https://vik.wiki/index.php?action=history&feed=atom&title=DSS_-_Decision_Support_SystemDSS - Decision Support System - Laptörténet2026-05-16T12:34:25ZAz oldal laptörténete a wikibenMediaWiki 1.43.8https://vik.wiki/index.php?title=DSS_-_Decision_Support_System&diff=139181&oldid=prevUnknown user: Új oldal, tartalma: „{{GlobalTemplate|Infoszak|InfoMenDSS}} special thx to [http://www2.iit.uni-miskolc.hu/~kovacs/db2/ora10.html Dr. Kovács László] && [http://info.sch.bme.hu/document…”2012-10-21T20:34:49Z<p>Új oldal, tartalma: „{{GlobalTemplate|Infoszak|InfoMenDSS}} special thx to [http://www2.iit.uni-miskolc.hu/~kovacs/db2/ora10.html Dr. Kovács László] && [http://info.sch.bme.hu/document…”</p>
<p><b>Új lap</b></p><div>{{GlobalTemplate|Infoszak|InfoMenDSS}}<br />
<br />
<br />
special thx to [http://www2.iit.uni-miskolc.hu/~kovacs/db2/ora10.html Dr. Kovács László] && [http://info.sch.bme.hu/document.php?cmd=download_proc&tmp_page=&doc_id=16671 Marvell] && [http://info.sch.bme.hu/document.php?cmd=download_proc&tmp_page=&doc_id=16716 unknown]<br />
<br />
__TOC__<br />
<br />
==Bevezető==<br />
<br />
* Az eddig megismert '''adatbázisok''' szerepe világ egy hű leképzése (jegynyilvántartás, könyvtár, raktárkezelés), adminisztrálása volt. Az aktuális állapotot tükrözte egy rendszerben. A lekérdezési műveletek mellett gyakori ==UPDATE== műveletek jellemezték. <br />
* Az új szemlélet szerint a rendszer korábbi állapotaiból, összegyűjtött adataiból a jövőbeli trendekre szeretnénk következtetni. Célja a változásokat jellemezni. Többségében lekérdező műveletek használatával. Az így kialakuló alkalmazásokat szokás '''döntés támogató rendszereknek''' (DSS - Decision Support System) is nevezni. <br />
<br />
==DSS==<br />
<br />
* a lekérdezések optimalizálása szükséges.<br />
* Szemben az eddig látott alkalmazásokkal, melyek az operatív tevékenységben résztvevő dolgozók számára készült adatokkal dolgoztak, a DSS rendszerek vállalat vezetői számára készültek. A vállalat működését befolyásoló stratégiai kérdések megoldására alkalmazzák.<br />
* Kezdetben a rossz hatásfokú jelentéskezelő rendszerek - Management Information Systems - MIS / EIS jellemezték ezt a születő iparágat. Később adattárházakon alapuló döntéstámogatás váltotta le ezeket.<br />
<br />
<center> {{InLineImageLink|Infoszak|InfoMenDSS|dss1.PNG}}</center><br />
<br />
A DSS rendszerek legfontosabb jellemzői:<br />
* az egyszerű adatolvasás/írás helyett az adatok analitikus, statisztikus elemzése dominál. Adatelemző komponensekkel egészülnek ki a normál adatkezelő utasítások.<br />
* célja az adatok mögött húzódó trendek felderítése, meghatározni az események változási irányát és jellegét<br />
* nem tartalmaznak adatmódosítási elemeket<br />
* a megfelelő minőségű, megbízható előrejelzésekhez nagy adatmennyiséget igényelnek. <br />
* nagyobb szerepet kap az időbeliség (egy adatelem mely időpontbeli aktuális állapotnak felel meg).<br />
* Felhasználóbarát, emberközeli kezelő felület<br />
* lekérdezések terén rugalmasság: a problémákat sok oldalról, többféle megközelítésben meg lehet vizsgálni.<br />
<br />
Az újfajta igények az adatkezeléstől gyorsabb nagy tömegű adatkezelést igényelnek. Analitikus műveleteket támogató, hosszabb és nagyobb adatmennyiségeket érintő tranzakciók kezelése. <br />
<br />
