1. No category

Föreläsare:
Nadja Morin
Kurslitteratur:
Business Intelligence
By: Elizabeth Vitt; Michael Luckevich; Stacia Misner
Publisher: Microsoft Press
Pub. Date: December 15, 2008
Print ISBN-13: 978-0-7356-2660-7
Print ISBN-10: 0-7356-2660-X
1
Det mesta materialet kommer från kurslitteraturen
Introduktion av utbildningen
Grunderna till Business Intelligence
2
Business Intelligence - Intro
10 poäng – dvs 2 veckor – uppdelat i 2 delar
Första delen – denna vecka
 Kurserna i utbildningen
 Grunderna i BI
 Vilka är aktörerna inom BI?
 System och verktyg
 Användarfall?
 Tenta
Business Intelligence-utvecklare
Efter avslutad utbildning ska den studerande ha kunskaper om
Utbildningen ska utbilda utvecklare som med kompetens i Microsoft SQL och
dess Business Intelligence-verktyg ska kunna arbeta med databasutveckling och
beslutsstöd, och kunna ta fram bra underlag för affärer genom BI-analyser och
rapporter.
Efter genomgången utbildning ska de studerande kunna:
 Koncepten runt Business Intelligence
 Databasdesign
 T-SQL
 OLAP
 SSAS (SQL Server Analysis Services)
 SSIS (SQL Server Integration Services)
 SSRS (SQL Server Reporting Services)
 Den studerande ska dessutom, genom att ha arbetat i grupper och projekt, ha
utvecklat sin personliga och sociala kompetens för att kunna arbeta i projekt
Kurser i utbildningen - första året
 Introduktion till Business Intelligence (10 YH-poäng)
 SQL och Windows Server (25 YH-poäng)
 Matematik (10 YH-poäng)
 T-SQL (30 YH-poäng)
 Databasdesign 1 (25 YH-poäng)
 MS SQL Server Reporting Services (30 YH-poäng)
 MS SQL Server Integration Services (30 YH-poäng)
 Databasdesign 2 (15 YH-poäng)
 MS SQL Server Analysis Services (25 YH-poäng)
SQL och Windows Server
25 YH-poäng
Grunderna i SQL Server och översikt över
komponenterna och hur resten av utbildningen hänger
ihop
Matematik
10 YH-poäng
 Matematik som behövs för BI-utvecklare, med ett
urval matematiska begrepp som är väsentliga för delar
av de övriga kurserna.
T-SQL
30 YH-poäng
 Transact-SQL – ett språk för transaktioner
 Med hjälp av den skickar man in och hämtar informationen i
SQL!
Innehåll:









Sök efter data i tabeller
Villkor och uttryck
Flertabellssökning
Fulltextsökning
Ändra poster
Variabler, lokala och globala
Lagrade procedurer
Användardefinierade funktioner
Triggers
Databasdesign 1
25 YH-poäng
Sista kursen på höstterminen
Studenterna ska kunna analysera krav och designa lösningar utifrån ett
objektorienterat synsätt. Förstå betydelsen av design vid implementering
av databaslösningar. Kunna använda ett modelleringsverktyg vid
genomförande av utvecklingsprocessen.
Innehåll:
 Metoder för databasdesign
 Kravanalys, Systemdesign,
 Arkitektur för databassystem
 Relationsdatamodellen, normalisering
 ER-modeller och UML (Unified Modeling Language) och andra
notationer.
MS SQL Server Reporting Services
30 YH-poäng
 HT 2013
Målsättningen är att studenterna ska kunna använda SQL Server Reporting
Services (SSRS) och skapa Business Intelligence-rapporter.
Innehåll:
 SQL Reporting Services och dess komponenter
 Skapa rapporter
 Förädla rapporter
 Manipulera data-set
 Använda rapportmodeller
 Publicera och köra rapporter
 Konfigurera rapportpublicering och inställningar för körning
 Konfigurera rapport-abbonemang
 Administrera Reporting Services
MS SQL Server Integration Services
30 YH-poäng
 HT 2013
Målsättningen är att studenterna ska kunna importera och exportera
användandes MS SQL Server Integration Services.
Innehåll:
 Dataimport och exportscenarion
 Utveckla Integration-service lösningar
 Implementera kontrollflöden
 Implementera dataflöden
 Implementera loggning
 Avlusning och felhantering
 Kontrollpunkter och transaktioner
 Skapa och driftsätta paket
 Säkerhet
Databasdesign 2
15 YH-poäng
 HT 2013
Fördjupningskurs i Databasdesign. Ni lär er mer om
databasdesign och OLAP.
Innehåll
 OLAP
 Modeller och metoder
MS SQL Server Analysis Services
25 YH-poäng
 HT 2013
Innehåll:
 OLAP
 Skapa lösningar med multidimensionell analys
 Arbeta med kuber och dimensioner
 Arbeta med Measures och Measure Groups
 Ställa frågor mot Multidimensionella analys-lösningar
 Anpassa kub-funktionalitet
 Driftsätta och implementera säkerhet
 Underhåll
 Data mining
Nästa år (ht2013-vt 2014)
• Examensarbete 30 YHP
Att ni utvecklar på egen hand, eller som del i en
projektgrupp, en fullt fungerande applikation eller tjänst
som dokumenteras enligt gällande affärspraxis.
• Teknikfördjupning 40 YHP
Utifrån marknadens behov ska studenten kunna välja
och fördjupa sig i några tekniker
• LIA, 2 omgångar, 70 YHP samt 60 YHP
Vad är Business Intelligence?
Affärsmodeller
BI-cykeln
Att omsätta BI i praktiken
Aktörer inom BI
Kapitel ur boken:
1 – Understanding Business Intelligence
Vad är Business Intelligence?
Från Wikipedia:
Business Intelligence, förkortat BI, är ett samlingsbegrepp för färdigheter, teknologier, applikationer,
processer och metoder för organisationer att bättre förstå sin verksamhet och sin omvärld. Grovt kan
området indelas i informationshanteringssystem respektive analytiska processer.
BI som informationshanteringssystem omfattar områden som business performance management,
corporate performance management, enterprise performance management, operational performance
management och yield management.
Då BI avser de analytiska processer kan det sägas vara synonymt med competitive intelligence, CI, vilket
tydligare fokuserar på en organisations analys av affärsomgivningen där eventuellt stöd från IT-system
har en underordnad roll. CI-begreppet omfattar områden som omvärldsanalys, omvärldsbevakning,
marknadsanalys, kundanalys och konkurrentanalys. I avhandlingen Myten om det rationella flödet samlas
samtliga dessa termer under begreppet organiserat underrättelsearbete.[1]
Business Intelligence syftar ofta till att stödja beslutsfattande. Ett BI-system kan även således kallas för ett
beslutsstödsystem.
________________________________________________________________
Vi ska titta på BI från 3 perspektiv nu
 Ett sätt att ta bättre beslut snabbare
 Konvertera data till information
 Rationellt ledarskap – dvs baserat på fakta
Bättre beslut snabbare
 Genom analys av om handlingar innebär att man
bättre når företagsmål
 Beslutstöd och företagets planer samverkar
 Snabbheten är viktig i konkurrens med andra företag –
den som först agerar får störst bit!
Konvertera data till information
 Analysgapet – skillnaden mellan informationen som
beslutsfattare behöver och datat som insamlas
dagligen.
Rationellt ledarskap
BI-attityden kännetecknas av följande:
 Söka objektiva mätbara kvantitiva fakta (data) om företagets
verksamhet.
 Använda organiserade metoder och tekniker för att analysera
fakta
 Inventera och dela modeller som förklarar vad som är orsak och
verkan i vad företaget gör och vilka effekter detta har för att nå
företagets mål.
 Experimentera med olika tillvägagångssätt och kontrollera vad
det ger för resultatåterkoppling.
 Att förstå att människor inte alltid beter sig rationellt.
 Att driva företaget (ta beslut och handla) baserat på allt
ovanstående.
Affärsmodeller
B2B - Business-to-business
Handel med företag som köpare




Affärssystemsföretag (CRM, ekonomi osv)
Kontorsmaterial
Grossister
Osv
B2C – Business-to-consumer
Handel med privatpersoner som köpare
• Bokhandel (amazon.com, bokus, adlibris osv)
• Mediehandel (cdon, diskshop)
• Varor (tretti.se)
• Tjänsteförsäljning
• Varuförsäljning
Aktörer som är verksamma inom BI
 I någon mån används BI inom alla företag
 Medlemskort hjälper företag att kartlägga
köpbeteenden
 Datalagringslagen, integritetsskydd
Översikt BI-plattformar
 Gartner Groups Business Intelligence
Platform Magic Quadrant
De ledande BI-plattformarna
 Oracle
 MicroStrategy
 Microsoft
 IBM
 QlikTech
 SAS
 SAP
 Information Builders
BI-cykeln
Analys
Resultatmätning
Steg 1 är att fråga och
besvara många svar
snabbt – både
konventionella och
okonventionella.
Insikt
Handling
BI-cykeln
Steg 2 är att nå
insikter baserat på
analysen
Analys
Resultatmätning
Insikt
Handling
BI-cykeln
Analys
Resultatmätning
Insikt
Handling
Steg 3.
Vi utför handlingar baserat
på våra insikter
BI-cykeln
Analys
Steg 4 – Vi mäter resultatet av
våra handlingar. Om vi fått det
resultat vi vill ha – bra – annars
startar vi om från Steg 1. Analys
Resultatmätning
Insikt
Key Performance
Indicator (KPI)
Nyckeltal för
verksamheten
Handling
Key Performance Indicator
Från Wikipedia:
Key Performance Indicator, vanligen endast KPI (akronym), är ett
begrepp från engelskan som används för att mäta effektivitet hos till
exempel en verksamhet. På svenska kallar man detta ofta Nyckeltal för
verksamheten. Vilka faktorer som mäts varierar från fall till fall, men
syftet är att genom att mäta ett fåtal indikatorer, nyckeltalen, få ett
korrekt mått på effektivitet eller prestation av hela verksamheten.
Några exempel på nyckeltal kan vara
 försäljningsintäkt,
 vinstmarginal,
 kostnadsreduktion,
 medelnivå på kundnöjdhet på en skala,
 maximal väntetid för en kund.
Exempel på nyckeltal (KPI)
Verksamheten
 Antal producerade enheter
 Kapacitetsutnyttjande
 % defekta
Sälj



Antal enheter sålda
Genomsnittligt försäljningspris
sålt per anställd
Ekonomi



% vinst
% marginal
resultat jämfört med prognos
Tekniken – vad har förbättrats?
 Datorkraft
 Dagens stationära är bättre än superdatorerna för några årtionden
sedan
 Datavolymer
 Datalagring haft en stor kapacitetsökning de senaste 10 åren, till lägre
priser
 Webben och Informationsdemokrati
 Att fler personer kommer åt informationen och inte bara chefer
(informationdemokrati) och att man kan använda webbläsare för att
komma åt informationslagret.
 Standarder
 Standarder har förbättrats så att det är lättare att exportera och
importera
 BI-mjukvara
 BI-mjukvaran har utvecklats
Människorna och företagskulturen
 Människor
 Kan ogilla eller gilla förändringar
 Känslostyrning
 Om du har en samma uppsättning fakta, kan du se de på alla möjliga
olika sätt beroende på




vad du förväntar dig att se
vad du vill se
hur mycket du vågar experimentera med synsätt
Olika människor drar olika slutsatser från exakt samma material!
 Ingen mängd rådata kan dock ersätta experimenterande och analys.
Informationssystem kan rapportera vad som pågår, men för att få insikt
till varför detta händer måste man förstå sig på människor och
organisationer. Detta kräver människor!
Företagskultur
Företagskulturer som lyckas bäst i att etablera BI är de
som systematiskt lyckas med följande:
 Tillhandahålla enkel och bred tillgång till information
 Stimulera analys och beslutstagande på en stor skala
 Stimulera delning av vad som upptäcks med bredare
publik
 Insistera på faktabaserad rationellt stöd för planer
 Uppmuntra experimenterande och visa tolerans för
misslyckanden som ändå varit “goda försök”
Tänk och googla fram exempel på B2B och B2C företag. Hur
använder de/skulle kunna använda BI?
Notera också på om de sysslar med försäljning av tjänster eller
varor!
Sammanfattning
Vad är Business Intelligence?
 Ett sätt att nå bättre beslut snabbare
 Konvertera data till information
 Rationellt ledarskap – dvs baserat på fakta
Affärsmodeller:
B2B - Business-to-business gentemot B2C – Business-toconsumer
Tjänsteförsäljning gentemot varuförsäljning
BI-cykeln
Analys-Insikt-Handling-Resultatmätning
Kapitel ur boken:
2. Bridging the Analysis Gap
Operational database
(transaktionsdatabas)
 OLTP – OnLine Transaction Processing
 Relationsdatabaser (RDBMS – relational database
management system)
 Hanterar rådatat
 Språket för dataaccess i RDBMS är SQL
Interaktion med OLTP
Bankexempel: en transaktion
Händelse
Uttagsautomaten kontrollerar
Kund
Sätter in bankkort
Uttagsautomat
Läser bankkort
Uttagsautomat
Efterfrågar PIN-kod
Kund
Skriver in PIN-kod
Uttagsautomat
Efterfrågar hur mycket som önskas
Kund
Skriver in önskat belopp
Uttagsautomat
Betalar ut pengar och gör avdrag på kontosaldot
Kund
Tar pengar
Uttagsautomat
Avslutar transaktionen
Hittades konto?
Stämmer PIN-koden?
Finns täckning på kontot?
Har kunden tagit pengarna - pip
annars
Interaktion med OLTP
Fortsättning bankexempel
 Genomför en transaktion – du tar ut pengar enligt processen
med rätt konto, PIN-kod, pengar på kontot osv
 Alla transaktioner sker i realtid – att du är berättigad till uttag,
ger dig pengarna uppdaterar saldot omedelbar osv. Allt sker mer
eller med direkt verkan.
 Banken behandlar många transaktioner kontinuerligt, ditt
konto, och alla andra som sätter in pengar, tar ut pengar osv som
görs kontinuerligt hela dagen, varje dag. Det finns inga strikta
nedstängningar eller stopp – eller åtminstone inga som är synliga
för de som använder uttagsautomaten.
BI i små företag
 I företag som hanterar små datamängder kan man göra
analys fortfarande via rapporter och BI-kunnande,
men ju mer data, desto mer komplexa blir sambanden
 Många affärssystem har inbyggd rapportfunktionalitet
– men den behöver ofta anpassas av utvecklare
 Även där kan dock det finnas mer data än man kanske
tror – och i diverse olika system som behöver länkas
ihop för att analysmaterialet ska kunna bli bra
Rapportering
 Rapportfunktionalitet finns ofta inbyggd i
affärssystem
 Den inbyggda rapportfunktionaliteten kan inte
komma åt information från icke-integrerade system
OLAP – OnLine Analytical Processing
För att ta fram svar på flerdimensionella frågor (per, per, per)
och kunna gräva ner sig i informationen
En översikt över OLAP:
http://office.microsoft.com/sv-se/excel-help/oversikt-overolap-online-analytical-processing-HP010177437.aspx
Användningsexempel:
 Vad är faktisk försäljning jämfört med forecast-försäljning
per region av säljare per produkt?
 Vad är vår vinst per produkt och per kund?
Multidimensionell analys
3 olika vyer: tid, marknad
och produkt
Time
Amount
Qtr 1
$16,000
Qtr 2
$16,000
Tot Time
$32,000
Market
Amount
Atlanta
$8,000
Chicago
$8,000
Denver
$8,000
Detroit
Tot Market
Product
Qtr 1
Atlanta
Chicago
Denver
Detroit
Total
Apples
$-
$-
$2,500
$1,500
$4,000
Cherries
$-
$-
$2,000
$2,000
$4,000
Grapes
$1,000
$3,000
$-
$-
$4,000
Melons
$2,000
$2,000
$-
$-
$4,000
Total Q1
$3,000
$5,000
$4,500
$3,500
$16,000
Apples
$4,000
$-
$-
$-
$4,000
Cherries
$1,000
$3,000
$-
$-
$4,000
Grapes
$-
$-
$1,500
$2,500
$4,000
Melons
$-
$-
$2,000
$2,000
$4,000
Total Q2
$5,000
$3,000
$3,500
$4,500
$16,000
Grand
Total
$8,000
$8,000
$8,000
$8,000
$32,000
$8,000
$32,000
Qtr 2
Amount
Apples
$8,000
Cherries
$8,000
Grapes
$8,000
Melons
$8,000
Tot Product
Multidimensionell vy
$32,000
Slice-and-dice
Slice-and-dice – vrida och vända på
informationen
Hierarkier
Ad-hoc-analys
I stort sett vilken fråga som helst
kan bli besvarad i realtid inom
några minuters tid (i ett
välkonstruerat OLAP-system)
I stort sett valfri rapport kan
formatteras med pivot och
inbäddade dimensioner
I stort sett vem som helst i
företaget, inklusive affärsfolk som
gillar att fråga en massa frågor, kan
läras att göra detta
 Drill down is the action of
clicking a member name to see
the next lower level of detail in
the hierarchy.
 Drill up is clicking a member to
see the next highest level (that
is, a bottom-up action).
 Drill across opens up a new
dimension.
 Drill through is clicking a
summarized data value to
display the source data rows that
comprise that value.
Hierarkier - fortsättning
 Dimensioner
 Hierarkier
 Medlemmar
 Relationer
Mätvärden
 Det som mäts är alltid en kvantitet eller ett utryck som
resulterar i en kvantitet.
 Det som mäts kan vara olika kvantitiva mått, tex ett exakt
tal (antal sålda), valuta (hur mycket det sålt för), procent
(hur många procent såldes) eller andel (försäljning per
person)
 Det som mäts kan tas fram från originaldatakällor eller
uträkningar
 Du måste ha åtminstone ett mått för att göra någon form av
OLAP-analys; en applikation kommer normalt sett ha
många olika mått – och i vissa extrema fall tusentals.
OLAP lagring (från Wikipedia)




Desktop files (known as desktop online analytical processing [DOLAP]). Because data is stored
on individual desktop machines, you will tend to find DOLAP existing by itself in smaller-scale
applications where there is minimal need for multiple users to have access to a single data source on a
central server. You will also find DOLAP as a part of many OLAP vendors overall offering to facilitate
analysis when users are away from their company network, such as when they are on an airplane.
Relational databases servers (known as relational online analytical processing [ROLAP]). You will
find lots of ROLAP environments in various size implementations. Storing data in a relational
database allows you to take advantage of one of its greatest benefits—being able to store lots of data.
What tends to happen, however, is that the data retrieval performance for ROLAP will often not be as
fast as other storage options, such as multidimensional servers. Some OLAP vendors store data only
in relational databases regardless of the data volume. Other vendors provide ROLAP as one of several
options.
Multidimensional databases servers (known as multidimensional online analytical processing
[MOLAP]). In MOLAP storage, data is placed into special structures that are stored on a central
server(s). MOLAP tends to offer the greatest data retrieval performance generally outperforming all
other storage modes. However, there are some arguments that MOLAP cannot handle as much data
as ROLAP. The performance and storage really depend on the particular OLAP product and the type
of analysis that you are trying to accomplish.
For the sake of thoroughness, we would be remiss if we did not mention the fourth storage mode:
HOLAP (hybrid online analytical processing). HOLAP is not really a distinct mode of storing
data. Rather, HOLAP is the ability to spread data across both relational and multidimensional
databases in order to get the best of both worlds. Whether this is true or not depends on the
particular vendor.
BIG data
”Big Data (stordata) är data som överskrider processkapaciteten av
konventionella databassystem. Det är för stort, rör sig för fort eller
passar inte in i din databasarkitektur’
Läs mer på: http://radar.oreilly.com/2012/01/what-is-big-data.html
Wikipedia: http://sv.wikipedia.org/wiki/Big_data
Om SQL Server 2012 och Big Data:
http://www.microsoft.com/sqlserver/en/us/solutionstechnologies/business-intelligence/big-data-solution.aspx
 Hadoop– distribuerad lagring i molnet
 Qlikview
Exemplet med Target
Diskutera detta, tänk på det ur svenskt perspektiv, kommer ni på liknande saker
som kan uppstå i Sverige? Vad tänker ni om medlemskort osv?
Skiljer hur man pratar om integritetsfrågor mellan Sverige och USA? Andra länder?
Sammanfattning
 Gapet mellan rådata och företagsinformation kan
överbryggas genom en rad processer som börjar med
transaktionssystem och slutar upp med BI-system
 Att utforma effektiva flerdimensionella system bygger
på förståelse av dimensioner, hierarkier och
mätbarhet.
Högnivå-vyn
Rapportering och analys
Datalager
Var lagras informationen? – 2
definitioner
Från CS språkwebb:
data mart - datatorg - del av en organisations data,
tillgänglig för anställda som kan ha behov av dem. Det
kan vara data som behövs för vissa arbetsuppgifter
eller som handlar om ett speciellt ämne. Man skiljer
mellan data mart och data warehouse, på svenska
informationslager. Enkelt uttryckt är en data mart en
del av ett informationslager. Ett annat sätt att beskriva
det är att ett informationslager är ett sätt att hantera
befintliga data som organisationen hanterar, medan
data marts är utformade för användarnas behov. Mart är en nersliten form av engelska market i
betydelsen 'torgmarknad', 'mässa'. Ordet mart
används också om information som är spridd mer eller
mindre planlöst i en organisation, se
från CS språkwebb:
informationslager - (data warehouse) - databas som
innehåller aktuella data från ett företags verksamhet och som
är utformad för avancerad analys, men som är separat från det
datasystem som företaget använder i verksamheten. Enkelt
uttryckt är det en databas som är anpassad för snabb läsning,
men som inte behöver klara ändringar och strykningar,
eftersom den bara används för analys av sådant som redan har
hänt. Informationslager används för försäljningsanalys,
informationsutvinning och beslutsstöd. Bygger på att färska
data regelbundet överförs från det vanliga datasystemet, som
sedan inte belastas av tunga sökningar. I ett informationslager
formateras datamängderna också om så att de blir anpassade
för analytikernas sökningar. - Jämför med data mart (datatorg).
- Läs också om olap.
Hur informationen kommer till
användarna
 Rapporterings och analysprocesser
 Front-end verktyg
 Data mining
Rapporter och analyser
 Syftet med rapporter är att göra data enkelt att
analysera
Användargrupper
 Poweranalytikern
 Skapar rapporter som andra använder.
Utför ad-hoc-analyser i fri form
 Informationskonsumenter
 Vill ha möjligheten att ställa dynamiska
frågor till databasen utan att behöva bli
databasexpert
 Informationsanvändare
 Vill ha strukturerade rapporter utan att
själva behöva vrida och vända på
informationen.
Power
Analysts
Information
Consumers
Information Users
Front-end-verktyg
 Verktyg som följer rapportstandarder: Dessa verktyg
tenderar vara bäst på att skapa formaterade rapporter.
Många av dessa verktyg kan nu användas via
webbläsaren för att utforma och se rapporter. Är bra på
utskrifter och schemaläggning.
 Verktyg som följer standarderna för multidimensionell
ad hoc datautforskning. Dessa verktyg är bäst på att
läsa OLAP-kuber, stödja interaktiv analys och ge
grafiska sätt att se datat.
Informationsutvinning
Wikipedia:
Informationsutvinning, även kallat Data mining betecknar
sökandet efter mönster i stora datamängder.[1] Begreppet har
vuxit fram sedan växande databasers storlek har begränsat
möjligheterna till kompletta statistiska analyser inom
områden som biologi och finansiella kalkyler. Genom
exempelvis algoritmer eller manuell observation försöker
man finna relationer mellan datapunkterna, för att bättre
kunna visualisera eller utnyttja den komplexa informationen.
Informationsutvinning kan använda sig av olika tekniker,
bl.a. mönsterigenkänning och subjektbaserad igenkänning.
Praktisk informationsutvinning
 Svårigheter Har tidigare varit dyrt
 Om man lyckas bra med informationsutvinning
publicerar man kanske inte information om detta – för
att inte konkurrenterna ska göra samma sak, och för att
kunderna kan bli nervösa (tänk på vår gruppövning igår
om Target)
Data Mining (svenska:Informationsutvinning
–Datautvinning)
En automatiserad process som använder olika analysverktyg och statistiska tekniker för att
synliggöra mönster och relationer i stora komplexa datauppsättningar.

