Presentation laddar. Vänta.

Presentation laddar. Vänta.

ITO 07-06-13 Bild 6-1 Databaser Chapter Six Overview SECTION 6.1 – DATABASE FUNDAMENTALS –Understanding Information –Database Fundamentals –Database Advantages.

Liknande presentationer


En presentation över ämnet: "ITO 07-06-13 Bild 6-1 Databaser Chapter Six Overview SECTION 6.1 – DATABASE FUNDAMENTALS –Understanding Information –Database Fundamentals –Database Advantages."— Presentationens avskrift:

1 ITO 07-06-13 Bild 6-1 Databaser Chapter Six Overview SECTION 6.1 – DATABASE FUNDAMENTALS –Understanding Information –Database Fundamentals –Database Advantages –Relational Database Fundamentals –Database Management Systems –Integrating Data Among Multiple Databases SECTION 6.2 – DATA WARAEHOUSE FUNDAMENTALS –Accessing Organizational Information –History of Data Warehousing –Data Warehouse Fundamentals –Business Intelligence –Data Mining

2 ITO 07-06-13 Bild 6-2 Understanding information Information is everywhere in an organization Employees must be able to obtain and analyze the many different levels, formats, and granularities of organizational information to make decisions Successfully collecting, compiling, sorting, and analyzing information can provide tremendous insight into how an organization is performing Kunskap och information har ett värde Kostnad för att byta ut en skruv 1.101 kr Skruven1 kr Arbetskostnad100 kr Kunskap och information om arbetet1.000 kr

3 ITO 07-06-13 Bild 6-3 Understanding information Information granularity – refers to the extent of detail within the information (fine and detailed or coarse and abstract) –Levels –Formats –Granularities

4 ITO 07-06-13 Bild 6-4 Information Quality Business decisions are only as good as the quality of the information used to make the decisions Characteristics of high quality information include: –AccuracyKorrekt? –CompletenessSaknas något? –ConsistencyHänger det ihop? Är det logiskt? –UniquenessDubellagrar vi information? Kan vi komma åt information direkt? –TimelinessÄr informationen aktuell? + Är informationen spårbar

5 ITO 07-06-13 Bild 6-5 Information Quality Low quality information example

6 ITO 07-06-13 Bild 6-6 Understanding the Costs of Poor Information The four primary sources of low quality information include: 1.Online customers intentionally enter inaccurate information to protect their privacy 2.Information from different systems have different entry standards and formats 3.Call center operators enter abbreviated or erroneous information by accident or to save time 4.Third party and external information contains inconsistencies, inaccuracies, and errors

7 ITO 07-06-13 Bild 6-7 Understanding the Costs of Poor Information Potential business effects resulting from low quality information include: –Inability to accurately track customers –Difficulty identifying valuable customers –Inability to identify selling opportunities –Marketing to nonexistent customers –Difficulty tracking revenue due to inaccurate invoices –Inability to build strong customer relationships

8 ITO 07-06-13 Bild 6-8 Konceptuell modellering Objekt Relationer Egenskap Entiteter

9 ITO 07-06-13 Bild 6-9 Objekt Intressanta företeelser Konkreta Abstrakta Icke existerande Evighetsmaskin Cirkelns kvadratur 7

10 ITO 07-06-13 Bild 6-10 Relationer Relationer beskriver samband mellan objekt Har_far Har_mor äger Gift_med

11 ITO 07-06-13 Bild 6-11 Mängder/klasser & Attribut Gruppering av liknande objekt reg. no model year colour name age salary hair colour

12 ITO 07-06-13 Bild 6-12 Example Conceptual Model PERSON CAR owns married to name age salary hair colour reg.no. model year colour

