هوش تجاری چرا؟ چگونه؟
DESCRIPTION
هوش تجاری چرا؟ چگونه؟. فهرست. لزوم هوش تجاری کاربردها، ابزارها و تکنیک های پیاده سازی هوش تجاری تعريف هوش تجاری ( BI ) مقایسه تطبیقی جند تعاريف هوش تجاری BI در عمل اهداف BI معماری و اجزاء BI. فهرست. موضوعات مطرح در BI On-Line Analytical Processing - PowerPoint PPT PresentationTRANSCRIPT
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 1
هوش تجاریچرا؟
چگونه؟
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 2
فهرستلزوم هوش تجاری کاربردها، ابزارها و تکنیک های پیاده سازی هوش ت
جاریتعريف هوش تجاری (BI)مقایسه تطبیقی جند تعاريف هوش تجاریBI در عمل اهداف BI معماری و اجزاء BI
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 3
فهرست موضوعات مطرح در BI
On-Line Analytical ProcessingOn-Line Transaction Processing Data MiningData Warehousing Intelligent Decision Support System Intelligent Agent Supply Chain ManagementEnterprise Resource Planning
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 4
فهرستنقشة راه سيستم های هوش تجاریمالحظات نقشه راه سيستم های هوش تجاریفروشندگان محصوالت هوش تجاريموقعيت فروشندگان BI در بازارعلل شکست برخی از سیستم های هوش تجاریمراجع
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 5
هوش تجاری - چرا؟برای تولید یک محصول و یا سرویس جدید در یک شرکت و یا موسسه چه
مراحلی باید طی شود؟
ارائه نظرات و پیشنهادهای مختلف
از طرف افراد درون یک ارگان معموال با توجه به تولید کنونی و
دیدی که از شرکت خود دارند
بررسی پبشنهادات از لحاظ عملی بودن توسط بخش تحقیق و توسعه ارگانها
راه حل شنیدن نظر و تقاضای مشتری و افراد
ذی نفع چیست؟
آنالیز رقبا
ن یزا
مها،
تژیترا
اسی
رسبر
ه سع
توی،
مالور
امش،
روف
د، خری
د، ولی
، تیق
حقو ت
قباد ر
ور م
در ..
و .ی
یابزار
با
کجا؟ جمع آوری این اطالعات از
...
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 6
هو�ش تجاری - چرا؟ (ادامه)این اطالعات اغلب در روزنامه ها، مطالب منتشر شده توسط یک شرکت،
گزارش سالیانه، مطالب و یافته های علمی، دستاوردهای جدید در .تکنولوژی و غیره پیدا میشوند
اطالعات کیفی: آندسته از اطالعاتی هستند که براساس آنالیزها و یا اظهار
نظرات دیگران استوار است.اطالعات حقیقی: آمار و ارقامی است که در منابع اطالعاتی و
.بصورت موثق وجود دارند
با مشکل حجم زیاد اطالعاتچه کنیم؟
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 7
هوش تجاری-چرا؟ )ادامه(ل اقتصادی.يدالستم کاربردی.يی سيدنبال نمودن اهداف کاراش رقابت ها.يافزاکی.يتجارت الکترونستم کاربردی.يری های سيم گيت از تصميحماان.يکثرت مشترستم.يات سيز عملياز به آنالينستم.يصحت و دقت اطالعات حاصل از س.دسترسی به داده های بهنگام شدهنه.يکاهش هزسه با کاالهای مشابهيی در مقايت کاربران نهايرضا....
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 8
هو�ش تجاری - چرا؟ (ادامه)
سال 5 میلیون صفحه در اینترنت فرستاده میشود و حدودا 300هر روز بیش از ساعت را به تمامی خواند.24طول میکشد که مقاالت و مطالب به روز شده در
تمام داده ها و اطالعات نیز از این نرخ رشد برخوردارند.
صفحه مطلب علمی به حجم اطالعات 2000در هر دقیقه افزوده میشود
راه حل:ابزارهای کلید اصلی در تجارت است، شرکتها به استفاده از زماندر عصری که
از منابع دقتوسرعت روی آورده اند که بتواند اطالعات مورد نظر را به اطالعاتی دارندهزینه کمیاستخراج کند. عالوه بر این مزیت، این سیستمها
در بخشهای توسعه و تحقیق اغلب یک گروه چند نفری شروع به جمع آوری اطالعات مورد نیاز میکنند و شاید اطالعاتی مشابه اما با نامهای مختلف را بایگانی کنند و معموال چندین و
چند با ر در این گروه ها دوباره و چند باره کاری اتفاق میافتد
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 9
هو�ش تجاری - چرا؟ (ادامه) يلي تحليع به پرسشهاي سريياز به پاسخگوين
كاربراناتي و با جزئياز به اطالعات بروز، جارين
ه و يان، تجزيد مشتري خرين الگوهايياز به تعيند يزان خري مييش گويد بازار، پيل سبد خريتحل
ق و ... يان از طري مشتريكيالكترون
راه حل
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 10
هوش تجاری - چگونه؟OLTP
SCM
ERP
IDSSIntelligent Agent
DW
Data Mining
OLAP
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 11
OLTP
SCM
ERP
IDSSIntelligent Agent
DW
Data Mining
OLAP
تعريف ما از هوش تجاري
BI
…
