3.6 क्वेरी और विश्लेषण उपकरण

3.6 क्वेरी और विश्लेषण उपकरण
3.6.1 रिपोर्टें और जिज्ञासाएँ
3.6.2 OLAP
3.6.3 डैशबोर्ड्स
3.6.4 डाटा खनन
3.6.4.1 तंत्रिका नेटवर्क्स
3.6.4.2 विशेषज्ञ प्रणालियों
3.6.4.3 आनुवंशिक प्रोग्रामिंग
3.6.4.4 निर्णय पेड़
3.6.4.5 विचलन जांच
3.6.5 EIS

3.6.प्रश्न और विश्लेषण उपकरण

3.59 चित्रा: क्वेरी और विश्लेषण उपकरण.

प्रश्न और विश्लेषण उपकरण सिस्टम है कि उपयोगकर्ता है @ DW डेटा की @ के आचरण की खोज की अनुमति देते हैं. असल @ l डाटा गोदाम उपयोगकर्ता के बीच कड़ी @ एस एस का गठन

डाटा संरचनाओं कि पहले बनाया गया है (बहुआयामी cubes, व्यापार मॉडल, आदि) करने के लिए @ उपयोगकर्ता SQL क्वेरी आवश्यकताओं एल के माध्यम से @ के कदम, और तब परिणाम वापसी के मेटाडाटा का उपयोग करें.

ये उपकरण भी डेटाबेस (JNDI, JDBC, ODBC) करने के लिए आसान लिंक का उपयोग कर सकते हैं वांछित जानकारी प्राप्त करते हैं.

एक ग्राफिकल इंटरफ़ेस और कदम की एक श्रृंखला, @ एल के माध्यम से @ उपयोगकर्ताओं प्रश्न है कि प्रश्न और विश्लेषण उपकरण से क्वेरी प्रबंधक, इस मोड़ में DW प्रबंधक के लिए जानकारी का निष्कर्षण बनाता को भेजे जाते हैं और रिटर्न परिणाम उत्पन्न है उपकरण है कि अनुरोध किया जाता है प्राप्त की.तो, इन परिणामों को एल एस @ उजागर कर रहे हैं @ प्रारूपों कि परिचित हैं के प्रयोक्ताओं की है.

इस प्रक्रिया को सबसे अच्छा नीचे आंकड़ा को देखकर समझ में आ गया है:

3.60 चित्रा: परामर्श प्रक्रिया और विश्लेषण.

वही छह लगातार कदम के माध्यम से किया जाता है:

  1. एल @ @ उपयोगकर्ता के चयनित या करने के लिए DW आंकड़ों के नीचे उपकरण आप उपयोग के इंटरफेस के माध्यम से प्राप्त करना चाहते हैं.
  2. उपकरण एल @ उपयोगकर्ता का क्रम @ एस प्राप्त करता है, क्वेरी (मेटाडेटा का प्रयोग करके) का निर्माण और क्वेरी प्रबंधक भेजता है.
  3. क्वेरी प्रबंधक डेटा संरचना पर प्रश्न संसाधित किया जा रहा (बहुआयामी घन, व्यापार मॉडल, आदि) चलाता है.
  4. क्वेरी प्रबंधक क्वेरी परिणाम retrieves.
  5. क्वेरी प्रबंधक प्रश्न और विश्लेषण उपकरण के लिए डेटा भेजता है.
  6. उपकरण @ के उपयोगकर्ता प्रस्तुत @ आवश्यक जानकारी है.

इनमें से एक उपकरण का उपयोग करने का मुख्य लाभ की है कि एल एस @ @, एक ध्यान देना चाहिए के उपयोगकर्ताओं के बारे में जानने सुविधाओं और डेटा संरचनाओं का कार्य क्या इस्तेमाल चिंता नहीं है, न ही पता है कि कैसे SQL भाषा का उपयोग करने के लिए है विश्लेषण में.

