Проектирование хранилищ данных с исп. систем поддержки принятия решений по тем. выпуск. квалифицированной раб.

Динамическое управление разряженными матрицами – обеспечение оптимальной обработки разряженных матриц.Поддержка многопользовательского режима – возможность совместной работы множества пользователей.Неограниченные перекрестные операции – обеспечение сохранения функциональных отношений, описанных с помощью формального языка между ячейками гиперкуба при выполнении любых операций.Интуитивная манипуляция данными – выполнение операций без необходимости совершения множества действий с интерфейсом.Гибкие возможности получения отчетов – поддержка различных способов визуализации данных.Неограниченная размерность и число уровней агрегации – отсутствие ограничений уровней агрегации и путей консолидации.Дополнительными правилами являютсяПакетное извлечение против интерпретации – доступность, как собственных, так и внешних данным.Поддержка всех моделей анализа – поддержка категориальной, толковательной, умозрительной и стереотипной моделей.Обработка ненормализованных данных – модификация данных в среде OLAP не должна приводить к изменениям данных в исходных системах.Сохранение результатов OLAP:анализируемые и исходные данные сохраняются раздельно.Исключение отсутствующих значений – значения не должны быть равными 0.Обработка отсутствующих значений – игнорирование отсутствующих значений без учета их источников.Архитектура OLAP – системOLAP – система состоит из двух основных компонентов:OLAP – сервер – обеспечение хранения данных, выполнение над ними необходимых операций, формирование многомерной модели;OLAP – клиент – представление пользовательского интерфейса к многомерной модели.Существует несколько способов реализации многомерной модели:MOLAP – использование многомерных баз данных (БД);ROLAP - использование реляционных БД;HOLAP – использование многомерных и реляционных БД;DOLAP – настольный desktop;JOLAP – основанная на java коллективная OLAPAPI – инициатива, предназначенная для создания и управления данными и метаданными на серверах OLAP.3.3.1 MOLAPДанные сохраняются в виде упорядоченных многомерных массивов. Данные массивы делятся на гиперкубы и поликубы.В гиперкубе все хранимые в БД ячейки имеют одинаковую размерность, т.е. находятся в максимально полном базисе измерений.В поликубе каждая ячейка хранится с собственным набором измерений.Физически данные хранятся в «плоских» файлах. Куб имеет вид одной плоской матрицы, в которой построчно вписаны все комбинации членов всех измерений с соответствующими им значениями мер.Преимущества реализации MOLAP:более быстрый поиск и выборка данных, т.к. БД имеет ненормализованную форму и содержит заранее агрегированные показатели, тем самым оптимизируя доступ;легкость включения в информационную модель разнообразных встроенных функций.Недостатки:увеличенный объем данных;разреженность информационного гиперкуба снижает быстродействие;сложность внесения изменений в модель.Данную модель целесообразно использовать, еслиобъем исходных данных не слишком велик;выбор информационных измерений стабилен;время ответа системы не является критически важным параметром;требуется частоеприменение сложных встроенных функций для выполнения вычислений над ячейками гиперкуба.3.3.2. ROLAPROLAP сервера используют реляционные БД. При реализации многомерного представления данных используют две основные схемы:«звезда» (рисунок 11);Рис. 11. Пример схемы «звезда»«снежинка» (рисунок 12);Рис. 12. Пример схемы «снежинка»К таблице фактов, как правило, относятся:факты, связанные с транзакциями;факты, связанные с моментальными снимками;факты, связанные с элементами документа;факты, связанные с событиями или состоянием объекта.Таблицы измерений содержат неизменяемые или редко изменяемые данные. Скорость увеличения объема таблиц измерений должна быть невысокой по сравнению со скоростью увеличения размеров таблицы фактов. В сложных задачах с иерархическими изменениями используют схему «снежинка». В этом случае, создаются отдельные таблицы фактов для всевозможных сочетаний уровней обобщения различных измерений. Это позволяет добиться лучшей производительности, но приводит к избыточности данных и усложнениям структуры таблиц.Достоинства использования ROLAP:инструменты ROLAP позволяют производить анализ в корпоративных хранилищах, реализованных в реляционных БД;оптимальны в случае переменной размерности задачи, при частых внесениях изменений в структуру;более высокий уровень защиты данных и разграничения доступа.Главным недостатком является меньшая производительность.3.3.3. HOLAPИспользуется гибридная архитектура, объединяющая ROLAP и MOLAP. В отличие от MOLAP, которая работает лучше, если данные более плотные, серверы ROLAPпоказывают лучшую производительность на разреженных данных. В серверахHOLAPиспользуется подход ROLAPдля разреженных областей и подход MOLAPдля плотных. Запрос делится на несколько подзапросов, которые направляютсяк соответствующим фрагментам данных. Результаты комбинируются, а затем представляются пользователям.Таким образом, для анализа информации наиболее удобным способом представления является многомерная модель или гиперкуб. Над гиперкубом могут выполняться операции среза, вращения, консолидации и детализации.Архитектура OLAP системы состоит из сервера и клиента. OLAP – сервер может быт реализован при помощи многомерных (MOLAP), реляционных (ROLAP) или сочетания обоих моделей (HOLAP).MOLAP обладает высокой производительностью и простотой использования встроенных функций, ROLAP имеет возможность работать с реляционными БД, более экономично использует ресурсы и обладает большей гибкостью при изменении схемы.