WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

АНАЛИЗ ДАННЫХ И ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ ИНТЕРАКТИВНАЯ АНАЛИТИЧЕСКАЯ ОБРАБОТКА ДАННЫХ В СОВРЕМЕННЫХ OLAP СИСТЕМАХ И.Ю. Каширин, доктор технических наук, профессор кафедры «Вычислительная и прикладная

математика» Рязанского государственного радиотехнического университета, Адрес: 390005, г. Рязань, ул. Гагарина, 59/1, кафедра «Вычислительная и прикладная математика», Каширин И.Ю. Тел: 4 912 214 667. E mail: igor_kashirin С.Ю. Семченков, ассистент кафедры «Теоретическая и прикладная механика» Рязанского государственного радиотехнического университета, E mail: amfibius В статье рассмотрены аспекты обработки данных с использованием многомерного анализа. Приведены основные понятия многомерной модели, рассмотрена классифика ция OLAP систем. Освещены вопросы совместного использования OLAP и OLTP систем, проведен сравнительный анализ существующих систем.

Ключевые слова: OLAP системы. Многомерная модель обработки данных. Интерактивный анализ данных.

Введение зуются реляционные системы управления базами данных (РСУБД), такие как Oracle [1], Microsoft области технологий обработки данных су SQL Server [2], MySQL [3], PostgreSQL [4] и другие.

ществует два взаимодополняющих друг дру Однако у такого подхода есть и недостатки, свя Вга направления развития: занные с наличием нескольких источников данных.

системы, ориентированные на операционную Основная проблема – необходимость согласования обработку данных – системы обработки дан данных в разных источниках информации. При ных (СОД);

этом в лучшем случае проводится репликация баз системы, ориентированные на анализ данных – данных (БД) как процесс копирования информа системы поддержки принятия решений ции из одной базы в несколько других.

(СППР). Необходимо учитывать следующие особенности репликации:

В недавнем прошлом, когда говорилось о стре 1) репликация – ресурсоемкий процесс, при ко мительном росте числа реализаций информацион тором большая нагрузка приходится на централь ных систем, прежде всего, имелись в виду системы, ный процессор, оперативную память, сетевые ка предназначенные для оперативной обработки дан налы;

ных. На первых этапах автоматизации требуется 2) при большом количестве информации вре структурировать процессы повседневной рутинной менные затраты на репликацию зачастую не оправ обработки данных. На это ориентированы традици дывают полученных результатов даже при достаточ онные СОД. Для построения таких систем исполь ном количестве системных ресурсов.

12 БИЗНЕС-ИНФОРМАТИКА №2(08)–2009 г.

АНАЛИЗ ДАННЫХ И ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ С другой стороны, отсутствие согласованности каждому конкретному значению показателя соот информации приводит к разрозненности данных ветствует единственная ячейка многомерного куба.

при их дальнейшей обработке. В любом случае, од ни и те же данные многократно повторяются в раз личных СОД.

Таким образом, с ростом количества данных возникает противоречие: информация есть и её слишком много, в то же время она не структуриро вана, не согласована, разрознена, не всегда досто верна, её практически невозможно найти в СОД и получить. На разрешение этого противоречия на целена технология OLAP.

OLAP (On Line Analytical Processing – интерак тивная аналитическая обработка данных) [5] – один из способов представления и анализа данных.

При этом информация представляется в виде мно гомерного куба с возможностью произвольного ма нипулирования ею. Многомерные модели рассмат ривают данные либо как факты с соответствующи Рис. 1. Многомерная модель данных ми численными параметрами, либо как текстовые измерения, которые характеризуют эти факты. 3) Измерение Di (i = 1...n) – это множество объ Актуальность применения OLAP систем заклю ектов (называемых членами измерения или значе чается в том, что они позволяют работать с данны ниями измерения) одного или нескольких типов, ми в терминах предметной области без знания ар организованных в виде иерархической структуры хитектуры хранения информации [6]. Кроме того, и обеспечивающих информационный контекст ти OLAP технология позволяет поддерживать различ пизированного показателя. Например, измерение ные типы бизнес правил, использующиеся на «товар» может состоять из следующих значений:

