1. تدريس يار: ميثم نظرياني
هوش تجاري نقشه راه پروژه های هوش تجاری دکتر احمد عبداله زاده دانشکده مهندسي کامپيوتر و فناوري اطلاعات دانشگاه صنعتي اميرکبير (پلي تکنيک تهران)
تدريس يار: ميثم نظرياني
دانشگاه صنعتي اميرکبير - آزمايشگاه سيستم هاي هوشمند- درس هوش تجاري

2. نقشه راه هوش تجاری
برای برنامه های کاربردی هوش تجاری با نيازمندی های خاص، از جمله استفاده از داده های غير ساخت يافته مثل کاوش در متن، محتوا، صوت و ... نياز به گسترش فعاليت ها و نقش ها در قالب گام های توليد مناسب است.
نقشه راه هوش تجاری اساساً يک راهنمای چرخة حيات پروژه برای ايجاد برنامه های کاربردی تصميم يارهوش تجاری با استفاده از داده های ساخت يافته است.
هوش تجاری

3. مراحل انجام يک پروژه مهندسی
مرحله 1:
هدف و منظور
مرحله 2:
طرح ریزی
مرحله 3:
تحلیل تجاری
مرحله 4:
طراحی
مرحله 5:
ساخت
مرحله 6:
نصب و استقرا
هوش تجاری

4. نقشه راه هوش تجاری
اين نقشه 16 گام برای ساخت يک پروژة هوش تجاری را بر طبق همان 6 مرحلة انجام هر پروژة مهندسی که قبلاً ذکر شد، به شرح زير بيان می کند:
گام 9: طراحی ETL
گام 10: طراحی مخزن فرا داده
گام 11: تولید ETL
گام 12: تولید برنامه کاربردی
گام 13: داده کاوی
گام 14: تولید مخزن فرا داده
گام 15: پیاده سازی
گام 16: ارزیابی نسخه
گام 1: ارزیابی وضعیت تجاری
گام 2: ارزیابی زیرساخت سازمان
گام 3: طرح ریزی پروژه
گام 4: تعریف نیازمندی ها
گام 5: تحلیل داده ها
گام 6: نمونه سازی برنامه کاربردی
گام 7: تحلیل مخزن فرا داده
گام 8: طراحی پایگاه داده عملیاتی
هوش تجاری

5. نقشه را هوش تجاری 6 11 9 12 1 2 3 4 5 8 15 16 13 7 10 14
هوش تجاری

6. 1) ارزیابی وضعیت تجاری
هوش تجاری

7. 1) ارزیابی وضعیت تجاری
در اين گام، مشکل يا موقعيت تجاری تعريف می شود و يک راه حل تجاری پيشنهاد می شود. هر نسخة برنامة کاربردی هوش تجاری بايد توجيه اقتصادی داشته باشد و به طور واضح بايد فوايد آن راه حل بيان شود.
پروژه پیشنهاد شده مربوط به رستورانهای زنجیره ای مکدونالد می باشد. فرض شده که از ما خواسته شده تا سیستم هوش تجاری برای این سازمان طراحی کنیم تا مدیران فروشگاه بتوانند در تصمیمات مختلف مدیریتی از آن استفاده کنند.
هوش تجاری

8. 1) ارزیابی وضعیت تجاری معرفی سازمان:
بزرگترین رستوران زنجیره‌ای جهان است.
به طور روزانه ۴۷ میلیون مشتری دارد.
در حدود 100 کشور دنیا شعبه فعال دارد.
محصولات مک‌دونالد عبارتنداز:
همبرگر، چیزبرگر، مرغ، سیب زمینی سرخ کرده، صبحانه،
نوشابه‌ها، شیر، شربت، انواع دسر، سالاد، ساندویچ لقمه‌ای و ...
هوش تجاری

9. 1) ارزیابی وضعیت تجاری چارت سازمانی: هوش تجاری هیئت مدیره
نمایندگی های منطقه ای
کشور 1
شعبه 1
...
شعبه N
کشور N
بخش بازاریابی
بخش حقوقی
بخش مالی
واحد تحقیق و توسعه
بخش سلامت
بخش کشاورزی
هوش تجاری

