460-4138/02 – Business Intelligence (BI)
Garantující katedra | Katedra informatiky | Kredity | 4 |
Garant předmětu | prof. Ing. Michal Krátký, Ph.D. | Garant verze předmětu | prof. Ing. Michal Krátký, Ph.D. |
Úroveň studia | pregraduální nebo graduální | Povinnost | povinně volitelný typu B |
Ročník | 2 | Semestr | letní |
| | Jazyk výuky | angličtina |
Rok zavedení | 2022/2023 | Rok zrušení | |
Určeno pro fakulty | FEI | Určeno pro typy studia | navazující magisterské |
Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi
Absolvent je schopen orientace v oblasti Business Intelligence a datových skladů, získá zejména praktické znalosti metod datového modelování datových skladů, ETL procesů datové integrace do datových skladů. Dále pak absolvent umí vytvořit a zná metodiku tvorby reportingových vrstev - data martů pro analytiku a reporting nad daty. Absolvent se orientuje ve výběru operací v databázi datových skladů.
Vyučovací metody
Přednášky
Cvičení (v učebně)
Projekt
Výuka odborníka z praxe (přednáška nebo cvičení)
Anotace
Předmět tématicky navazuje na předmět Databázové a informační systémy 2 se zaměřením na jejich využití v oblasti datových skladů a následně 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 datových skladů a datové integrace. Na cvičeních budou studenti metodiku uvádět do praxe na praktickém příkladu budování datového skladu v prostředí SQL databáze v rámci závěrečné práce.
Povinná literatura:
1. D. Slánský, J. Pour, O. Novotný: Business Intelligence: Jak využít bohatství ve vašich datech. Grada, 256s, 2004.
2. L. T. Moss, Shaku Atre: Business Intelligence Roadmap: The Complete Project Lifecycle for Decision-Support Applications. 576p, Addison-Wesley Professional, 2003.
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.
Forma způsobu ověření studijních výsledků a další požadavky na studenta
Na cvičení budou nachystány úlohy na dané téma z přednášek, které bude student dopracovávat. Jednotlivé úkoly jsou bodovány, student získá zápočet při získání nadpolovičního počtu bodů.
E-learning
Další požadavky na studenta
Základní znalosti databázových systémů na úrovni bakalářského studia a základního kurzu magisterského studia.
Prerekvizity
Předmět nemá žádné prerekvizity.
Korekvizity
Předmět nemá žádné korekvizity.
Osnova předmětu
Přednášky:
1. Seznámení s BI, základy BI, základní architektura a komponenty
2. Datové sklady podle Inmona a Kimballa, návrhové vzory, pro a proti
3. ETL Framework, funkční požadavky na ETL, architektura řešení.
4. Data govermance, master data management.
5. Data Vault, návrh, využití.
6. Architektura moderního datového skladu.
7. Komponenty Microsoft Azure a Amazon WS pro řešení DWH.
8. Distribuce a vizualizace data z datových skladů.
9. Analytika nad datovými sklady, návrhové vzory.
10. BI Modelování.
11. Seznámení s OLAP a MDX.
12. Seznámení s DAX.
13. Případy použití BI, seznámení s praktickými projekty, jejich přínosy a problémy při implementaci.
14. Management BI projektů, postupy, řízení projektu, fáze projektu.
Cvičení:
1. SSIS, úvod.
2. SSIS, načítání dat do STAGE, základní operace v data flow.
3. SSIS, Delta management.
4. SSIS, Surrogate keys, key mapping, incremental load.
5. SSIS, ETL Framework, orchestrace v SSIS.
6. SSIS, optimalizace, architektura řešení a měření výkonosti.
7. Microsoft Azure - výstavba infrastruktury pro DWH.
8. Microsoft Azure - nástroje pro ETL.
9. Microsoft Azure - streaming data.
10. Reporting Services - seznámení a implementace.
11. Power BI - příprava modelu.
12. Power BI - vizualizace dat.
13. Power BI - publikace a řízení projektu.
14. Microsoft Azure - AI, machine learning.
Podmínky absolvování předmětu
Výskyt ve studijních plánech
Výskyt ve speciálních blocích
Hodnocení Výuky
Předmět neobsahuje žádné hodnocení.