सामान्य, शेयर निम्नलिखित विशेषताओं में प्रश्न और विश्लेषण उपकरण:

  • पहुँच: विभिन्न डेटा संरचनाओं के माध्यम से जानकारी तक पहुँच प्रदान पारदर्शी उपयोगकर्ता @ @ एस एस अंत @ स्था को सिर्फ मूल और के स्रोत पर और नहीं विश्लेषण पर ध्यान केंद्रित करने के लिए डेटा.
  • समर्थन निर्णय लेने: वे डेटा का अन्वेषण, चयन करने के लिए, फिल्टर और उन्हें अनुकूलित सामयिक, प्रासंगिक और उपयोगी करने के लिए निर्णय लेने की प्रक्रिया का समर्थन प्राप्त करने के लिए अनुमति देते हैं.
  • मार्गदर्शन l @ @ के अंत उपयोगकर्ता है: अनुकूल है और सहज ज्ञान युक्त वातावरण है कि एल एस @ @ उपयोगकर्ताओं को तकनीकी ज्ञान के बिना विश्लेषण और परामर्श, प्रदर्शन कर सकते हैं के माध्यम से करते हैं.हालांकि यह महत्वपूर्ण है खुद डेटा, कि वे और व्याख्या की जा सकती @ एस एल द्वारा विश्लेषण कर रहे हैं @ के उपयोगकर्ताओं बड़े पैमाने पर निर्भर करेगा कि कैसे वे वर्तमान और उपलब्ध है.

वहाँ प्रश्न और विश्लेषण उपकरणों के विभिन्न प्रकार हैं, और करने के लिए, उपयोगकर्ता के प्रकार @ रिपोर्टिंग आवश्यकताओं की जरूरत है, सबसे अधिक मामले के लिए उपयुक्त का चयन करना चाहिए अनुसार.इनमें निम्नलिखित हैं:

  • रिपोर्टों और प्रश्न.
  • OLAP.
  • डैशबोर्ड्स.
  • डाटा खनन.
  • EIS.

3.6.1. रिपोर्टों और जिज्ञासाएँ

कई उपकरण प्रश्नों और रिपोर्ट है, जो सहज है @ चित्रमय दिखाता है उपयोगकर्ता के माध्यम से @ एस प्रस्तुत करते हैं, के लिए विस्तृत रिपोर्ट और ब्याज की ब्याज की उन्नत विषय है कि इस विश्लेषण उत्पन्न करने की क्षमता के उत्पादन के लिए विकसित किया गया है.एल एस @ @ उपयोगकर्ताओं को केवल मेनू विकल्पों का चयन के रूप में कुछ सरल चरणों का पालन करना चाहिए, इस या उस बटन प्रेस करने के लिए क्लस्टरिंग और अन्य गुण है कि महत्वपूर्ण माना जाता है के लिए डेटा तत्वों, स्थिति, मापदंड निर्दिष्ट है.

वर्तमान में पैदा रिपोर्ट और जांच के लिए उपकरणों के कई फायदे है, जो रिपोर्टिंग के लिए विभिन्न रूपों और स्वरूपों ले जा सकते हैं. सबसे आम विकल्पों में निम्नलिखित हैं:

  • आंकड़ों के Parameterization लौट आए.
  • आउटपुट स्वरूप का चयन (स्प्रेडशीट, HTML, पीडीएफ, आदि).
  • पाई चार्ट, बार, आदि शामिल
  • लेआउट का उपयोग करना धन की टेम्पलेट्स.
  • तस्वीरें भी शामिल है.
  • Typographic प्रारूपों.
  • अन्य रिपोर्टों के लिए लिंक.

3.6.2.OLAP

(रेखा विश्लेषणात्मक प्रसंस्करण पर) ऑनलाइन एनालिटिकल प्रोसेसिंग OLAP डेटा भण्डारण की सबसे शक्तिशाली घटक है, और कहा कि विशेष क्वेरी रिपोजिटरी इंजन है.

