Правительство Российской Федерации Федеральное государственное автономное образовательное учреждение высшего профессионального образования

Скачать 125.7 Kb.

Название	Правительство Российской Федерации Федеральное государственное автономное образовательное учреждение высшего профессионального образования
Дата публикации	09.01.2015
Размер	125.7 Kb.
Тип	Самостоятельная работа

100-bal.ru > Информатика > Самостоятельная работа

Правительство Российской Федерации

Федеральное государственное автономное образовательное учреждение высшего профессионального образования

Национальный исследовательский университет

Высшая школа экономики

Факультет бизнес-информатики

Программа дисциплины

«Системы бизнес-интеллекта»

для магистерской программы «Бизнес-информатика»

направления 080500.68 «Бизнес-информатика»

Авторы: Н.И. Голов, Т.К.Кравченко, Е.В.Огуречников

Рекомендовано секцией УМС Одобрено на заседании

Секция «Бизнес-информатика» кафедры бизнес-аналитики

Председатель Зав. кафедрой ______________ Ю.В.Таратухина ______________ Т.К.Кравченко

«____» ________________ 2012 г. «____» _______________ 2012 г.

Москва – 2012

I. Тематический план учебной дисциплины

№ п/п	Наименование тем и разделов	ВСЕГО (часов)	Аудиторные занятия (час)		Самостоятельная работа
			в том числе
			Лекции	Семинары и практич. занятия
1.	Хранилища данных для бизнес-структур	70	12	8	50
2.	OLAP-системы и другие BI-решения	70	12	16	42
3.	Системы интеллектуального анализа данных	76	14	14	48
ИТОГО		216	38	38	140

II. Базовые учебники
Исаев Д.В., Кравченко Т.К. Информационные технологии управленческого учета. Учебно-методический комплекс (УМК). – М., ГУ-ВШЭ, 2006. – 297 с.

(УМК доступен в электронном виде на сайте кафедры бизнес-аналитики: http://www.hse.ru/org/hse/bi/67601/methodical_office ).

Концепция Business Performance Management: начало пути. / Е.Ю.Духонин, Д.В.Исаев, Е.Л.Мостовой и др., под ред. Г.В.Генса. – М.: Альпина Бизнес Букс, 2004.

Туманов В.Е. Проектирование хранилищ данных для систем бизнес-аналитики Учебное пособие М.: БИНОМ. Лаборатория знаний, Интернет-университет информационных технологий – ИНТУИТ.ру, 2010
III. Формы контроля
Формирование оценок по учебной дисциплине производится в соответствии с Положением об организации контроля знаний, утвержденного Ученым советом НИУ ВШЭ от 24.06.2011, протокол №26.

В соответствии с Рабочим учебным планом, формами текущего контроля являются контрольная работа, реферат и домашнее задание. Каждая из форм текущего контроля оценивается по 10-балльной шкале. Общая оценка за текущий контроль (по 10-балльной шкале) рассчитывается по формуле:

О_{текущий} = 0,2 · О_к/р + 0,4 · О_реф + 0,4 · О_дз ,
где О_к/р – оценка за контрольную работу;

О_реф – оценка за реферат;

О_дз – оценка за домашнее задание.
При определении накопленной оценки (по 10-балльной шкале) аудиторная работа и самостоятельная внеаудиторная работа не оцениваются. Поэтому накопленная оценка совпадает с оценкой за текущий контроль и рассчитывается по формуле:

О_{накопленная} = 1,0 · О_{текущий} + 0,0 · О_ауд + 0,0 · О_{сам.работа} ,
где О_{текущий} – оценка за текущий контроль;

О_ауд – оценка за аудиторную работу;

О_{сам.работа} – оценка за самостоятельную работу.
Результирующая оценка (выставляется в диплом) формируется на основе итоговой оценки за зачет (по 10-балльной шкале) и накопленной оценки. Результирующая оценка рассчитывается по формуле:

О_{результ} = 0,3 · О_зачет + 0,7 · О_{накопленная} ,
где О_зачет – оценка за итоговый контроль (зачет);

О_{накопленная} – накопленная оценка.

При формировании оценок на основе весовых коэффициентов применяется округление до целого числа в большую сторону.