==OLTP vs OLAP==<br />
<br />
A hagyományos adatkezelést online tranzakció orientált rendszernek (On Line Transaction Processing - OLTP) nevezik, a másik módszert online analitikus elemzés orientált adatkezelésnek (On Line Analitical Processing - OLAP). <br />
<br />
Az OLTP rendszerekben a működés során több konkurensen futó rövid életű tranzakció található meg. Az OLAP rendszereknél viszont lényegesen kevesebb a párhuzamosan futó lekérdezés, de azok jóval hosszabb időt igényelnek, hiszen mögöttük hatalmas adatmennyiség áll. <br />
Az adatok jellegében is különbséget találunk: az OLTP rendszereknél az aktuális állapotról tárolnak információt homogén modell szerint, hiszen javarészt egyetlen adatforrásra építenek. Az OLAP ezzel szemben nem a konzisztens állapotleírással foglalkozik, hanem minél több információt kíván kisajtolni a rendszerből, ennek érdekében szélesebb információ forrást von be az értékelésbe. Külön energiát szükséges fordítani a heterogén adatok összedolgozására.<br />
<br />
<br />
| '''összehasonlítás''' || '''OSS - OLTP''' || '''DSS - OLAP''' <br />
|}<br />
| ''funkció'' || adatfeldolgozás || döntéstámogatás <br />
|}<br />
| ''szállítandó'' || üzleti műveletek, funkcionalitás || információ <br />
|}<br />
| ''felhasználás'' || strukturált, ismétlődő műveletek || ad-hoc a műveletek fajtája, jellege, intenzitása <br />
|}<br />
| ''válaszidő'' || mp || órák, napok <br />
|}<br />
| ''érintett rekordszám'' || kevés || igen sok <br />
|}<br />
| ''lekérdezési profil'' || kevés tábla || sok tábla <br />
|}<br />
| ''követelmény'' || stabil: egy jól ismert folyamathoz || ismeretlen: feltáró folyamathoz <br />
|}<br />
| ''struktúra'' || sok tábla kevés oszlop, normalizált || kevés tábla sok leíró oszlop, redundáns <br />
|}<br />
| ''szervezés'' || folyamat orientált (tranzakció alapú) || téma orientált <br />
|}<br />
| ''adatok jellege'' || dinamikus || statikus <br />
|}<br />
| ''frissítés'' || folyamatosan || bulk loading, periodikus <br />
|}<br />
| ''felhasználók száma'' || nagyszámú, egyidejű || kevesebb, kisebb konkurencia <br />
|}<br />
| ''hozzáférés jellege'' || rekordokhoz, gyorsan || sok rekod, összegzésekhez <br />
|}<br />
| ''gépfelhasználás'' || stabil || nagyon dinamikus <br />
|}<br />
| ''rendelkezésre állás'' || kritikus 100% || nem kritikus <br />
|}<br />
<br />
==Denormalizált Adatstruktúra==<br />
<br />
===Motivációk===<br />
<center> {{InLineImageLink|Infoszak|InfoMenDSS|dss2.PNG}} <br> vállalati erőforrásgazdálkodási rendszer egyszerűsített ER diagrammja </center><br />
<br />
A tapasztalatok szerint a lekérdezésoptimalizálók rossz hatékonysággal működnek a bonyolult adatstruktúrákon. AZ OLAP igényeket csak körülményesen nehezen lehet vele megvalósítani, a klasszikus elsődleges kulcs-idegen kulcs szerkezettel a több változót érintő aggregációs értékeket vizsgáló kapcsolatok feltárása igen hosszadalmas. Az ipari méretű rendszerekben az egyedtípusok (táblák) száma több ezer lehet. A végfelhasználó nem képes hatékonyan használni (különösen a vezetők, a managerek). A lekérdezés optimalizáló alkalmazások (cost-based) gyakran tévednek, általános struktúrák esetén katasztrofális hatékonysággal dolgoznak. A struktúra karbantartása (update) igencsak nehézkes, a tranzakció kezelésre van optimalizálva, nem pedig a szükséges lekérdezések támogatására.<br />
