ارزیابی کاربردی مدل های داده چند بعدی (OLAP) و بکارگیری الگوهای آماری

چکیده:

ما سعى داريم در اين مجموعه در ابتدا شما را با انبار داده آشنا كرده و در ادامه چگونگی كار با آن را بررسى میکنیم. از مباحث ديگری كه مورد بررسى قرار ميگيرد ابزار انبار اراكل است كه شما را با برخى از ابزار انبار داده اراكل آشنا می كند. انبار داده و وب كه بيان مى كند چگونه مي توانيد از شبکه همراه با انبار داده استفاده كنيد. بسيار از روش ها وجود دارد كه مى تواند بررسى شود، و ما تنها در اينجا آن را به طور سطحی و با توجه به ابزارها و تكنيك ها در دسترس بررسى مى كنم.

OLAP كه بيان مى كند چگونه اوراكل مى تواند برای اجراى آناليز چند بعدی با استفاده از گزينه اوراكل OLAP بکار رود. داده كاوى كه فرايندی است كه گرايش های نهان و الگوها موجود در داده هایتان را می يابد. داده كاوى اوراكلی، از نظر ساختارى، داده كاوى را در سرور اياه داده قرار مى دهد و در فصل آخر قابليت دسترسى بالا و انبار داده، كه ا ، مطلب را مورد بحث فرار مى دهيم كه جونه انبار داده به ميزان بالاي در دسترس است و چگونه از داده ها حياتى در روى دادن حوادث و خطا ها حفاظت كنيد.

‫1.1 ﻣﻘﺪﻣﻪ ای ﺑﺮ ﭘﺎﻳﮕﺎه داده اوراﻛﻞ g10

‫1-1-1 اﺛﺮ ﺟﻮ اﻗﺘﺼﺎدی ﺑﺮ ﻫﺰﻳﻨﻪ ﺗﻜﻨﻮﻟﻮژی:

‫ﻳﻜﻲ از ﭼﺎﻟﺸﻬﺎی ﻋﺼﺮ ﺣﺒﺎﺑﻲ اﻣﺮوز ‪  post-dot-comﻛﻪ ﺑﺴﻴﺎری از ﺳﺎزﻣﺎﻧﻬﺎ ﺑﺎ آن ﻣﻮاﺟﻪ ﻣﻲ ﺷﻮﻧﺪ اﻳﻦاﺳﺖ ﻛﻪ اﻧﺘﻈﺎر ﻣﻲ رود ﺑﻪ ﻣﻨﻈﻮر ﺑﻬﺒﻮد ﺳﻮد و زﻳﺎن ﺷﺮﻛﺖ ﺑﺪون ﻫﻴﭻ ﺑﻮدﺟـﻪ ﻳـﺎ ﺑـﺎ ﺑﻮدﺟـﻪ ﻛﻤـﻲ ﻣﺤـﺼﻮل ﺑﻴﺸﺘﺮی را اراﺋﻪ دﻫﻨﺪ. ﻣﻤﻜﻦ اﺳﺖ ﺷﻤﺎ ﺑﻪ دﻧﺒﺎل روﺷﻬﺎی ﺟﺪﻳﺪی ﺑﺮای ﻛﺎﻫﺶ ﻫﺰﻳﻨﻪ ﻫﺎی ﺗﻜﻨﻮﻟـﻮژی ﺑﺎﺷـﻴد ‫در ﺣﺎﻟﻴﻜﻪ در ﻫﻤﺎن زﻣﺎن از ﺗﻘﺎﺿﺎﻫﺎی ﺟﺪﻳﺪ و ﺑﻬﺒﻮد ﺑﻬﺮه وری ﺣﻤﺎﻳﺖ ﻛﻨﻴﺪ .ﺑﻌﻼوه ﺑﻪ دﻧﺒﺎل رﺳﻮاﻳﻲ ﻫﺎی اﺧﻴﺮ ﺣﺴﺎﺑﺪاری ﺷﺮﻛﺘﻬﺎ ﻗﻮاﻧﻴﻦ ﺟﺪﻳﺪی ﺗﺪوﻳﻦ ﺷﺪ ﺗﺎ ﻣﺴﺌﻮﻟﻴﺖ ﺷـﺮﻛﺘﻬﺎ را ﺑﺎﻻ و ﺑﺒﺮد اﻓﺸﺎ ﺳﺎزی ﻣﺎﻟﻲ را ﺑﻬﺒﻮد ﺑﺨﺸﺪ و ﺑﺎ ﺟﺮاﺋﻢ ﻣـﺎﻟﻲ ﺷـﺮﻛﺖ ﻣﺒـﺎرزه ﻛﻨـﺪ .

‪Sarbanes-Oxle ﺑـﻪ ﺷﺮﻛﺘﻬﺎ اﻣﺮ ﻣﻲ ﻛﻨﺪ ﺗﺎ ﻛﻨﺘﺮل ﺟﺎﻣﻌﻲ ﺑﺮ ﻣﺪﻳﺮﻳﺖ داﺷﺘﻪ ﺑﺎﺷﻨﺪ و اﻃﻼﻋﺎت ﻣﺎﻟﻲ ﺷﺮﻛﺖ را ﮔﺰارش ﻛﻨﻨﺪ و ﺑﺮایاﻧﺠﺎم اﻳﻦ ﻛﻨﺘﺮﻟﻬﺎ ﻣﺴﺌﻮﻟﻴﺘﻬﺎﻳﻲ را ﺑﺮروی ﻣﺪﻳﺮ ﻋﺎﻣﻞ و ﻣﺪﻳﺮ ارﺷﺪ ﻗﺮار ﻣﻲ دﻫﺪ.اﻳﻦ ﻋﻤﻞ ﺑﻪ ﻧﻮﺑﻪ ﺧﻮد ﻧﻴﺎزﻫﺎی ﺟﺪﻳﺪی را ﺑﺮ ﺳﺎزﻣﺎنIT ﺗﺤﻤﻴﻞ ﻣﻲ ﻛﻨﺪ. ﺑﻨﺎﺑﺮاﻳﻦ ﭼﮕﻮﻧﻪ ﻗﺎدرﻳﺪ ﻫﺰﻳﻨﻪ ﻫﺎ را ﻗﻄﻊ و در ﻫﻤـﺎن زﻣـﺎن دﻳـﺪﮔﺎه ﻛﻠـﻲ از اﻃﻼﻋـﺎت ﻣﻬـﻢ ﺗﺠـﺎری راﮔﺴﺘﺮش دﻫﻴﺪ ؟ ﭼﮕﻮﻧﻪ ﻣﻲ ﺗﻮاﻧﻴﺪ از اﻃﻼﻋﺎﺗﺘﺎن ﺑﺮای اﺳﺘﻔﺎده ﺑﻬﺘـﺮ از ﻓﺮﺻـﺘﻬﺎی ﺑﺮاﺑـﺮ ﺗـﺎﺛﻴﺮ اﺟـﺮا ﺑﻬﺒـﻮد  ‫ﺗﺼﻤﻴﻢ ﮔﻴﺮی ﺑﺪﺳﺖ آوردن ﻣﺮز رﻗﺎﺑﺖ اﻓﺰاﻳﺶ ﺳﻮد و ﺗﻬﻴﻪ ﮔﺰارش ﻣﺎﻟﻲ ﺑﻬﺮه ﺑﺒﺮﻳﺪ؟

2-1-1 ﻳﻜﭙﺎرﭼﮕﻲ:

‫اﻣﻜﺎن ﻳﻚ ﭘﺎﺳﺦ ﺑﺮای ﻳﻜﭙﺎرﭼﮕﻲ وﺟﻮد دارد. ﺑﺴﻴﺎری از ﺷـﺮﻛﺘﻬﺎ ﻓﻌﺎﻟﻴﺘﻬﺎﻳـﺸﺎن را ﺑـﺎ ﻳﻜﭙﺎرﭼـﻪ ﺳـﺎزی ﺳﺨﺖ اﻓﺰار اﻃﻼﻋﺎت و ﺗﻘﺎﺿﺎ ﻫﺎ ﺗﺴﻬﻴﻞ ﻣﻲ ﻛﻨﻨﺪ و ﻓﻌﺎﻟﻴﺘﻬﺎی ﺗﺠﺎری ﺧﻮد را ﺑﻪ ﺗﻌﺪاد ﻛﻮﭼﻜﺘﺮی از ﺳﻴـﺴﺘﻢﻫﺎی ﻣﺘﻤﺮﻛﺰ ﺳﺎده ﻣﻲ ﻛﻨﻨﺪ ﺳﭙﺲ ، ﺳﺎدﮔﻲ از ﻃﺮﻳﻖ ﻳﻚ ﺷﺎﻟﻮده ﻣﺸﺘﺮک ﻣﻲ ﺗﻮاﻧﺪ ﺑﺪﺳﺖ آﻳـﺪ ﺗﻮاﻧـﺎﻳﻲ ﺑﺮای ﺟﻤﻊ آوری اﻃﻼﻋﺎت ﻫﺮ ﺑﺨﺶ از ﺷﺮﻛﺖ دﻳﺪ ﺳﺎزﻣﺎﻧﻲ ﻗﺎﺑﻞ ﻗﺒـﻮﻟﻲ را ﺑـﻪ ﻫﻤـﺮاه دارد. در اﻳـﻦ ﻳﻜﭙﺎرﭼـﻪﺳﺎزی اﻧﺒﺎر داده ﻧﻘﺶ ﺑﺴﺰاﻳﻲ دارد.

3-1-1 ﻳﻜﭙﺎرﭼﻪ ﺳﺎزی ﺳﺨﺖ اﻓﺰار:

‫در ﮔﺬﺷﺘﻪ ﺷﺮﻛﺘﻬﺎ ﻣﻌﻤﻮﻻ ﺑﺮای ﻫﺮ ﺗﻘﺎﺿﺎی ﺟﺪﻳﺪ ﺳﻴﺴﺘﻢ ﻫﺎی اﺧﺘﺼﺎﺻﻲ ﺧﺮﻳﺪاری ﻣـﻲ ﻛﺮدﻧـﺪ. اﻳـﻦ ﺳﻴﺴﺘﻤﻬﺎ ﻻزم ﺑﻮد ﺑﻪ اﻧﺪازه ای ﺑﺎﺷﻨﺪ ﻛﻪ ﺗﻘﺎﺿﺎﻫﺎی زﻳﺎدی را ﺟﻮاﺑﮕﻮ ﺑﺎﺷﻨﺪ ﺑﻪ اﻳﻦ ﻣﻌﻨﺎ ﻛﻪ ﺑﻌـﻀﻲ ﻣﻨـﺎﺑﻊ درزﻣﺎن ﻫﺎی دﻳﮕﺮ ﺑﻴﻬﻮده ﺑﻮدﻧﺪ .آﻳﺎ ﺑﻬﺘﺮ ﻧﺒﻮد اﻳﻦ ﻣﻨﺎﺑﻊ در ﻛﺎرﺑﺮدﻫﺎی دﻳﮕﺮی ﻛﻪ ﺑﻪ آﻧﻬﺎ ﻧﻴﺎز ﺑـﻮد ﺑﻜـﺎر ﮔﺮﻓﺘـﻪ می شدند؟