OLAP उपकरण ऑनलाइन विश्लेषण, प्रबंधन और प्रश्नों, जो हमें व्यापार के प्रदर्शन के बारे में जानकारी अनुमान करने की अनुमति के निष्पादन के लिए एक सॉफ्टवेयर प्रौद्योगिकी रहे हैं.

इसका मुख्य उद्देश्य के लिए जटिल प्रश्नों के त्वरित उत्तर प्रदान करने के लिए व्यापार की स्थिति की व्याख्या और निर्णय करना है.ऐसा लगता है कि क्या OLAP कार्यान्वयन में वाकई दिलचस्प है सरल पारंपरिक विमर्श नहीं है चाहिए, लेकिन इस तरह के रूप में प्रयोग ऑपरेटरों की संभावना ड्रिल अप, डाउन, आदि, ड्रिल करने के लिए गहरी जानकारी शोषण.

इसके अलावा, इस तरह के उपकरणों के माध्यम से, आप विभिन्न ऐतिहासिक स्थितियों से व्यापार का विश्लेषण कर सकते हैं और परियोजना के रूप में यह बर्ताव किया गया है, और एक बहुआयामी वातावरण में विकसित हो रहा है, या अलग अलग दृष्टिकोण है, ब्याज या आयामों के विषयों के संयोजन के द्वारा. यह हमें की अनुमति देता रुझान परिणाम निकालना दृष्टिकोण के बीच संबंधों की खोज के माध्यम से,पहली नज़र में आप आसानी से नहीं पाया जा सका.

OLAP उपकरण की आवश्यकता है कि डेटा एक बहुआयामी जमा है, जो बहुआयामी cubes के लिए उपयोग किया जाता है में आयोजित किया जाना है.

सुविधाएँ पहले से वर्णित है, के अलावा इस प्रकार enumerated हो सकता है:

  • आप एकत्र और उपयोगकर्ता के लिए आवश्यक विश्लेषणात्मक जानकारी को व्यवस्थित @ l @ देता है यह टेबल, रेखांकन, रिपोर्ट, डैशबोर्ड्स, आदि जैसे विभिन्न प्रारूपों में उपलब्ध है
  • डेटा की बड़ी मात्रा के जटिल विश्लेषण समर्थन करता है.
  • पूरक अन्य उपकरण है कि ऑनलाइन विश्लेषणात्मक प्रसंस्करण की आवश्यकता है.
  • @ प्रस्तुत एस@ उपयोगकर्ता व्यवसाय ब्याज के प्रत्येक आइटम के लिए डेटा (मैट्रिक्स) के एक बहुआयामी दृष्टिकोण है.
  • यह तकनीक के प्रकार है कि या तो DW ROLAP, MOLAP या HOLAP का समर्थन करता है के लिए पारदर्शी है.
  • आयाम की संख्या पर कोई सीमा नहीं की अनुमति दी.
  • उपयोगकर्ता की अनुमति देता है @ @, पारंपरिक विश्लेषण के अलावा अन्य मानदंडों के आधार पर जानकारी का विश्लेषण है.
  • बड़े नमूनों होने, बेहतर जवाब की तलाश में डेटा देख सकते हैं.
  • जटिल और विशिष्ट में aggregations और डेटा के संयोजन के लिए अनुमति दें सामरिक विश्लेषण आचरण.

3.6.3.डैशबोर्ड्स

डैशबोर्ड्स रिपोर्टों के एक संग्रह के रूप में समझा जा सकता है, इंटरैक्टिव प्रश्न और विश्लेषण के लिए एक विशेष विषय को देखें और आपस में जुड़े हैं.