10. 1) ارزیابی وضعیت تجاری
مواردی را که در این فاز باید مدنظر قرار دهیم از قرار زیر است:
دسترسی به اطلاعات
اطلاعات مورد نیاز را از کجا تهیه کنیم ؟
چه اطلاعاتی در حال حاضر داریم و چه اطلاعاتی را علاوه بر این باید بدست بیاوریم ؟
مشوقان تجاری و حمایت کنندگان مالی طرح کسب
ارزیابی آمادگی
آیا ما آمادگی لازم برای یک محیط BI را داریم؟
آیا ارزیابی آمادگی را انجام داده ایم؟
چه کاهایی باید بکنیم تا آمادگی لازم را بدست بیاوریم؟
خرید سخت افزار؟ تهیه ابزار مورد نیاز؟ استخدام کارمند؟
هوش تجاری

11. 1) ارزیابی وضعیت تجاری آمادگی سازمان برای BI(بعد نیاز): عنوان آمادگي
توضيح
دلايل اقتصادي 
بکارگیری BI در سازمان می تواند موجب کاهش هزینه ها به دلیل عدم بهینه بودن تصمیم های اتخاذ شده فعلی شود.
کارايي سيستم
افزايش کارايي موجب کاهش هزینه ها و افزايش سود مي شود.
افزايش رقابت
گسترش روز افزون فست فودها در دهه اخیر / وجود رقبای قدرتمند همانند برگر کینگ که در سطح جهان شبعات متعدد دارد / وجود فست فود های محلی که بخشی از سهم بازار را به خود اختصاص داده اند.
حمايت از سامانه OLAP 
شرکت هنوز سيستم OLAP ندارد.
کثرت و تنوع مشتريان
تنوع مشتریان (مناطق جغرافیایی، مذاهب مختلف(مسلمان-غیر مسلمان)، گروه های سنی مختلف و ...)
هوش تجاری

12. 1) ارزیابی وضعیت تجاری آمادگی سازمان برای BI(بعد نیاز): عنوان آمادگي
توضيح
نياز به تحليل عمليات تراکنشي 
شناسایی روند درخواست ها در ماه های مختلف در مناطق مختلف / شناسایی گروههای مختلف مشتریان و الگوی خرید آن ها / مدیریت تأمین منابع با توجه به تغییر روند درخواست ها در ماه های مختلف
دسترسي به داده هاي بهنگام
تهیه گزارش های روزانه و هفتگی و بررسی روند تغییرات برای پاسخ دهی سریع به تغییرات محیطی در مناطق مختلف
کاهش هزينه
کاهش هزینه ها از طریق تأمین مؤثر منابع
کاهش هزینه های حمل و نقل و ...
رضايت مشتري
شناسایی الگوی خرید مشتری و ارائه بسته های پیشنهادی با قیمت ارزان تر به مشتریان میتواند علاوه بر افزایش رضایتمندی مشتریان سرعت و کیفیت سرویس دهی را نیز افزایش دهدو به علاوه به فروش بیشتری نیز منجر شود.
هوش تجاری

13. 1) ارزیابی وضعیت تجاری فشارهای کسب و کار: عنوان ابزار کامپیوتری
تصمیم سازمان
فاسد شدن برخی موارد در صورت عدم توزیع به موقع 
مدیریت زنجیره تأمین
مشکل تأمین برخی مواد در برخی از فصل های سال 
تأمین مواد مورد نیاز از تأمین کنندگان خارجی (با پیش خرید کردن، هزینه های تأمین را نیز کاهش می دهیم)
پایین آمدن بسیار زیاد حجم فروش در برخی مناطق مختلف در برخی از بازه های زمانی -
هزینه بسیار زیاد حمل مواد برای برخی از مناطق جرافیایی
مدیریت زنجیره تأمین (کاهش تعداد دفعات ارسال، افزایش حجم ارسال در هر بار ارسال)
هوش تجاری

14. 1) ارزیابی وضعیت تجاری فشارهای کسب و کار: عنوان ابزار کامپیوتری
تصمیم سازمان
عدم رضایت برخی مشتریان نسبت به محصولات ارائه شده 
شناسایی محصولات، بهبود محصولات
کاهش چشمگیر حجم فروش به دلیل گزارش مشکلات بهداشت و سلامت  -
عدم در دسترس بودن نیروی انسانی برای کار با سیستم ها در همه مناطق
آموزش نیروی انسانی
نداشتن شبکه های ارتباطی مناسب در برخی از مناطق جغرافیایی
هوش تجاری

15. 1) ارزیابی وضعیت تجاری
سایر مواردی را که در این فاز باید مدنظر قرار دهیم عبارتند از:
توجیه هزینه
آیا این ساخت پروژه BI ارزش اقتصادی دارد یا هزینه آن بیشتر از سود آن است؟
آیا می دانیم که ساخت این پروژه BI چقدر هزینه دارد؟
بازدهی سرمایه (ROI)
بازدهی سرمایه در این پروژه چگونه است؟
هوش تجاری