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 12
هوش تجاری - چگونه؟ (ادامه)
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 13
هوش تجاری - چگونه؟ (ادامه)
فروش
ست يلاموال عيتوز
امورمالي
بازار
يق مت گذار ي محصول
شتپ
يبان ي
شتر م
ي IA
DMERP
IDSS KMS
CRM
SCM
EIM
DB
OLAP OLTP
DW
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 14
ف از هوش تجاری يسايرتعار(1) عبارتست از بعد وسيعی از کاربردها و تکنولوژی برای جمع آوری
آناليز راس��تای در ج��و و پرس تولي��د جه��ت دان��ش و داده Enterprise.اتخاذ تص�ميات تجاری دقيق و هوشمند Paul] برای
Balacky & Richard Fayers, 2003]
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 15
ف از هوش تجاری يسايرتعار(2)
يک هوش تجاری براساس يک معماریEnterprise تشکيل شده (پردازش تحليل�ی برخ�ط)، ب�ه تحليل داده های OLAPو در قال�ب
اتخاذ تص�ميمات دقي�ق و هوشمن�د می پردازد. Loshin]تجاری و David, 2003]
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 16
ف از هوش تجاری يسايرتعار(3)
،هوش تجاری، ن�ه بعنوان ي�ک محص�ول و ن�ه بعنوان ي�ک سيستم موردنظ�ر اس�ت ک�ه شام�ل مجموعه ای معماریبلک�ه بعنوان ي�ک
از برنام�ه های کاربردی و تحليل�ی اس�ت ک�ه ب�ه استناد پايگاه های برای تصميم اخ�ذ ب�ه کم�ک و اخ�ذ ب�ه تحليل�ی و عمليات�ی داده
پردازند. تجاری می های هوشمن�د .Larissa T] , [2005فعالي�ت
Moss, Shaku Atre
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 17
مقايسه تطبيقي تعاريف هوش تجاريكاربردتعريف انتزاعي
سبدي است حاوي كليه ي ابزارها، تكنيكها و كاربردهاي
10بيان شده در اساليد
ارائه اطالعات تحليلی براساس عملکردها، پاسخ دهی به سؤاالت و تحليل نيازها با توجه به سيستم عملياتی به منظور اتخاذ تصميمات
هوشمند تجاری و ...
تعريف ما
عی از کاربردها و يبعد وستکنولوژی برای جمع آوری
داده و دانش
برای اتخاذ تصميات تجاری Enterpriseآناليز دقيق و هوشمند
)1تعريف (
براساس يک معماری Enterprise تشکيل شده و در
(پردازش OLAPقالب تحليلی برخط)، به تحليل داده های تجاری مي پردازد
مات يل داده های تجاری و اتخاذ تصميتحلق و هوشمنديدق
)2تعريف (
ک محصول و نه ينه بعنوان ستم، بلکه يک سيبعنوان
ک معماری موردنظر يبعنوان است
ت های يم برای فعاليکمک به اخذ تصمهوشمند تجاری
)3تعريف (
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 18
BI درعمل
19
ت ها چقدر يتعداد چوب کبراست؟
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 20
ت ها يحاال تعداد0 چوب کبرچقدر است؟
21
BIاهداف انتظار داري�م ک�ه ي�ک س�يستمBI آنالي�ز داده را ب�ه کم�ک آناليز آماری ،
و بر مبنای يک پايگاه داده تحليلی ميسر سازد
ز يآنالداده ز يآنال
آماری دادهگاه يپالیي تحل
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 22
معماري و اجزاي هو�ش تجاري
[Adopted from Gartner’s researches]
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 23
هوش تجاری - چگونه؟ (ادامه)OLTP
SCM
ERP
IDSSIntelligent Agent
DW
Data Mining
OLAP
BI
Next
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 24
OLAP (On-Line Analytical Processing)
يريمدت
لگيتحل�ر
امور اداریمالی امور
فروش امور اموال امور
ترابری امور
لیيگاه داده تحليپاکپارچهي
Enterprise
Data Marts
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 25
OLAP (On-Line Analytical Processing)
) پردازش تحليلی برخطOLAP( س�رويس هاي�ی ک�ه از پايگاه داده تحليل�ی ب�ه منظور پاسخگويی
سريع به پرسش های تحليلی کاربران استفاده می کنند، عبارت است از مجموعه ای از نرم افزارها برای
اکتشاف و تحلي�ل س�ريع داده های مبتن�ی بر ي�ک شيوة چند بعدی) جهتAggregationبا چندين سطح از مجموع سازی (
تسريع و آسان سازی تصميم گيری آسان شدن تصميم گيری به د�ليل
قابلي�ت هداي�ت تحلي�ل ه�ا بدون نياز ب�ه يک زبان پرس و جویاصلی يا فهم ساختار زيرين بانک اطالعاتی حاصل می شود.
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 26
OLAP (ادامه)
ني�ز از اي�ن جه�ت اس�ت که مجموع س�ريع ترشدن تص�ميم گيری داده ها برای درخواست های متداول از پيش محاسبه شده است
شده اند، Pre-Aggregateو به اصطالح داده ها، بنابراي�ن زمان محاس�به کاه�ش يافت�ه و پاس�خگويی به پرس وجوهای
پيچيدة تحليلی به سرعت امکانپذير خواهد بود.) پايگاه داده تحليل�یDW) و پردازش تحليل�ی بر خط (OLAP از (
جمل�ه عناص�ر ضروری در س�يستم های تص�ميم يار ب�ه شمار می آيند.