ЗАКЛЮЧЕНИЕВ данной работе были рассмотрены концепции построения СППР, приведена их классификация, область применения, характеристики, решаемые задачи.Показано, что современные СППР проходят этап быстрого развития, им находят новые области применения [21-23]. При этом СППР часто являются не отдельным программным продуктом, а выступают в качестве части программногокомплекса. Учитывая возрастающее влияние Интернет, непрерывно возрастающее количество информациив современных СППР должны как можно активнее использоваться веб – и облачные вычисления.Появление концепции хранилищ данных дало серьезный толчок к развитию внутренней архитектуры современных СУБД, их программного окружения, инструментальных средств конечного пользователя, различных межкорпоративных стандартов.При реализации проектов по построению хранилищ данных возникает ряд задач, к которым можно отнести:проектирование структуры иерархических измерений;проектирование структуры медленно меняющихся измерений;проектирование и актуализация агрегатных значений.Кроме того, существует ряд вопросов,требующихдальнейших исследований. Сложным для реализации является случай иерархическихизмерений с необходимостью поддержания истории изменений, имеющих связи с другими справочниками. Несмотря на то, что стоимость аналитических систем остается достаточно высокой, экономический эффект, обеспечиваемый ими, существенно превышает эффект от традиционных систем оперативного управления.Эффект от правильной организации, стратегического и оперативного планирования развития бизнеса трудно заранее оценить в цифрах, но очевидно, что он в десятки и даже сотни раз может превзойти затраты на реализацию таких систем. СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫJack Show. Digital Jungle, and doing business in the Information Age.[Электронный ресурс]. Режим доступа: http://wowspeakers.com/2014/02/jack-shaw/ (дата обращения 03 марта 2015 г.)Cisco Forecast and Methodology, 2013–2018. [Электронныйресурс]. Режим доступа:http://www.cisco.com/c/en/us/solutions/collateral/service-provider/global-cloud-index-gci/Cloud_Index_White_Paper.pdf (дата обращения 18 марта 2015 г.)Хранилища данных. [Электронный ресурс]. Режим доступа:http://window.edu.ru/library/pdf2txt/224/60224/30094/page10(дата обращения 13 апреля 2015 г.)Система поддержки принятия решений. [Электронный ресурс]. Режим доступа: http://ru.wikipedia.org/система_поддержки_принятия решений (дата обращения 13 апреля 2015 г.)Little I.D.C. Models and Managers: The Concept of a Decision Calculus // Management Science, 1970,v. 16,Nr.8Thieranf R.J. Decision Support Systems for Effective Planing and Control. -Englewood Cliffs, N.J: Prentice Hall, Inc, 1982.Sprague R.H. A Framework of Development of the Decision Support Systems // MIS Quarterly, 1980, v. 4, Nr.4Ginzberg M.I., Stohr E.A. Decision Support Systems: Issues and Perspectives // Processes and Tools for Decision Support / ed. by H.G. Sol, Amsterdam, North-Holland Pub I.Co, 1983.Radulescu D., Gheorghiu 0. Optimizarea flexibila si decizia asistata de calculator. Bucuresti, Ed.stiintifica, 1992.Ключко В.И. Архитектуры систем поддержки принятия решений.//Научный журнал КубГАУ, № 86(02), 2013 Turban, E. Decision support and expert systems: management support systems. -Englewood Cliffs, N.J.: Prentice Hall, 1995. — 887 p.Haettenschwiler P. NeuesanwenderfreundlichesKonzeptderEntscheidungs-unterstutzung. GutesEntscheiden in Wirtschaft, Politik und Gesellschaft. Zurich: Hochschulverlag AG, 1999. — S. 189—208.Power D.J. A Brief History of Decision Support Systems. DSSResources.COM, World Wide Web. [Электронный ресурс]. Режим доступа:http://DSSResources.COM/history/dsshistory.html (дата обращения 13 апреля 2015 г.)Power D. J. «What is a DSS?» // The On-Line Executive Journal for Data-Intensive Decision Support, 1997. — v. 1. — N3.Хранилища данных: основные архитектуры и принципыпостроения в реляционных СУБД. [Электронный ресурс]. Режим доступа:http://www.bipartner.ru/downloads/DW_Arch.pdf(дата обращения 13 апреля 2015 г.)JoergReinschmidt, Allison Francoise. Business Intelligence Certification Guide. IBM Redbooks.Нартова А. PowerDesigner 15. Моделирование данных. М.: издательство ЛОРИ, 2014. – 469 с.Александрин А.М. Разработка и реализация методов и моделей информационной системыподдержки принятия решений на уровне предприятия: Автореф. дис.канд. техн. наук. –М.:РГБ, 2006.Повышение производительности хранилищ данных.1 // ComputerWeek-Moscow. – 1996. –№32. – C. 28.Львов В.Н. Создание систем поддержки принятия решений на основе хранилищ данных //Системы управления базами данных. – 1997. – №3.БергерА.Б. Microsoft SQL Server Analyses Services. OLAP и многомерный анализ данных. – СПб.: БХВ – Петербург, 2007. – 928 с. с ил.Кузнецов М.А., Пономарев С.С. Современная классификация систем поддержки принятия решений // Прикаспийский журнал: управление и высокие технологии. 2009. № 3. С. 52 – 58.Ткаченко В.В. Система поддержки принятия решений управления экономическими параметрами в растениеводстве // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2008. №4. С. 90-106.Шумкова О.А., Карлов Д.Н., Шумков Е.А. Многоконтурная система анализа финансового рынка // Труды Кубанского Аграрного Университета. Краснодар: КубГАУ. 2010. № 4. С. 31 - 35.