SylabUZ

Generate PDF for this page

Data warehouses and reporting services - course description

General information
Course name Data warehouses and reporting services
Course ID 11.3-WE-BEP-HDiR
Faculty Faculty of Computer Science, Electrical Engineering and Automatics
Field of study E-business
Education profile practical
Level of studies First-cycle studies leading to Engineer's degree
Beginning semester winter term 2016/2017
Course information
Semester 3
ECTS credits to win 5
Course type obligatory
Teaching language polish
Author of syllabus
  • dr hab. inż. Marek Kowal, prof. UZ
Classes forms
The class form Hours per semester (full-time) Hours per week (full-time) Hours per semester (part-time) Hours per week (part-time) Form of assignment
Lecture 15 1 9 0,6 Credit with grade
Laboratory 30 2 18 1,2 Credit with grade
Project 15 1 9 0,6 Credit with grade

Aim of the course

Zapoznanie słuchaczy z architekturą hurtowni danych i cyklem życia danych w hurtowni danych. Prezentacja systemów hurtowni danych różnych producentów. Przedstawienie oprogramowania służącego do projektowania hurtowni danych. Ukształtowanie wśród słuchaczy umiejętności projektowania i implementacji hurtowni danych. Przedstawienie metod raportowania danych. Ukształtowanie umiejętności tworzenia raportów z wykorzystaniem wykresów oraz po przez tworzenie złożonych raportów wielowymiarowych. Prezentacja przykładów zastosowań hurtowni danych w e-biznesie.

Prerequisites

Bazy danych

Scope

Architektura hurtowni danych. Charakterystyka modelu scentralizowanego, federacyjnego i warstwowego. Charakterystyka modułów funkcjonalnych hurtowni danych. Przegląd i charakterystyka popularnych systemów hurtowni danych obecnych na polskim rynku IT (Oracle, IBM Infosphere Warehouse, Microsoft).

Projektowanie hurtowni danych. Charakterystyka projektowania wstępującego i zstępującego. Model pojęciowy, logiczny i fizyczny. Baza meta-danych. Procedury i instrukcje postępowania, schematy replikacji danych, organizacja przechowywania i transport kopii zapasowych. Rodzaje hurtowni danych (produktowe, klienckie, transakcyjne). Przedstawienie narzędzi wspomagających projektowanie hurtowni danych. Ćwiczenia z projektowania scentralizowanej hurtowni danych.

Charakterystyka źródeł danych dla hurtowni danych. Narzędzia wspomagające zasilanie hurtowni danych z różnych źródeł danych. Praktyczne ćwiczenia z zakresu integracji i czyszczenia danych w celu umieszczenia ich w hurtowni danych. Implementacja i administracja przykładową scentralizowaną hurtownią danych.

Tematyczne hurtownie danych. Wielowymiarowe struktury danych. Model punktowy, jako narzędzie projektowania tematycznej hurtowni danych. Pojęcie faktu, wymiaru, atrybutu i miary. Schemat gwiazdy i płatka śniegu. Charakterystyka typowych operacji prowadzonych na wielowymiarowych kostkach danych (zwijanie rozwijanie, selekcja, agregacja, filtrowanie, zawężanie i obracanie). Ćwiczenia praktyczne z zakresu projektowania, implementacji i administracji przykładowej kostki danych.

Zagadnienia odświeżania danych. Przedstawienie problemów związanych z aktualizacją danych. Metody wykrywania zmian w danych źródłowych. Metody propagacji aktualizacji danych. Ćwiczenia praktyczne z zakresu implementacji i administracji procesu aktualizacji hurtowni danych.

Metody raportowania na bazie wielowymiarowych kostek danych. Metody generowania zapytań do kostek danych. Miejsca przetwarzania zapytań analitycznych. Wykorzystanie indeksów. Kolejność obliczeń. Tabele przestawne. Metody graficznej reprezentacja danych. Języki zapytań wielowymiarowych. Praktyczne ćwiczenia polegające na przygotowaniu zadanego raportu na podstawie danych pochodzących z wielowymiarowej kostki danych.

Omówienie przykładów zastosowań hurtowni danych w e-biznesie. Prezentacja przykładowych projektów hurtowni danych.

Teaching methods

Wykład - wykład konwencjonalny z wykorzystaniem wideoprojektora.
Laboratorium - ćwiczenia praktyczne w laboratorium komputerowym.
Projekt - realizacja projektu w laboratorium komputerowym.

 

Learning outcomes and methods of theirs verification

Outcome description Outcome symbols Methods of verification The class form

Assignment conditions

Wykład - warunkiem zaliczenia jest uzyskanie pozytywnych ocen z testów przeprowadzonych, co najmniej raz w semestrze.
Laboratorium - otrzymanie pozytywnych ocen z realizowanych w trakcie semestru ćwiczeń laboratoryjnych
Projekt – pozytywna ocena za realizowany w trakcie semestru projektu
Ocena końcowa = 30% oceny zaliczenia z formy zajęć wykład + 40% oceny zaliczenia z formy zajęć laboratorium.+ 30% oceny zaliczenia z formy zajęć projekt

Recommended reading

  1. Jarke, M., Lenzerini, M., Vassiliou, Y., Vassiliadis, P., Hurtownie danych. Podstawy organizacji i funkcjonowania, WAiP, 2003.
  2. Pelikant, A., Hurtownie danych. Od przetwarzania analitycznego do raportowania, Helion, 2011.
  3. Todman, C., Projektowanie hurtowni danych. Zarządzanie kontaktami z klientami (CRM), WNT, 2003.
  4. Surma, J., Business Intelligence. Systemy wspomagania decyzji biznesowych, PWN, 2012.

Further reading

  1. Jones, P., SAP Business Information Warehouse Reporting: Building Better BI with SAP BI 7.0, McGraw-Hill, 2008.
  2. Kimball, R., Ross, M.: The Data Warehouse Toolkit: The Complete Guide to Dimensional Modeling (Second Edition), Wiley, 2002.

Notes


Modified by dr hab. inż. Marcin Mrugalski, prof. UZ (last modification: 30-09-2016 13:01)