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 27
OLTP (On-Line Transaction Processing)
Database
Application
User Interface UserTransaction
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 28
OLTP (On-Line Transaction Processing)
داده هاي مورد استفاده در اين تراكنش ها داده هاي به روز، جاريو با جزئيات است : پردازش تراكنش ها، مشتمل بر انجام
عمليات روزانه مانند خريد و فروش و عمليات بانكي و مانند آن.) پايگاه های داده عمليات�یDB منب�ع داده ای سيستم های ،(OLTP
هستند. ،پايگاه های دادة عمليات�ی راي�ج شامل داده های بروز و جاری
جه�ت انجام عمليات روزان�ة ثب�ت، حذف، بروزرسانی و مشاهده داده ها هستند.
29
معماري معماري - -( ( Data MiningData Miningداده کاوی )داده کاوی )چند اليهچند اليه
پايگاه داده تحليلي
استخراج تغييرشكل
بارگذارينوسازي
OLAP
تحليلداده كاوي پرس وجو
وگزارش گي
ري
Monitor&
Integratorداده جانب
ي
منابع داده
ابزارهاي سطح باال
سرويس
Data Marts
پايگاه هاي داده
سايرمنابع
گاه داده يپالیيتحل
کاربردها
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 30
( Data Mining ) دادهکاوی
فرآ ب�ه کاوی داده تحليعبارت ني�ن�د پايل خودکار داده يمه گاه افت�ن الگوهای مناس�ب اط�الق می گردد. يهای بزرگ، ب�ه منظور
آنرا (که مص�نوعی هوش� در دان�ش� کش�ف ری يادگيهمانن�د ل آماری، داده کاوی ه�م سعی ي�ا تحلي�ن ه�م م�ی نامن�د )، ي�ماشن والگوها از داده ها دارد.يافتن قوانيدر
م اطالعات�ی، ک�ه اغلب ي�ن جه�ت� ک�ه ب�ا حج�م عظي�داده کاوی از ان و يری ماشيادگيره شده اس�ت روبروس�ت�، ب�ا يس�ک ذخيروی د
آمار متفاوت است�. پا ب�ا کش�ف� دان�ش� در گاه های داده سر و کار ي داده کاو ی
دارد. PDFمستند لیيحات تکميتوض
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 31
لی يگاه داده تحليپا DATA SOURCES STAGING AREA DATA WAREHOUSE DECISION SUPPORT
Application Databases
Packaged application/ERP
Data
Desktop Data
External Data
Web-based Data
______________________________________________________
INCOME ANNUAL REPORT
___ ___ ____ _____ ___ __
___ ___ ____ _____ ___ __
___ ___ ____ _____ ___ __
Reports
EIS
OLAP
Statistical & Financial Analysis
EXTRACTIONTRANSFORMING
CLEANINGAGGREGATION
DATA WAREHOUSE
DATA MARTS
OR[Adapted from SunExpert Magazine, October 1998]
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 32
لی )ادامه(يگاه داده تحليپا DATA SOURCES STAGING AREA DATA WAREHOUSE DECISION SUPPORT
Application Databases
Packaged application/ERP
Data
Desktop Data
External Data
Web-based Data
______________________________________________________
INCOME ANNUAL REPORT
___ ___ ____ _____ ___ __
___ ___ ____ _____ ___ __
___ ___ ____ _____ ___ __
Reports
EIS
OLAP
Statistical & Financial Analysis
EXTRACTIONTRANSFORMING
CLEANINGAGGREGATION
DATA WAREHOUSE
DATA MARTS
OR
33
( Data Warehouseپاي0گاه دادة تحليلی )
Data Warehouse (پايگاه داده تحليلی)، مخزن داده ای متمرک�ز، جمع آوری زمانی ي�ک محدوده وس�يع در ناهمگ�ن و اطالعات�ی مختل�ف مناب�ع از شده
) استفاده می شود.DSSاست و برای پشتيبانی از سيستم های تصميم يار(DW شدة توزيع ای داده مناب�ع س�اير ي�ا و عمليات�ی داده های پايگاه از
سازمان ها و ارگان های متفاوت تهيه می شود. پايگاه دادة تحليل�ی بس�تر مناس�بی فراه�م م�ی آورد ک�ه داده ه�ا به منظور
پاس�خگويی ب�ه پرس�ش های تحليل�ی ب�ه ص�ورت بايگان�ی شده، س�ر جمع شده و سازمان يافته، ذخيره شوند.
پايگاه داده تحليل�ی شام�ل داده هاي�ی اس�ت ک�ه برای انجام تص�ميم گيری ها و تحليل ها مناسب است.
PDFمستند 1لیيحات تکميتوض 2لیيحات تکميتوض
34
لی)ادامه(يگاه دادة تحليپال�ی عبارت اس�ت از مخزن دادة جم�ع آوری شده ای از منابع يگاه داده تحليپا
اطالعاتی: ،مختلفع شده، يتوز ،احتماال ناهمگون ک ساختار چند بعدی،يتحت کپارچه،ي بصورت ،پاکسازی شده ،موضوع گرا،سرجمع شده ريير قابل تغي غ.و در محدودة زمانی مشخص طوالنی دردسترس بوده
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 35
لی)ادامه(يگاه دادة تحليپا داده های موجود در پايگاه دادة تحليلی، غير قابل تغيير، يعنی
فقط خواندنی هستند و توسط کاربران قابل تغيير نيستند. وظيفة اصلی و مهمترين کاربرد پايگاه های دادة تحليلی انجام
) می باشد.OLAPپردازش های تحليلی برخط ( متناظر اين عمل در پايگاه های دادة عملياتی، انجام و
پاسخگويی به تراکنش های کاربران است که پردازش های ناميده می شود.OLTP(تراکنشی برخط (
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 36
،قبل از پايگاه داده تحليلیRepositoryداريم که جزئی از BI .است وظيف��ة معماری DWاولي��ن در BI سازماندهی از عبارتس��ت
Repository دان�ش و Repository داده ک�ه از مناب�ع مختل�ف بدس�ت می آيد.
