Naziv predmeta

Poslovna inteligencija

Detalji
Kod
VSITE276
Skr.
PINT
ECTS
5
Godina
2
Semester
Ljetni semestar
Vrsta
obvezatni smjera
Razina HKO 7
Diplomski studiji
E-Learning
0%
Aktivnosti
DIT zg - Zim 19/20
ECTS
Jedinice
Sati
Svega
P
1
15
2
30
A
0
0
0
0
L
1
10
3
30
S
0
0
0
0
KA
0
0
0
0
KP
0
3
1
0
PR
0
0
0
0
IP
0
0
0
0
IU
0
1
2
0
SU
3
1
90
90
NastavniciNositelji: mr. sc. Danijel Vještica Obradović, v. pred.
PreduvjetiNema
Sadržaj

Potreba za poslovnom inteligencijom. Kvaliteta podataka. Vrijednost poslovnih informacija. Analitička primjena poslovne inteligencije. Skladište podataka. Spiralni pristup. Strukturirani i ne strukturirani tipovi izvora podataka. Snimanje stanja, metadata i granularnost. Izdvajanje, transformacija i čišćenje podataka (ETL). Priprema podataka. Priprema i struktura dimenzijskih i činjeničnih tablica. Povrat ulaganja u poslovnu inteligenciju. Upravljanje pomoću informacija. Korporacijski portali. OLAP alati.

Ciljevi učenja

Osposobiti studenta za primjenu metoda poslovne inteligencije.

Ishodi učenja

1. Objasniti potrebu za poslovnom inteligencijom, obrazložiti povrat ulaganja.
2. Specificirati kvalitetu podataka i vrijednost poslovnih informacija.
3. Koristiti strukturirane i nestrukturirane izvore podataka.
4. Specificirati skladište podataka, meta podatke, dimenzijske i povijesne tablice.
5. Provoditi ETL procedure.
6. Primijeniti OLAP.

Sposobnosti

Osposobljavanje studenata za implementaciju i korištenje skladišta podataka, integracijskih i analitičkih sustava te poslovnog izvještavanja.

Preporučena literatura

1. Panian, Ž.; Klepac, G. Poslovna inteligencija, Masmedia Zagreb, 2003.
2. R. Kimball, M. Ross, The Data Warehouse Toolkit: The Complete Guide to Dimensional Modeling (Second Edition).

Dodatna literatura

1. Inmon, W. H.: Building the Data Warehouse, Wiley; 4 edition, 2005.
2. Kimball, R.; Caserta, J.: The Data Warehouse ETL Toolkit; Wiley; 1 edition, 2004.

predavanja (P)
  1. Uvod u kolegij. Znanje kao strateški resurs
  2. Upravljanje znanjem, skupljanje znanja i lanac znanja. Osnove informacijskih sustava.
  3. Povijest poslovne intelignecije (PI). Definicija sustava za potporu u odlučivanju (SPO) i PI. Razlozi za uvođenje SPO i PI. Proces uvođenja PI.
  4. Definicija i planiranje PI projekata. Životni ciklus PI.
  5. Struktura tima PI. Mjerenje vrijednosti PI. Integracijski centar kompentencije (ICC). Kompetitivna inteligencija. Budućnost PI.
  6. Tipovi podataka. Povijest razvoja baza podataka. Model podataka: konceptualni, logički i izvedbeni.
  7. Modeliranje podataka. Normalizacijske forme. Uvod u relacijske baze podataka. Transformacija modela u relacijsku bazu podataka. Paralelna usporedba MSSQL i Oracle baze podataka.
  8. Oracle arhitektura. MSSQL arhitektura.
  9. Skladiste podataka. Usporedba skladišta podataka i operativnih baza podataka. ETL.
  10. Informacijski sustav za potporu u odlučivanju. Arhitektura SPO sustava. Izgradnja sustava od gore prema dolje te od dolje prema gore. Integracijski alati.
  11. Punjenje skladišta podataka. Pripremno područje. Načini dohvata podataka. Preduvjeti za stvarno-vremensku izvedbu skladišta podataka.
  12. Referencijski integritet i domenska ograničenja. Tehnike inicijalnog i inkrementalnog punjenja. Korištenje nagovještaja. Punjenja kod ekstremno velikih količina podataka. Optimizacija. Indeksi. Zrnatost. Meta-podaci i repozitorij.
  13. Više-dimenzijski model podataka. Dimenzijske tablice. Surogatni ključ. Datumsko-vremenska dimenzija. Dijeljiva dimenzija. Sporo-promijenjive dimenzije: tip 1, tip 2 i tip 3. Brzo promijenjive dimenzije. Otpadne dimenzije. Heterogene dimenzije. Hijerarhije: balansne, ne balansne i ofucane te mosne tablice.
  14. Činjenične tablice. Degenerirane dimenzije. Agregacijske tablice. Specijalne izvedbe činjeničnih tablica. Tehnike punjenja činjeničnih tablica. Analitičke tehnike. OLAP: MOLAP, ROLAP i HOLAP. Učestalo korištene analitičke tehnike. Alati za upravljanje s kockama.
  15. Kvaliteta podataka. Upravljanje matičnim podacima. Algoritmi i tehnike za povećanje kvalitete podataka. Alati za kvalitetu podataka. Alati za izvještaje. Dubinska analiza podataka. Veliki podaci. NoSQL. Hadoop.
laboratorijske vježbe (L)
  1. SQL Data modeler, uvod u alat.
  2. SQL Data modeler - kreiranje DWH modela
  3. Informatica PC - uvod u alat.
  4. Informatica PC - osnovne aktivnosti unutar alata.
  5. Informatica PC - expression, file list, filter.
  6. Informatica PC - joiner, tips&tricks, lookup , dates, sequence.
  7. Informatica PC - lookup keš, soritanje, agregiranje, router, update strategija.
  8. Informatica PC - dinamicki keš, Log greške, ne povezani lookup, maplet, radni dijagram.
  9. MSSQL Integration services - uvod u alat. MSSQL Reporting Services - uvod u alat.
  10. MSSQL Analysis Services - uvod u alat.
  11. Nije definirano
  12. Nije definirano
  13. Nije definirano
  14. Nije definirano
  15. Nije definirano
kolokvij - teorija (KP)
  1. Znanje. IS. Poslovna inteligencija.
  2. Podaci, modeli i modeliranje. Skladište podataka.
  3. Više-dimenzijski model podataka. Analitičke tehnike.
ispit - teorija (IU)
  1. Nije definirano
samostalno učenje (SU)
  1. testovi i kolokviji, konzultacije, samostalni rad i samostalno učenje