IV. Содержание программы

Тема 1. Хранилища данных для бизнес-структур

Цели появления хранилищ данных. Хранилища как ответ на потребность бизнес-структур в отчетности. Хранилища как ответ на потребность бизнес-структур в оперативной ad-hoc аналитике. Хранилища как инструмент монетизации исторических данных о развитии бизнеса. Потенциальная предпосылка – хранилище как шина синхронизации.

Причины скачка потребности в хранилищах данных в XXI веке. Аппаратные и программные предпосылки. Исторические предпосылки – накопление критического объема данных. Повсеместное распространение проблемной ситуации «зоопарк систем».

Эволюция понимания термина «хранилище данных». Текущее представление об обязательных компонентах хранилища. Старое представление хранилища и витрины данных. Нормализация и денормализация. Риски обновления хранилища. Staging как решение. Итоговая компоновка крупных промышленных хранилищ данных. Ключевые требования к хранилищу данных.

Основные приемы проектирования физической модели хранилища данных. Третья нормальная форма, баланс между нормализацией и денормализацией. SCD, медленно меняющиеся измерения. Data Vault, новая идеология построения хранилищ.

Рынок хранилищ данных РФ, емкость рынка, лидеры и участники.

ETL – инструменты формирования хранилищ. MS SSIS. Informatica. ODI.

Основная литература
Исаев Д.В., Кравченко Т.К. Информационные технологии управленческого учета. Учебно-методический комплекс (УМК). – М., ГУ-ВШЭ, 2006. – 297 с. (УМК виде на сайте кафедры бизнес-аналитики: http://www.hse.ru/org/hse/bi/67601/methodical_office ).

Концепция Business Performance Management: начало пути. / Е.Ю.Духонин, Д.В.Исаев, Е.Л.Мостовой и др., под ред. Г.В.Генса. – М.: Альпина Бизнес Букс, 2004. – 269 с.

Туманов В.Е. Проектирование хранилищ данных для систем бизнес-аналитики Учебное пособие М.: БИНОМ. Лаборатория знаний, Интернет-университет информационных технологий – ИНТУИТ.ру, 2010

Дополнительная литература:

Biao Fu, Henry Fu. SAP® BW: A Step-by-Step Guide. Издательство: Addison-Wesley Professional, 2003 г.

Catherine M. Roze. SAP BW Certification: A Business Information Warehouse Study Guide. Издательство: Wiley, 2002 г.

Методы и модели анализа данных: OLAP и Data Mining. /А.А.Барсегян, М.С.Куприянов, В.В.Степаненко, И.И.Холод. СПб.: БХВ-Петербург, 2004. 27-49 с.

Хранилища данных. От концепции до внедрения / С.Архипенков, Д.Голубев, О.Максименко. М.: Диалог-МИФИ, 2002. 528 с.

Эрик Спирли. Корпоративные Хранилища данных. Изд. Вильямс. 2001 г.

Тема 2. OLAP-системы и другие BI-решения

Виды приложений Oracle Hyperion Essbase. Block Storage и Aggregate Storage. MDX. Построение кубов Oracle Hyperion Essbase из реляционной схемы «звезда» с помощью Oracle Hyperion Analytic Integration Services. Анализ данных в Excel при помощи надстройки Essbase Spreadsheet Add-In для Excel. Анализ данных в Oracle Hyperion Web-Analysis. Построение отчетов в Oracle Hyperion Financial Reporting. Комплексный анализ данных в Oracle Hyperion Interactive Reporting.

Основная литература:

Исаев Д.В., Кравченко Т.К. Информационные технологии управленческого учета. Учебно-методический комплекс (УМК). – М., ГУ-ВШЭ, 2006. – 297 с.

(УМК доступен в электронном виде на сайте кафедры бизнес-аналитики: http://www.hse.ru/org/hse/bi/67601/methodical_office ).

Концепция Business Performance Management: начало пути. / Е.Ю.Духонин, Д.В.Исаев, Е.Л.Мостовой и др., под ред. Г.В.Генса. – М.: Альпина Бизнес Букс, 2004. – 269 с.
Дополнительная литература:

Методы и модели анализа данных: OLAP и Data Mining. /А.А.Барсегян, М.С.Куприянов, В.В.Степаненко, И.И.Холод. СПб.: БХВ-Петербург, 2004. 49-66 с.