<br />
===Dimenziós modellezés===<br />
<br />
A jóval magasabb szintű funkcionális elemek leírására született meg a dimenziós modellezés (DM). Ennek támogatására grafikus, funkciójában az ER modellhez hasonló formátumú séma leíró nyelvek jöttek létre, köztük a csillag modell, mely az elkészített leírás alakjáról kapta a nevét.<br />
<br />
Elemei a <br />
<br />
* '''tények''', melyek a csillag közepét alkotják: numerikus, additív, folyamatos értékkészletű attribútumokkal rendelkezik. Kevés attribútum, sok sor.<br />
* '''dimenziók''', melyek mentén a tényértékek változását kísérjük figyelemmel. Gyakran szöveges, leíró attribútumokkal rendelkeznek, sok attribútum és kevesebb rekord. <br />
<br />
A '''ténytábla értékei''' egy többváltozós függvény függvényértékeinek feleltethetők meg. E mellett a '''dimenziók értékei''' a független változók értékeivel párosíthatók. <br />
<br />
Praktikus jelöléssel lássuk az értékesítési folyamathoz tartozó DM-t:<br />
<center>{{InLineImageLink|Infoszak|InfoMenDSS|dss3.PNG}}</center><br />
<br />
A tény kiolvasása a dimenziók együttállása mellett. Alkalmas-e ez a klasszikus struktúra által nyújtott szolgáltatások megvalósítására?<br />
<br />
* általánosan nem<br />
* egy konkrét kérdéskategóriára lehet hatékonyabb a dimenziós adatmodell<br />
* de nem is baj a DSS-ben, ha nem támogat minden lekérdezést<br />
<br />
===Konform dimenziók===<br />
<br />
A ténytáblák a vállalati működés kritikus folyamatait fedik le, melyek ezáltal jól elemezhetőkké válnak. A vállalat vezetése szempontjából átfogó kép kell az összes folyamatról. A dimenziós modellben a ténytáblák csak dimenziókat, a dimenziók csak tényeket kapcsolnak össze. Ha azonban multidimenziós adatmodell képzünk az azonos dimenziók együtt (nemcsak logikailag, hanem a megvalósítás szempontjából is) közösen kezelehetjük. Az adathalmazok összevonásával jönnek létre az ún. *konform dimenziók*: a különböző tényekhez tartozó azonos jelentésű dimenziók azonosakra vannak kialakítva (közösek). Ezen keresztül azonban a tényadatok között is kapcsolatot lehet teremteni. <br />
<br />
<center> {{InLineImageLink|Infoszak|InfoMenDSS|dss4.PNG}}</center> <br />
<br />
<br />
===adattárház busz ===<br />
<br />
<span style="color:red"> '''CSONK''' </span><br />
<br />
Célja a dimenzióstruktúrák összekapcsolása a konform dimenziók rendszerén keresztül, mégpedig úgy, hogy nincs fizikai kapcsolat kialakítva!<br />
Az a konstrukció, ami a konform dimenziók rendszerén keresztül összekapcsolja a különböző dimenziós struktúrákat.<br />
<br />
<center> {{InLineImageLink|Infoszak|InfoMenDSS|dss5.PNG}} <br>rendezett formában (busz) ábrázolás</center><br />
<br />
===Implementációs lehetőségek: ===<br />
<br />
* relációs: tény-tábla <br />
** táblák<br />
** kulcs <br />
** a ténytáblában a tényadatokon kívül annyi idegen kulcs lesz, ahány dimenziója van<br />
* multidimenziós tömbök <span style="color:red"> '''+ 5. ábra''' </span><br />
** dimenziók a tengelyeken<br />
** cella hordozza a tényadatok értékét<br />
** egy tényadat<br />
<br />
Példák: ROLAP (relációs alapokon) , MOLAP (multidimenziós alapokon), HOLAP (hibrid).<br />
<br />
==OLAP ==<br />
<br />
===Aggregátum ===<br />
<br />