به اين معنی که ذخيره سازی، اعتبارسنجی، تأييد و امکان دسترسی آس�ان ب�ه آ�ن را فراه�م م�ی س�ازد. برای اي�ن کار توص�يه می شود، ابتدا
اقدام گردد.Data Martبه ساخت
لی)ادامه(يگاه دادة تحليپا
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 37
خصوصيات پايگاه داده تحليلي: خصوصيات پايگاه داده تحليلی عبارت� است از
داده: يکپارچ�ه نمودن يكپارچه و س�ازي همس�ان نمودن، س�ازگار هاي پاالي�ش، اي مختل�ف و احتماال ناهمگون (مثال س�ازگاري قوانين اس�تخراج شده از مناب�ع داده
نامگذاري)سازمان يافته پيرامون موضوعی خاص، مانن�د محص�ول، مشتري و يا : موضوع گرا
كاال داده های آ�ن� تحليل�ي بوده و� برای تص�ميم� گيريه�ا ناس�ب می س�رجمع شده :
باشند�. :تغيي�ر قاب�ل كارگيري غي�ر به و (تراكنش�ي) روزرس�اني ب�ه عمليات وجود عدم
تراكنش پردازش ب�ه نياز (عدم س�ازي هنگام ب�ه براي مكانيزم نوس�ازي هاي ها، ترميم، و كنترل همزماني )
ترنسبت محدوده زمان�ي ب�ه مراتب طوالني: در محدودة زمانی مشخ�ص طوالن�یهاي عملياتي و وجود صريح يا ضمني عنصر زمان در هر ساختار كليدي به سيستم
با توج�ه به اينک�ه محدوده زمانی وس�يعی را پوش�ش� می دهند، بس�يار حجيم� :بسيار حجيم می باشند.
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 38
(IDSSسيستم تصميم يار هوشمند )
تكنولوژي كامپيوتر
تصميم گير
پايگاه داده
داده هاي تصميم
پايگاه مدل0
مدل تصميم
روش حل
سازماندهي
پارامترهاي ساختار مسألهدهي
مسأله شبيه تصميم
سازي خط مشي ها و رويدادهاتعيين
بهترين راه حل مسأله
گزارشات وضعيت
پيش بيني پارامترها و
نتايج
اعمال0 پيشنهادي
بازخورد خروجي
بازخورد ورودي
ورودي پردازش خروجي
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 39
(IDSSسيستم تصميم يار هوشمند )
اينترنتشبكه هاي داخليشبكه هاي خارجي
ساير سيستم هاي مبتني بر كامپيوتر
مديريت داده
مديريت مدل
مدل هاي خارجي
زير سيستم هاي مبتني بر
دانش
رابط كاربر
پايگاه دانش مدير )كاربر(سازماني
داده هاي داخلي و خارجي
40
Intelligent Decision Support System سيستم های تصميم يار، سيستم هايي هستند که به مديران
درامر تصميم گير ی کمک می کنند. برای اين منظور از تکنيک هايي مانند داده کاوی و سرويس هايی
کمک می گيرند. OLAP مانند ) پايگاه داده تحليلیDW) و پردازش تحليلی بر خط (OLAP از (
جمله عناصر ضروری در سيستم های تصميم يار به شمار می آيند.
سيستم های تصميم يار هوشمند، سيستم های تصميم ياری هستند که مبتنی بر تکنيک های هوشمند اند.
لیيحات ت�کميتوض
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 41
منابع داخلي داده
مالي فروش توليد پرسنل منابع خارجي دادهساير موارد
پايگاه دانش سازماني استخراج
ابزار پرس و جوپايگاه داده تصميم يار
سيستم مديريت پايگاه دادهبازيابي•بررسي•به روز رساني•توليد گزارشات•حذف•
فهرست داده ها
داده هاي شخصي
پنهان
پايگاه داده تحليلي يكپارچه
مديريت رابط كاربر
مديريت مدلزير
سيستم مبتني بر
دانش
زير سيستم اجزاي سيستم تصميم يار هوشمند -مديريت داده
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 42
زير سيستم اجزاي سيستم تصميم يار هوشمند -مديريت مدل
فهرست مدل
مديريت رابط کاربر
زير سيستم مبتني بر
دانش
مديريت داده
مدل ها)پايگاه مدل( استراتژيک, فني, •
عملياتيآماري, مالي, بازاريابي، •
مديريتي, حسابداري, …مهندسي و
بلوکهاي ساختاري مدل0•مديريت پايگاه مدل دستورات مدل0 سازي: •
ايجادنگهداري: به روز •
رسانيرابط پايگاه داده•زبان مدل0 سازي•
اجرا، يکپارچه سازي و
پردازشگر فرمان مدل0
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 43
زير سيستم اجزاي سيستم تصميم يار هوشمند -رابط کاربر
پردازشگر زبان طبيعي
سيستم مديريت رابط كاربري
(UIMS)
مديريت مدل و MBMS
زير سيستم مبتني بر
دانش
مديريت داده ها و
DBMS
خروجزبان هياي نمايش
ورودزبانهايي
عملياتي
كاربران
چاپگرها و
رسام ها
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 44
چگونگي بکارگيري سيستم تصميم يار در تصميم گيري
تشخيص مساله
تعريف مسأله
ايجاد گزينه ها
توسعه مدل
اجرا
انتخاب
تحليل گزينه ها
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 45
Intelligent Agent
سيستم
محيط
ي
ودور
يخروج
SENSOR
EFFECTOR
شی از ينماعامل
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 46
Intelligent Agent (ادامه)عام�ل) Agent ( نرم افزاری اس�ت ك�ه عم�ل م�ي كن�د و قادر ب�ه تأثير
گذاري بر محي�ط است به طوري كه منجر به فعاليت و يا تغييرحالت مي شود. همانند يك فعاليت شيميايي، فيزيكي و يا بيولوژيكي .
. عامل ابزاري هوشمند براي رسيدن به هدف است .عامل خودمختار است و به تنهايي قادر به تصميم گيري است طور به و دارد واكن�ش ك�ه موجوديت�ي از اس�ت عبارت عام�ل
خودمختار كنش انجام مي دهد. عاملهاي هوشمن�د بايستي قادر ب�ه انجام كاره�ا در دنياي واقع�ي باشند
ب�ه طوري ك�ه اعمال هدفداري را انجام دهن�د و ني�ز بايس�تي قادر به زندگي و عمل در دنياي واقعي باشند
PDFمستند
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 47
ژگی های عامل هايو
ژگیيوواژه التينژگیيمختصر وتوصيف پرداخت�ن ب�ه عم�ل ب�ا توج�ه ب�ه هدف تعري�ف شده
خود Autonomyبدون فراخوا نيمختاري
Situatedneوابسته به محيط و شرايط عملياتيss
موقيعت گرا
واكنشي Reactiveدرك محيط و پاسخ به تغ�ييرات آنكنش گراPro-activeنمايش رفتارهاي هدفمند تعريف شده
يادگيريLearningتکرار رفتارتغيير رفتارها بر اساس صداقتVeracityعدم انتقال اطالعات نادرست
داراي اهداف و فرآيندهاي ذات�ي از پي�ش تع�ري�ف پايداريPersistencyشده
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 48
ژگی های عامل ها )ادامه(يوهمكاري با ساير عامل ها در سيستمهاي
اجتماعيSocialچند عامله
تحقق هدف سيستم تا دستيابي به آن بدون فراخواني
Goal-oriented
هدف گرا
استدالل Reasoningقابليت استدالل در انتخاب عملامكان تطابق اعمال يك ع�امل با اهداف
سازگارAdaptivityكلي سيستم ي
حركتMobilityقابليت انتقال از محيطي به محيطي ديگر
نوع Benevolanceمصالحه در منافع مرتبط با عاملهاي همكاردوستي
نمايندگيDelegacyقبول انجام عمل در سيستمهاي چند عامله ارزيابي فع�اليت انجام شده در تحقق هدف
شايستگCompetencyو تقسيم وظايف در صورت لزومي
49
ژگی های عامل ها )ادامه(يو
ارزيابي تحقق هدف سيستم و ادامه عمل احساس Amenabilityتا تحقق هدف
مسئوليتقابليت استدالل در انتخاب عمل وابسته
قدرت Discourseبه محيطاستدالل
عقالنيتRationalityاهدافاعمال درست براي رسيدن به
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 50
Supply ChainSupply Chain ( مواد و اطالعات و سرويسها) حرک�ت مناب�ع تجاری :
از مواد خام واز طريق کارخانجات و انبارها تا مشتريان نهايی. ،محصوالت اي�ن ک�ه اس�ت وفرآيندهاي�ی س�ازمانها شام�ل همچنی�ن
اطالعت و سرويسها را توليد و تحويل مشتريان نهايی می دهند. Supply Chain شام�ل فعاليتهای متعددی ازجمل�ه خريد و فروش و
تدارکات و حم�ل و نق�ل و اداره و کنترل مواد خام و برنامه ريزی و کنترل توليد و انبار و کنترل ليست اموال و توزيع و تحويل و...
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 51
Supply Chain Management سيستم هایSCM:شامل
مديريت اموال) Inventory management() مديريت حمل و نقلShipping managemen() خريد مفيد و کاراEfficient purchasing(CRM (Collaboration along chain) ) همکاری در طول چرخهReduce number of intermediaries(
برای پياده سازیSCM:مناسب از ابزارهای زير استفاده می کنيم MRP:توليد+ خريد+ انبارداری MRP2: توليد+ خريد+ انبارداری+ حقوق�+ دستمزد+ مالی ERP: Enterprise همه فعاليتهای زنجيره در رابطه با
PDFمستند
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 52
Enterprise Resource Planning
يك راه حل سيستمي مبتني بر فناوري اطالعات
منابع سازمان را توسط يك سيستم به هم پيوسته، به سرعت و با دقت و كيفيت باال در كنترل مديران
سطوح مختلف سازمان قرار مي دهد
مديريت مناسب فرايند برنامه ريزي و عمليات سازمان
كه
به منظور
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 53
Enterprise Resource Planning
يک مجموعه از ERPبسته نرم افزاری کاربردی ماژولهای يکپارچه آماده راه اندازی از پيش طراحی
شده و از پيش مهندسی شده ای است که تمام فرايندهای تجاری سازمان را پوشش می دهد
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 54
Enterprise Resource Planning
ERP
مديريتتوليد
مديريتانبار مديريت خريد
مديريتفروش
مديريتمالی
مديريت
منابعانسانی
مديريت
کيفيت
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 55
Enterprise Resource PlanningERP را مي توان به عنوان نرم افزار يکپارچه اي تعريف نمود که داراي اجزا و يا
ماژولهايي براي ،برنامه ريزي ،توليد ،فروش ،بازاريابي ،توزيع ،حسابداري ،مديريت منابع انساني ،مديريت پروژه ،مديريت موجودي ،مديريت خدمات و نگهداري و تعميرات .مديريت حمل و نقل و بازرگاني الکترون�يک است
معماري و ساختارERP بگونه اي است که يکپارچگي و جامعيت اطالعات سطح سازمان را فراهم نموده و جرياني روان از اطالعات بين بخشهاي مختلف سازمان فراهم مي آورد
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 56
Enterprise Resource Planning چطورERPباعث بهبود عملكرد سازمان مي شود؟
از طريق بهبود روشي كه سازمان سفارش هاي مشتري را دريافت كرده آنها را پردازشمي نمايد.
ERP سفارش مشتري را مي گيرد و مسيري نرم افزاري براي تكميل اين فرم سفارش و طي شدن مراحل مختلف آن به صورت اتوماتيك فراهم مي كند.
اين رويايERP.است، ولي واقعيت كمي خشن تر است مشكل اصلي
مردم دوست ندارند تغيير كنند، وERP.از آنها مي خواند روش كارشان را عوض كنند .خود نرم افزار اهميت بسيار كمتري از صورت گرفتن تغييرات در روند كار سازمان دارد اگر نرم افزاري تهيه و نصب كنيد، بدون آنكه تغييري در روند كار افراد سازمان خود ايجاد
را بدست نياوريد، و حتي برعكس، ممكن ERPنماييد، ممكن است هيچيك از مزاياي است نرم افزار جديد باعث كندتر شدن كار آنها شود.
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 57
Enterprise Resource Planning
پنج دليل اصلي� براي استفاده ازERP ها وجود دارد:
• يكپارچه كردن اطالعات مالي• يكپارچه كردن اطالعات سفارش مشتري• استاندارد كردن و سرعت دادن به فرآيند
توليد• كاهش اسناد كاغذي
• استاندارد كردن اطالعات منابع انساني�
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 58
مديريت خريد اين ماژول به خريد به صورتJIT کمک کرده و سازمان ها را
قادر مي سازد که از انباشته شدن کاال ها در انبارهايشان جلوگيري شود.
:برخي از قابليت هاي اين ماژول مديريت تامين كنندگانمديريت ق�راردادهامديريت ق�يمتها و تخفيفاتمديريت مناق�صات و پيشنهاداترديابي اسناد خريد و رسيد ها و مدارك...
58
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 59
مديريت انبار يكي از مهمترين فرايند هاي يك سازمان توليدي، فرايند
مديريت انبار مي باشد. بهينه سازي اين فرايند سهم زيادي در كاهش خواب سرماية انبارش شده و به دنبال آن
.كاهش قيمت تمام شدة كاال دارد:برخي از قابليت هاي اين ماژول
نگهداري تاريخچه ميزان مصرف اقالم(انواع رسيد و حواله) تعريف نوع تعامالت انباريثبت رسيد دريافت...
59
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 60
مديريت توليد بخش توليد به عنوان يكي از مهمترين بخش هاي هر شركت توليدي
مي تواند با بهره گيري مناسب از فناوري اطالعات و ارتباطات گام هاي بلندي در خصوص برنامه ريزي و مديريت توليد بردارد كه
نمونه بارز آن استقرار سيستم هاي مديريت توليد مي باشد.:برخي از قابليت هاي اين ماژول
درخواستارسالدريافت دستورالعمل و مدارك فني و نقشه هاثبت درخواست تعميرثبت رسيد محصول نهايي...
60
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 61
مديريت فروش مؤلفه فروش در هر سازماني كه در جهت درآمدزايي
هاست. در حقيقت كند يكي از مهمترين مؤلفه فعاليت ميمديريت فروش و مديريت ارتباط با مشتري پل ارتباطي
باشد. شركت با مشتريان مي:برخي از قابليت هاي اين ماژول
ها و امكان اعمال محدوديت برتغييرات تغيير آسان قيمتتعريف انواع سفارش محصولگذاري براي سفارشات استاندارد داشتن روال قيمتگذاري خودكار و يا دستي قيمت…
61
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 62
مديريت مالي از آنجا كه كليه فرآيندها در يك سازمان توليدي به گونه اي با
هاي مديريتي و گيري فرايند� مالي در ارتباط هستند و تصميمتوان گفت راهبردي به سيستم مالي سازمان مربوط مي شود مي بوده ERPماژول مالي يكي از مهمترين و اساسي ترين ماژولهاي
هاي يك سازمان متاثر از فعاليت اين ماژول است. و كليه فعاليت:برخي از قابليت هاي اين ماژول
ها ها و مديريت آن حسابتعريف انواعها تعريف و صدور انواع اسناد و رسيدثبت اسناد حسابداري...