Тема 3. Системы интеллектуального анализа данных

Интеллектуальный анализ данных – востребованность для решения бизнес задач, предпосылки.

Бизнес-задачи, успешно нашедшие решение посредством интеллектуального анализа данных, классификация задач:

Directed Data Mining, обучение с учителем: классификация, прогнозирование, оценивание.

Undirected Data Mining, обучение без учителя: описание и визуализация, кластеризация, поиск ассоциативных правил.

Методология Data Mining проектов: CRISP-DM, описание фаз, обоснование необходимости фаз.

Практические примеры Data Mining проектов: сроки, стоимость, методика оценки успешности.

Типы Data Mining алгоритмов: алгоритмы разделения классов, проблема переобучения, прогнозирование трендов, подходы к кластеризации, поиск ассоциативных правил, анализ корреляции, задача селекции признаков.

Data Mining инструменты: рынок Data Mining инструментов, рекомендации по построению инфраструктуры Data Mining проектов и по выбору инструментов.

Data Mining алгоритмы, встроенные в SQL Server 2008 R2, преимущества, недостатки, типовые примеры использования.

MS Excel 2010 и PowerPivot как мощный DataMining инструмент для решения реальных бизнес-задач.

Профессиональные Data Mining инструменты: Matlab, Veca, SPSS и т.п.
Основная литература:

Паклин Н.Б., Орешков В.И. Бизнес-аналитика: от данных к знаниям (+ СD).. — СПб: Изд. Питер, 2009. — 624 с.

Дюк В., Самойленко А. Data Mining: учебный курс (+CD).. — СПб: Изд. Питер, 2001. — 368 с.

Дополнительная литература:

Айвазян С.А., Бухштабер В.М., Енюков Е.С., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. — М.: Финансы и статистика, 1989. — 608 с.

Журавлёв Ю.И., Рязанов В.В., Сенько О.В. "РАСПОЗНАВАНИЕ. Математические методы.Программная система.Практические применения", к книге прилагается компакт-диск с демоверсией программной системы «РАСПОЗНАВАНИЕ». — М.: Изд. «Фазис», 2006. — 176 с.

Зиновьев А. Ю. Визуализация многомерных данных. — Красноярск: Изд. Красноярского государственного технического университета, 2000. — 180 с.

Исаев Д.В., Кравченко Т.К. Информационные технологии управленческого учета. Учебно-методический комплекс (УМК). – М., ГУ-ВШЭ, 2006. – 297 с. (УМК доступен в электронном виде на сайте кафедры бизнес-аналитики: http://www.hse.ru/org/hse/bi/67601/methodical_office ).

Чубукова И. А. Data Mining: учебное пособие. — М.: Интернет-университет информационных технологий: БИНОМ: Лаборатория знаний, 2006. — 382 с. — ISBN 5-9556-0064-7
V. Тематика заданий по различным формам текущего контроля
Тематика домашнего задания:

Архитектура (концепция построения) многомерного информационного Хранилища.
Многомерная модель данных (детальное описание таблиц, расширенной схемы «звезды», преимущества и т.д.).
Экстракция данных из исходных систем в Хранилище данных.
Поток данных в Хранилище: от исходной системы до инфопровайдера.
Создание и настройка экстракторов и использование бизнес-содержимого в BW.
Интеграция Хранилища данных с другими информационными системами: сравнительный анализ интерфейсов и обзор возможностей.
Использование инфокубов, мультипровайдеров и ODS-объектов в Хранилище данных.
Использование агрегатов и другие методы оптимизации работы Хранилища данных..
Оптимизация работы и методы рационального проектирования Хранилища данных.
Хранилища данных, их классификация по видам и типам. Примеры реальных хранилищ данных.
Витрины данных(ВД), их роль в ХД. Примеры реальных ВД.
Компоненты ХД. Примеры реальных ХД.
Описание модели данных, используемой большинством ХД. Примеры схем данных.
Процессы извлечения, трансформации и загрузки данных (ETL). Примеры ETL-процессов.
Аналитический обзор архитектуры и компонентов Oracle Warehouse Builder (или MS DTS).
Построение ETL-процессов в OWB (или MS DTS). Аналитический обзор компонентов мэппингов.
Построение ETL-процессов в OWB (или MS-DTS).
Аналитический обзор основных операторов SQL. Примеры использования SQL для анализа данных.
Аналитический обзор структуры MDX-запросов. Примеры использования MDX для анализа данных.
Описание алгоритма взаимосвязей (Data Mining).
Описание aлгоритма кластеризации (Data Mining).
Описание aлгоритма дерева принятия решений (Data Mining).
Описание алгоритма линейной регрессии (Data Mining).
Описание алгоритм логистической регрессии (Data Mining).
Описание упрощенного алгоритма Байеса (Data Mining).
Описание принципов работы нейронной сети (Data Mining).
Описание алгоритма кластеризации последовательностей (Data Mining).
Интеллектуальный анализ данных в MS SQL Server 2008 Business Intelligence Development Studio.

Тематика реферата:

Описание модели данных, используемой большинством OLAP-систем. Демонстрация модели данных реальной OLAP-системы.
Архитектура OLAP-систем. Описание задач OLAP. Примеры OLAP-систем.
Описание правил Кодда для OLAP-систем. Аналитический обзор систем, удовлетворяющих этим правилам.
OLTP-системы и их применимость для оперативного анализа данных.
Многомерная модель данных Hyperion Essbase.
Аналитический обзор архитектуры и компонентов Oracle-Hyperion Essbase.
Аналитический обзор архитектуры и компонентов Oracle-Hyperion Analytic Integration Services.
Описание процесса построения кубов Oracle-Hyperion Essbase из реляционной БД. Примеры построения.
Соотношение Data Mining и OLAP. Демонстрация взаимодействия двух технологий на примерах.
Анализ данных в Excel при помощи надстройки Essbase Spreadsheet Add-In.
Block Storage и Aggregate Storage.
Построение кубов Oracle Hyperion Essbase из реляционной схемы «звезда» с помощью Oracle Hyperion Analytic Integration Services.
Аналитический обзор по ROLAP, MOLAP, HOLAP, DOLAP- системам.
Комплексный анализ данных в Oracle Hyperion Interactive Reporting.

Анализ данных в Oracle Hyperion Web-Analysis.
Oracle Warehouse Builder
Применение разновидностей многомерного хранения данных.
Oracle Hyperion Essbase.
Загрузка данных из OLTP БД в хранилище данных при помощи Oracle Warehouse Builder.
Преобразование и очистка данных внутри хранилища.
Загрузка данных в кубы Essbase.
Виды приложений Oracle Hyperion Essbase.
Построение отчетов в Oracle Hyperion Financial Reporting.

Тематика контрольной работы:
Аудиторная контрольная работа проводится по решению конкретной задачи с применением методов интеллектуального анализа данных.
VI. Вопросы для оценки качества освоения дисциплины

