Открыть документ - Финансовая академия

Report
OLAP технологии оперативной
аналитической обработки бизнесданных
(On-line Analytical Processing)
Предназначены для анализа финансовой,
статистической и оперативной бизнесинформации, выпуска отчетов и
графического отображения .
OLAP технологии
Используют современную технологию оперативной
аналитической обработки бизнес-данных .
Представляют собой самый мощный, на
сегодняшний день, вид табличного генератора
запросов, отчетов и диаграмм.
Обеспечивают получение множество представлений
одного набора данных в разных формах аналитической
отчетности
Наибольшее распространение
получили:
- Пакет «Contour Standard»
-Пакет «Contour BI» (Наиболее
мощный)
Систему рекомендуется использовать
для анализа в различных предметных
областях:
• управление снабжением по данным ERPсистемы,
• анализ продаж по данным CRM-системы,
• финансовый анализ по показателям
обязательной отчетности.
Направления использования:
•Руководителями - для оперативного
получения интересующих показателей.
• Менеджерами отделов продаж и закупок –
контролировать динамику продаж, текущее
состояние счетов клиента и складских запасов.
• Специалистами службы маркетинга – для
решения задач сегментирования клиентской
базы, анализа спроса, оценки потребительского
интереса по данным посещаемости сайта
компании (click-stream анализ).
• Аналитиками – для реализации
индивидуальной модели оценки различных
аспектов деятельности организации.
Модели доступа к данным:
• ROLAP (Relational OLAP) обеспечивает прямой доступ к
реляционным БД. «Контур Стандарт» в режиме on-line
обращается к БД, получает плоские выборки,
преобразует их в многомерное представление и
отображает данные в аналитических интерфейсах.
Описание источников данных, запросов и
пользовательских интерфейсов сохраняются в файле
OLAP-приложения.
• MOLAP (Multidimensional OLAP). позволяет сохранять
данные, полученные из реляционной БД, в многомерную
локальную базу данных и предоставляет интерфейс для
их просмотра.
Микрокубом называется Файл, который
содержит локальную базу данных и OLAPинтерфейс для работы с ней.
MOLAP-технология значительно ускоряет
процесс получения аналитических
показателей. При этом работа ведется в
режиме off-line от корпоративных БД.
Работа с системой «Контур Стандарт»
организуется в два этапа:
1. Создание OLAP-приложения – пакета
аналитических отчетов для конечного
пользователя: руководителя, аналитика,
маркетолога Для этого используется система
«Контур Стандарт» в редакции «Дизайнер».
2. Анализ и выпуск отчетов с помощью готового
OLAP-приложения.
Механизмы «Контур Стандарт»
1. OLAP-приложение (файл формата
*.caf) Источники данных
2. Запросы
3. Отчеты
4. Таблицы
5. Тренды
6. Кластерный анализ
Механизмы «Контур Стандарт»
OLAP-приложение (файл формата *.caf)
– отдельный программный ресурс
(репозиторий метаданных), в котором
хранятся настройки источников данных,
запросов к источникам данных и
аналитические отчеты. Создание OLAPприложения состоит в
последовательном описании этих
настроек.
Механизмы «Контур Стандарт»
Источники данных – локальные
таблицы и реляционные БД
автоматизированных систем, в которых
хранятся корпоративные данные для
анализа (
Механизмы «Контур Стандарт»
Запросы – SQL-запросы к источникам
данных, описываемые в системе на
уровне правил объединения таблиц
источников данных по ключевым полям,
условия фильтрации данных и набора
возвращаемых полей.
Результат выполнения запроса плоская выборка данных,
отображаемая в отчетах.
Механизмы «Контур Стандарт»
Отчеты – пользовательские интерфейсы для
анализа данных. В «Контур Стандарт» можно
создать 4 вида отчетов:
• Таблица.
• Тренд.
• Кластерный анализ.
• OLAP-отчет.
Все пользовательские отчеты могут быть
проиллюстрированы графиками,
распечатаны, выгружены в офисные
приложения (MS Excel, MS Word, htmlформат) или сохранены в csv-формате.
Механизмы «Контур Стандарт»
Таблицы – плоские списочные отчеты,
сопровождаемые графиками.
Пользователь может быстро
перерисовывать графики, фильтруя
значения измерений и управляя
фактами и измерениями по осям.
Это позволяет оперативно менять
«точку зрения» на анализируемые
данные в поисках зависимостей и
тенденций.
Механизмы «Контур Стандарт»
Тренды – отчеты, отражающие
изменение показателей во времени и
динамику этих изменений. Особенно
эффективно использование трендов
для изучения сезонных колебаний и
прогнозирования тенденций.
Механизмы «Контур Стандарт»
• Кластерный анализ – интерфейс,
позволяющий объединять объекты в
группы (кластеры) по заданным
признакам, сравнивать группы,
выявлять среди них крупные
Аналитическая платформа
Deductor- это ПКП,
разработанная компанией
BaseGroup
Предназначена для создания
законченных прикладных решений в
сфере анализа данных.
В ней реализованы инновационные
(нейросетевые) технологии
обработки данных.
В платформе реализованы механизмы,
позволяющие пройти все этапы создания
аналитической системы: от хранения
информации до разнообразных способов ее
визуализации после соответствующей
обработки (моделирование,
прогнозирование, кластеризация, поиск
закономерностей и многие другие технологии
обработки знаний (Knowledge Discovery in
Databases) и добычи данных (Data Mining).
Нейросетевые технологии
Нейросетевыми
технологиями
называют
комплекс
информационных
технологий,
основанных на применении искусственных
нейронных сетей.
Искусственные нейронные сети (ИНС) – это
программно или аппаратно реализованные
системы, построенные по принципу организации
и функционирования их биологического аналога
– нервной системы человека.
Нейросетевые технологии
В основе нейросетевых технологий лежит идея о
том, что функционирование биологического
нейрона можно промоделировать относительно
простыми математическими моделями, а вся
глубина и гибкость человеческого мышления и
другие важнейшие качества нервной системы
определяются не сложностью нейронов, а их
большим числом и наличием сложной системы
связей между ними.
Модель нейрона
Х1
Х2
n
s   xi wi
Х3
y=f(s)
i 1
...
Хn
Х – сигнал, W – весовой коэффициент, У – активационная функция нейрона
Обучение нейрона
Подобно биологическим системам, которые он
моделирует, искусственный нейрон изменяет
свои характеристики в результате попыток
достичь лучшей модели поведения. Изменения
состоят
в
корректировке
величин
коэффициентов wi входящих связей.
Тем самым изменяется и величина исходящего
сигнала, который будет генерироваться при тех
же входных сигналах. Корректируя весовые
коэффициенты, нейрон накапливает «опыт»,
приспосабливая свой выходной сигнал к
решению той или иной конкретной задачи.
Методы обучение нейрона
В практике искусственных нейронных сетей
сложились два основных метода обучения:
•с учителем,
•без учителя.
При обучении с учителем предполагается, что
помимо входных сигналов, известны также и
ожидаемые выходные сигналы. Иными словами,
нейрон каждый раз получает информацию о
том, какой выходной сигнал от него ожидают.
При обучении без учителя ожидаемые выходные
сигналы
неизвестны,
подбор
весовых
коэффициентов осуществляется на основе
конкуренции
нейронов,
либо
корреляции
обучающих и выходных сигналов.
Схема функционирования Deductor Studio
Панель Мастера обработки
Входной сигнал с шумами
Выходной сигнал
Нейросеть «Оценка недвижимости»

similar documents