6B06149 – «Ақпараттық жүйелер» мамандығына арналған «AZhN 1202– АҚпараттық ЖҮйелер негіздері»

Шешім қабылдауды қолдау жүйелері. Бизнес талдау жүйелері

жүктеу/скачать 3,7 Mb. бет 24/66 Дата 13.09.2023 өлшемі 3,7 Mb. #180956

Шешім қабылдауды қолдау жүйелері. Бизнес талдау жүйелері Шешімдерді қабылдауды қолдау жүйесі (ШҚҚЖ) күнделікті басқару қызметінің міндеттерін шешуге барынша бейімделген жүйелерді білдіреді. ШҚҚЖ арқылы кейбір құрылымсыз және әлсіз құрылымдалған міндеттерді шешуге, соның ішінде көп өлшемді міндеттерді шешуге болады. Шешімдерді қабылдауды замануи қолдау жүйесі бизнес үдерістерін басқару міндеттерін тиімді шешу үшін, ақпараттық жүйелер мен дерекқорды басқару жүйелерін қосу нәтижесінде туындады. ШҚҚЖ құру бойынша алғашқы әзірлемелердің пайда болған мезеттен бастап оларға нақты анықтама берілген жоқ. Және қазіргі уақытта ШҚҚЖ жалпыға ортақ қабылданған анықтамасы жоқ, себебі ШҚҚЖ құрылымы, міндет түрлеріне, деректердің қол жетімдлігіне, ақпараттар мен білімдерге, сонымен бірге жүйе қолданушыларына біршама байланысты. ШҚҚЖ менеджерлердің шешімдерін жасап шығаруды ауыстырмайтындығын, керісінше қолдайтындығын атап көрсеткен жөн. Шешімдерді қабылдауды қолдау жүйесінің негізгі сипаттамалары келесідей: дамуын болжау қиын болатын мәселелерді шешу мүмкіндігі; үлгілеу және талдаудың аспаптық құралдарының болуы; шешілетін міндеттер мен кіріс деректерін жеңіл өзгерту мүмкіндігі; оралымдылық және жағдайлардың өзгеруіне бейімделушілік; қолданушыларға барынша бағытталған технологияларды қолдану. Шешім қабылдауды ақпараттық қолдау технологиясы әртүрлі басқару деңгейлерінде қолданылады. Кез келген шешім қабылдау үдерісіне мыналар кіреді: мәселені және шешім қабылдау өлшемдерін анықтау; шешім қабылдау әдістемесін таңдау; балама шешімдерді анықтау және талдау; шешімдерді таңдау; талдау нәтижелері туралы ақпарат беру. Шешім қабылдауды қолдау жүйесі, нәтижесін алдын ала болжау қиын ішінара құрылымдалған міндеттерге қызмет көрсетеді. Үлгілер базасы үлгілік блоктар мен оларды құру үшін қолданылатын элекменттер ретіндегі рәсімдер түрінде стратегиялық, тактикалық, жедел және математикалық үлгілерден тұрады.Стратегиялық үлгілер (белгілі фирмалардың бірі үшін қолдану үшін арналған детерминисттік, сипаттамалық, және мамандандырылған) ұйымның мақсаттарын белгілеу, оларға қол жеткізу үшін қажетті ресурустар көлемі, сонымен бірге осы ресрустарды сатып алу және қолдану саясаты үшін жоғары басқару деңгейлерінде қолданылады. Олар кәсіпорынды орналастыру нұсқаларын таңдау, бәсекелестердің саясатын болжауда және т.б. пайдалы болуы мүмкін. Стратегиялық үлгі үшін біршама ауқымдылықты қамту, көптеген айнымалы, деректерді қысылған біріктірме пішінде ұсыну тән. Көбінесе, бұл деректер сыртқы көздерге негізделеді және субъекті сипатта болуы мүмкін. Стратегиялық үлгілердегі жоспарлау көкжиегі, әдетте жылдармен өлшенеді.