предприятиях. «бытовая техника», «компьютеры», «мобильные те лефоны» и т.д. Значения, связанные с измерением, характеризуют какое либо классификационное Многомерная модель для интерактивной свойство сущностей предметной области. Совокуп аналитической обработки данных ность измерений образует множество измерений D={D1, D2,..., Dn}. На рис. 1.1 {A1[1], A1[2],...A1[t]} – Концепция OLAP систем основана на следую множество значений измерения A1 (t – количество щих понятиях [7] (рис. 1). элементов измерения A1), {A2[1],... A2[z]} – множес 1) Многомерный куб (n – число измерений тво значений измерения A2 (z – количество элемен многомерного куба) – это многомерная структура, тов измерения A1). Измерение принято отображать состоящая из множества ячеек и хранящая взаимо в виде ребра многомерного куба, а члены измере связанные данные, описывающие предметную ния – в виде точек или участков, откладываемых на область или её составляющую. Ячейка является ребре.

атомарной структурой куба и при отображении рас Множество всех измерений куба образует систе полагается внутри него. Многомерный куб может му координат представляемого пространства дан создаваться и храниться как на физическом уровне ных. Значения измерений играют роль индексов, представления данных (многомерные OLAP систе находящихся в ячейках куба. Особенностью изме мы), так и на концептуальном уровне (виртуально) рений является их иерархическая структура, кото с помощью схем «звезда» или «снежинка» (реляци рая используется для агрегации и детализации зна онные OLAP системы). чений показателей. Наиболее часто используются 2) Показатель qj (j = 1...p, p – количество показа следующие два вида иерархий [8]:

телей) – это типизированная величина, которая яв Сбалансированные – иерархии, в которых чис ляется предметом анализа (например, показателя ло уровней определено её структурой неизменно, и ми являются величина закупок, величина продаж, все ветви имеют одинаковую глубину. Для форми посещаемость сайта и т.д.). Один многомерный куб рования сбалансированной иерархии необходимо может содержать несколько показателей, причём наличие связи «один ко многим» между объектами БИЗНЕС-ИНФОРМАТИКА №2(08)–2009 г. АНАЛИЗ ДАННЫХ И ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ менее детального уровня по отношению к объектам измерения могут образовывать различные атрибу более детального уровня. Например, сбалансиро ты. Одни атрибуты могут относиться ко всем уров ванной является трехуровневая иерархия «направ ням измерений, другие – лишь к определенным.

ления деятельности – категории товаров – произ В отличие от традиционных СОД, OLAP систе водители товаров» (рис. 2). мы должны иметь возможность работы с тремя ти пами данных [9]: ретроспективными, оперативны ми и прогнозируемыми.

Классификация OLAP систем OLAP системы [10] можно классифицировать по следующим параметрам:

1) по способу организации данных в многомер ных кубах;

2) по способу хранения на физическом уровне;

3) по месту нахождения OLAP машины, рассчи тывающей многомерные кубы;

Рис. 2. Пример сбалансированной иерархии 4) по степени готовности к применению для ко нечного пользователя.

Несбалансированные – иерархии, в которых В различных OLAP системах используются два число уровней может быть изменено, некоторые основных варианта организации данных [11]:

уровни логически не одинаковы, и глубина ветвей гиперкубическая и поликубическая модели. В ги иерархии может быть разной. Все объекты несба перкубической модели все показатели должны оп лансированной иерархии принадлежат одному ти ределяться одним и тем же набором измерений.

пу. Например, несбалансированной является ие Поликубическая модель предполагает, что в БД оп рархия компаний поставщиков (рис. 3). Все эле ределяется несколько гиперкубов с различной раз менты этой иерархии имеют тип «поставщик». мерностью и с различными измерениями в качест ве их граней.

Как исходные, так и агрегированные данные могут храниться либо в реляционных, либо в мно гомерных структурах. Применяются три способа хранения данных на физическом уровне [12].

