Presentatie titel

Rotterdam, 00 januari 2007

MIS 02BI & OLAP

Rotterdam, 00 januari 2007

maandag 10 januari 2011

inhoud

Business Intelligence, data miningOLAP

maandag 10 januari 2011

Business Intelligence

Is met name gericht inzicht te verschaffen op het verzamelen en analyseren van informatie over ‘klanten’, beslissingsprocessen, concurrentie, markttoestand en algemene economische, technologische trends, teneinde beslissingsondersteunende informatie (Intelligence) te verkrijgen.

maandag 10 januari 2011

BI Cyclus

maandag 10 januari 2011

BI cyclus

Het verzamelen en registeren van data.Het analyseren van de data om te komen tot kennis en informatie.

Het toepassen van de informatie en tot actie overgaan.

maandag 10 januari 2011

Waarom?

hoeveelheid data

tijd om te beslissen

nu 20e eeuw jaar 0 B

I-

klo

of

het belang

van BI

zal blijven toenemen

BI

maandag 10 januari 2011

Waarvoor BI?

O.a. voor:

waarnemen van relevante veranderingen in de markt;

monitoring van concurrenten;

ondersteuning van productinnovaties;

anticiperen op algemene omgevingstrends (o.a. t.a.v. overheid, macro-economische ontwikkelingen, technologie, etc.);

inzicht in variabelen t.a.v. realisatie van de strategie (monitoring prestatie-indicatoren);ontdekken van patronen in klantgedrag (b.v. door datamining);

maandag 10 januari 2011

Dataminen

“graven” in reeds beschikbare data (bv uit het MIS) om zo tot nieuwe informatie te komen.bv.

trends (data over tijd)patronen (bv bestedingspatronen, seizoensgebondenheid)cases (patronen herkennen in een bepaald voorval)marktonderzoek

maandag 10 januari 2011

Voorbeelden

Handel: juiste voorraden bestellen, distributiepatronen.Bank: voorspellen “bankroet gaan”Productie: proces stroomlijnen (opsporen bottlenecks)Verzekeringen: risico bepalen, fraude opsporenGemeente: “probleemwijken” in kaart brengen

maandag 10 januari 2011

Query

Vraag die je aan de database stelt.bv. wat is er in de maand december verkocht?

maandag 10 januari 2011

Online Transaction Processing (OLTP)

Is een groep programmaʼs om online transacties via bijvoorbeeld order verwerking, voorraad bijhouden te volgen en te bewaken.Een on-line transaction processing (OLTP) systeem is slecht in staat om analyses op de opgeslagen gegevens uit te voeren. De structuur van de gegevensopslag staat dit niet toe.De meest gebruikte oplossing om tóch tot zinvolle analyses te komen is het maken van een gegevensextract: een datawarehouse.

= eigenlijk het systeem wat we in de BCM weergeven.probleem: hij is gemaakt voor operaties, niet voor onderzoek

maandag 10 januari 2011

OLAP

Online analytical processing

Analyse van grote hoeveelheden multidimensionele data typisch afkomstig van een data warehouse.

Dit wordt meestal in een apart systeem gedaan, met data die gedupliceerd is vanuit het OLTP systeem.

maandag 10 januari 2011

OLAP

Er moet iets worden berekend: omzet of verkochte hoeveelheden, winstmarges, wachttijden, klachten.De resultaten van de berekeningen worden uitgesplitst naar dimensies (conform de analyses die men wil maken)

tijd product klant regio... Dimensies kunnen een hiërarchische structuur hebben.

maandag 10 januari 2011

OLAP concept

Stel je verkoopt iets.Op de bon staat de tijd.

nu kun je iets zeggen over hetgeen wat verkocht is en de tijd waarop.Waarschijnlijk zie je daar niets in...

Maar, wat als je meer dingen bijhoud?zoals:verkoperwinkelbetaalmethodebankrekeningnaametc.

maandag 10 januari 2011

OLAP concepten

onstaan rond een “fact” (bv. een sale, een productiehandeling, of een klacht)

(vergelijk met “moments of truth” in diensten marketing...)

Geven inzicht in dat fenomeen in de verschillende dimensies.

waar komt het het meest voor?wanneer komt het het minst voor?bij wie allemaal? of bij wie niet?

maandag 10 januari 2011

Apples

Cherries

Melons

Q4 Q1 Q2 Q3

Time Dimensie

Ve

rko

pen

Reg

io

Dim

en

sie

Miami

Denver

Chicago

Atlanta Sales

Fact

OLAP cube

maandag 10 januari 2011

Kenmerken

afkomstig uit willekeurige databases (bv. CRM of ERP).Meerder dimensie (meer dan 3 ook mogelijk).Snel data combineren.Snel een inzicht voor een bepaalde vraag.OLAP cubes zijn vaak van te voren gemaakt.

bevorderd de hoeveelheid vragen die gesteld kunnen worden.

maandag 10 januari 2011

OLTP vs. OLAP

OLTP Jan Jansen uit Broek in Waterland heeft zojuist een veilingkist tomaten besteld; voer de levering van de tomaten uit vanuit onze locatie in Broek in Waterland, maak de factuur en geef aan voorraadbeheer door dat er minder tomaten zijn.

OLAPHoeveel kisten tomaten zijn er jaarlijks verkocht vanuit de magazijnen in Noord Holland?

maandag 10 januari 2011

Wat kun je doen?

Drill downTotal sales

Total sales per city

Total sales per city per store

Total sales per city per store per month

...

SlicingNeem een horizontale of verticale snede van de kubus

Sales data for product X

Sales data for store A

DicingSales data for products X and Y, in stores A and B, during the summer

Roll-up

maandag 10 januari 2011

Terug naar de opdracht:

Geef 3 voorbeelden hoe jouw bedrijf een OLAP cube kan gebruiken.werkwijze.

Wat wil je weten? (denk als een marketeer) Welke dimensies wil je beschouwen? Wat laat een drill down, roll up, slice of dice zien? Hoe kun je met die informatie omgaan? -> zie ook pointdexter

maandag 10 januari 2011

Voorbeeld PIVOT in excel

Vragen tot nu toe?

maandag 10 januari 2011