Тактикалық үлгілер (әртүрлі ұйымдарда қолданылуы мүмкін детерминисттік, оңтайландырмалық және әмбебап) қолда бар ресурстарды тарату және қолданылуын бақылауды үшін орташа деңгейдегі басқарушылармен қолданылады. Ықтимал салалар арасында қаржылық жоспарлауды, қызметкерлерге қатысты талаптарды жоспарлауды, сатуды ұлғайтуды жоспарлауды, кәсіпорынның компоновка сызбасын құруды көрсетуге болады. Бұл үлгілер әдетте фирманың жекелеген бөліктеріне (мысалы, өндіріс және өткізу жүйесіне қатысты) қолдануға ыңғайлы және сонымен бірге біріктірме көрсеткіштер кіруі мүмкін. Тактикалық үлгілерменбір айдан екі жылға дейін қамтылатын уақытша көкжиек. Бұл жерде, сонымен бірге сыртқы көздерден деректер талап етілуі мүмкін, бірақ аталған үлгілерді жүзеге асыру кезінде фирманың ішкі деркетеріне негізгі назар аударылуы мүмкін. Жедел үлгілер (детерминисттік, оңтайландырмалы және әмбебап) күндермен және апталармен өлшенетін көкжиегі бар жедел шешімдерді қабылдау үшін төменгі басқару деңгейлерінде қолданылады. Осы үлгілердің ықтимал қолданылуына дебиторлық шоттар мен несие есептеулері, күнтізбелік өндірістік жоспарлау, қорларды басқару және т.б. жатады. Ақпараттық жүйелерде үлгілерді қолдану статистикалық әдістерді және әдеттегі алгоритмдік тілдер командаралымен жүзеге асырылатын қаржылық талдау әдістерімен қолдану арқылы басталды. Кейін «не болады, егер?» немесе «ол үшін қалай істеу керек» секілді жағдайларды үлгілеуге мүмкіндік беретін арнайы тілдер құрылды. Үлгілерді құру үшін арнайы жасалған бұл тілдер, айнымалының икемді өзгеруі кезінде шешім табуды қамтамасыз ететін белгілі типтегі үлгілерді құруға мүмкіндік береді. Көптеген үлгілер мен оларды сыныптау тәсілдері бар, мысалы, қолдану мақсатына, ықтимал қосымша саласы, айнымалыны бағалау тәсілдеріне қарай және т.б. Қолдану мақсатына қарай: кейбір көрсеткіштердің минимумы мен максимумын табумен байланысты оңтайландырылған үлгілер (мысалы, басқарушылар, көбінесе олардың қандай әрекеттері барынша көп пайда әкелуге немесе шығын дарды азайтуға әкелетіндігін білгісі келеді); кейбір жүйелердің тәртібін сипаттайтын және басқару мақсаттарына арналған сипаттау әдістері (оңтайландыру). Бағалау тәсіліне қарай: бастапқы деректердің нақты мәндерінде бір санмен айнымалы бағасын қолданатын детерминисттік әдістер; айнымалыны бірнее парметрлермен бағалайтын стохастикалық үлгілер, себебі бастапқы деректер ықтимал сипаттармалармен берілген. ШҚҚЖ міндеттеріне мақсаттар мен шектеулерді құрудағы қиындықтар тән. ШҚТ иелігінде бар ақпараттар, көбінесе толық емес, анық емес әрі қарама-қайшы болады, сондықтан да жоспарлау міндеттерін әртүрлі статистикалық талдау әдістері, сараптау жүйелері, математикалық және еліктемелік үлгілеу арқылы шешіледі. Бәлкім тағы да деректерді зияткерлік талдау әдістерін қолдану (жасанды нейрон желіліері, нақты емес логика әдістері, деркетерде логикалық ережелерді іздеу жүйесі және т.б.) ШҚҚЖ, әдетте диалогтік адами-машиналық жүйелер түрінде жүзеге асырылаы. Олар үшін, өз мақсаттары және шектеулерімен міндеттерді шешу барысында өзгеретін ШҚТ жоғары белсенділігі тән. ШҚҚЖ құру кезінде Web- технологияларды қолдануға болады. Қазіргі таңда бизнес талдау ақпараттық жүйелері немесе бизнес аналитика жүйелерінің қолданыс шеңбері артып келе жатыр. Бұл жүйелер «бизнес» деп нақты қолданылу саласын ашып көрсеткенімен, олар тек бизнесте ғана қолданылмайды. Кез келген мекемені, компанияны басқару ақпарат ағымымен жұмысты көздейді. Ақпарат корпоративті АЖ-ң «негізгі тауары» болып табылады, ол мекемені басқару, бизнесті ұйымдастыру, кадр мәселесі және т.