460-4098/01 – Business Intelligence and Data Warehouses II (BI II)

Garantující katedraKatedra informatikyKredity3
Garant předmětuIng. Radim Bača, Ph.D.Garant verze předmětuIng. Radim Bača, Ph.D.
Úroveň studiapregraduální nebo graduálníPovinnostvolitelný odborný
Ročník2Semestrzimní
Odkaz na webJazyk výukyčeština
Rok zavedení2015/2016Rok zrušení
Určeno pro fakultyFEIUrčeno pro typy studianavazující magisterské
Výuku zajišťuje
Os. čís.JménoCvičícíPřednášející
POS073 Michal Pospíšek
Rozsah výuky pro formy studia
Forma studiaZp.zak.Rozsah
prezenční Klasifikovaný zápočet 1+2
kombinovaná Klasifikovaný zápočet 14+0

Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi

Absolvent je schopen orientace v oblasti Business Intelligence a datových skladů, zejména prohloubí praktické znalosti metod datového modelování datových skladů, datové integrace do datových skladů, analytiky a prezentace dat. Dále pak absolvent umí vytvořit a využívat reportingové vrstvy - data marty pro analytiku a reporting nad daty, včetně jejich grafické prezentace v nástrojích Business Intelligence a webových portálů. Jako doplněk bude student seznámen s novými rozvíjejícími se trendy v oblasti vyhodnocování dat: problematikou velkých dat a jejich analýzou v reálném čase.

Vyučovací metody

Přednášky
Cvičení (v učebně)

Anotace

Předmět tématicky navazuje na předmět Business intelligence a datové sklady I, cílem je rozšíření znalostí z oblasti analytiky nad daty pomocí dotazování a nástrojů Business Intelligence. Obsahem přednášek je objasnění principů datových skladů, specifika datového modelování, návrh jednotlivých datových vrstev datového skladu, datová integrace pomocí skriptování či specifických ETL nástrojů, transformace dat do vrstev datového skladu a následně finální agregace dat pro prezentaci informací v grafické podobě či exportů pro další zpracování, kde navazuje druhá část předmětu v následujícím semestru. Dalším obsahem je metodika návrhu řešení projektů reportingu a analytiky nad OLAP kostkami pomocí BI nástrojů. Na cvičeních budou studenti metodiku uvádět do praxe na praktickém příkladu tvorby projektu reportingu na cvičných příkladech a pomocí předních BI nástrojů.

Povinná literatura:

1. D. Slánský, J. Pour, O. Novotný: Business Intelligence: Jak využít bohatství ve vašich datech. Grada, 256s, 2004.

Doporučená literatura:

1. R. Kimball, M. Ross: The Data Warehouse Toolkit: The Definitive Guide to Dimensional Modeling. 600p, Wiley, 2013. 2. R. Kimball, J. Caserta: The Data Warehouse ETL Toolkit: Practical Techniques for Extracting, Cleaning, Conforming, and Delivering Data. 528p, Wiley, 2004. 3. C. Batini, M. Scannapieco: Data Quality: Concepts, Methodologies and Techniques (Data-Centric Systems and Applications). Springer, 2010.

Způsob průběžné kontroly znalostí během semestru

Kontrola implementovaných úkolů na cvičeních.

E-learning

Další požadavky na studenta

Základní znalosti oblasti Business Intelligence a datových skladů: modelování tabulek, datové pumpy, ETL, datová integrace, profilování dat, čištění dat.

Minimální znalostní požadavky

Prerekvizity

Předmět nemá žádné prerekvizity.

Korekvizity

Předmět nemá žádné korekvizity.

Osnova předmětu

1.-2. Analytika nad daty - formy analytiky nad datovými sklady, pokročilé metody analytiky, data mining. 3.-4. Reporting - typy reportingu, dashboards, ad-hoc reporting, prezentační a sémantické vrstvy, OLAP kostky, parametrizace, výstupy reportingu. 5.-6. OLAP - Dimenze a fakta, Hierarchické dimenze, Metriky a ukazatele. 7.-8. Reportingové nástroje. 9.-10. Projektové řízení BI a DWH - role v projektech (Business Analytik, Developer, Tester), fáze vývoje a implementace, testování, druhy prostředí, dokumentace. 11.-12. Procesní řízení - business zadání/požadavek, analýza, funkční design, technická specifikace, realizace a testování, nasazení do produkce a předání díla, rutinní provoz. 13. Nové trendy v DWH a BI - Agilní BI, Big Data. Cvičení na počítačové učebně: 1. Opakování základních pojmů z business intelligence. 2. Tvorba datových struktur pro reporting. 3. Definice reportů 4. Definice reportů – tvorba pohledů do DWH 5. Definice metrik 6. Návrh reportů – tabulky – OLAP kostky 7. Návrh reportů – tabulky – drilldown, detailní pohledy. 8. Návrh reportů – grafy (mapy) 9. SAP BO / Tableau 10. QlikView 11. IBM Cognos 12. R - Vytěžování dat (data mining) 13. Závěrečný test

Podmínky absolvování předmětu

Prezenční forma (platnost od: 2015/2016 zimní semestr)
Název úlohyTyp úlohyMax. počet bodů
(akt. za podúlohy)
Min. počet bodů
Klasifikovaný zápočet Klasifikovaný zápočet 100  51
Rozsah povinné účasti:

Zobrazit historii

Výskyt ve studijních plánech

Akademický rokProgramOborSpec.FormaJazyk výuky Konz. stř.RočníkZLTyp povinnosti
2017/2018 (N2647) Informační a komunikační technologie (2612T025) Informatika a výpočetní technika P čeština Ostrava 2 volitelný odborný stu. plán
2017/2018 (N2647) Informační a komunikační technologie (2612T025) Informatika a výpočetní technika K čeština Ostrava 2 volitelný odborný stu. plán
2016/2017 (N2647) Informační a komunikační technologie (2612T025) Informatika a výpočetní technika P čeština Ostrava 2 volitelný odborný stu. plán
2016/2017 (N2647) Informační a komunikační technologie (2612T025) Informatika a výpočetní technika K čeština Ostrava 2 volitelný odborný stu. plán
2015/2016 (N2647) Informační a komunikační technologie (2612T025) Informatika a výpočetní technika P čeština Ostrava 2 volitelný odborný stu. plán
2015/2016 (N2647) Informační a komunikační technologie (2612T025) Informatika a výpočetní technika K čeština Ostrava 2 volitelný odborný stu. plán

Výskyt ve speciálních blocích

Název blokuAkademický rokForma studiaJazyk výuky RočníkZLTyp blokuVlastník bloku