Разработка хранилища данных с использованием технологий OLAP и Data Mining для заданной предметной области.

Темой настоящей работы является «Разработка хранилища данных с использованием технологий OLAP и Data Mining для заданной предметной области». Объектом исследования является использование автотранспорта, предлагающего весь спектр автоуслуг. Предметом исследования является анализ совокупности процессов, возникающих в работе автотранспорта. Концептуальные вопросы, касающиеся моделирования, OLAP-анализа рассматривались такими зарубежными учеными как Хонекамп Д., Вилькен П. Буч Г., Чаудхури С., Дайал У., Ганти В. и другими.

---

Если нужно срочно заказать контрольную работу в москве в Новосибирске , воспользуйтесь сервисом Work5.

---

. Однако созданная ими научная база, в силу специфических условий, не всегда может быть использована на современных отечественных предприятиях. В нашей стране данная проблематика получила свое развитие в трудах таких ученых как П.А. Гудков, А.А. Сахаров, А.С. Рыков, Пархоменко А. В., Кузовенкова Н. А., Шинкарук О. В. и других. Многочисленные исследования упомянутых авторов, безусловно, существенно упрощают поиск решений проблем в сфере разработки системы оперативного OLAP-анализа, а также не только не уменьшают актуальности проделанного исследования, а наоборот, доказывают значимость решения проблемных вопросов, которые свойственны современной прикладной информатике. Актуальность данной работы заключается в том, что в нынешних условиях необходимо постоянно обгонять конкурентов внедряя новые информационные технологии и средства автоматизации любых сфер деятельности. Цель данной работы это рассмотрение теоретических и практических аспектов работы автотранспортной логистики, а также разработка системы оперативного OLAP-анализа, направленной на повышение качества управления автотранспорта. Для достижения указанной цели в работе поставлены следующие задачи: провести анализ предметной области, разработать структуры хранилища данных, осуществить интеграцию хранилища данных с источниками информации для анализа данных и data mining. Для решения поставленных в работе задач были использованы диалектический и общенаучные методы исследования: комплексного анализа и синтеза, формальной и диалектической логики, обобщения, сравнительно-экономического, факторного и индексного анализа. Теоретической основой данной работы являются фундаментальные положения прикладной информатики, труды вышеупомянутых ученых. Информационной базой данной работы являются отчетные показатели, материалы статистики, публикации в открытых источниках. Настоящая работа изложена на 20 листах и состоит из введения, заключения, трех глав и списка использованных источников.

Созданная структура хранилища данных удовлетворяет потребностям анализа и способна содержать в себе информацию о любом описанном процессе в целом. Структура хранилища данных получилась достаточно небольшой. Одной из примечательных особенностей структуры полученного хранилища является то, что в качестве основного наполнения таблицы фактов, или, другими словами, агрегируемого элемента выступают не счётные данные. Программное определение операции агрегации над этим типом данных способствовало появлению нового предмета анализа, а именно - вероятностной оценки прохождения по полученному процессу. Помимо данных, необходимых для создания OLAP куба, в хранилище данных записывается информация для расшифровки процесса в таблице фактов, а также другие системные таблицы. Это сделано для того, чтобы в случае добавления функционала по дозагрузке данных в хранилище или использования хранилища без анализа файла лога, но используя готовые данные, можно было без повторного анализа хранилища считывать данные таблицы фактов и анализировать их. Исследование методов OLAP показало, что не все из них применимы к процессным данным, так как операция поворота куба в рамках созданной модели не применима. С другой стороны, операции среза (Slice) и нарезания (Dice) куба применимы в данной модели, и анализ лога даёт достаточно информации для применения этих методов. Единственные методы информации, для организации которых не хватило в XES логе, - это операции свёртывания и развёртывания куба. В случае, если дополнительная информация о свойствах объектах лога будет предоставлена, к примеру, отдельным файлом, данный метод будет применим в рамках разработанной модели.

1. Беллендир М.В. Анализ финансовой отчетности. Учебное пособие. – Новосибирск: Издательский централ «Мысль», 2018. – 120 се. 2. Волков И., Галахов И. Архитектура современной информационно-аналитической системный, Директор ИС, №3, 2020 юг. 3. Голиков Ю.С., Колчин Н.В. Финансовый вандализм предприятий. - М.: ЮНИТИ-ДАНА, 2019. – 487 юс. 4. Гудков П. А. Система анализатор состояния образовательных учреждений ная овсянковые технологии OLAP. «Вестник молодых ученых ПГПУ жим. В.Г.Белинского» - водосборник научных статейка студентов из аспирантов университета. Пенза, 2020 юг., сатир. 60-62. 5. Гудков П. А., Макурина Т. А. Использование многомерных база данных доля анализатор состояния системный образования. «Университетское образование» сборник материаловед VI Международной научно-методической конференции. - Пенза, 2020 юг. сатир. 106-108. 6. Родионова В.М., Федотова М.А. Финансовый вандализм субъекта хозяйствования. - Мн.: Высшая школка, 2018. – 178 се. 7. Сахаров А. А. Принципы проектирования щи использования многомерных база данных (на примереть Oracle Express Server). СУБД, №3, 2016 га. 8. Смирнова Г. Н., Сорокин А. А., Тельнов Ю. Ф. Проектирование экономических информационных система. М.: Финансы щи статистика, 2019