16. 2) ارزیابی زیرساخت سازمان
هوش تجاری

17. 2) ارزیابی زیرساخت سازمان
از آنجائيکه برنامه های کاربردی BI، برخاسته از تراکنش های بين سازمانی هستند، يک زير ساخت Enterprise بايد برای پشتيبانی از آنها ايجاد شود.
بعضی از مؤلفه های زيرساخت ممکن است قبل از آغاز پروژة BI در محل موجود باشند.
ساير مؤلفه ها بايد بعنوان قسمتی از پروژه ، به مرور زمان ساخته شوند.
يک زير ساخت Enterprise دو مؤلفه دارد:
زيرساخت تکنيکی: که شامل سخت افزار، نرم افزار، ميان افزار، سيستم مديريت پايگاه داده، سيستم عامل، مؤلفه های شبکه، انبارهای فراداده و...
زيرساخت غيرتکنيکی: که شامل استانداردهای فراداده، استانداردهای نامگذاری داده، متدولوژی ها، رويه های تست، فرآيندهای کنترل تغيير و...
هوش تجاری

18. 2) ارزیابی زیرساخت سازمان
آمادگی سازمان برای BI(بعد ساختار):
عنوان
آمادگي
توضيح
ساختار سازماني 
ساختار سازماني Enterprise با معماري هوش تجاري هماهنگ است.
شبکه ارتباطي 
در همه مناطق جغرافیایی امکان برقراری ارتباط فعلاً مقدور نمی باشد.
نرم افزارهاي کاربردي
نرم افزار های کاربردی شعبات مختلف باید یکپارچه شود.
هماهنگ سازي پايگاه داده
در بعضی از مناطق به دلیل کمبود امکانات اطلاعات فروش شعبات ذخیره نمی شود. پایگاه های داده در مناطق مختلف ساختار متفاوتی دارد که باید ساختار ان ها یکپارچه شود.
استانداردها و رویه های مورد نیاز
هوش تجاری

19. 2) ارزیابی زیرساخت سازمان
آمادگی سازمان برای BI(بعد ساختار):
عنوان
توضيح
تعداد PC ها
حدود 150 کامپیوتر
حداقل توانمندی ها
RAM : 512 MB
CPU : 1.8 Ghz
HDD : 40 GB
OS : win XP
VGA: 64 MB
DB: SQL server 2005 …
هوش تجاری

20. 2) ارزیابی زیرساخت سازمان
آمادگی سازمان برای BI(بعد ساختار):
عنوان
توضيح
تعداد سرور
10 سرور مرکزی
حداقل توانمندی ها
CPU:920 Core-i7 RAM:4GB DDR III HDD:1TB
OS : Linux, Win server 2000
DB: SQL server 2005,2008 …
هوش تجاری

21. 2) ارزیابی زیرساخت سازمان
برای خرید تجهیزات سخت افزاری از میان گزینه های مختلف به پارامترهای مختلفی از جمله موارد زیر توجه خواهد شد:
انعطاف پذیری و گسترش پذیری هزینه های تهیه، استقرار، نگه داری، پشتیبانی و مدیریت
قابلیت سازگاری اجزای مختلف سخت افزارها با هم
کارایی بالا برای نرم افزارهای پیش بینی شده هوش تجاری
مطابقت با استانداردهای باز تجاری
هوش تجاری

22. 3) طرح ریزی پروژه
هوش تجاری

23. 3) طرح ریزی پروژه طرح ریزی نرم افزار طرح ریزی سخت افزار
پروژه های تصميم يار BI بسيار پويا هستند، تغييرات در دامنه، کارکنان، بودجه، تکنولوژی، تأثير بسزايی در موفقيت يک پروژه دارند، بنابر اين طرح ريزی پروژه بايد با جزئيات کامل انجام شود و پيشرفت واقعی کار بايد بطور دقيق مشاهده و گزارش شود.
طرح ریزی پروژه معمولاً شامل موارد زیر است:
طرح ریزی نرم افزار
طرح ریزی سخت افزار
طرح ریزی نیروی انسانی
هوش تجاری

