1-در این مطلب، متن اسلاید های اولیه قرار داده شده است
2-به علت اینکه امکان درج تصاویر استفاده شده در پاورپوینت وجود ندارد،در صورتی که مایل به دریافت تصاویری از ان قبل از خرید هستید، می توانید با پشتیبانی تماس حاصل فرمایید
3-پس از پرداخت هزینه ، بلافاصله پاورپوینت خرید شده ، به ادرس ایمیل شما ارسال خواهد شد
4-در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل اسلاید ها میباشد ودر فایل اصلی این پاورپوینت،به هیچ وجه بهم ریختگی وجود ندارد
5-در صورتی که اسلاید ها داری جدول و یا عکس باشند در متون زیر قرار نخواهند گرفت
قسمتی از متن فایل ارائه
هوش تجاری-چرا؟ (ادامه)
nدلاِيل اقتصادی.
nدنبال نمودن اهداف کاراِيی سِيستم کاربردی.
nافزاِيش رقابت ها.
nتجارت الکترونِيکی.
nحماِيت از تصمِيم گِيری های سِيستم کاربردی.
nکثرت مشترِيان.
nنِياز به آنالِيز عملِيّات سِيستم.
nصحّت و دقّت اطّلاعات حاصل از سِيستم.
nدسترسی به داده های بهنگام شده.
nکاهش هزِينه.
nرضاِيت کاربران نهاِيی در مقاِيسه با کالاهای مشابه.
n…
n
سايرتعاريف از هوش تجاری (۱)
nعبارتست از بُعد وسِيعی از کاربردها و تکنولوژی برای جمع آوری داده و دانش جهت تولِيد پرس و جو در راستای آنالِيز Enterprise برای اتخاذ تصمِيات تجاری دقِيق و هوشمند. [Paul Balacky & Richard Fayers, 2003]
سايرتعاريف از هوش تجاری (۲)
nِيک هوش تجاری براساس ِيک معماری Enterprise تشکِيل شده و در قالب OLAP (پردازش تحلِيلی برخط)، به تحلِيل داده های تجاری و اتخاذ تصمِيمات دقِيق و هوشمند می پردازد. [Loshin David, 20033]
سايرتعاريف از هوش تجاری (۳)
nهوش تجاری، نه بعنوان ِيک محصول و نه بعنوان ِيک سِيستم، بلکه بعنوان ِيک معماری موردنظر است که شامل مجموعه ای از برنامه های کاربردی و تحلِيلی است که به استناد پاِيگاه های داده عملِياتی و تحلِيلی به اخذ و کمک به اخذ تصمِيم برای فعالِيت های هوشمند تجاری می پردازند. ۲۰۰۵] , [Larissa T. Moss, Shaku Atre
nپردازش تحليلی برخط (OLAP)
¨سرويس هايی که از پايگاه داده تحليلی به منظور پاسخگويی سريع به پرسش های تحليلی کاربران استفاده می کنند،
¨عبارت است از مجموعه ای از نرم افزارها برای
nاکتشاف و تحليل سريع داده های مبتنی بر يک شيوة چند بُعدی با چندين سطح از مجموع سازی (Aggregation) جهت
¨تسريع و آسان سازی تصميم گيری
n آسان شدن تصميم گيری به دليل
¨قابليت هدايت تحليل ها بدون نياز به يک زبان پرس و جوی اصلی يا فهم ساختار زيرين بانک اطلاعاتی حاصل می شود.
nسريع ترشدن تصميم گيری نيز از اين جهت است که مجموع داده ها برای درخواست های متداول از پيش محاسبه شده است و به اصطلاح داده ها، Pre-Aggregate شده اند،
¨بنابراين زمان محاسبه کاهش يافته و پاسخگويی به پرس وجوهای پيچيدة تحليلی به سرعت امکانپذير خواهد بود.
nپايگاه داده تحليلی (DW) و پردازش تحليلی بر خط (OLAP) از جمله عناصر ضروری در سيستم های تصميم يار به شمار می آيند.
nدادههاي مورد استفاده در اين تراكنشها دادههاي بهروز، جاري و با جزئيات است : پردازش تراكنشها، مشتمل بر انجام عمليات روزانه مانند خريد و فروش و عمليات بانكي و مانند آن.
nپايگاه های داده عملياتی (DB)، منبع داده ای سيستم های OLTP هستند.
nپايگاه های دادة عملياتی رايج شامل داده های بروز و جاری، جهت انجام عمليات روزانة ثبت، حذف، بروزرسانی و مشاهده داده ها هستند.
nعبارت داده کاوی به فرآيند تحليل نيمه خودکار پايگاه داده های بزرگ، به منظور يافتن الگوهای مناسب اطلاق می گردد.
nهمانند کشف دانش در هوش مصنوعی (که آنرا يادگيری ماشين هم می نامند )، يا تحليل آماری، داده کاوی هم سعی در يافتن قوانين والگوها از داده ها دارد.
nداده کاوی از اين جهت که با حجم عظيم اطلاعاتی، که اغلب روی ديسک ذخيره شده است روبروست، با يادگيری ماشين و آمار متفاوت است.
n داده کاو ی با کشف دانش در پايگاه های داده سر و کار دارد.
پايگاه دادة تحليلی (Data Warehouse)
n Data Warehouse (پايگاه داده تحليلی)، مخزن داده ای متمرکز، جمع آوری شده از منابع اطلاعاتی مختلف و ناهمگن در يک محدوده وسيع زمانی است و برای پشتيبانی از سيستم های تصميم يار(DSS) استفاده می شود.
nDW از پايگاه های داده عملياتی و يا ساير منابع داده ای توزيع شدة سازمان ها و ارگان های متفاوت تهيه می شود.
nپايگاه دادة تحليلی بستر مناسبی فراهم می آورد که داده ها به منظور پاسخگويی به پرسش های تحليلی به صورت بايگانی شده، سر جمع شده و سازمان يافته، ذخيره شوند.
n پايگاه داده تحليلی شامل داده هايی است که برای انجام تصميم گيری ها و تحليل ها مناسب است.