Előre kiszámított, majd eltárolt lekérdezés, amely a tényadatokat összegzi a dimenziókban rejlő hierarchiáknak megfelelően. Az aggregált lekérdezések rengeteg adatot érintenének, a sok diszkművelet nagyon lassú működéshez vezetne. A lekérdezések előtt az előreszámítással és ezek tárolásával felgyorsíthatjuk ezt a folyamatot. Kérdés hogy milyen felbontással van szükségünk rájuk (értékesítés termékcsoportokra, hetente, megyénként). Ennek beállítása a betöltéskor szükséges. Új lekérdezésekkor ezekhez fordulunk, pl. az összes értékesítés egy héten, az aggregátumok közötti összegzés.<br />
<br />
Def: bizonyos lekérdezések tárolt eredményei, melyek segítségével a lekérdezési teljesítményt futásidőben, virtuálisan meg tudjuk növelni.<br />
Az aggregátumot jellegzetesen az egyes dimenziókban található hierarchiák mentén szokták definiálni: egy dimenzióban több hierarchia is lehet. E mellett alkalmazható még az is, hogy az aggregátumokat több dimenzió mentén is elkészítjük. Azonban egy tényhez akár 10 dimenzió is tartozhat, dimenziónként átlagosan 4 hierarchiaszint: igencsak számításigényes... További megfontolások szükségesek a kiszámítandó aggregátumok meghatározására. <br />
<br />
* '''drill down''' : ha egyre részletezettebb felbontást akarunk, a hierarchiában lefele megyünk. Például tudjuk az igazgatósági értékesítési számot, és az érdekel, hogy ezt hogy hozza össze az igazgatóság 3 osztálya. <br />
* '''rolling up''' : aggregáltabb felbontást akarunk, a hierarchiában felfele megyünk. Például az igazgatóság adatai után a vállalati szintre vagyok kíváncsiak.<br />
* '''drill through''' : a konform dimenziókon keresztül egy dimenzióstruktúrában megfogalmazott adathoz hozzá akarunk kapcsolni egy másik dimenzióstruktúrában lévő tényt. Például az értékesítést követően mikor realizálódott a termék után a pénz: egyik tény az ''értékesítés'' , a másik a ''megtérülés'' .<br />
* '''slice and dice''' : ''"forgasd és szeleteld"'' a dimenziók kiválasztása, elhelyezése (mit, minek a függvényében). Majd bizonyos dimenziók fixálása - szeletelés. Például az adott időpillanatban vagy adott termék kapcsán vizsgálódunk. <br />
<br />
<br />
==Módszerek az adattárház adatainak hasznosítására==<br />
<br />
* '''Riport''' ("canned" report): Rendszeresen elkészített azonos témájú, néhány (50) számérték frissítésével e-mailben vagy más módon (fájlszerver, telefon) eljuttatott jelentés. Dinamikussá tehető néhány változó lekérdezés esetén kap értéket (pl. idő dimenzió: év-hó-nap) <br />
* '''OLAP analízisek''' : ROLAP (relációs alapokon) , MOLAP (multidimenziós alapokon), HOLAP (hibrid).<br />
* '''ad-hoc lekérdezések''' : nem jellemző, a sok elemi adat kezelhetetlensége könnyen padlóra küldheti a rendszert. <br />
<br />
===Adatbányászat ===<br />
<br />
Aggregátumnavigáció, metaadat kezelés. <br />
<br />
<table><br />
<tr><td width=50%>Adatbányászat </td><td width=50%>Adattárház</td></tr><br />
<tr><br />
<td><br />
* '''adattisztítás''' (data cleaning) értékhibák feltárása, csak megbízható információ beengedése, statikus szabályok mellett gyanúsnak tartott értékek esetén figyelmeztetés. Heterogén környezetből gyűjti az adatokat, akár az adatok formátumcseréje árán is. <br />
* '''integrálás''' : adatforrások kiválasztása, elérése, beolvasása<br />
* mintavételezés: frissítési folyamat az az aktuális állapot betöltése az eddig meglévőkhöz.<br />