1) MOLAP (Multidimensional OLAP – многомер ный OLAP) – исходные и агрегированные данные хранятся в многомерных структрурах. MOLAP на прямую поддерживает многомерные представления данных с помощью многомерного механизма хра нения. Скорость вычисления агрегатных значений одинакова для любого из измерений. Однако в этом случае многомерная база данных оказывается из Рис. 3. Пример несбалансированной иерархии быточной, так как многомерные данные полностью содержат исходные реляционные данные. Достоин 4) Элемент измерения – уровень в иерархии зна ства и недостатки MOLAP архитектуры приведены чений координат измерения многомерного куба. в табл. 1.

В приведённом примере измерение содержит 3 эле 2) ROLAP (Relational OLAP – реляционный мента («направления деятельности», «категории то OLAP) – исходные данные остаются в той же реля варов», «производители товаров»), каждый из них ционной базе данных, где они изначально и находи характеризуется номером уровня в иерархии. лись. Агрегированные данные помещают в специ 5) Атрибут измерения. Атрибуты измерения ально созданные для их хранения служебные табли описывают его элементы, но не образуют иерархии. цы в той же базе данных. Серверы ROLAP наследуют Например, для каждого поставщика можно хранить возможности масштабирования и работы с транзак адрес его электронной почты. Различные уровни циями реляционных систем, однако существенные 14 БИЗНЕС-ИНФОРМАТИКА №2(08)–2009 г.

АНАЛИЗ ДАННЫХ И ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ Таблица 1 1) OLAP компонента – это инструмент разра Достоинства и недостатки MOLAP систем ботчика. С её помощью разрабатываются клиент ские OLAP программы. MOLAP компоненты явля ются инструментами генерации запросов к серверу.

Достоинства Недостатки Одна из наиболее доступных компонент – Decision Низкий коэффициент Напрямую поддерживается Cube в составе Borland C++ Builder [15].

использования дискового многомерное представление пространства, особенно 2) Инструментальные OLAP системы – это про данных.

в случае разреженных данных.

граммные продукты, предназначенные для создания аналитических приложений. Различают две катего Многомерные запросы путём Отсутствуют единые стандарты непосредственного доступа рии инструментальных систем: системы для про на интерфейс, языки описания к ячейкам гипер-куба и манипулирования данными. граммирования и системы для быстрой настройки.

(без SQL).

Представителем первой категории является анали тическая платформа ProClarity [16]. OLAP системы различия между запросами в стиле OLAP и SQL яв для быстрой настройки – это средства, предоставля ляются причиной низкой производительности. До ющие визуальный интерфейс для создания прило стоинства и недостатки ROLAP архитектуры приве жений без программирования. В такой технологии дены в табл. 2. реализованы инструменты пакета BusinessObjects [17] и аналитической платформы «Контур» [18].

Таблица Достоинства и недостатки ROLAP систем Совместное использование OLAP и OLTP систем Достоинства Недостатки Многомерный подход возник практически од новременно и параллельно с реляционным, но Развитые средства Для сложных запросов администрирования;

хорошая SQL не является только начиная с 1993 г. к нему был проявлен всеоб масштабируемость. оптимальным.

щий интерес. В 1993 г. появилась статья [19] одного из основоположников реляционного подхода Код Обеспечивают высокий уровень Неодинаковое время да, в которой он сформулировал 12 требований защиты данных и разграничения выполнения запроса для к средствам реализации OLAP и произвел анализ прав доступа. различных измерений.

недостатков реляционного подхода.

Позднее эти требования были переработаны 3) HOLAP (Hybrid OLAP – гибридный OLAP) – в тест FASMI (Fast Analysis of Shared Multidimen гибридная архитектура, которая объединяет техноло sional Information – Быстрый Анализ Разделяемой гии ROLAP и MOLAP. HOLAP могут работать в двух Многомерной Информации), который определяет режимах: вертикальной декомпозиции и горизон требования к продуктам OLAP [20]. Это определе тальной декомпозиции [13]. В первом случае HOLAP ние состоит из пяти требований:

системы применяют ROLAP подход для разреженных 1) Быстрый – означает, что система должна областей многомерного пространства (исходные дан обеспечивать выдачу большинства ответов пользо ные) и MOLAP – подход для плотных областей (агре вателям в пределах 5 секунд;

гированные данные). При горизонтальной декомпо 2) Анализ – означает, что система может справ зиции применяют MOLAP подход для оперативных ляться с любым логическим и статистическим анали данных и ROLAP подход – для исторических. зом, характерным для данного приложения, и обес По месту нахождения OLAP машины выделяют печивает его сохранение в виде, доступном для ко клиентский OLAP (DOLAP – Desktop OLAP) и сер нечного пользователя;

верный OLAP. В случае DOLAP сервер отправляет 3) Разделяемой – означает, что система осущест клиенту исходные данные, клиент выполняет рас вляет все требования защиты конфиденциальности чет многомерных кубов и выдает результаты поль и обеспечивает блокировку множественных моди зователю. В случае серверного OLAP сервер выпол фикаций на соответствующем уровне своевремен няет расчет многомерных кубов и отправляет кли ным, безопасным способом;

енту конечный результат, клиент выдает принятый 4) Многомерной – ключевое требование. Систе результат пользователю. ма должна обеспечить многомерное концептуальное По степени готовности к применению OLAP представление данных, включая полную поддержку продукты делятся на две категории [14]: для иерархий. Под концептуальным представлением БИЗНЕС-ИНФОРМАТИКА №2(08)–2009 г. АНАЛИЗ ДАННЫХ И ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ понимается описание данных в форме системы по Следует отметить, что в OLAP системах время нятий и отношений предметной области. При этом является одним из основных критериев, по которо на минимальное количество измерений и использу му данные упорядочиваются в процессе обработки емую технологию БД не накладывается никаких ог и представления пользователю. Вследствие этого раничений;

в OLAP системе должны быть предусмотрены необ 5) Информации – означает, что приложение ходимые возможности для работы с временным должно иметь возможность обращаться к любой измерением, такие как поддержка нестандартных нужной информации, независимо от ее формата, календарных циклов.

объема и места хранения. Не менее важно и то, что многие критически не OLAP системы, как правило, не являются пер обходимые для OLTP систем функциональные воз вичными источниками информации, они получают можности, реализуемые в РСУБД, являются избы данные из внешних источников. Наиболее часто точными для OLAP систем. Например, в OLAP таким внешним источником является OLTP (On системах данные обычно загружаются достаточно Line Transactional Processing – оперативная обра большими порциями из различных внешних источ ботка транзакций) система – система операцион ников (РСУБД, электронных таблиц и т.д.) [21].

ной обработки данных (СОД), построенная на базе Непосредственная реализация аналитической реляционной СУБД. OLAP системы и OLTP систе системы на основе OLTP базы сложна. Это объяс мы существенно различаются. Сравнительная ха няется несколькими причинами:

рактеристика этих технологий по основным пара метрам приведена в табл. 3. 1) OLAP запросы к базам данных чаще всего быва ют сложными и требуют много времени. Прямой до Таблица 3 ступ к OLTP базе существенно снижает общую произ Сравнение OLAP и OLTP систем водительность оперативной системы, так как анали тические запросы конкурируют с транзакциями;

Характеристика OLTP OLAP Взаимодействие 2) разнообразные OLTP системы неоднородны На уровне транзакции На уровне всей БД с пользователем по типу используемых синтаксических соглашений и концептуальных допущений, поэтому их интегра Время отклика Не регламентируется Секунды ция затруднена;

Данные, исполь зуемые при 3) данные в OLTP системах часто «зашумлены», обращении Отдельные записи Группы записей пользователя к неполны и несогласованны;

системе 4) модели данных разных OLTP систем не вза В основном детализированные имосвязаны между собой;

Характер данных В основном (самый низкий (детализация) агрегированные уровень детализации) 5) информация за прошлые периоды теряется при обновлении OLTP базы;

Высокая (данные Низкая (во время обновляются запроса данные с каждой обновляются 6) в OLTP базе не хранятся данные в агрегиро Изменчивость транзакцией), данные редко), данные данных ванном, ненормализованном виде, что необходимо обновляются обновляются маленькими большими для оперативной аналитической обработки.