62
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 63
مديريت منابع انساني نيروي انساني در حال حاضر مهمترين دارايي و سرمايه هر
سازماني محسوب مي گردد، از اين رو نياز به مديريت هدفمند اين سرمايه هاي ارزشمند بيش از پيش در سازمان ها احساس مي گردد. فن آوري اطالعات يكي از ابزارهايي است كه كمك شايان ذكري در
اين زمينه نموده است. :برخي از قابليت هاي اين ماژول
تعريف نيازهاي آموزشي مشاغل و كد گذاري آنها مشخص كردن نيازهاي آموزشي پرسنل بر اساس كد شغل مربوطه (با توجه به وضعيت آخرين حكم و
نتايج حاصل از عملكرد)تعريف مخازن سؤال براي دوره هاي آموزشي...
63
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 64
مديريت کيفيتگيري كارآمد هاي مديريت كيفيت بدون بهره امروزه استقرار سيستم
از ابزارهاي فناوري اطالعات و ارتباطات امري دشوار هاي مهم است.بنابراين مديريت كيفيت به عنوان يكي از فرايند
گيري از امكانات ماژول مديريت كيفيت تواند با بهره سازمان، ميERP.به صورت بهينه اجرا شود
:برخي از قابليت هاي اين ماژولگزارش عيوبها تعداد مرجوعيشكايات مشتريانگزارش بازرسي بر حسب تامين كننده، ايستگاه، محصول، قطعه، شركت...
64
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 65
مديريت تماس هامديريت ايميل هامديريت حمل و نقلکنترل پروژهبانکداري...
65
لیيحات تکميتوض
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 66
نقشه راه هوش تجاری برای برنام�ه های کاربردی هوش تجاری با نيازمندی های خاص از
جمل�ه اس�تفاده از داده های غي�ر س�اخت يافت�ه مثال کاوش در متن و محتوا و ص�وت و... نياز ب�ه گس�ترش فعالي�ت ه�ا و نق�ش ها در
قالب گام های توليد مناسب است نقش�ه راه هوش تجاری اس�اسا ي�ک راهنمای چرخ�ة حيات پروژه
با تجاری يارهوش تص�ميم کاربردی های برنام�ه ايجاد برای استفاده از داده های ساخت يافته است.
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 67
4گام 3گام 2گام 1گام
5گام
6گام
7گام
8گام 16گام
9گام 11گام
10گام
15گام
14گام
13گام
12گام
هدف
طرح ريزی
تحليل تجاری طراحی ساخت
استقرار
شمای نقشة راه توليد يک پروژة هوش تجاری
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 68
نقشة راه توليد يک پروژة هوش تجاری
گام برای ساخت يک پروژة هوش تجاری را بر طبق 16اين نقشه مرحلة انجام هر پروژة مهندسی که قبال ذکر شد، به شرح 6همان
زير بيان می کند::مرحلة هدف و منظور
ارزيابی وضعيت تجاری1گام :،:مرحلة طرح ريزی
ارزيابی زير ساخت 2 گام :Enterprise ، طرح ريزی پروژه،3گام :
:مرحلة تحليل تجاری تعريف نيازمندی های پروژه،4گام : تحليل داده،5گام : نمونه سازی برنامه کاربردی،6گام : تحليل مخزن فراداده،7گام :
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 69
:مرحلة طراحی طراحی پايگاه داده،8گام : طراحی 9گام :ETL(استخراج/تبديل/بارگذاری) طراحی مخزن فراداده،10گام :
:مرحلة ساخت توليد 11گام :ETL، توليد برنامة کاربردی،12گام : داده کاوی،13گام : توليد مخزن فراداده،14گام :
:مرحلة نصب و استقرار پياده سازی،15گام : ارزيابی نسخه.16گام :
نقشة راه توليد يک پروژة هوش تجاری)ادامه(
Next
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 70
ارزيابی وضعيت تجاری
در اي�ن گام، مشک�ل ي�ا موقعي�ت تجاری تعري�ف م�ی شود و ي�ک راه حلتجاری پيشنهاد م�ی شود. ه�ر نس�خة برنام�ة کاربردی هوش تجاری بايد توجي�ه اقتص�ادی داشت�ه باش�د و ب�ه طور واض�ح باي�د فواي�د آ�ن راه حل
بيان شود.
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 71
Enterprise ارزيابی زير ساخت
کاربردی های برنام�ه بين BIازآنجائيک�ه های تراکن�ش از برخاس�ته ، باي�د برای پشتيبان�ی از آنها Enterpriseس�ازمانی هس�تند، ي�ک زي�ر س�اخت
ايجاد شود. بع�ض�ی از مؤلف�ه های زيرس�اخت ممک�ن اس�ت قبل از آغاز بعنوان BIپروژ�ة بايد ني�ز ه�ا مؤلف�ه س�اير باشند. موجود مح�ل در
قسمتی از پروژه ، بمرور زمان ساخته شوند. يک زير ساختEnterprise:دو مؤلفه دارد
زيرس�اخت تکنيک�ی: ک�ه شام�ل سخت افزار، نرم افزار، ميان افزار، های شبکه، مؤلف�ه عام�ل، داده، س�يستم پايگاه مديري�ت س�يستم
انبارهای فراداده و... فراداده، استانداردهای شام��ل ک��ه غيرتکنيک��ی: زيرس��اخت تست، های روي�ه ه�ا، متدولوژ�ی داده، نامگذاری اس�تانداردهای
فرآيندهای کنترل تغيير و...
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 72
(Planningطرح ريزی پروژه ) پروژه های تص�ميم يارBI ،بس�يار پويا هستند، تغ�ييرات در دامنه، کارکنان
بودج�ه، تکنولوژ�ی، تأثي�ر بس�زايی در موفقي�ت ي�ک پروژ�ه دارن�د، بنابر اين طرح ريزی پروژ�ه باي�د ب�ا جزئيات کام�ل انجام شود وپيشرف�ت واقعی
کار بايد بطور دقيق مشاهده و گزارش شود.
