модификации данных и метаданных, применением внешних криптографических ключей; управляемость данных, позволяющая снизить затраты времени и средств на управление инфраструктурой обработки и хранения данных за счет применения инновационных технологий администрирования. 2 Информационные системы, ориентированные на операционную (транзакционную) обработку данных (OLTP)

3 Информационные системы оперативного анализа данных (OLAP) Накопление больших объемов данных в последнее время сделали актуальными прикладные задачи, предназначенные для извлечения, сбора и представления конечному пользователю информации, необходимой для анализа текущего состояния дел и прогноза будущего решения. Такие ИС получили название систем поддержки принятия решений. Исторически первыми такими системами стали ИС руководителя (EIS Executive Information Systems). Существует два подхода к интеграции корпоративной информации: децентрализованное объединение источников (схема спагетти) (рис.2а) централизованное объединение источников (рис.2б)

Рисунок 2 - Подходы к интеграции корпоративной информации децентрализованное объединение источников (схема спагетти) (рис.2а) централизованное объединение источников (рис.2б)

Хранилища данных (Datawarehouse) и оперативный анализ данных (On- LineAnalyticalProcessing, OLAP) – новые информационные технологии, которые обеспечивают аналитикам, управленцам и руководителям высшего звена возможность изучать большие объемы взаимосвязанных данных при помощи быстрого интерактивного отображения информации на разных уровнях детализации с различных точек зрения в соответствии с представлениями пользователя о предметном пространстве. Основная цель хранилищ создание единого логического представления данных, содержащихся в разнотипных БД или в единой модели корпоративных данных. Хранилища данных (Datawarehouse) и оперативный анализ данных (On- LineAnalyticalProcessing, OLAP) – новые информационные технологии, которые обеспечивают аналитикам, управленцам и руководителям высшего звена возможность изучать большие объемы взаимосвязанных данных при помощи быстрого интерактивного отображения информации на разных уровнях детализации с различных точек зрения в соответствии с представлениями пользователя о предметном пространстве. Основная цель хранилищ создание единого логического представления данных, содержащихся в разнотипных БД или в единой модели корпоративных данных.

Хранилище данных ориентированная на поддержку управленческих решений автоматизированная система, состоящая из организационной структуры, технических средств, базы или совокупности базы данных (БД) и ПО, которое выполняет, как правило, следующие функции: извлечение данных из разрозненных источников, их трансформация и загрузка в хранилище; администрирование данных и хранилища; извлечение данных из хранилища, аналитическая обработка и представление данных конечным пользователям. Хранилище данных ориентированная на поддержку управленческих решений автоматизированная система, состоящая из организационной структуры, технических средств, базы или совокупности базы данных (БД) и ПО, которое выполняет, как правило, следующие функции: извлечение данных из разрозненных источников, их трансформация и загрузка в хранилище; администрирование данных и хранилища; извлечение данных из хранилища, аналитическая обработка и представление данных конечным пользователям.

Основные требования к хранилищам данных: поддержка высокой скорости получения данных из хранилища; поддержка внутренней непротиворечивости данных; возможность получения и сравнения так называемых срезов данных (slice and dice); наличие удобных утилит просмотра данных в хранилище; полнота и достоверность хранимых данных; поддержка качественного процесса пополнения данных. Основные требования к хранилищам данных: поддержка высокой скорости получения данных из хранилища; поддержка внутренней непротиворечивости данных; возможность получения и сравнения так называемых срезов данных (slice and dice); наличие удобных утилит просмотра данных в хранилище; полнота и достоверность хранимых данных; поддержка качественного процесса пополнения данных.

