Module also offered within study programmes:
General information:
Name:
Inteligencja biznesowa - hurtownie danych
Course of study:
2014/2015
Code:
EAR-2-207-IS-s
Faculty of:
Faculty of Electrical Engineering, Automatics, Computer Science and Biomedical Engineering
Study level:
Second-cycle studies
Specialty:
Informatyka w sterowaniu i zarządzaniu
Field of study:
Automatics and Robotics
Semester:
2
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Full-time studies
Course homepage:
 
Responsible teacher:
prof. dr hab. Kotulski Leszek (kotulski@agh.edu.pl)
Academic teachers:
Sędziwy Adam (sedziwy@agh.edu.pl)
prof. dr hab. Kotulski Leszek (kotulski@agh.edu.pl)
Module summary

Description of learning outcomes for module
MLO code Student after module completion has the knowledge/ knows how to/is able to Connections with FLO Method of learning outcomes verification (form of completion)
Skills
M_U001 Student posiada umiejętność określenia specyfikacji systemu wspomagania decyzji AR2A_U21 Execution of a project
M_U002 Student potrafi zaprojektować i zbudować kostkę OLAP w wybranym narzędziu do hurtowni danych AR2A_U02, AR2A_U21 Execution of a project
M_U003 Student umie wykonywać podstawowe operacje na kostce danych AR2A_U21 Execution of a project
M_U004 Student potrafi wykorzystać język MDX do eksplorowania danych wielowymiarowych AR2A_U21 Execution of a project
Knowledge
M_W001 Student zna pojecie i rozumie znaczenie kostki OLAP AR2A_W14, AR2A_W15 Test
M_W004 Student posiada podstawową wiedzę na temat rodzajów systemów wspomagania decyzji w przedsiębiorstwie AR2A_W14, AR2A_W15 Test
M_W005 Student potrafi wskazać korzyści z wdrożenia tematycznej hurtowni danych AR2A_W14, AR2A_W15 Test
FLO matrix in relation to forms of classes
MLO code Student after module completion has the knowledge/ knows how to/is able to Form of classes
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Others
E-learning
Skills
M_U001 Student posiada umiejętność określenia specyfikacji systemu wspomagania decyzji + - - - - - - - - - -
M_U002 Student potrafi zaprojektować i zbudować kostkę OLAP w wybranym narzędziu do hurtowni danych - - + - - - - - - - -
M_U003 Student umie wykonywać podstawowe operacje na kostce danych - - + - - - - - - - -
M_U004 Student potrafi wykorzystać język MDX do eksplorowania danych wielowymiarowych - - + - - - - - - - -
Knowledge
M_W001 Student zna pojecie i rozumie znaczenie kostki OLAP - - + - - - - - - - -
M_W004 Student posiada podstawową wiedzę na temat rodzajów systemów wspomagania decyzji w przedsiębiorstwie + - - - - - - - - - -
M_W005 Student potrafi wskazać korzyści z wdrożenia tematycznej hurtowni danych + - - - - - - - - - -
Module content
Lectures:

Wykład przedstawia sygnalizuje wzrastającą potrzebę wspomagania przez narzędzia informatyczne procesu wspomagania podejmowania decyzji (management information system) i zarządzania wiedzą (knowledge management). Ich celem jest wspomaganie procesów decyzyjnych w przedsiębiorstwie oraz symulacja reakcji użytkowników na podejmowane przez przedsiębiorstwo decyzje zarządcze. Wspomaganie to obejmuje systemy zarządzania relacjami z klientem (CRM). Różne typy takich systemów będą omawiane na pierwszych 5 godzinach wykładu.
Realizacja tych systemów od strony informatycznej wspomagane są przez koncepcję Hurtowni Danych ułatwiająca efektywne zarządzanie przechowywaną informacją. Omówienie tej koncepcji oraz rozwiązania zwiększające efektywność przetwarzania w Centralnym Repozytorium Danych będą omawiane na 4 kolejnych wykładach.
Na ostatnich 4 godzinach wykładu na bazie przeglądu literaturowego oraz analizy realizowanych w Polsce hurtowni danych zasygnalizowane zostaną problemy związane z jej zasilaniem nowymi danymi (konwersja i kontrola formalna, kontrola spójności danych i ich agregacja) realizowanym w warstwie ETL.

Laboratory classes:

1. (3 godz.) Zapoznanie ze środowiskiem SAS i MS SQL Server oraz ich narzędziami do przetwarzania i analizy danych
2. (2 godz.) Projektowanie i tworzenie kostek OLAP
3. (2 godz.) Przeprowadzanie podstawowych operacji na kostkach OLAP tj. drążenie, projekcja itp.
4. (2 godz.) Wykorzystywanie języka zapytań MDX do eksploracji danych
5. (2 godz.) Zaprojektowanie przykładowej hurtowni danych
6. (2 godz.) Utworzenie schematu hurtowni danych w środowisku SAS/MS SQL Analysis Services
7. (2 godz.) Generowanie i analiza raportów za pomocą narzędzi business intelligence

Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 137 h
Module ECTS credits 5 ECTS
Participation in lectures 14 h
Participation in laboratory classes 28 h
Realization of independently performed tasks 33 h
Preparation of a report, presentation, written work, etc. 15 h
Examination or Final test 2 h
Completion of a project 25 h
Preparation for classes 20 h
Additional information
Method of calculating the final grade:

1. Aby uzyskać pozytywną ocenę końcową niezbędne jest uzyskanie pozytywnej oceny z ćwiczeń.
2. Obliczamy średnią arytmetyczną z ocen zaliczenia uzyskanych we wszystkich terminach.
3. Wyznaczmy ocenę końcową na podstawie zależności:
if sr>4.75 then OK:=5.0 else
if sr>4.25 then OK:=4.5 else
if sr>3.75 then OK:=4.0 else
if sr>3.25 then OK:=3.5 else OK:=3

Ćwiczenia:
Aby uzyskać pozytywną ocenę końcową niezbędne jest uzyskanie pozytywnej oceny z ćwiczeń. Sposób liczenia oceny:
1. Za każde z zadań realizowanych na ćwiczeniach student może otrzyma
2. określoną liczbę punktów.
3. W danej grupie student o maksymalnej liczbie zgromadzonych punktów (w skali całego semestru) otrzymuje 100% . Punktacja pozostałych studentów tej grupy jest liczona relatywnie do tej punktacji.
4. Sposób przeliczania oceny procentowej na ocenę zwykłą (tj. na skalę 2.0-5.0) odbywa się zgodnie z regulaminem studiów AGH

Prerequisites and additional requirements:

Prerequisites and additional requirements not specified

Recommended literature and teaching resources:

1. W.H. Inmon: Building the Data Warehouse, Jon Willeys & Sons 1996
2. Adam Pelikant: Od przetwarzania analitycznego do raportowania, Helikon 2011,
3. Vidette Poe, Patricia Klauer, Stephen Brobst: Tworzenie hurtowni danych, WNT 2000

Scientific publications of module course instructors related to the topic of the module:

Additional scientific publications not specified

Additional information:

None