б. мәліметтердің мекеменің ішкі және сыртқы құжатайналымында үнемі қозғалыста болатын, өзекті және дәл уақытында таратылуы тиіс атрибуты. Бұл ақпараттар реттелмеген (әдетте сыртқы дереккөздерден алынған кезде), айқын емес, талдауды, жүйелеуді қажет ететін дайын емес күйде болуы мүмкін. Олар өңделе келе АЖ-ң ішкі реттелген, жүйеленген ақпаратына айналады. Яғни корпоративтік АЖ-ң деректер базаларын толықтырып, енгізілген қажетті мәліметтерге айналады. Бизнес-аналитика жүйелері (Business Intelligence) әртүрлі сыртқы дереккөздерден алынған нақты фактілік деректерді біріктіреді және оларды бизнесте тиімді шешім қабылдауға қажетті пайдалы мағлұматтарға, мәліметтерге айналдырады. Қазіргі таңда BI-жүйелері жеке программалық өнім емес басқа да қызметтер атқаратын платформалармен біріктірілген түрде пайда болуда, мысалы Microsoft, Oracle, IBM, PROGNOZ платформаларымен үйлестірілген. Яғни, қазіргі таңда BI-жүйелерін көптеген мәселелерді шешуге арналған кешенді АЖ деп айтуға болады. BI-жүйелерінің алғашқы версиялары ретінде шешім қабылдауды қолдау жүйелерін, басқару жүйелерін, сараптау жүйелерін айтуға болады. Олар пайда болған бастапқы кезеңдерде түрлі жүйелер (шешім қабылдауды қолдау жүйелері, басқару жүйелері, сараптау жүйелері) болса, қазір біріктірілген интеграцияланған кешен, көп мүмкіндікті АЖ болып табылады. BI-жүйелері үлкен көлемді мәліметтерден басқарушылық шешім қабылдауға мүмкіндік беретін интуицияға ғана емес, сонымен қатар фактілерге негізделген білімдерді (мағлұматтарды) алуға мүмкіндік береді. BI-жүйелері келесі мәселелерді шешу мақсатында қолданыла алады: Нақты уақыт режимінде жоспарлардың орындалғанын бағалау; Сатылымдарды жоспарлау; Бюджетті жоспарлау, қаржы қозғалысын талдау; Бәсекелестікті талдау, маркетингтік зерттеулер мен талдау, Өндірістік жоспарлау, тауар жеткізілімдері мен қойма қорын оперативті басқару; Ішкі және сыртқы үлкен ақпарат көлемін талдау негізінде мекеменің, ұйымның қызмет көрсету бағытының табысты немесе шығынды болуын айқындау; Ағымдағы бизнес жағдайының тұрақты мониторингі негізінде стратегиялық және тактикалық шешімдерді оперативті қабылдау; Мекеме қызметінде орын алуы(болуы) мүмкін мәселелерді дер кезінде айқындау; Ресурстардың тиімді қолданылуын бағалау; Мекеме қызметкерлерінің қызметіне талдау жасау; Әртүрлі салалардағы сатылымдарды талдау, сатылым динамикасы мониторингі; Мерзімдік, маусымдық, факторлік талдаулар; Нарық сегменттеріндегі қозғалысты, өзгерістерді, бәсекелестікті талдау; Тауар/қызмет сұранысы мен тапсырысы, ұсынысының маркетингтік талдамы; Қызмет көрсетудегі тиімді құралдарды айқындау, талдау. Жоғарыда айтып өткеніміздей, BI-жүйелері сыртқы дереккөздерден алынған өңделмеген ақпаратты ыңғайлы, түсінікті, жүйеленген ақпарат ағымына айналдырады. Бұл процестің сырт көзге ешқандай қиындығы жоқ сияқты: жүйеге сыртқы дереккөздерден мәлімет жинақталды да, ішкі ақпарат сақтау қорына жіберіледі, олар онда өңделеді, реттеледі, содан соң дайын есептер түрінде беріп отырады. Шындығында, бұл ақпараттық процесте әртүрлі жүйелер қолданылады, мысалы Oracle Cloud, Google BigQuery, Microsoft Azure немесе басқа веб-қосылымдар, файлдар (Excel, XML, PDF немесе басқа файлдар), реляциялық дерекетер базалары (SQL Server, MySQL, Oracle), графиктік құралдар және басқа да программалық жабдықтар. Талдау процесіне қажетті ақпараттар интерактивті режимде көрнекі бейнеленеді, график, диаграммалар талдау барысында мәліметтердің өзгерісіне орай олар да синхронды өзгеріке ұшырайды, олар ұлғайтылады, реттеледі. Ақпаратты бейнелеуде әртүрлі форматтар: есептер (отчет), кестеле, формалар, график, диаграммалар қолданылады. Яғни BI-жүйесінің қарапайым қолданысының өзі ақпарат өңдеудің күрделі процесін сипаттайды. BI-жүйелері құрамына келесілер кіреді: Мәліметтерді интеграциялау және тазалау құралдары(Инструменты интеграции и очистки данных (ETL)). ETL ақпаратты сыртқы көздерден алады оларды трансформациялайды, артық, қажетсіз мәліметтерден тазалайды және бірегей дерекқорға жүктейді. Деректепрдің аналитикалық дерекқоры. Бұл деректерді, мәліметтерді жүйелейтін және талдайтын ақпараттық база. Data Mining құралы. Бұл құралдар мәліметтерді әртүрлі тұрғыдан талдап, өңдейді. Бұл деректердің тәуелділіктері мен трендін анықтайды. Ақпарат өңдеудің көптеген әдістерін қолданады, мысалы статистикалық, болжамдық, семантикалық талдаудар. Мәліметтерді визуалдау құралдары. Бұл пайдаланушылар жұмыс жасайтын есептер. Пайдаланушылар бұл есептерді әзірлеу барысында мәліметтерді сұрыптау, реттеу, фильтрлеу әрекеттерін орындай алады. Дәріс № 14. Білім іздеу жүйелері. Knowledge Discovery in Databases (KDD) – деректер қорынан білімдерді айқындау. KDD процесі. OLAP-технологиялар. Data Mining – мәліметтерді талдаудың интеллектуалды жүйесі Жинақталған ақпарат негізінде басқару шешімдерін қолдаудың үш негізгі технологиясын атап көрсетуге болады: Деректерді жедел (транзакциялық) өңдеуге бағытталған және көптеген транзакциялық жүйелерде (OLTP) жүзеге асырылған технологиялар. Осындай технологиялардың әрекет ету саласы—талдап тексерілген деректер саласы. OLAP технологиялары (On-lineAnalyticalProcessing—деркетерді интерактивті аналитикалық өңдеу), біріктірме көрсеткіштер саласына бағытталған; Деректерді зияткерлік өңдеу технологиясы, заңдылықтар саласына бағытталған. Зияткерлік өңдеу деректерді зияткерлік талдау әдістемесімен жүргізіледі (ЗДӨ), батыс әдебиетінде—DataMining). Осы технологиялар арқылы жинақталған ақпарттардың атқарымдық және логикалық заңдылықтар Knowledge Discovery in Databases KDD (databases in Knowledge Discovery) – мәліметтер базасынан білім алу. Бұл "шикі деректерден"пайдалы білімді табу процесі. KDD деректерді дайындау, ақпараттық белгілерді таңдау, деректерді тазарту, Data Mining (DM) әдістерін қолдану, деректерді өңдеуден кейінгі және нәтижелерді түсіндіру мәселелерін қамтиды. Бастапқы деректер жиынтығын дайындау. Бұл кезең мәліметтер жиынтығын құру, соның ішінде әртүрлі көздерден ақпаратты шоғырландыру, кейіннен талданатын үлгіні анықтау болып табылады. Талдау әдістерін тиімді қолдану үшін деректерді алдын-ала өңдеу мәселелеріне көп көңіл бөлу керек. Сонымен қатар, деректер артық, жеткіліксіз және т.б. болуы мүмкін. Деректерді түрлендіру. Талдаудың әртүрлі әдістері үшін арнайы түрде дайындалған мәліметтер қажет. Мысалы, кейбір талдау әдістері кіріс өрістері ретінде тек сандық деректерді, ал кейбіреулері, керісінше, тек категориялық деректерді қолдана алады. Data Mining. Бұл қадамда тәуелділіктерді, жаңа білімді табу үшін әртүрлі Алгоритмдер қолданылады немесе модельдер жасалады. Модельдердің екі үлкен класы бар-сипаттамалық және болжау. Олар әртүрлі мәселелерді шешеді: жіктеу, регрессия, кластерлеу, қауымдастықтарды құру және т.