Descriptive – Beskrivande

En sorts informationsutvinning som producerar en modell som beskriver mönster i historiska data och
som kräver mänsklig interaktion för att bestämma betydelsen och meningen i mönstren.

Predictive – Förutsägande
Informationsutvinning som producerar en modell för användning med nya data för att förutsäga ett
värde eller ett troligt resultat baserat på mönster upptäckta i historiska data

Affinity grouping – grupperar liknande ideer eller saker i kategorier


Cluster Analysis


En beskrivande informationsutvinningsuppgift som beskriver vilka saker som passar ihop baserat på en
uppsättning kriterier.
En beskrivande informationsutvinningsuppgift som delar upp data in i små grupper baserat på likhet utan
fördefiniering av datagrupperna
Visualization - Visualisering

Grafisk representation av data som kan göra mönster mer synliga för det mänskliga ögat
Data Warehouse
 Kallas även informationslager eller datalager
 Är en sammanställning av information från flera
källor, utförd på ett sådant sätt att det underlättar en
avancerad analys av informationen.
 Sammanställningen har dessutom en sådan struktur,
och är försedd med sådana hjälpmedel, att analysen
kan utföras utan mera djupgående IT-kunskaper.
Översikt över Data Warehouse
 från Wikipedia
Kännetecken för data warehouse
 Ämnesorienterad
 Konsistent data
 Städat data
 Historiskt data
 Snabb leverans av data
Sammanfattning
 Data Warehouse-arkitekturen möjliggör flexibel och
effektivt beslutsstödjande ramverk för att organisera
och leverera data till beslutsmakare. BI får liv genom
att den använder
SQL Server 2012
Business Intelligence
 http://www.microso
ft.com/sqlserver/en/
us/solutionstechnologies/SQLServer-2012businessintelligence.aspx
SQL Server 2012
Business Intelligence
 Kurser:
 Introduktion till Business
 SSAS (SQL Server Analysis
Services)
 SSIS (SQL Server Integration
Services)
 SSRS (SQL Server Reporting
Services)








Intelligence (10 YH-poäng)
SQL och Windows Server (25
YH-poäng)
Matematik (10 YH-poäng)
T-SQL (30 YH-poäng)
Databasdesign 1 (25 YH-poäng)
MS SQL Server Reporting
Services (30 YH-poäng)
MS SQL Server Integration
Services (30 YH-poäng)
Databasdesign 2 (15 YH-poäng)
MS SQL Server Analysis Services
(25 YH-poäng)
Jobb – vad ska vi söka på?
Google – direkt mot företagen
www.monster.se
www.platsbanken.se
Nätverkande
Andra utbildningar på Nackademin
LinkedIn – www.linkedin.com
Lektion med utbildningsledaren där 1 timmes tenta
ingår
70