24. 3) طرح ریزی پروژه
در این قسمت با توجه به استاندارد PMBOK، ساختار شکست کار(FWBS) و ساختار شکست اقلام (PCWBS) درآورده می شوند. سپس رابطه ی آنها با استفاده از جدول RWBS در آورده و در نرم افزار Microsoft project 2007 وارد کرده و نمودار زمانبندی و گانت چارت آن استخراج می شود.
علاوه بر این در این مرحله باید تحویل دادنی ها و نیز موعد تحویل آنها نیز مشخص شود.
عملیات تخصیص منابع به فعالیت ها نیز با توجه به منابع موجود انجام خواهد شد.
هوش تجاری

25. 3) طرح ریزی پروژه
نمونه ای از گانت چارت استخراج شده
هوش تجاری

26. 3) طرح ریزی پروژه
به طور کلی در ساخت هر سیستمی، پنج فاکتور برای ما اهمیت خواهند داشت:
کیفیت
ریسک
زمان
Scope
منابع
در پروژه های هوش تجاری باید کیفیت سیستم، بیشترین اولویت را برای ما داشته باشد. در اسلاید بعدی تفاوت اولویت این پنج فاکتور در یک پروژه هوش تجاری با دیگر پروژه های سیستمهای نرم افزاری آورده شده است.
هوش تجاری

27. 3) طرح ریزی پروژه
یک پروژه نرم افزاری
یک پروژه هوش تجاری
هوش تجاری

28. 3) طرح ریزی پروژه نمونه ای از ریسک ها:
ردیف
ریسک های پروژه
تأثیر 1
عدم همکاری مناسب اعضای گروه (با یکدیگر یا با بخش مدیریت و ...) 2
عدم توانایی مشتری در پرداخت به موقع بودجه برای انجام پروژه 3
عدم وجود تخصص های لازم در گروه 4
عدم آگاهی مشتری در رابطه با نیازها 5
وابستگی سیستم به رابطهایی به منظور برقراری ارتباط با legacy systemها
هوش تجاری

29. 3) طرح ریزی پروژه نمونه ای از ریسک ها:
ردیف
ریسک های پروژه
تأثیر 6
وابستگی سیستم به تکنولوژی های جدید و اثبات نشده 2 7
خروج ناگهانی اعضا از تیم ( به دلیل جاذبیت سازمان های رقیب،...) 3 8
بیشتر بودن هزینه ی انجام پروژه از بودجه­ی آن 9
عدم همکاری مناسب مشتریان با تیم مهندسی نرم افزار 10
تصور اشتباه مشتری از نرم افزار درخواستی 1
هوش تجاری

30. 4) تعریف نیازمندی ها
هوش تجاری

31. 4) تعریف نیازمندی ها
جمع آوری ، استخراج و تعریف دقیق نیازمندی ها یکی از مهم ترین مراحل برای انجام یک پروژه نرم افزاری می باشد.
با تعریف و تحلیل نیازمندی ها مطمئن می شويم که نيازمندیها را به طور كامل جمع آوري كرده ، آنها را به طور كامل شناخته ايم و هيچ ابهامي در مورد آنها وجود ندارد. علاوه بر این تحلیل نیازمندی ها سبب می شود تا مطمئن شويم نيازمندیها با یکدیگر در تضاد نيستند.
هوش تجاری

32. 4) تعریف نیازمندی ها
به طور کلی نیازمندی هایی که باید استخراج شوند عبارتند از:
Functional Requirements
Data Requirements
Historical Requirements
Security Requirements
Performance Requirements
هوش تجاری

33. 4) تعریف نیازمندی ها
Functional Requirements
مدیران سطح بالا به چه داده ها و اطلاعاتی نیاز دارند؟
دریافت چه گزارش هایی را انتظار دارند؟
کدام گزارش ها از درجه اهمیت بیشتری برخوردار است؟
کدام گزارش ها از درجه اهمیت کمتری برخوردار است؟
چه نوع پرس و جو های تحلیلی ای توسط کاربران اجرا می شود؟
کدام نوع از سؤالات را با امکانات فعلی نتوانسته اند پاسخ دهند؟
آیا مثالهایی از این سؤالات و پرس و جو ها جمع آوری شده ست؟
...
هوش تجاری

34. 4) تعریف نیازمندی ها چه داده هایی و از کجا باید جمع آوری شود؟
Data Requirements
چه داده هایی و از کجا باید جمع آوری شود؟
داده های جمع آوری شده تا کنون چگونه پاکسازی شده اند؟
برای پاکسازی داده ها چه کارهایی را باید انجام داد؟
کدام نوع از داده ها برای مدیران از اهمیت بسیار زیادی برخوردار هستند؟
آیا امکان خلاصه سازی داده ها وجود دارد؟ کدام ابعاد قابلیت حذف دارند؟
انتظارات برای به روز بودن داده ها و در دسترس بودن داده ها چگونه است؟
...
هوش تجاری