* '''transzformálás''' <br />
* '''adatbányászati elemzés'''<br />
* '''dokumentálás''' <br />
</td><br />
<td><br />
* '''adatkinyerés'''<br />
* '''tisztítás'''<br />
* '''integrálás'''<br />
* '''transzformáció'''<br />
* '''betöltés'''<br />
* '''aggregálás'''<br />
* '''lekérdezés'''<br />
</td><br />
</tr><br />
</table><br />
<br />
Megkülönböztetjük a leíró (alapjellemzők meghatározása) és a következtető (összefüggések feltárása) adatbányászatot. <br />
<br />
Módszerei:<br />
* csoportos leírás (jellemzők megadása)<br />
* asszociációs szabálykeresés<br />
* szabálygenerálás<br />
* előrejelzés<br />
* szegmentáció<br />
* idősorelemzés<br />
<br />
Eszközök:<br />
* statisztika<br />
* fuzzy<br />
* neurális hálózatok<br />
* döntési fák<br />
* ad-hoc módszerek<br />
<br />
==Metaadat kezelés==<br />
<br />
*Definíció*: Egy másik adatot leíró, meghatározó adat, amely összefoglalja az adat használatára vonatkozó összes tényt. <br />
Az adattárház használhatóságát alapvetően meghatározza mind az '''üzemeltetés''' mind a '''lekérdezés''' szempontjából. Hiszen a sokféle heterogén forrásrendszer adatainak, hasonló, a frissítésekkor változó adatoknak igen gazdag adatstruktúráját kell tudnunk kezelni. <br />
<br />
* A '''jól struktúrált''' adatok szerkezete az adatok teljes terjedelméhez képest elhanyagolható. <br />
* A '''Közepesen''' (semi-) '''strukúrált''' adatok belső szerkezetét fel lehet ismerni, de a nagysága összemérhető a teljes kezelt adattal. pl.: XML. <br />
* A '''nem strukútrált''' adatok nem jellemezhetők, akármilyen szemantikával is próbálkozunk.<br />
<br />
===Csoportosítás===<br />
<br />
Funkció szerint:<br />
* '''technikai''' (mezők típusa, hossza, sorrendje, csoportjai, kényszerei)<br />
* '''szemantikai''', más néven üzleti információs metaadatok (az adat mértékegysége)<br />
* '''adminisztrációs''' az adattárházban zajló folyamatok járulékos adatai (indulási időpont, forrás, végrehajtott transzformációk, végrehajtott lekérdezések, lekérdezések eredménye, lekérdezések jogosultsága)<br />
* '''navigációs''' az elérhető adatok struktúrákba szervezése, majd a végfelhasználó számára ajánlások (elkészült aktivizálható riportok felsorolása, alapstruktúrák, aggregátumok)<br />
<br />
Befolyásoltság szerint: <br />
* '''aktív''' : A folyamatok befolyásolási (triggelerési) lehetősége, tipikusan a jól felépített adattárházak tartoznak ebbe a csoportba<br />
* '''passzív''' : Az események leírására szolgálnak, értelem szerűen nem befolyásolják a folyamatokat. <br />
<br />
Illetékességi hely szerint:<br />
* '''back-room'''<br />
* '''front-room'''<br />
<br />
===Kapcsolódó folyamatok===<br />
<br />
Gyakorlatilag megegyezik a korábbi adatok kezelése során felsoroltakkal.<br />
* adatkinyerés<br />
* adminisztráció (aktualizálás, konszolidálás, mentés...)<br />
* végfelhasználói hozzáférés<br />
<br />
Lehetőség szerint a centralizált metaadattár és a lekérdező felület javasolt.<br />
<br />
===Szabványosítási folyamat ===<br />
<br />
* MDC: MDIS<br />
* EIA: CDIF<br />
* MS: XML<br />
* ORACLE: 1999-ig saját , majd 2001-től XML, végül a Object Managment Group által készített Common Warehouse Metamodell (CWM) használja.<br />
<br />
-- [[AdamO|adamo]] - 2007.11.06.<br />
<br />
<br />
[[Category:Infoszak]]</div>Unknown user