порциями порциями Для реализации аналитической системы необ ходимо наличие отдельной многомерной СУБД, В основном В основном внутренние внешние интегрирующей данные из внешних источников и Источники данных (по отношению (по отношению обрабатывающей аналитические запросы пользова к системе) к системе) телей системы. С учётом этого, архитектура систе мы отчетности имеет следующий вид (рис. 4).

Текущие Исторические, (за период от OLAP технология не служит заменой существу Возраст данных текущие нескольких месяцев и прогнозируемые ющей программной инфраструктуры, она лишь до до одного года) полняет ее. Пользователь по прежнему имеет воз В основном можность обращаться к существующим РСУБД, Характер запросов Непредсказуемые предсказуемые электронным таблицам и плоским файлам. Однако 16 БИЗНЕС-ИНФОРМАТИКА №2(08)–2009 г.

АНАЛИЗ ДАННЫХ И ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ ние Analytic Workspace Manager. Для интеграции c Microsoft Excel служит OracleBI Spreadsheet Add In. Oracle OLAP Option поддерживает параллельное выполнение запросов и разделение многомерного куба на разделы, позволяет контролировать распре деление системных ресурсов и статус долговремен ных операций, содержит инструменты для созда ния резервных копий многомерной БД и восста новления.

Palo – MOLAP сервер, в котором значения запи сываются непосредственно в оперативную память.

Palo рассчитан прежде всего на взаимодействие с Excel, большинство задач, таких как создание измерений и кубов, выполняются с помощью пла гина для Excel. Однако Palo предоставляет SDK (Software Development Kit – комплект программ для Рис. 4. Архитектура отчётной системы разработчика ПО) для языков C, PHP,.NET и Java).

с применением OLAP-технологии ПО Palo Eclipse Client (на основе Eclipse Framework) позволяет проектировать и просматривать измере для выполнения аналитических запросов использу ния и кубы в платформонезависимой среде Eclipse ется обращение к OLAP серверу. Framework.

Mondrian – ROLAP сервер с открытым исход ным кодом, написанный на Java и поддерживаю Современные системы аналитической обработки щий язык запросов MDX (MultiDimensional данных eXpressions – многомерные выражения). Кубы и из мерения определяются путем создания схемы XML Сейчас существует множество OLAP систем от [24]. Архитектура Mondrian состоит из четырех различных производителей. уровней: уровень представления, уровень измере Microsoft Analysis Services [22] (является состав ний, главный уровень и физический уровень. Уро ной частью СУБД Microsoft SQL Server) разработан вень представления определяет, как будет отобра в 1996 г. Он использует архитектуру хранения дан жаться информация, и как пользователь будет вза ных с применением ROLAP/MOLAP/HOLAP. имодействовать с системой для определения запро В Microsoft SQL Server присутствует единая модель сов. Уровень измерений анализирует, проверяет OLAP и реляционной отчетности. Модели анализа и выполняет MDX запросы. Главный уровень под данных можно строить по произвольным срезам держивает кэш с агрегированными данными. Уро куба. При выборе одного измерения другие, связан вень хранения – реляционная СУБД.

ные с ним, можно рассматривать как вложенные Сравнительные характеристики OLAP систем таблицы, причём к каждому допускается примене приведены в табл. 4.

ние независимых срезов. Новая версия продукта позволяет применять OLAP модель к глобальному кубу, делить его на группы, создавать кластеры в ре Заключение жиме реального времени.