35. 4) تعریف نیازمندی ها اطلاعات تا چند سال گذشته لازم است نگهداری شود؟
Historical Requirements
اطلاعات تا چند سال گذشته لازم است نگهداری شود؟
آیا می توان تنهااز داده های از این به بعد استفاده نمود یا استفاده از داده های سالهای گذشته ضروری است؟
...
هوش تجاری

36. 4) تعریف نیازمندی ها چه میزانی از امنیت مورد نیاز است؟
Security Requirements
چه میزانی از امنیت مورد نیاز است؟
چه میزانی از امنیت در سیستم های فعلی تأمین شده است؟
آیا نیازمندیهای امنیتی با یکدیگر همخوانی دارند یا با یکدیگر در تناقض هستند؟
سطح و نحوه دسترسی به داده ها چگونه باید باشد؟
...
هوش تجاری

37. 4) تعریف نیازمندی ها
Performance Requirements
حداکثر زمان پاسخ دهی به پرس و جو ها چقدر باید باشد؟
...
هوش تجاری

38. 5) تحلیل داده ها
هوش تجاری

39. 5) تحلیل داده ها
یکی از مشکل ترین و پر چالش ترین مراحل در ساخت سیستم های هوش تجاری مرحله تحلیل داده می باشد. در این قسمت کیفیت داده های منابع مختف را مورد ارزیابی و بررسی قرار می دهیم.
در این مرحله در واقع باید مشخص کنیم که داده های سازمان از چه منابعی تأمین می شوند و تا چه میزان پاکسازی شده اند و کامل می باشند.
عملیات پاکسازی داده فرآیندی بسیار پرهزینه و زمانبر می باشدو از سوی دیگر شناسایی مشکلات در میان حجم انبوهی از داده ها کار چندان آسانی نیست.
هوش تجاری

40. 5) تحلیل داده ها
می توان از فراداده برای مشخص کردن شناسنامه داده ها استفاده نمود که در شکل مقابل بخشهای مختلف آن را مشاهده می کنید:
Data Ownership
Data Rule
Data Policy
Data Type
Data Length
Data Content
Data Name
Data Relationship
Data Identifier
Data Definition
هوش تجاری

41. 5) تحلیل داده ها در واقع نام منحصر به فرد شیء داده ای ما می باشد.
Data name:
در واقع نام منحصر به فرد شیء داده ای ما می باشد.
Data definition:
در این قسمت شرح مختصری در مورد شئ داده ای داده می شود.
Data relationship:
در این قسمت رابطه ی این شئ داده ای با دیگر اشیاء داده ای بیان می شود.
هوش تجاری

42. 5) تحلیل داده ها
Data Identifier:
در این قسمت مشخص می کنیم کدام فیلد از این شئ داده ای سبب می شود این شئ به صورت منحصر به فرد شناخته شود در واقع می تواند برای آن حکم کلید اصلی را ایفا کند.
Data Type:
در این قسمت نوع داده را مشخص می کنیم. (عددی، متنی ،...)
Data length:
در این قسمت طول و ماکزیمم مقدار آن را مشخص می نماییم.
هوش تجاری

43. 5) تحلیل داده ها
Data content:
در این قسمت مشخص می کنیم که این داده چه مقادیری را می تواند بگیرد. در واقع دامنه مقادیر ورودی آن را مشخص می کنیم.
Data rule:
در واقع محدودیتهایی است که برروی آن داده وجود دارد. برای مثال مقدار آن باید بین 20 تا 50 باشد.
Data policy:
سیاستهایی است که برروی داده ها از طرف سازمان اعمال شده است.
Data ownership:
افرادی که را که اجازه ی مدیریت و تغییر این داده را دارند، مشخص می کند.
هوش تجاری

44. 5) تحلیل داده ها تحلیل منابع داده ای خارجی پالایش مدل منطقی داده
فعالیت های گام تحلیل داده:
تحلیل منابع داده ای خارجی
پالایش مدل منطقی داده
تحلیل کیفیت منابع داده
توسعه مدل منطقی داده برای سازمان
برطرف کردن مشکلات داده
ثبت دستورالعمل های پاکسازی داده
هوش تجاری