73
اجرای موازی نقشة راه ساخت BI يک پروژة
هر پروژة تصميم يارBI .حداقل در سه مجموعه وظايف موازی که بعد از تعريف نيازمندی های پروژه و قبل از پياده سازی است اجرا می شوند ،
1412
119 138
1 4310
2 5 6 7 1615زمان
هاام
گزی
موای
جراا
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 74
سيستم های هوش مالحظات نقشه راهتجاری
،شناخت کيفيت داده،شناخت عدم کيفيت داده،تصحيح داده ها،اشتراک گذاری داده ها،داده به منزله سرمايه تلقی شود ،(يادگيری+ استنتاج) توليد داده از داده های موجود،استفاده از استانداردها.کوچک و محدودنمودن محدودة سيستم ها
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 75
فروشندگان محصوالت هوش تجاري
Actuate (Demo)،IBM Cognos (Demo)،Information Builders (Demo)،Microsoft ،Microstrategy،Oracle،Panaroma Software،Qlik Tech،SAP Business Objects،SAP (Demo)،SAS Institute ،TIBCO Spotfire،…
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 76
BIتحليل فارستر از موقعيت فروشندگان در بازار
Adopted from
لیيحات تکميتوض
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 77
در بازار BIموقعيت فروشندگان )ادامه(
:پيشروان بازارIBM Cognos ، SAP Business Objects ، Oracle و SAS
:تعقيب كنندگانSAP، Information Builders، MicroStrategy، Microsoft و
Actuate
:مدعيانPanaroma Softwareو QlikTech
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 78
علل شکست پروژه های هوش تجاری
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 79
علل شکست پروژه های هوش تجاری مربوط به مدیریت
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 80
علل شکست پروژه های هوش تجاری مربوط به رویکردها
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 81
علل شکست پروژه های هوش تجاری مربوط به استانداردها
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 82
علل شکست پروژه های هوش تجاری مربوط به کاربر
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 83
علل شکست پروژه های هوش تجاری مربوط به قوانین و برنامه ها
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 84
علل شکست پروژه های هوش تجاری مربوط به فروشندگان و پیمانکاران
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 85
علل شکست پروژه های هوش تجاری مربوط به منابع
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 86
علل شکست پروژه های هوش تجاری مربوط به داده و اطالعات
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 87
علل شکست پروژه های هوش تجاری مربوط به طراحی و پیاده سازی
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 88
علل شکست پروژه های هوش تجاری مربوط به ارزیابی
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 89
علل شکست پروژه های هوش تجاری مربوط به ابزار
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 90
سایر علل شکست پروژه های هو�ش تجاری
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 91
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 92
مراجع “BI Course Materials”, Presented by Dr. Ahmad Abdollahzadeh barforoush available in Islab web page,
http://ceit.aut.ac.ir/islab/courses/bi/home.php Larissa T. Moss, “Improving Data Quality: Why is it so difficult?” “Data Warehousing/Business Intelligence”, Available in www.eforceglobal.com Paul Balacky & Richard Fayers, “A Presentation on Business Intelligence“, June 10th 2003 A Presentation on BI: “Business Intelligence: Data Warehousing, Data Acquisition, Data Mining, Business Analytics, and isualization” A Presentation on BI: “Enterprise Information Systems” A Presentation on BI:”ETL”, www.ds.uillinois.edu Chun Wei Choo, “Knowledge Management and The Knowing Organization”, Faculty of Information Studies, University of Toronto,
http://choo.fis.utoronto.ca Fosca Giannotti, Dino Pedreschi, “Tecniche di Data Mining”, http://www-kdd.cnuce.cnr.it/ Ora Fish, “Data Warehousing: Changing Campus Culture ”, Rensselaer Polytechnic Institute Dr. Silke Schoenert, “Knowledge Management and Project Management” , University of Koblenz-Landau, Germany, schoen@uni-
koblenz.de
Amirkabir University of Technology, Computer Engineering Faculty , Intelligent Systems Laboratory, Dr. Ahmad Abdollahzadeh 93
مراجع 10 Mistakes to Avoid in a Business Intelligence Delivery, Lalitha Chikkatur, DM Review
Special Report, September 16, 2008, http://www.dmreview.com/ Investigating and Preventing BI Sterility Failures, Paul J. Sordellini and Marjorie Lang ,
Medical Device & Diagnostic Industry Magazine, 1996, http://www.devicelink.com/mddi/archive/96/08/012.html
Worst Practices in Business Intelligence, Kevin R, Vice President of Product Marketing, http://www.informationbuilders.com/cgi-shell/products/whitepaper/whitepaper_form.pl?Whitepaper_Code=WHTWorst
Top 10 Warning Signs of a Troubled BI Project, Jonathan Wu, 2000 http://www.dmreview.com/news/2707-1.html
5 Common BI Vendors mistakes, Andres Valera, http://blog.uberbi.com/2008/06/30/5-common-bi-vendors-mistakes
Common Mistakes Companies Make on Business Intelligence Initiatives, Steve Williams and Nancy Williams, 2006, http://searchdatamanagement.techtarget.com/tip/0,289483,sid91_gci1233364,00.html
Why do BI Implementations Fail, Ferenc Mantfeld, 2006, http://it.toolbox.com/blogs/simplified-bi/why-do-bi-implementations-fail-8519