वहाँ कई के लिए एक डैशबोर्ड डिजाइन तरीके, जिनमें से प्रत्येक का विशेष उद्देश्य है रहे हैं, लेकिन जैसा कि एक संश्लेषण कुछ सामान्य लक्षण है कि करने के लिए हो जाते हैं प्रस्तुत किया जाएगा:

  • बहुत संक्षेप में जानकारी प्रस्तुत की.
  • वे प्रश्नों का, रिपोर्ट, विश्लेषण, इंटरैक्टिव (पाई, सलाखों, आदि) ग्राफिक्स, ट्रैफिक लाइट, कारण और प्रभाव संकेतक, आदि शामिल
  • एक नज़र के साथ कंपनी की स्थिति का आकलन करने के लिए.
  • स्वरूप एक बहुत ही हड़ताली दृश्य डिजाइन किया है.

3.6.4.डाटा खनन

यह उपकरण काफी संभावना के साथ एक शक्तिशाली तकनीक है कि मदद करता है और उपयोगकर्ता है @ @ एस, समर्थन के लिए उन्हें का विश्लेषण करने और ज्ञान छिपा हुआ है और एक या OLTP DW में संग्रहीत डेटा से पूर्वानुमान निकालने की अनुमति है. बेशक यह वांछनीय है कि सूचना के स्रोत एक DW अपने सभी लाभ के लिए है.

डेटा गोदाम के साथ एकीकरण सक्षम बनाता परिचालन फैसले को लागू कर रहे हैं और सीधे निगरानी की.

कार्यान्वयन डाटा खनन कुछ प्रक्रियाओं, या चर कारकों को प्रभावित करने का अनुमान है या अनुमान का विश्लेषण करेगाभविष्य के व्यवहार, खंड या इसके अलावा में इसी प्रकार की वस्तुओं समूहन, घटनाओं है कि विशिष्ट व्यवहार के लिए नेतृत्व की श्रृंखला को प्राप्त करने के लिए.

एक डाटा खनन का मुख्य लाभ की है कि, जैसा कि हाल ही में उल्लेख किया गया है, व्यवहार, पैटर्न, रिश्ते और डेटा का अनुमान अनुमान करने के लिए उसी के बारे में भविष्यवाणी पूर्वनिर्धारित पैटर्न या नियमों की आवश्यकता के बिना, विकास, सक्रिय जानकारी के एक संपूर्ण ज्ञान के आधार पर निर्णय की इजाजत दी.

यह भी अपनी रुचि के विषयों, जैसे के रूप में क्या हो रहा है पर कठिन सवालों के जवाब देने की क्षमता प्रदान करता है, क्यों? और क्या होता है और iacuतुम;, इनमें से एक कंपनी के लिए लागू किया जा सकता है प्रश्न: इस तरह के ब्रांड और वर्ग के उत्पादों में से कौन सा अगले सेमेस्टर में उत्तर में सबसे अच्छा विक्रेता हैं? और क्यों? आप तालिका रिपोर्ट, matrices, चार्ट, बोर्ड, आदि के रूप में परिणाम देख सकते हैं

तो, तुम एक तकनीक के रूप में डाटा खनन परिभाषित करने के लिए पैटर्न और डेटा की बड़ी मात्रा में, पहली नजर में या अन्य प्रकार के विश्लेषण के माध्यम से जो, नहीं कटौती के बाद से वे पारंपरिक रूप से बहुत अधिक समय खपत या उम्मीदों से परे हो सकते हैं के बीच संबंधों की खोज कर सकते हैं.

डाटा खनन प्रणाली नवीनतम पीढ़ी Intelig के आधार पर भाषाओं के तहत विकसित कर रहे हैंncia कृत्रिम और गणितीय विधियों जैसे उपयोग करें:

  • तंत्रिका नेटवर्क्स.
  • विशेषज्ञ प्रणालियों.
  • प्रोग्रामिंग जेनेटिक.
  • निर्णय पेड़.

यह भी स्कोरिंग प्रणाली, अनुप्रयोग, विचलन जांच और धोखाधड़ी का पता लगाने के रूप में परिष्कृत विश्लेषण आपरेशनों का समर्थन करता है.