45. 6) نمونه سازی برنامه کاربردی
هوش تجاری

46. 6) نمونه سازی برنامه کاربردی
نمونه سازی یکی از روش های بسیار مؤثر برای اعتبار سنجی نیازمندی های پروژه و نیز کشف قسمت های از قلم افتاده در نیازمندی ها می باشد.
یکی دیگر از اهداف نمونه سازی صحت سنجی طراحی، ابزارهای انتخابی، سیستم های مدیریت پایگاه داده و سایر مؤلفه های تکنولوژیک در ارتباط با محیط هوش تجاری می باشد.
با انجام نمونه سازی و کسب نتایج موفقیت آمیز از این مرحله می توان تا حد بسیار زیادی نسبت به در اختیار داشتن یک سامانه هوش تجاری پس از پیاده سازی اطمینان حاصل نمود.
با ساخت نمونه می توان طرحهای مختلف را با یکدیگر مقایسه کرد و بهترین آنها را انتخاب نمود.
هوش تجاری

47. 6) نمونه سازی برنامه کاربردی
فعالیت های گام نمونه سازی برنامه کاربردی:
تحلیل نیازمندی های دسترسی
مشخص کردن حوزه نمونه سازی
انتخاب ابزار مناسب برای نمونه سازی
آماده سازی دستور العمل های نمونه سازی
طراحی گزارش ها و پرس و جو های مورد نیاز
ساخت نمونه
هوش تجاری

48. 7) تحلیل مخزن فرا داده
هوش تجاری

49. 7) تحلیل مخزن فرا داده
مخزن فراداده یک پایگاه داده است اما نه همانند سایر پایگاه های داده
در این مخزن اطلاعات زمینه ای در مورد داده های تجاری ذخیره می شود
اطلاعات زمینه ای به صورت ذاتی در هر سازمان و هر کسب و کاری وجود دارد، هنگامی که این اطلاعات مستند می شوند از آن با نام ” فرا داده ” یاد می شود
هوش تجاری

50. 7) تحلیل مخزن فرا داده اطلاعات زمینه ای در یک سازمان عبارتند از:
اشیاء: خریدار، فروشنده ، ...
فعالیت های تجاری: خرید، فروش، سفارش ، باز پس گیری، ...
ارتباطات: ارتباطات مابین اشیاء یا فعالیت ها
قوانین و سیاست های اعمالی: قوانین و سیاست هایی که بر روی اشیاء و فعالیت های سازمانی اعمال می شود
هوش تجاری

51. 7) تحلیل مخزن فرا داده
همه مؤلفه های موجود در انباره فرا داده از ارزش یکسانی برخوردار نیستند. در همه پروژه های هوش تجاری نمی توان تمامی این مؤلفه ها را ایجاد نمود.
اولیت بندی مؤلفه ها
اجباری:
مؤلفه هایی هستند که حتماً باید تهیه شوند.
با اهمیت:
مؤلفه هایی هستند که بسیار سودمند می باشند ولی اجباری در تهیه و ایجاد آنها نیست
اختیاری:
مؤلفه هایی هستند که اگر تهیه نشوند مشکل خاصی ایجاد نخواهد شد.
باید توجه داشت که همه مؤلفه های اجباری باید تهیه شوند، مؤلفه های با اهمیت تا حد امکان تهیه می شوند و تهیه مؤلفه های اختیار تا ارائه نسخه های دیگر سیستم به تعویق می افتد.
هوش تجاری

52. 7) تحلیل مخزن فرا داده Mandatory Important Optional هوش تجاری
Technical data name
Definition
Type
Length
Origin
Transformation
Physical location …
Business data name
Owner
Domain
Relationships
Rules
Policies
Cleanliness
Applicability …
Security
Timeliness
Volume
Growth
Notes …
هوش تجاری

53. 7) تحلیل مخزن فرا داده هوش تجاری تحلیل نیازمندی های انباره فرا داده
تحلیل نیازمندی های واسط مورد نیاز برای انباره فرا داده
ایجاد
Logical Meta Model
ایجاد
Meta-meta Data
تحلیل نیازمندی های دسترسی به انباره فراداده و نیازمندی های گزارش دهی
هوش تجاری

54. 8) طراحی پایگاه داده
هوش تجاری

55. 8) طراحی پایگاه داده در این بخش پایگاه داده ی عملیاتی طراحی می شود.
طراحی منطقی پایگاه داده:
مدل ستاره ای
مدل دانه برفی
مدل مدل منظومه ای
برای طراحی پایگاه داده در این پروژه از مدل دانه برفی استفاده خواهیم نمود.
برای این منظور از MySQL Server 2008 بهره خواهیم گرفت.
هوش تجاری