13 ITO 07-06-13 Bild 6-13 Tabeller/filer och databaser Ny artikel (4, Spik, 0.70, 0) Nytt pris (1, 1.60) Antal i lager (2) Ta bort (3) ARTIKLAR LEVERANTÖRER ORDER KUNDER DATABAS = Alla tab. Och relationer INGÅR -I BESTÅR-AV HAR LEVERERAR Vilka artiklar har kund nr 51 köpt det senaste året ? Art.nrNamnPrisLagerAntal 1Skruv1.501.000 2Mutter1.20300 3Bricka0.50850 Artiklar Tabell (Register, File, Fil) Operationer från program Rad (Record, Post) Kolumn (Attribute, field, fält)

14 ITO 07-06-13 Bild 6-14 Olika typer av tabeller REGISTER ANVÄNDNING PERSON KUND ARTIKEL BOKNINGS LÄKEMEDELS löneberäkning fakturering lagerhållning fakturering tid- och platsbokning recept

15 ITO 07-06-13 Bild 6-15 Nyckel/ Primary Key Unikt sökbegrepp i ett register: Primärnyckel, ID-begrepp EX Personnummer i ett personregister: PersNr, Namn, Adress, Lön Kundnummer i ett kundregister: KundNr, Namn, Rabatt, Kategori Vilken bonus har jag ? Vilket är Ditt försäkringsnummer ?? Undvik klassificerande ID-begrepp De spricker ofta ex xxxxx xx xxx Typ av sko Storlek Färgkod

16 ITO 07-06-13 Bild 6-16 En övning GUTE CYKELUTHYRNING på soliga Gotland har4.500 cyklar till uthyrning. Administrationen har har blivit så betungande att man beslutat att anskaffa en PC. Vi skall nu konstruera systemet åt dem. Vi börjar med databasen. Det grundläggande är att varje cykel har ett ingraverat ramnummer. I samband med uthyrning betalar man en depositionsavgift som varierar mellan olika cyklar. Vid återlämningen skall systemet skriva ut ett specificerat kvitto. Kostnaden är cykelns dagspris gånger antalet dagar. Naturligtvis skall cykelregistret uppdateras vid exempelvis nyanskaffning. Två listor skall kunna tas fram: 1. Cyklar som just nu är uthyrda. Skall framgå vem som hyr. 2. En totallista över samtliga cyklar som skall uppta anskaffningsår och hur många dagar den totalt varit uthyrd sen anskaffningen. UPPGIFT: Gör en postbeskrivning för cykelregistret, vilket skall vara det enda förekommande registret.

17 ITO 07-06-13 Bild 6-17 Relationer i en databas Fall 1 (ett till ett) En fastighet kan bara ägas av en person och en person kan bara äga en fastighet Fall 2 (ett till många) En person kan äga fler fastigheter men en fastighet kan bara ha en ägare Fall 3 (många till många) En person kan äga fler fastigheter och en fastighet kan ha fler delägare person PNR ** NAMN ADRESS FNR* person PNR ** NAMN ADRESS person PNR ** NAMN ADRESS fastighet FNR ** KOMMUN PRIS PNR* fastighet FNR ** KOMMUN PRIS PNR* fastighet FNR ** KOMMUN PRIS ** Primärnyckel * Sekundärnyckel, referens

18 ITO 07-06-13 Bild 6-18 Exempel på relationer 1 - M ** ** * PNR NAMN ADR FNR KOMMUN PRIS PNR 1 KALLE A-GATAN A STHLM 1.000 1 2 PELLE B-GATAN B GBG 2.000 3 NISSE C-GATAN C MALMÖ 1.500 1 4 ULLA D-GATAN D LUND 5.000 4 PERSON FASTIGHET

19 ITO 07-06-13 Bild 6-19 M - M kräver ett relationsobjekt person PNR ** NAMN ADRESS fastighet FNR ** KOMMUN PRIS ägarför- hållande PNR* FNR* % ANDEL 1 KALLE A-Gatan. 1 A 100 A STHLM 1.000 2 PELLE B-Gatan 1 D 50 B GBG 2.000 3 NISSE C-Gatan 4 D 50 C MALMÖ 1.000 4 ULLA D-Gatan D LUND 2.000 Kalle äger hela A och halva D Ulla äger halva D