В соответствие с данной концепцией хранилище данных содержит данные, поступающие от разных источников, и интегрированные данные, получаемые в результате обработки первичных данных. Кроме того, для поддержки концепции ХД требуются специальные средства управления процессами хранения и обработки данных. Концепция OLAP (On-line analytical processing) разработана автором реляционных БД E.F.Codd в 1993 году. В 1995 году на основе требований, изложенных Коддом, сформулирован тест FASMI (Fast Analysis of Shared Multidimensional Information), который переводится как «быстрый анализ разделяемой многомерной информации. В соответствие с данной концепцией хранилище данных содержит данные, поступающие от разных источников, и интегрированные данные, получаемые в результате обработки первичных данных. Кроме того, для поддержки концепции ХД требуются специальные средства управления процессами хранения и обработки данных. Концепция OLAP (On-line analytical processing) разработана автором реляционных БД E.F.Codd в 1993 году. В 1995 году на основе требований, изложенных Коддом, сформулирован тест FASMI (Fast Analysis of Shared Multidimensional Information), который переводится как «быстрый анализ разделяемой многомерной информации.

Тест FASMI включает следующие требования к приложениям для многомерного анализа [2]: предоставление пользователю результатов анализа за приемлемое время (не более 5 с) при допустимом уровне детализации анализа; возможность осуществления любого логического и статистического анализа, поддерживаемого используемым приложением, и сохранением результатов в доступном для пользователя виде; многопользовательский доступ к данным с поддержкой соответствующих механизмов блокировки и средств автоматизированного доступа; многомерное концептуальное представление данных, включая полную поддержку для иерархий и множественных иерархий измерений (ключевое требование OLAP); возможность обращаться к любой нужной информации независимо от её объёма и места хранения. Тест FASMI включает следующие требования к приложениям для многомерного анализа [2]: предоставление пользователю результатов анализа за приемлемое время (не более 5 с) при допустимом уровне детализации анализа; возможность осуществления любого логического и статистического анализа, поддерживаемого используемым приложением, и сохранением результатов в доступном для пользователя виде; многопользовательский доступ к данным с поддержкой соответствующих механизмов блокировки и средств автоматизированного доступа; многомерное концептуальное представление данных, включая полную поддержку для иерархий и множественных иерархий измерений (ключевое требование OLAP); возможность обращаться к любой нужной информации независимо от её объёма и места хранения.

4 Структура и задачи интеллектуального анализа данных Интеллектуальный анализ данных (ИАД) определяется как «извлечение зёрен знаний из гор данных» или «разработка данных – по аналогии с разработкой полезных ископаемых» [2]. В английском языке существует два термина, переводимые как ИАД: Knowledge Discovery in Databases (KDD) и Data Mining (DM). Таким образом, ИАД рассматривается как процесс поддержки принятия решений, основанный на поиске в данных скрытых закономерностей [1, 2].

Модели интеллектуального анализа данных могут применяться в условиях торгово-закупочной, производственной и другой деятельности: прогнозирования продаж и определения продуктов, которые с высокой долей вероятности могут быть проданы вместе; определения продуктов, которые с высокой долей вероятности могут быть проданы вместе; выявление последовательностей в том порядке, в котором клиенты добавляют продукты в корзину для покупок; контроля и управления учебной, научной и воспитательной работой преподавателей учебного заведения. Модели интеллектуального анализа данных могут применяться в условиях торгово-закупочной, производственной и другой деятельности: прогнозирования продаж и определения продуктов, которые с высокой долей вероятности могут быть проданы вместе; определения продуктов, которые с высокой долей вероятности могут быть проданы вместе; выявление последовательностей в том порядке, в котором клиенты добавляют продукты в корзину для покупок; контроля и управления учебной, научной и воспитательной работой преподавателей учебного заведения.