56. 8) طراحی پایگاه داده نمونه ای از مدل داده ای ایجاد شده در این پروژه.
نمونه ای از مدل داده ای ایجاد شده در این پروژه.
هوش تجاری

57. 8) طراحی پایگاه داده مرور نیازمندیهای دسترسی به داده
فعالیت های گام طراحی پایگاه داده عملیاتی:
مرور نیازمندیهای دسترسی به داده
مشخص کردن نیازمندیهای یکپاچه سازی و خلاصه سازی
طراحی پایگاه داده عملیاتی
طراحی ساختار فیزیکی پایگاه داده عملیاتی
ساخت پایگاه داده عملیاتی
توسعه رویه های نگهداری پایگاه داده عملیاتی
آماده سازی برای نظارت و تنظیم نمودن طراحی پایگاه داده عملیاتی
آماده سازی برای نظارت و تنظیم نمودن طراحی پرس و جو
هوش تجاری

58. 9) طراحی ETL
هوش تجاری

59. 9) طراحی ETL
اطلاعات موجود در سيستم هاي عملياتي سازمان، قابليت استفاده جهت تصميمات استراتژيك را ندارند.
اين اطلاعات مي‌بايست تغيير شكل يافته و وارد سيستم DW شوند تا قابليت استفاده جهت تصميم‌گيري‌هاي استراتژيك را پیدا نمایند.
عمليات انجام شده در ETL اطلاعات موجود در سيستم‌هاي عملياتي سازمان را استخراج مي‌كنند و آنها را به شكل و قالبي كه قابل استفاده در DW شود، تبديل كرده و تغييرات لازم را بر روي آنها اعمال مي‌كنند.
در صورتي كه اطلاعات به نحوه صحيحي استخراج نشده و يا عمليات cleansing به درستي بر روي آنها صورت نگيرد، زير ساخت سيستم DW دچار اختلال خواهد شد.
هوش تجاری

60. 9) طراحی ETL
تحت عملياتETL اطلاعات از سيستم‌هاي عملياتي سازمان استخراج شده، به شكل قابل استفاده در DW تبديل شده و در آن بارگذاري مي‌شوند.
عمليات ETL در DW شامل سه فعاليت می باشد:
استخراج اطلاعات از سيستم‌هاي عملياتي موجود در سازمان،
تغيير قالب آنها به طوري كه قابل استفاده در DW باشند
و در نهايت بارگذاري آنها در DW مي‌باشد.
هر يك از فعاليت‌هاي انجام شده در ETL اهميت خاصي دارد و نبايد ناديده گرفته شوند.
هوش تجاری

61. 9) طراحی ETL E X T R A C Orders N S F O M L O D BI Target Database
Customer
Accounting E X T R A C
Orders N S F O M
L O D
Inventory
BI Target
Database
هوش تجاری

62. 9) طراحی ETL سيستم‌هاي منبع اطلاعات عموماً گوناگون و گسترده مي‌باشند.
سيستم‌هاي عملياتي عموماً بر روي پلتفرم‌ها و سيستم‌هاي عامل گوناگون قرار دارند.
پايگاه‌هاي داده سيستم‌هاي اطلاعاتي عموماً قديمي بوده و با تكنولوژي روز تطابق ندارند.
تغييرات بر روي داده‌ها كه از اطلاعات اساسي در DW ها مي‌باشد، در سيستم‌هاي اطلاعاتي ذخيره نمي‌شوند.
كيفيت داده‌ها در بسياري از پايگاه‌هاي داده قديمي بسيار پايين مي‌باشد.
نحوه ذخيره داده‌ها در پايگاه‌هاي داده با يكديگر متفاوت است.
اطلاعات موجود در پايگاه‌هاي داده براي كاربران داراي مفهوم نمي‌باشد و به صورت رمزگونه و مبهم ذخيره مي‌شوند.
هوش تجاری

63. 11) تولید ETL
هوش تجاری

64. 11) تولید ETL
در این قسمت با استفاده از ابزارهای موجود ETL طراحی شده در مرحله قبل را تولید می نماییم. برخی از ابزارهایی که در این مرحله می تواند مورد استفاده قرار بگیرد عبارتند از:
business analysis
Kettle
Clover ETL
در این پروژه از ابزار Clover ETL برای ساخت ETL بهره خواهیم گرفت.
هوش تجاری

65. 11) تولید ETL
برخی از قابلیت هایی که این ابزار برای ما ایجاد می نماید عبارتند از:
Deriving
Filtering
Sorting
Joining
Aggregation
Pivoting
Splitting
Disaggregation
هوش تجاری