यह बहुत महत्वपूर्ण है ध्यान दें कि OLAP उपकरण और रिपोर्टों और विचार विमर्श, विश्लेषण एक प्रश्न या परिकल्पना एल द्वारा @ एस उत्पन्न @ उपयोगकर्ताओं के साथ शुरू होता है, इसके विपरीत डाटा खनन में इन hypotheses उत्पन्न कर सकते हैं.

आम तौर पर, डेटा खनन उपकरण हार्डवेयर और सॉफ्टवेयर प्लेटफार्म के साथ एकीकृत कर रहे हैं मौजूद हैं (जैसा DW) की स्थापना डेटा स्रोतों के मूल्य में वृद्धि करने के लिए और कहा कि नए उत्पादों और ऑनलाइन सिस्टम (जैसे OLAP के रूप में) के साथ एकीकृत किया जा सकता है.इस के अलावा, क्या एक डाटा गोदाम पर डेटा खनन हो सकता है फायदे ETL प्रक्रियाओं और तकनीक डेटा, के रूप में विश्लेषण के इस प्रकार में अपेक्षित सफाई के लाभों में शामिल हैं.

3.6.4.1. तंत्रिका नेटवर्क्स

कर रहे हैं करने के लिए गैर रेखीय मॉडल है कि भविष्य कहनेवाला प्रशिक्षण के माध्यम से सीखते हैं और एक जैविक तंत्रिका नेटवर्क की संरचना के समान बनाने के लिए इस्तेमाल किया.

एक तंत्रिका नेटवर्क के लिए अनुकूल है या जानने के लिए, सामान्यीकरण करने की क्षमता के रूप में विशिष्ट गुणों का एक सेट के साथ एक कम्प्यूटेशनल मॉडल है, और डेटा, सभी अनिवार्य रूप से समानांतर प्रसंस्करण पर आधारित का आयोजन.

उदाहरण के लिए, तंत्रिका नेटवर्क के लिए इस्तेमाल किया जा सकता है:

  • सतत और स्पष्ट चर के साथ जटिल डोमेन में सुलझाओ समस्याओं.
  • मॉडल nonlinear संबंध हैं.
  • वर्गीकृत और परिणाम की भविष्यवाणी.
3.6.4.2.विशेषज्ञ प्रणाली

एक विशेषज्ञ प्रणाली एक कंप्यूटर (हार्डवेयर और सॉफ्टवेयर) प्रणाली है कि @ @ एस एस विशेषज्ञ simulates के रूप में परिभाषित किया जा सकता है @ विशेषज्ञता का एक दिए गए क्षेत्र में मानव.

इन प्रणालियों के मुख्य फायदा है कि एल एस @ @ कम अनुभव के साथ उपयोगकर्ताओं की समस्याओं है कि इस विषय पर एक विशेषज्ञ के ज्ञान की आवश्यकता को हल कर सकते है.

उदाहरण के लिए, विशेषज्ञ प्रणालियों के लिए इस्तेमाल किया जा सकता है:

  • एटीएम के माध्यम से बैंक लेनदेन.
  • और नियंत्रण सड़कों और रेलमार्गों पर यातायात की रोशनी का स्वत: आपरेशन द्वारा, प्रवाह को विनियमित.
  • योजना जो कई चर शामिल की जटिल समस्याओं का समाधान.
  • चर के विभिन्न सेट के बीच संबंधों की खोज.
3.6.4.3.आनुवंशिक प्रोग्रामिंग

आनुवंशिक प्रोग्रामिंग का मुख्य उद्देश्य बनाने के लिए कंप्यूटर के लिए किया जा रहा है स्पष्ट रूप से उन्हें हल करने के लिए क्रमादेशित के बिना समस्याओं का समाधान जानने के लिए, इस प्रकार अधिष्ठापन प्रोग्राम आधारित समाधान पैदा कर रहा है.इस प्रेरण का सही मूल्य है कि सभी समस्याओं को एक कंप्यूटर प्रोग्राम के रूप में व्यक्त किया जा सकता है पर आधारित है.