Рисунок.3 – Диаграмма анализа данных

Основными задачами ИАД являются: Классификация (Classification). Наиболее распространенная задача ИАД. В результате решения задачи классификации обнаруживаются признаки, которые характеризуют группы объектов (классы). По этим признакам новый объект можно отнести к тому или иному классу. Для решения задачи классификации могут использоваться методы: ближайшего соседа (Nearest Neighbor); k-ближайшего соседа (k- Nearest Neighbor); Кластеризация (Clustering). Кластеризация является логическим продолжением идеи классификации. Это задача более сложная, особенность кластеризации заключается в том, что классы объектов изначально не предопределены. Результатом кластеризации является разбиение объектов на группы. Ассоциация (Associations). В ходе решения задачи поиска ассоциативных правил отыскиваются закономерности между связанными событиями в наборе данных. Отличие ассоциации от двух предыдущих задач Data Mining: поиск закономерностей осуществляется не на основе свойств анализируемого объекта, а между несколькими событиями, которые происходят одновременно. Наиболее известный алгоритм решения задачи поиска ассоциативных правил – алгоритм Apriori. Основными задачами ИАД являются: Классификация (Classification). Наиболее распространенная задача ИАД. В результате решения задачи классификации обнаруживаются признаки, которые характеризуют группы объектов (классы). По этим признакам новый объект можно отнести к тому или иному классу. Для решения задачи классификации могут использоваться методы: ближайшего соседа (Nearest Neighbor); k-ближайшего соседа (k- Nearest Neighbor); Кластеризация (Clustering). Кластеризация является логическим продолжением идеи классификации. Это задача более сложная, особенность кластеризации заключается в том, что классы объектов изначально не предопределены. Результатом кластеризации является разбиение объектов на группы. Ассоциация (Associations). В ходе решения задачи поиска ассоциативных правил отыскиваются закономерности между связанными событиями в наборе данных. Отличие ассоциации от двух предыдущих задач Data Mining: поиск закономерностей осуществляется не на основе свойств анализируемого объекта, а между несколькими событиями, которые происходят одновременно. Наиболее известный алгоритм решения задачи поиска ассоциативных правил – алгоритм Apriori.

Последовательность (Sequence). Последовательность позволяет найти временные закономерности между транзакциями. Задача последовательности подобна ассоциации, но ее целью является установление закономерностей не между одновременно наступающими событиями, а между событиями, связанными во времени. Другими словами, последовательность определяется высокой вероятностью цепочки связанных во времени событий. Фактически, ассоциация является частным случаем последовательности с временным лагом, равным нулю. Прогнозирование (Forecasting). В результате решения задачи прогнозирования на основе особенностей исторических данных оцениваются пропущенные или же будущие значения целевых численных показателей. Для решения таких задач широко применяются методы математической статистики.. Анализ отклонений (Deviation Detection). Данная задача решается с целью обнаружение и анализ данных, наиболее отличающихся от общего множества данных, т.е выявления нехарактерных шаблонов. Последовательность (Sequence). Последовательность позволяет найти временные закономерности между транзакциями. Задача последовательности подобна ассоциации, но ее целью является установление закономерностей не между одновременно наступающими событиями, а между событиями, связанными во времени. Другими словами, последовательность определяется высокой вероятностью цепочки связанных во времени событий. Фактически, ассоциация является частным случаем последовательности с временным лагом, равным нулю. Прогнозирование (Forecasting). В результате решения задачи прогнозирования на основе особенностей исторических данных оцениваются пропущенные или же будущие значения целевых численных показателей. Для решения таких задач широко применяются методы математической статистики.. Анализ отклонений (Deviation Detection). Данная задача решается с целью обнаружение и анализ данных, наиболее отличающихся от общего множества данных, т.е выявления нехарактерных шаблонов.

Контрольные вопросы 1.Приведите структуру и поясните назначение элементов системы поддержки принятия решений. 2.Перечислите назначение хранилищ данных и витрин данных. 3.Дайте определение системы поддержки принятия решений и охарактеризуйте существующие подходы к интеграции корпоративной информации. 4.Охарактеризуйте требования, предъявляемые к OLTP-системам. 5.Дать определение хранилища данных и перечислить его основные функции. 6.Перечислите и поясните основные требования, предъявляемые к хранилищам данных. 7.Перечислите и поясните существующие подходы к интеграции корпоративной информации 8.Дайте определение интеллектуального анализа данных и приведите его диаграмму. 9.Приведите и поясните основные задачи интеллектуального анализа данных.