20 ITO 07-06-13 Bild 6-20 Kopplingstabell - Ytterligare ett exempel PersonFöretag PersonAnställningFöretag Pnr Namn Fnr Namn Pnr Namn Adress Pnr Fnr Lön 1 Kalle 2 Pelle 3 Stina 4 Lisa A ABB B HM C Univ. D Ericsson A ABB B HM C Univ. D Ericsson 1 Kalle 2 Pelle 3 Stina 4 Lisa 1 A 10.000 2 A 20.000 1 B 30.000 3 C 15.000 LÖN ????

21 ITO 07-06-13 Bild 6-21 Increased Flexibility A well-designed database should: –Handle changes quickly and easily –Provide users with different views –Have only one physical view Physical view – deals with the physical storage of information on a storage device –Have multiple logical views Logical view – focuses on how users logically access information

22 ITO 07-06-13 Bild 6-22 Increased Scalability and Performance A database must scale to meet increased demand, while maintaining acceptable performance levels –Scalability – refers to how well a system can adapt to increased demands –Performance – measures how quickly a system performs a certain process or transaction

23 ITO 07-06-13 Bild 6-23 Reduced Redundancy Databases reduce information redundancy –Redundancy – the duplication of information or storing the same information in multiple places Inconsistency is one of the primary problems with redundant information

24 ITO 07-06-13 Bild 6-24 Increased Security Information is an organizational asset and must be protected Databases offer several security features including: –Password – provides authentication of the user –Access level – determines who has access to the different types of information –Access control – determines types of user access, such as read-only access

25 ITO 07-06-13 Bild 6-25 Potential relational database for Coca- Cola Primary Key Foreign Key

26 ITO 07-06-13 Bild 6-26 Operationer mot ett register UPPDATERA/ AKTUALISERA NY KUND TA BORT KUND ADRESSÄNDRING FÖRSÄKRINGAR FÖRSNR 7 ALLA FÖRSÄKRINGAR NR ART 1 SKRUV 2 MUTTER 3 VINKEL 4 BRÄDA 5 SKIVA NR ART 4 BRÄDA 2 MUTTER 5 SKIVA 1 SKRUV 3 VINKEL ALLA ARTIKLAR SOM BÖRJAR PÅ S 1 SKRUV 5 SKIVA JFR INKOMST UPPGIFTER PERS.REG F-KASSA BOSTADSBIDRAG SORTERA SELEKTERA MATCHA LÄSA EN ELLER FLER POSTER Pull Push Motor Hastighets- mätare Ad Hoc eller fördefinierade frågor

27 ITO 07-06-13 Bild 6-27 Database management systems Database management systems (DBMS) – software through which users and application programs interact with a database

28 ITO 07-06-13 Bild 6-28 Database management systems Four components of a DBMS

29 ITO 07-06-13 Bild 6-29 Data Definition Component Data dictionary essentially defines the logical properties of the information that the database contains

30 ITO 07-06-13 Bild 6-30 Data Manipulation Component Data manipulation component – allows users to create, read, update, and delete information in a database A DBMS contains several data manipulation tools: –View – allows users to see, change, sort, and query the database content –Report generator – users can define report formats –Query-by-example (QBE) – users can graphically design the answers to specific questions –Structured query language (SQL) – query language

31 ITO 07-06-13 Bild 6-31 Data Manipulation Component Sample report using Microsoft Access Report Generator

32 ITO 07-06-13 Bild 6-32 Data Manipulation Component Sample report using Access Query-By-Example (QBE) tool

33 ITO 07-06-13 Bild 6-33 Data Manipulation Component Results from the query in Figure 6.10

34 ITO 07-06-13 Bild 6-34 SQL Structured Query Language Kommandon i program som används för data- åtkomst & manipulation Lägga in ny data INSERT person Ändra dataUPDATE adress Radera data DELETE person Hämta data SELECT alla personer som är födda i Vingåker och som varit stadsministrar mfl