Опишите преимущества многомерной модели данных и схемы «звезда» Хранилища данных SAP BW.
Опишите процесс построения «инфокубов» SAP BW.
Опишите процесс построения логической схемы «звезда» SAP BW.
Опишите характеристики таблицы фактов, измерений и признаков, используемых при построении «инфокуба».
Какую модель данных использует большинство OLAP-систем?
Чем обусловлена неприменимость OLTP-систем для оперативного анализа данных?
Зачем нужны ODS объекты в SAP BW. В чем отличие ODS от инфокубов в SAP BW.
Опишите роль бизнес-контента и технического контента SAP BW.
Что такое витрины данных? Какова их роль в ХД?
Что является инфоисточником и инфопровайдером в SAP BW.
Что входит в состав ХД (на примере SAP BW)?
Опишите роль агрегатов в SAP BW.
Что такое таблицы фактов и измерений? Поясните понятия «схема звезда» и «схема снежинка».
Дайте определение ETL. Приведите пример ETL-процессов.
В чем специфика ETL процессов в SAP BW. Опишите поток данных в SAP BW от OLTP системы до цели данных (например, инфокуба).
Опишите возможности по оптимизации работы Хранилища данных (SAP BW).
Дайте определение OLAP. Опишите задачи OLAP.
Перечислите правила Кодда для OLAP-систем.
Что такое тест FASMI?
Приведите пример архитектур OLAP-систем.
Что такое ROLAP, MOLAP, HOLAP, DOLAP?
Дайте определение Data Mining. Приведите классификацию задач Data Mining.
Каково соотношение Data Mining и OLAP?
Опишите архитектуру и компоненты Oracle Warehouse Builder.
Опишите построение ETL-процессов в OWB. Перечислите компоненты мэппингов.
Опишите построение ETL-процессов в OWB. Перечислите компоненты Workflow.
Перечислите основные операторы SQL. Какова структура SELECT?
Опишите архитектуру Oracle Hyperion Essbase. Что такое приложения и БД Essbase?
Какова структура MDX-запросов?
Опишите архитектуру Oracle Hyperion Analytic Integration Services.
Опишите процесс построения кубов Essbase из реляционной БД.
Опишите процесс построения логической схемы «звезда» в AIS.
Опишите процесс построения отображения «звезды» на куб в AIS.
Опишите схему работы алгоритма кластеризации и ассоциации на примере исследования зависимости качества от характеристик продукции.
Опишите схему работы алгоритма кластеризации и ассоциации на примере исследования оптимальных характеристик продукции по соотношению затрат, качества и выручки.
Опишите схему работы искутсвенной нейронной сети на примере нейронной сети Кохонена.
Что такое Перцептрон? Какие сущесвтвуют алгоритмы обучения нейронной сети.
Архитектура OLAP-систем. Описание задач OLAP. Примеры OLAP-систем.
Описание правил Кодда для OLAP-систем. Аналитический обзор систем, удовлетворяющих этим правилам.
Тест FASMI. Аналитический обзор систем, удовлетворяющих этому тесту.

Авторы программы:
_____________________________ (Н.И.Голов)
_____________________________ (Т.К.Кравченко)
_____________________________ (Е.В.Огуречников)

Добавить документ в свой блог или на сайт

	Программа дисциплины «Сценарный трейдинг» Правительство Российской... Федеральное государственное автономное образовательное учреждение высшего профессионального образования		Правительство Российской Федерации Федеральное государственное автономное...
	Правительство Российской Федерации Федеральное государственное автономное...		Правительство Российской Федерации Федеральное государственное автономное...
	Правительство Российской Федерации Государственное образовательное... Федеральное государственное автономное образовательное учреждение высшего профессионального образования		Правительство Российской Федерации Федеральное государственное автономное... Федеральное государственное автономное образовательное учреждение высшего профессионального образования
	Правительство Российской Федерации Федеральное государственное автономное... Федеральное государственное автономное образовательное учреждение высшего профессионального образования		Правительство Российской Федерации Федеральное государственное автономное... Федеральное государственное автономное образовательное учреждение высшего профессионального образования
	Правительство Российской Федерации Федеральное государственное автономное... Федеральное государственное автономное образовательное учреждение высшего профессионального образования		Правительство Российской Федерации Федеральное государственное автономное... Федеральное государственное автономное образовательное учреждение высшего профессионального образования
	Правительство Российской Федерации Федеральное государственное автономное... Федеральное государственное автономное образовательное учреждение высшего профессионального образования		Правительство Российской Федерации Федеральное государственное автономное... Федеральное государственное автономное образовательное учреждение высшего профессионального образования
	Правительство Российской Федерации Федеральное государственное автономное... Федеральное государственное автономное образовательное учреждение высшего профессионального образования		Правительство Российской Федерации Федеральное государственное автономное... Федеральное государственное автономное образовательное учреждение высшего профессионального образования
	Правительство Российской Федерации Федеральное государственное автономное... Федеральное государственное автономное образовательное учреждение высшего профессионального образования		Правительство Российской Федерации Федеральное государственное автономное... Федеральное государственное автономное образовательное учреждение высшего профессионального образования

Правительство Российской Федерации Федеральное государственное автономное образовательное учреждение высшего профессионального образования