б. бұл үшін классикалық статистикалық әдістер де, өзін-өзі оқыту алгоритмдері мен машиналық оқыту (нейрондық желілер, шешім ағаштары және т. б.) қолданылады. Сипатталған процесс итеративті түрде қайталанады және осы кезеңдерді жүзеге асыру білім алу процесін автоматтандыруға мүмкіндік береді. Data Mining сөзбе-сөз деректерді "өндіруді" білдіреді. Бұл бұрын белгісіз, тривиалды емес, практикалық пайдалы және адам қызметінің әртүрлі салаларында шешім қабылдау үшін қажетті білімді түсіндіру үшін қол жетімді "шикі" мәліметтерде табу процесі. Data Mining көбінесе төрт мәселені шешеді — ассоциация, кластерлеу, жіктеу және регрессия. Ассоциация-x оқиғасынан y оқиғасына ауысатындығын көрсететін байланысты оқиғалар арасындағы тәуелділікті анықтау. Кластерлеу дегеніміз-объектілердің мәнін сипаттайтын мәліметтер (қасиеттер) негізінде объектілерді (бақылаулар, оқиғалар) топтастыру. Кластер ішіндегі объектілер бір-біріне "ұқсас" болуы және басқа кластерлерге кірген объектілерден ерекшеленуі тиіс. Кластер ішіндегі Нысандар неғұрлым ұқсас болса және кластерлер арасындағы айырмашылықтар неғұрлым көп болса, кластерлеу дәлірек болады. Жіктеу-кіріс және дискретті Шығыс айнымалылары арасындағы функционалды байланысты орнату. Сыныптау көмегімен объектілерді (бақылауларды, оқиғаларды) алдын ала белгілі сыныптардың біріне жатқызу міндеті шешіледі. Регрессия-кіріс және үздіксіз Шығыс айнымалылары арасындағы функционалды байланысты орнату. Болжау көбінесе регрессия мәселесін шешуге азаяды. Қазіргі бизнес-аналитикада Data Mining модельдерінің екі класын бөліп көрсету әдетке айналған-сипаттамалық (сипаттамалық) және болжамды (предиктивті). Сипаттамалық аналитика күрделі визуализацияға және деректерді барлау талдауына жақын, өйткені модельдеу нәтижесі кластерлер, ережелер, топтар түрінде көптеген объектілерді ықшам сипаттау болып табылады және модельдерді құру үшін мақсатты айнымалы тапсырма қажет емес. Біріншіден, сипаттамалық модельдерге ассоциативті ережелер мен кластерлер жатады. Сипаттамалық модельдердің басты кемшілігі олардың салыстырмалы қарапайымдылығы болып табылады, олар болжау, объектілердің жаңа күйлерін болжау мәселелерін тиімді шешуге мүмкіндік бермейді. Болжамды модельдеу "терең" бизнес-аналитиканың мәселелерін шешеді: несиелік скоринг, клиенттердің жауабын болжау, клиенттің күтулерін күту және т.б., бұл тәуекелдерді, адалдық бағдарламаларын және басқа әсерлерді басқаруға мүмкіндік береді. Болжамды аналитика негізінен жіктеу және регрессия есептері үшін Data Mining алгоритмдерін қолданады. OLAP (On-line Analitical Processing) —деректерді жедел талдау. OLAP механизмі қазіргі таңда деректерді талдауда танымал әдіс болып саналады. OLAP— бұл жеке алынған бағдарламалық өнім емес, бағдарламалау тілі де емес, тіпті нақты технология да емес. Талдаушылар — бұл корпоративтік ақпаратты ерекше тұтынушылар. Олардың міндеті — жалпы деректер ауқымындағы заңдылықты табу. Сондықтан да талдаушылар жеке алынған фактіге назар аудармайды. OLAP технологиясы деректер қоймасы түсінігіне негізделген. OLAP— бұл уақытқа байланысты пәнбағдарлық және басқару шешімдерін қабылдау үдерісін қолдау үшін өзгертілмейтін деректерді жинау. Ақпараттық-аналитикалық жүйенің маңызды элементі метадеректер болып табылады, яғни деректер құрылымы, орналасуы және тасымалдануы. Метадеректер арқылы әртүрлі қойма компоненттерінің тиімді іс-әрекеті қамтамасыз етіледі. OLAP үшін нысанды көп жылдық және көп аспектілік талдау қызықты. Сонымен, OLAP, қолайлы жылдам әрекет ететін қол жетімділік