1.

Úvod

2.	Výchozí situace pro použití datawarehouse, dataminingu a technologie OLAP

2.1	Příliš velký rozsah dat ke zpracování

2.2	Příliš dlouhá doba zpracování dat

2.3	Potřeba historických dat

2.4	Příliš dlouhá doba přípravy dotazu

2.5	Určení problematické hodnoty

2.6	Zjištění odchylek problematické hodnoty

2.7	Určení parametrů, na kterých sledovaná hodnota závisí

3.	Definice datawarehouse, OLAP a datamining

3.1	Datawarehouse

3.2

OLAP

3.2.1

Reporting, monitorování, ad-hoc dotazování

3.2.2

MIS - manažerský informační systém

3.3	Datamining

4.

Produkty

4.1

IBM

4.2

Informix

4.3

Microsoft

4.4

Oracle

5.

Závěr

„MIS - manažerský informační systém
Pod tímto názvem rozumíme aplikace, jež jsou určeny pro sledování vybraných ukazatelů ve vícerozměrných kostkách. S takovými údaji většinou pracují lidé z oblasti vyššího managementu, jimž vyhovuje mít připraveno několik pohledů na zvolené ukazatele s možností detailnějšího pohledu podle jednotlivých dimenzí. Typická činnost manažera poté spočívá ve spuštění MIS aplikace a otevření několika pohledů na základní ukazatele. V těchto pohledech je možné definovat podmínky na hodnoty ukazatelů a v okamžiku, kdy některá z hodnot nesplní podmínku, je tato hodnota zvýrazněna. Uživatel systému má pak možnost zobrazit si detail takové hodnoty a hledat příčiny jejího chování. Postupným rozpadem (drill-down) ukazatele se může dostat až na nejnižší úroveň členění hodnot v datovém skladu.

Pokud manažer zjistí potřebu nějakého dodatečného pohledu, může jej sám nadefinovat. Definice dotazu probíhá obvykle tak, že uživatel vybere ukazatel, který chce sledovat, formu prezentace hodnot a dimenze, podle kterých budou hodnoty rozděleny nebo utříděny. V dalším kroku může definovat rozpad zobrazených hodnot formou zjemnění pohledu v některé z dimenzí a omezením dimenze na určitý interval hodnot. Například definuje-li pohled na ukazatel výše prodeje ve všech prodejnách v ČR, pravděpodobně si nejdříve nechá zobrazit přehled po jednotlivých okresech a jako rozpad použije zobrazení po městech omezené na určitý okres.

MIS aplikace jsou vybaveny širokou škálou prostředků vylepšujících podobu prezentace výsledků své činnosti. Můžeme tedy hodnoty ukazatelů zobrazovat na mapách, na nichž jsou barevně vyznačeny hodnoty faktů, k dispozici máme nejrůznější podoby grafů, rozpady podle jednotlivých dimenzí bývají velmi efektní apod. Tyto vymoženosti umožňují jednoduché přenášení výsledků přímo do firemních dokumentů a ještě více tak ulehčují práci svým uživatelům.
Data mining
Programy provádějící datové dolování se snaží o odlišný pohled na fakta o firmě. K prezentaci výsledků jsou většinou používány různé podoby stromových struktur, kde v každém uzlu dochází k dělení podle některé z dimenzí. Výběr dimenze pro dělení je prováděn na základě ohodnocení její rozlišovací síly (tzv. klasifikace), například je lepší vybrat pro dělení dat dimenzi, která je rozdělí na dvě přibližně stejné části, než podle dimenze dělící data na jednu velkou a několik malých částí. S částmi získanými dělením je proces opakován tak dlouho, až jsou data rozdělena podle všech dimenzí příp. rozdělena do požadovaného počtu kategorií. Do procesu rozpadu ukazatelů může uživatel promítnout své vlastní ohodnocení důležitosti jednotlivých dimenzí a značně tak ovlivnit pořadí rozpadů.

Dalším způsobem dolování dat je vytváření histogramů podle dimenzí. Histogramy zobrazují počty hodnot patřících k dané hodnotě nebo intervalu v některé z dimenzí. Pomocí nich může uživatel zjistit, že v některé oblasti je rozložení hodnot ukazatelů příliš řídké nebo naopak příliš husté. Každá taková anomálie může signalizovat nevyrovnanost sledovaného ukazatele.“

Práce obsahuje schémata. Čistý text práce dosahuje cca 10 stran. Práce byla vypracována pro Českou zemědělskou univerzitu v Praze.