OLAP Option to Oracle Database [23] является со Анализ современного состояния OLAP техно ставной частью Oracle Database Enterprise Edition. логий позволяет говорить о серьезных перспекти OLAP Option полностью интегрирован на уровне вах их развития. Многомерная обработка информа ядра СУБД в Oracle Database Enterprise Edition. ции становится необходимым компонентом любо Поддерживаются как MOLAP, так и ROLAP архи го хранилища данных. В то же время, широкое раз тектуры. В качестве языка описания и манипулиро нообразие подходов к реализации таких систем вания данными используется язык OLAP DML, ко и отсутствие должной унификации форматов хра торый может быть встроен в синтаксис языка SQL нения и алгоритмов обработки данных заставляет (для обработки данных в многомерной БД может искать новые подходы к описанию и разработке быть использован язык Java). Для администрирова OLAP систем. Эти подходя должны использовать ния многомерных СУБД используется приложе в своей основе математический формализм, доста БИЗНЕС-ИНФОРМАТИКА №2(08)–2009 г. АНАЛИЗ ДАННЫХ И ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ Таблица 4 Литература Сравнительные характеристики OLAP систем 1. Oracle Database [Электронный ресурс]–URL:

http://www.oracle.com/database/index.html (дата обра щения: 10.11.2008).

Microsoft OLAP Op-tion Характерис-тики Analysis to Oracle Palo Mondrian 2. SQL Server 2008 Overview, data platform, store data [Элек Services Database тронный ресурс] – URL: http://www.microsoft.com/sql/ default.mspx (дата обращения: 10.11.2008).

Сравниваемые Standart 11g 2.5 3.0. 3. The world’s most popular open source database [Электрон версии Edition ный ресурс] – URL: http://www.mysql.com/ (дата обра щения: 10.11.2008).

Windows Поддержи- Windows Windows XP, Java SDK 4. The world’s most advanced open source database [Элек ваемые плат- 2000, 2000, Windows 1.4. формы Linux Linux тронный ресурс] – URL: http://www.postgresql.org (дата Server обращения: 10.11.2008).

5. Shoshani A. OLAP and statistical databases: similarities and NET API, XML for Java API XMLA, PHP API, differences // 16th ACM SIGACT SIGMOD SYGART OLAP API Analysis (Oracle Olap4j Java API, (XMLA) JDBC) (Java API) Symp. On Principles of Database Systems, 1997. P.

C API 185–196.

6. Keith Laker «OLAP Workshop 1: Basic OLAP Concepts» Язык запросов MDX SQL нет MDX [Электронный ресурс] – URL:

Язык манипу- http://oracleolap.blogspot.com/ 2007/12/olap workshop OLAP лирования дан- T-SQL нет нет 1 basic olap concepts.html (дата обращения:

DML ными 10.11.2008).

7. Барсегян А.А., Куприянов М.С., Степаненко В.В., Хо Создание лод И.И. Технологии анализа данных: Data Mining, отчетов на Microsoft Pentaho Oracle BI основе данных Re-porting Excel Report Visual Mining, Text Mining, OLAP. – Спб.: БХВ Петер Publisher из OLAP- Services Designer бург, 2007. – 384 с.

системы 8. Malinowski E., Zimanyi E. Hierarchies in a Multidimensional Model: From Conceptual modeling to Pentaho Microsoft OracleBI Интеграция с Excel Spreadshe Logical Representation// Data&Knowledge Engineering, Excel Pivot Spreadsheet Microsoft Excel Addin et Tables Addin 2006. Vol. 59. № 2. P. 348 – 377.

Services 9. Jurgens M. Index Structures for Data Warehouses.

Dissertation Fachbereich fur Mathematik und Informatik Recovery Инструменты SQL Server Manager, an der Freien Universitat Berlin eingereicht am 22.12.1999.

резервирования Management нет нет Oracle Data данных Studio 10. OLAP product reviews [Электронный ресурс]–URL:

Pump http://www.olapreport.com/ProductsIndex.htm (дата об ращения: 10.11.2008).

точный для описания и анализа большинства суще 11. Nigel Pendse. Multidimensional data structures [Элек ствующих систем. Новые исследования должны тронный ресурс] – URL:

привести не только к выделению базовых принци http://www.olapreport.com/MDStructures.htm (дата об пов структурного OLAP проектирования, но и дать ращения: 10.11.2008).

возможность конструктивной оптимизации, а так 12. OLAP, MOLAP and ROLAP: What’s next? [Электрон же автоматизированного проектирования систем ный ресурс] – URL:

многомерной обработки данных, обеспечивающего http://www.itweb.co.za/office/bytes/0407060916t.htm надежную и оперативную работу информационных (дата обращения: 10.11.2008).

хранилищ. 13. O’Brien J. Next Generation OLAP. The Future of Dimensional Analysis // The TDWI BI Executive Summit.

San Diego, Aug. 18–20, 2008.

14. Чаусов В., Амириди Ю. Классификация аналитических систем. Три года спустя // Журнал «Банки и технологии» – 2002. – №6.

15. Послед Б.С. Borland C++ Builder 6. Разработка приложений баз данных. – Спб.: ДиасофтЮП, 2003. – 320 с.

16. Microsoft Office PerformancePoint Server [Электронный ресурс] – URL: http://www.microsoft.com/business/perfor mancepoint/productinfo/previousversions.aspx.

18 БИЗНЕС-ИНФОРМАТИКА №2(08)–2009 г.

АНАЛИЗ ДАННЫХ И ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ 17. Business Intelligence from Business Objects [Электронный ресурс] – URL: http://www.businessobjects.com/ (дата обра щения: 10.11.2008).

18. Intersoft Lab [Электронный ресурс] – URL: http://www.iso.ru/ (дата обращения: 10.11.2008).

19. Codd E.F. Providing OLAP (on line analytical processing) to user analysts: An IT mandate. E.F. Codd and Associates, 1993.

20. Nigel Pendse. What is OLAP? [Электронный ресурс] – URL: http://www.olapreport.com/fasmi.htm (дата обращения:

10.11.2008).

21. Thilo Maier. A Formal Model of the ETL Process for OLAP Based Web Usage Analysis // Proceedings of the sixth WEBKDD workshop: Webmining and Web Usage Analysis (WEBKDD’04), in conjunction with the 10th ACM SIGKDD conference (KDD’04). Seatle, Washington, USA, August 22, 2004.

22. SQL Server 2005 Analysis Services [Электронный ресурс] – URL:

http://www.microsoft.com/sql/technologies/analysis/default.mspx (дата обращения: 10.11.2008).

23. Oracle OLAP [Электронный ресурс] – URL: http://www.oracle.com/technology/products/bi/olap/olap.html (дата об ращения: 10.11.2008) 24. Julian Hyde. Creating interactive OLAP applications with MySQL Enterprise and Mondrian [Электронный ресурс] – URL: http://www.scribd.com/doc/2606603/Creating Interactive OLAP Applications with MySQL Enterprise and Mondrian Presentation (дата обращения: 10.11.2008).

В рамках Инновационной образовательной программы вышла книга В.В.Липаева «Программная инженерия.

Методологические основы» (Допущено УМО по образованию в области ме неджмента в качестве учебника для студентов ВУЗов, обучающихся по направлению «Бизнес информатика»).

Владимир Васильевич Липаев – профессор кафедры управления разра боткой программного обеспечения ГУ-ВШЭ, главный научный сотрудник Института системного программирования РАН. Около 40 лет занимается ис следованиями и разработкой программного обеспечения, методов и ин струментальных средств для создания управляющих программ реального времени высокого качества. Под его руководством разработаны крупные инструментальные системы программной инженерии, широко использо вавшихся в оборонной промышленности и частично эксплуатируемые до настоящего времени.

Учебник содержит курс лекций, отражающий методологические основы современной программной инженерии, обес печивающей жизненный цикл (ЖЦ) сложных программных средств (ПС).

Учебник целесообразно использовать при обучении студентов старших курсов, аспирантов и менеджеров проектов при создании сложных комплексов программ на всём их ЖЦ (64 часа лекций и 32 часа семинарских занятий). Курс ори ентирован также на заказчиков, менеджеров крупных проектов, аналитиков и ведущих специалистов, обеспечивающих этапы ЖЦ сложных ПС и систем, к которым предъявляются высокие требования по качеству функционирования и огра ничены доступные ресурсы разработки.

БИЗНЕС-ИНФОРМАТИКА №2(08)–2009 г.




© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.