құралдарын, іскерлік ақпараттарды қарау және талдауды қолдана отырып, қарапайым, түсінікті құрылымда талдау үшін «шикізатты» ұсынады. OLAP дерекқорда жинақталған деректерді көп өлшемді талдау үшін қолайлы құрал болып табылады. OLAP негізінде қолданушының өзімен, көп өлшемді текше (гипермәтінге) түрінде ұйымдастырылған деректерді көрнекі үлгісі жатыр. Көп өлшемді координат жүйесінің осі талданатын бизнес үдерістің өлшеу (Dimensions)— атрибуттары қолданылады. Өлшем түрлерінің бірі ретінде уақыт қолданылады. Бизнес үдерістерін санмен сипаттайтын деректер өлшемдер (Measures) деп аталады. Қолданушы шынайы, интуициялық түсінікті деректер үлгісін алады. Ақпаратты талдай келе, ол текшедегі әртүрлі бағыттар бойынша «кесуі» мүмкін. Бұл бизнес-үдеріс туралы жиынтық және егжей-тегжейлі мәлімет алуға және талдау кезінде қолданушының басына келетін басқа да айла-шарғыларды жүзеге асыруға мүмкіндік береді. «OLAP текшесі» термині, өзінің ықшамдылығы мен бейнелігіне қарай жалпыға ортақ қабылданды. OLAP текшесінің үш өлшемді болуы мүлде міндетті емес. Ол бір және шешілетін міндеттеріне қарай - көп өлшемді бола алады. Ерекше сыналған аналитиктерге дәл осы мөлшер үшін 20 –ға жуық өлшем және салмақты OLAP-өнімдері қажет болуы және есептелуі мүмкін. Анағұрлым қарапайы үстел қосымшалары үшін 6-ға жуық өлшем қолданылады.Алайда, текше өзі талдау үшін жарамсыз. Тіпті үш өлшемді текшені компьютер экранында, қызықтыратын өлшемдер көрінуі үшін көрсету күрделі. Текшеде сақталатын деректерді көзбен шамалау үшін, әдетте күрделі иерархиялық жолдар мен бағандар атауы бар үйреншікті екі өлшемді кестемен көрсетуді қолданады. Деректерді көп өлшемді сақтаудың техникалық аспектілері. OLAP-талдау құралдары деректерді реляциялық жүйеден шығаруы мүмкін. Осындай тәсіл OLAP серверлер әлі пайда болмай тұрған уақыттарда анағұрлым танымал болды. OLAP-серверлері немесе көп өлшемді ДҚ серверлері, өзінің көп өлшемді деректерін әртүрлі сақтауы мүмкін. OLAP технологиясы бойынша деректерді қорғаудың үш тәсілі бар. Егжейтегжейлі деректер секілді, біріктірме деректер де не реляциялық, не болмаса көп өлшемді құрылымда сақталуы мүмкін. Көп өлшемді сақтау деректерін, көп өлшемді ауқымдар ретінде қолдануға мүмкіндік береді, соның арқасында жиынтық көрсеткіштер мен кез келген өлшеу бойынша әртүрлі көп өлшемді түрлендірулерді бірдей жылдам есептеу қамтамасыз етіледі. 1. Егжей-тегжейлі және біріктірме деректер көп өлшемді ДҚ сақталады. Бұл жағдайда артық қалушылық қалыптасады, өйткені көп өлшемді деректерде толықтай реляциялық MOLAP—(MultidimensionalOLAP) бар. 2. Егжей-тегжейлі деректер, бастапқыда олар «өмір сүрген» жерде- реляциялық ДҚ қалады; біріктірме ақпарат арнайы ROLAP-(RelationalOLAP) кестелерде құрылған дерекқорда жинақталған. 3. Егжей-тегжейлі деректер орнында қалады (реляциялық дерекқорда), ал агрегаттар көп өлшемді HOLAP- (HybridOLAP) дерекқорында сақталады. Көп өлшемді құрылымда деректерді сақтау кезінде бос мәндерді сақтау есебінен әлеуетті «ісіну» мәселесі туындайды. Себебі, егер көп өлшемді ауқымда өлшеу белгілерінің барлық ықтимал тәсілдермен орын резервтелсе, тек ең аз бөлім (мысалы, өніме қатары шағын аймақта ғана сатылады) толтырылады, онда текшенің көп бөлігі бос болады, алайда орын бос болмайды. Заманауи OLAP-өнімдер осы мәселені шеше алады. жүктеу/скачать 3,7 Mb. Достарыңызбен бөлісу: