SZZ 30 Flashcards
Vývojové trendy v oblasti informačních systémů
- Totální digitalizace – a všechno digitalizovat a integrovat do IS
- Využití umělé inteligence v IS (např. v oblastech Big Data)
- Integrace všech procesů do IS systému (externí i interní např. dodavatel, odběratel)
- Využití IS v cloudu (nebo cloud coputingu)
- Integrace sociálních sítí od IS
- Průmysl 4.0
- IS tvořen pomocí progresivní webové aplikace (pro PC, mobil a tablet)
- Integrace IoT do podniků a IS
- Datové sklady
Datový sklad definice
zvláštní typ databáze, určený primárně pro analýzy dat v rámci Business Intelligence
Vlastnosti DW:
1) Orientace na subjekt
- relační databáze = co nejmenší redundance
- DW = snaha o jasnou vnitřní separaci jednotlivých funkčních celků
– DW = výsledkem je struktura, která je čitelnější pro uživatele za cenu zvýšených nároků na paměťový prostor
2) Integrovanost
- Běžná provozní aplikace nad relační databází řeší určitý specifický okruh úloh nad „svými“ specifickými daty
- V datovém skladu je třeba naproti tomu shromáždit informace z mnoha různých zdrojů a seskupit je nikoliv podle původu, ale podle logického významu
3) Nízká proměnlivost
- nahrávána ve větších dávkách
- pak již nejsou modifikovaná
4) Historizace
- DW v historické podobě, nikoliv pouze v aktuálním stavu
- analýzy vývoje v čase
Rozdíl mezi provozní relační databází a datovým skladem v návrhu:
Relační databáze je navrhována pomocí ERD (entitně relační modelování), datový sklad je navrhován pomocí dimenzionálního modelování.
Modelování relační databáze:
• Odstranění redundance(opakování dat)
• Normalizace (důsledkem je nižší srozumitelnost pro člověka)
• Optimalizace na vkládání a úpravu dat
Modelování datového skladu:
• Optimalizován na čtení dat, vyhledávání a složité analýzy
• Důraz na srozumitelnost pro uživatele (dosaženo standardní strukturou –tabulka faktů, dimenze)
• Základní přístup – denormalizace, redundance
• Rozšiřitelnost – přidání fakt, dimenzí – bez dopadu na aplikace
Přínosy řešení datového skladu
1) Integrace a čistota dat, integrační efekty
2) Podpora úloh analytického charakteru a jejich ekonomické a mimoekonomické efekty
• Vyšší flexibilita řízení a realizace změn
• Zpětná vazba
• Nezávislost vedoucích pracovníků na oddělení IT
• Kvalifikační efekty – v IT i v ekonomice řízení (práce s informacemi, uvažování v kontextu)
3) Automatizace rutinních procesů (tvorba výkazů, zpráv)
4) Kontrola plnění plánů a finanční analýza
5) Podpora analýzy dat:
• Trendy, sledování a analýza časových řad
• Poměrové ukazatele
• Identifikace odchylek
• Drill-down, Drill-up, Drill-across, Slice-dice
ETL
=datová pumpa
- Data, ukládaná a zpracovávaná v transakčních systémech neumožňují provádění kvalitních analýz - provádění analýz na základě relacemi propojených tabulek je velmi obtížné.
- Data z provozních databází jsou transformována do datového skladu.
- Uložení dat odpovídá tvaru vhodnějšímu k analytickému zpracování.
- Informace se do datových skladů ukládají pomocí datových pump z provozních databází (tzn. z databází podnikových informačních systémů – ERP, CRM atd.).
- Nástroje datové pumpy se také označují jako ETL nástroje (zkratka slov „Extraction“, „Transformation“ a „Loading“).
ETL proces
- Ve fázi extrakce vybíráme data.
- Fáze transformace znamená ověření a čištění dat (čištěním dat rozumíme doplnění chybějících hodnot, odstranění překlepů, převedení na shodné formáty, párování na jednotné číselníky/dimenze), datové konsolidaci a výpočtu agregací dle hlavních entit.
- Fáze „loading“ je vložení (přemístění) dat do datového skladu.
- Datové pumpy pracují dávkově, proces transformace dat z provozních databází do datového skladu může být časově náročný.
OLTP x OLAP
=online transaction processing
=online analytical processing
- oboje technologie uložení dat v databázi
- OLTP a o co nejsnadnější a nejbezpečnější modikaci dat v mnohauživatelském prostředí
- OLAP a o uspořádání velkých objemů dat pro zpřístupnění k analýze
- OLTP používaný v převážně většině databázových aplikací
- OLTP v 3NF X OLAP denormalizované
- OLAP předpočítate agregované a odvozené hodnoty
Business Intelligence:
- analytické a vykazovací podnikové aplikace
- cílem poskytnout data pro kvalitnější a rychlejší rozhodování
- ucelená práce s podnikovými daty
- zdroj produkční databáze -> datová pumpa -> datový sklad -> BI
Competitive Intelligence
- legální a etický proces analýzy informací o konkurenčních firmách
- cíl je odhalit slabé a silné stránky konkurence
- podpora rozhodnutí, které zvýhodní podnik oproti konkurenci
Prvky bezpečnosti IS:
1) Aplikační bezpečnost
2) Autentizace uživatele
3) Správa uživatelů a hesel
4) Bezpečnost databází
Aplikační bezpečnost:
- Validace vstupů a výstupů
- Bezpečné selhání (konzistentnost dat po selhání)
- Jednoduchý bezpečnostní mechanismus
- Použití prověřených komponent
- Plánování neočekávaných událostí
- Co nejmenší oprávnění uživatele
Autentizace uživatele
- Na základě znalosti určité informace (heslo)
- Na základě vlastnictví určité věci (např. čipová karta)
- Biometrické metody
- Více faktorová ověření (heslo + kód na telefonu)
Správa uživatelů a hesel
- Zapomenuté heslo (dodatečné zjištění zodpovězením kontrolní otázky, Zasílání přístupových údajů e-mailem)
- Omezená životnost hesel
- Zamknutí účtu po opakovaném neúspěšném přihlašování
Bezpečnost databází
- zabezpečení dat v databázi proti zneužití
- zabezpečení komunikace mezi aplikací a databází
- zabezpečení dotazů proti SQL-injection