उदाहरण के लिए, आनुवंशिक प्रोग्रामिंग करने के लिए प्रयोग किया जाता है:

  • समस्याओं को सुलझाने जो कठिन और अप्राकृतिक करने के लिए निर्दिष्ट या पहले से और एक संभावित हल के आकार के आकार को सीमित करने की कोशिश है.
  • विश्लेषण प्रणाली वातावरण बदलने में अस्थिर परिस्थितियों पर ऑपरेटिंग.
  • स्वचालित प्रोग्राम है कि समस्याओं का समाधान उत्पन्न करते हैं.
3.6.4.4. निर्णय पेड़

पेड़ के आकार का संरचनाओं कि फैसले के सेट का प्रतिनिधित्व करते हैं.इन फैसलों किसी डेटा सेट में वर्गीकृत है, जो संबंध में दूसरों के लिए एक चर के व्यवहार की व्याख्या के लिए नियमों को उत्पन्न करते हैं, और आसानी से व्यापार के नियमों में अनुवाद कर सकते हैं.

भविष्यवाणी और वर्गीकरण उद्देश्य के लिए इस्तेमाल कर रहे हैं.

उदाहरण के लिए, निर्णय के पेड़ के लिए इस्तेमाल किया जा सकता है:

  • अनुकूलन अभियान प्रतिक्रियाओं.
  • संभावित ग्राहकों की पहचान.
  • आचरण जोखिम मूल्यांकन.
3.6.4.5. विचलन जांच

चर्चा समान डेटा की एक संख्या है, और वह एक मद है कि मैच नहीं करता है बाकी एक विचलन माना जाता है जब पाता है.

आमतौर पर बड़े डेटाबेस में विचलन का पता लगाने के स्पष्ट आंकड़ों और ईमानदारी की कमी या पूर्वनिर्धारित प्रतिमान से बाहर जानकारी का उपयोग करने के लिए.एक रेखीय विधि में, इसके विपरीत में, डेटा के अंदर से इस समस्या पर केंद्रित है, उसी के अंतर्निहित अतिरेक का उपयोग कर.

उदाहरण के लिए, विचलन का पता लगाने के लिए इस्तेमाल किया जा सकता है:

  • स्थापित मॉडलों के लिए डिस्कवर अपवाद नहीं.
  • चित्रित करना समूहों पूर्वनिर्धारित शर्तों को पूरा.

3.6.5. EIS

EIS (कार्यकारी सूचना प्रणाली) सरल करने के लिए उपयोग, विश्लेषण और व्यापार की स्थिति की जानकारी तक पहुँच का मतलब है प्रदान करता है.इसके अलावा, यह मैं के लिए सुविधाएं प्रदान करता है @ @ एस जल्दी से जानकारी प्राप्त कर सकते हैं उपयोगकर्ताओं की मांग की, कम से कम करने के लिए उपकरण के उपयोग के समझने के लिए समय का उपयोग कर.

आमतौर पर, EIS को सरलीकृत डेटा विचारों की प्रस्तुति के माध्यम से प्रदर्शन संकेतक और व्यापार के प्रदर्शन या हित के क्षेत्र का विश्लेषण, अत्यधिक समेकित किया जाता है, और अधिमानतः काफी हद तक स्थिर ग्राफिक्स.

इस उपकरण का मुख्य अवधारणा सरल तथ्य यह है कि कार्यकारी एल एस @ @ समय है और न ही कौशल के लिए डेटा की बड़ी मात्रा का विश्लेषण करने की ज़रूरत नहीं है पर आधारित है.

OLAP और डाटा खनन की तरह, EIS DW मंच की परवाह किए बिना लागू कर सकते हैं.लेकिन एक डेटा के लिए इस उपकरण को लागू करने के गोदाम पर आधारित हो, सभी लाभ यह निहित रहता है.