66. 11) تولید ETL کارهایی که در این قسمت باید انجام دهیم عبارتند از:
مشخص نمودن منابع اطلاعاتي داخلي و خارجي
Map كردن اطلاعات بدست آمده از DW و اجزاي داده‌اي در منابع اطلاعات
مشخص نمودن قوانين استخراج داده‌ها
مشخص نمودن قوانين تبديلات داده‌ها
برنامه‌ريزي جهت جداول تجميعي
سازمان‌دهي ابزارهاي تست
ايجاد رويه‌هايي جهت استخراج داده‌ها
ETL براي جداول بعد
ETL براي جداول حقايق
هوش تجاری

67. 11) تولید ETL
انواع تست هایی که در این قسمت می تواند انجام شود عبارتند از:
Integration Test
Regression Test
Performance Test
Quality Assurance Test
Acceptance Test
هوش تجاری

68. 12) تولید برنامه کاربردی
هوش تجاری

69. 12) تولید برنامه کاربردی
در این مرحله سرویس های OLAP بر روی پایگاه داده تحلیلی ایجاد شده سوار می شود و App های مختلفی که در سبد BI این سامان قرار دارد می تواند از لایه زیرین خود سرویس گرفته و به لایه های بالاتر سرویس دهند.
برای نمایش داده ها برای کاربران سیستم باید از تکنیک های Visualization که توسط داشبوردها و اسکوربردها ارائه می شوند بهره گرفت.
برخی از ابزارهایی که این امکان را برای ما ایجاد می کند عبارتند از:
XCelsius
Web Intelligence
هوش تجاری

70. 12) تولید برنامه کاربردی
هوش تجاری

71. 12) تولید برنامه کاربردی
هوش تجاری

72. 13) داده کاوی
هوش تجاری

73. 13) داده کاوی
در این قسمت با استفاده از انجام داده کاوی برروی پایگاه داده ی تحلیلی، دانش و الگوهای مورد نظر را استخراج می کنیم.
برخی از الگوهای قابل استخراج در این پروژه:
خوشه بندی کاربران
شناسایی الگو خرید هر دسته
شناسایی آیتم ها برای بسته های پیشنهادی غذا
...
هوش تجاری

74. 13) داده کاوی
برخی از تکنیک هایی که در این قسمت می تواند مورد استفاده قرار گیرد عبارتند از:
Association Discovery
Sequential Pattern Discovery
Classification
Clustering
Forecasting
...
هوش تجاری

75. 13) داده کاوی
برخی از ابزارهایی که برای این منظور می توان از آنها بهره گرفت عبارتند از:
Weka
RapidMinner
در این پروژه برای انجام عملیات داده کاوی از Weka استفاده خوهد شد.
هوش تجاری

76. 13) داده کاوی
مراحل داده کاوی
هوش تجاری

77. 15) پیاده سازی
هوش تجاری

78. 15) پیاده سازی
پس از ساخت و تست مؤلفه های مختلف سیستم هوش تجاری و رفع مشکلات و نواقص، مؤلفه های مختلف سیستم در ارتباط با یکدیگر قرار می گیرند و آماده استفاده می شوند.
در این قسمت، تمامی قسمتهای پیاده سازی شده را در کنار هم قرار می دهیم و به صورت یک بسته ی نرم افزاری در می آوریم. و سامانه هوش تجاری را در سازمان راه اندازی می نماییم و خدمات و نگهداری های لازم از سامانه را نیز به عمل می آوریم.
همزمان با این موضوع آموزش کارمندان تجاری و ذی نفعان سیستم نیز آغاز می شود.
هوش تجاری

79. 16) ارزیابی نسخه
هوش تجاری

80. 16) ارزیابی نسخه
در این بخش که آخرین بخش از مراحل انجام پروژه است، با استفاده از نیاز های کارفرما و با استفاده از تیمی که توسط خود انها در اختیار ما قرار داده شده، تست سیستم انجام می پذیرد. البته می توان سیستم را برای مدتی در اختیار مدیران قرار داده و با استفاده از داده های مقطعی بصورت offline و حتی online کیفیت و کارایی سیستم ارزیابی شود.
بعد از ارزیابی تغییرات خواسته شده توسط مدیران اعمال شده و نسخه های مختلف سیستم مربوط به بخش های مختلف آن در اختیاز شعب مختلف قرار خواهند گرفت. همچنین به کاربران آموزشهای لازم را برای کار با سیستم می دهیم.
هوش تجاری