35 ITO 07-06-13 Bild 6-35 SQL-exempel INSERT INTO Medlem (medlemsnr, fnamn, enamn, gadr, lön) VALUES (10004, ’Anna’, ’Andersson’, ’Kungsgatan 3’, ’40.000’); UPDATE Medlem SET gadr = ’Byggvägen 3’ WHERE medlemsnr = 10004; DELETE Medlem WHERE medlemsnr = 10005; SELECT fnamn, enamn FROM Medlem WHERE lön > 1.000.000 ;

36 ITO 07-06-13 Bild 6-36 SQL – lite mer avancerat KUND-TABELLORDER-TABELL KundNrOrderNr KundNamnKundNr KundKategoriOrderBelopp SELECT KUNDNAMN, ORDERNR FROM KUND-TABELL, ORDER-TABELL WHERE ORDERBELOPP > 10.000 AND KUNDKATEGORI = 7 OR 11 <--- villkor AND KUND-TABELL.KundNr = ORDER-TABELL.KundNr <--- join SORT BY KUNDNAMN Resulterar i KundNamnnOrderNr Abelén4711 Adolfsson193 Bengtsson10.023 ………..

37 ITO 07-06-13 Bild 6-37 Application Generation and Data Administration Components Application generation component – includes tools for creating visually appealing and easy-to-use applications Data administration component – provides tools for managing the overall database environment by providing faculties for backup, recovery, security, and performance IT specialists primarily use these components

38 ITO 07-06-13 Bild 6-38 Integrating data among multiple databases Integration – allows separate systems to communicate directly with each other –Forward integration – takes information entered into a given system and sends it automatically to all downstream systems and processes –Backward integration – takes information entered into a given system and sends it automatically to all upstream systems and processes

39 ITO 07-06-13 Bild 6-39 Integrating data among multiple databases Forward and backward integration

40 ITO 07-06-13 Bild 6-40 Integrating data among multiple databases Building a central repository specifically for integrated information

41 ITO 07-06-13 Bild 6-41 Att integrera system System A1 Systeminegrator System B2 System A2 System B1 System A3System B3 System C2 System C1 Företag A Företag C Företag B Format Tidpunkter Regler/Kontroller Historik Backup m.m. Logg Regler Istället för att bygga om de olika systemen

42 ITO 07-06-13 Bild 6-42 Övning i datamodellering uppdrag-nr 1 kund-nr 2 namn Olle adress O-gatan faktnr 2453 regnr ABC123 datum 95-01-10 Arbeten (Fördefinierade) Material (Fördefinierade) Nr A1 Namn Byta avgasrör summa 532 kr moms 133 kr att betala 1.665 kr FAKTURA BILVERKSTADEN AB Gör en datamodell för denna verksamhet Á-pris 1.000 kr Antal 1 st Summa 1.ooo kr Nr M1 M2 M3 M4 Namn Avgasrör Fäste Skruv Mutter Á-pris 500 kr 10 kr 1 kr 2 kr Antal 1 st 2 st 4 st Summa 500 kr 20 kr 4 kr 8 kr

43 ITO 07-06-13 Bild 6-43 Lösning KUND KNR** NAMN ADRESS UPPDRAG UNR** KNR* DATUM REGNR FAKTNR ARBETEN ANR** NAMN À-PRIS MATERIAL MNR** NAMN À-PRIS ARBETEN I UPPDRAG UNR* ANR* ANTAL MATERIAL I UPPDRAG UNR* MNR* ANTAL 1 M 1 M 1 M 1 M 1 M

