INMPDTS Data Warehouse

School of Business Administration in Karvina
Winter 2014
Extent and Intensity
2/1/0. 4 credit(s). Type of Completion: zk (examination).
Teacher(s)
doc. RNDr. František Koliba, CSc. (lecturer)
Mgr. Milena Janáková, Ph.D. (seminar tutor)
Guaranteed by
doc. RNDr. František Koliba, CSc.
Department of Informatics and Mathematics – School of Business Administration in Karvina
Course Enrolment Limitations
The course is also offered to the students of the fields other than those the course is directly associated with.
fields of study / plans the course is directly associated with
Course objectives (in Czech)
Cílem předmětu je podat přehled pokročilejších databázových technologií, jako jsou datové sklady, analýzy OLAP a dolování údajů. Jde především o management, plánování, návrh, zavedení a řízení konkrétního projektu databáze nebo datového skladu.
Syllabus (in Czech)
  • 1. Úvod do problematiky datových skladů.
    2. Přechod od relačních databází k multidimenzionálním.
    3. Nástroje pro administraci a práci s analytickými službami.
    4. Datové sklady.
    5. Metody budování datového skladu.
    6. Příprava údajů - etapa ETL.
    7. Analýza OLAP.
    8. OLAP.
    9. OLAP nad údaji z DB Oracle.
    10. Administrace přístupu k databázím OLAP.
    11. Data mining.
    12. Model procesu data miningu.
    13. Výběr algoritmu a modelu.
    14.
    1. Úvod do problematiky datových skladů.
    Přechod od transakčních databází k analytickým. Systémy OLTP, MIS, DSS, AIS, OLAP. Kvalita údajů pro analýzu. Relační databáze.
    2. Přechod od relačních databází k multidimenzionálním.
    Relační DB model multidimenzionální datový model porovnání.
    3. Nástroje pro administraci a práci s analytickými službami.
    SQL Server Service manager, Microsoft Management konsole, SQL Server Enterprise Manager, Analysis Manager, SQL Server Query Analyzer..
    4. Datové sklady.
    Zpracování podkladů z operačního prostředí, skladování údajů, datový sklad, návrh, koncepce, software, datové trhy.
    5. Metody budování datového skladu.
    Metoda velkého třesku, přírůstková metoda, provoz datového skladu.
    6. Příprava údajů - etapa ETL.
    Extrakce, transformace a zavedení, přenos, chyby a problémy etapy ETL, testování etapy ETL..
    7. Analýza OLAP.
    Teoretický úvod, fakta a dimenze, schémata tabulek dimenzí, úložiště multidimenzionálních údajů.
    8. OLAP.
    Vytvoření jednoduché krychle pomocí průvodce. Krychle OLAP v jazyce SQL.
    9. OLAP nad údaji z DB Oracle.
    MS SQL Server Analysis versus DB Oracle, vytvoření krychle nad údaji z DB Oracle..
    10. Administrace přístupu k databázím OLAP.
    Role pro přístup k analytickým databázím, role pro přístup k jednotlivým krychlím analytické databáze.
    11. Data mining .
    Teoretický úvod,, rozdělení pravděpodobností a testování hypotéz, statistické metody využívané data miningovými modely, neuronové sítě.
    12. Model procesu data miningu.
    Konceptuální model, logický model, fyzický model.
    13. Výběr algoritmu a modelu.
    Vícerozměrné shlukové diagramy. Nevyvážené rozhodovací stromy. Fáze učení. Analýza a predikce nových případů. Zpracování vyhodnocení a ověření modelu.
Literature
    required literature
  • LACO, L. Datové sklady analýza OLAP a dolování dat 2003. Computer Press, Brno. ISBN 80-7226-969-0. info
    recommended literature
  • Šarmanová, J. Informační systémy a datové sklady. VŠB - Technická univerzita Ostrava, 2007. ISBN 978-80-248-1500-8. URL info
  • HUMPHRIES, M.,HAWKINS,M.W.,Dy M.C. Data warehousing, Návrh a implementace. Brno, Computer Presss, 2002. ISBN 80-72-2656-0. info
Language of instruction
Czech
Further comments (probably available only in Czech)
The course can also be completed outside the examination period.
  • Enrolment Statistics (recent)
  • Permalink: https://is.slu.cz/course/opf/winter2014/INMPDTS