44 ITO 07-06-13 Bild 6-44 Lösning, forts KUNDKNRNAMNADRESS 1KALLEK-GATAN 2OLLEO-GATAM 3ULLAU-GATAN 4SIVS-GATAN 5INGVARI-GATAN UPPDRAGUNRKNRDATUMREGNRFAKTNR 0012950110ABC1232453 0024950111XYZ7892454 ARBETENANRNAMNÁ-PRIS A1BYTA AVGASRÖR1.000 A2BYTA TÄNDSTIFT200 A3SERVICE1.500 A4MOTORTVÄTT600

45 ITO 07-06-13 Bild 6-45 Lösning, forts MATERMNRNAMNÁ-PRISD M1AVGASRÖR500 M2FÄSTE10 M3SKRUV1 M4MUTTER2 M5TÄNDSTIFT10 M6TVÄTTMEDEL100 ARBETENUNRANRANTAL I UPPDR.001A11 002A41 MATRUNRMNRANTAL I UPPDR001M11 001M22 001M34 001M44 002M61

46 ITO 07-06-13 Bild 6-46 6.2. DATA WAREHOUSE FUNDAMENTALS Data warehouses extend the transformation of data into information In the 1990’s executives became less concerned with the day-to-day business operations and more concerned with overall business functions The data warehouse provided the ability to support decision making without disrupting the day-to-day operations

47 ITO 07-06-13 Bild 6-47 Data warehouse fundamentals Data warehouse – a logical collection of information – gathered from many different operational databases – that supports business analysis activities and decision-making tasks The primary purpose of a data warehouse is to aggregate information throughout an organization into a single repository for decision-making purposes

48 ITO 07-06-13 Bild 6-48 Data Warehouse

49 ITO 07-06-13 Bild 6-49 Data warehouse fundamentals Extraction, transformation, and loading (ETL) – a process that extracts information from internal and external databases, transforms the information using a common set of enterprise definitions, and loads the information into a data warehouse Data mart – contains a subset of data warehouse information

50 ITO 07-06-13 Bild 6-50 Data warehouse fundamentals

51 ITO 07-06-13 Bild 6-51 Multidimensional Analysis Cube – common term for the representation of multidimensional information

52 ITO 07-06-13 Bild 6-52 Information Cleansing or Scrubbing

53 ITO 07-06-13 Bild 6-53 Multidimensional Analysis Data mining – the process of analyzing data to extract information not offered by the raw data alone To perform data mining users need data-mining tools –Data-mining tool – uses a variety of techniques to find patterns and relationships in large volumes of information and infers rules that predict future behavior and guide decision making

54 ITO 07-06-13 Bild 6-54 Business intelligence Business intelligence – information that people use to support their decision-making efforts Principle BI enablers include: –Technology –People –Culture

55 ITO 07-06-13 Bild 6-55 Data mining Common forms of data-mining analysis capabilities include: –Cluster analysis –Association detection –Statistical analysis

56 ITO 07-06-13 Bild 6-56 Cluster Analysis Cluster analysis – a technique used to divide an information set into mutually exclusive groups such that the members of each group are as close together as possible to one another and the different groups are as far apart as possible CRM systems depend on cluster analysis to segment customer information and identify behavioral traits

57 ITO 07-06-13 Bild 6-57 Association Detection Association detection – reveals the degree to which variables are related and the nature and frequency of these relationships in the information –Market basket analysis – analyzes such items as Web sites and checkout scanner information to detect customers’ buying behavior and predict future behavior by identifying affinities among customers’ choices of products and services

58 ITO 07-06-13 Bild 6-58 Statistical Analysis Statistical analysis – performs such functions as information correlations, distributions, calculations, and variance analysis –Forecast – predictions made on the basis of time-series information –Time-series information – time-stamped information collected at a particular frequency


Ladda ner ppt "ITO 07-06-13 Bild 6-1 Databaser Chapter Six Overview SECTION 6.1 – DATABASE FUNDAMENTALS –Understanding Information –Database Fundamentals –Database Advantages."

Liknande presentationer


Google-annonser