ﻳﻜﭙﺎرﭼﻪ ﺳﺎزی ﺷﺎﻣﻞ اﺳﺘﻔﺎده ﻣﺠﺪد از ﺳﺨﺖ اﻓﺰار ﻣﻮﺟـﻮد و ﻫـﻢ ﺧﺮﻳـﺪﻫﺎی ﺟﺪﻳـﺪ اﺳـﺖ . اﻣـﺮوزه ﺑﺴﻴﺎری از ﻓﺮوﺷﻨﺪﮔﺎن ﺳﺨﺖ اﻓﺰار ﻗﻄﻌﺎت ﺳﺮﻳﻊ و ارزان ﻗﻴﻤﺖ ﺗﺮی ﻣﺎﻧﻨﺪ ﺳـﺮوﻳﺲ دﻫﻨـﺪه ﻫـﺎ و ﺗﺠﻬﻴـﺰات ﺷﺒﻜﻪ ای را ﻋﺮﺿﻪ ﻣﻲ ﻛﻨﻨﺪ . ﺻﺮﻓﻪ ﺟﻮﻳﻲ در ﻫﺰﻳﻨﻪ ﻫﺎ ﻣﻲ ﺗﻮاﻧﺪ از ﻃﺮﻳﻖ ﺗﻐﻴﻴﺮ ﺟﻬﺖ ﺳﺨﺖ اﻓﺰار اﺧﺘـﺼﺎﺻﻲ ﺳﻴﺴﺘﻢ ﻋﺎﻣﻞ ﺑﻪ ﺳﺨﺖ اﻓﺰار ارزان ﺗﺮ ﺑﺎ اﺳﺘﻔﺎده از ﭘﺮدازﺷﮕﺮﻫﺎی اﻳﻨﺘﻞ ﻛﻪ ﺳﻴﺴﺘﻢ ﻋﺎﻣﻞ ﻟﻴﻨﻮﻛﺲ را اﺟﺮا ﻣﻲﻛﻨﻨﺪ ﺑﺪﺳﺖ آﻳﺪ . ﻣﺰﻳﺖ ﻫﺰﻳﻨﻬﺎی ﻛﻪ ﺑﺮ روی ﻟﻴﻨﻮﻛﺲ اﺳﺖ در ﻣﻘﺎﻳﺴﻪ ﺑﺎ ﻳﻚ ﺳﻴﺴﺘﻢ ﭼﻨﺪ ﭘﺮدازﺷـﻲ ﻛـﻪ ﺑـﺮ روی ﺳﻴﺴﺘﻢ ﻋﺎﻣﻞ اﺧﺘﺼﺎﺻﻲ اﺳﺖ دارای اﻫﻤﻴﺖ ﻣﻲ ﺑﺎﺷﺪ.

‫ﻫﺰﻳﻨﻪ ﻫﺎی ذﺧﻴﺮه ﺳﺎزی در ﻫﺮ ﺳﺎل در ﺣﺎل ﻛﺎﻫﺶ اﺳﺖ و اﻳﻦ اﻣﻜـﺎن وﺟـﻮد دارد ﺗـﺎ ﻣﻨﺒـﻊ ذﺧﻴـﺮه ﺳﺎزی را ﺑﺎ ﭘﻮل ﻛﻤﺘﺮی ﺑﺨﺮﻳﻢ .ﭼﺮا ﺑﺎﻳﺪ ﺑﺮای ﻳﻚ ﺳﻴﺴﺘﻢ ﻣﻴﻠﻴﻮﻧﻬﺎ دﻻر ﻫﺰﻳﻨـﻪ ﺷـﻮد در ﺣـﺎﻟﻲ ﻛـﻪ ﻣﻴﺘﻮاﻧﻴـﺪ ‫ﻫﻤﺎن ﻗﺎﺑﻠﻴﺖ ﻫﺎ را ﺑﺎ ﺻﺪﻫﺎ دﻻر ﺑﺪﺳﺖ آورﻳﺪ؟

‫ﻣﻤﻜﻦ اﺳﺖ ﻳﻜﭙﺎرﭼﻪ ﺳﺎزی ﺑﺮای ﺷﺮﻛﺘﻬﺎی ﺑﺰرگ ادﻏﺎم ﻣﺮاﻛﺰ اﻃﻼﻋﺎﺗﻲ ﻏﻴﺮ ﻣﺘﻤﺮﻛﺰ ﺑﻪ ﻣﺮاﻛﺰ اﻃﻼﻋﺎت ‫ﻣﺤﺪود ﺑﺎﺷﺪ . در ﻧﺘﻴﺠﻪ ﻳﻜﭙﺎرﭼﻪ ﺳﺎزی ﺳﺨﺖ اﻓﺰار ی وﺟﻮد ﺳﻴﺴﺘﻤﻬﺎی ﻛﻤﺘﺮی ﺟﻬﺖ ﺳﺎﻣﺎﻧﺪﻫﻲ ﻧـﺮم اﻓـﺰار ‫ﺟﻬﺖ ﻧﺼﺐ و ﺗﻌﻤﻴﻴﺮ و اﻣﻨﻴﺖ و ﻛﺎﻫﺶ ﺑﻴﺸﺘﺮ ﻫﺰﻳﻨﻪ ﻫﺎ را ﺑﺪﻧﺒﺎل دارد.

‫4-1-1 ﻳﻜﭙﺎرﭼﻪ ﺳﺎزی داده ﻫﺎ از دﻳﺪ ﻳﻚ ﺷﺮﻛﺖ ﻣﻌﻤﻮﻟﻲ :

ﺳﻴﺴﺘﻢ ﻫﺎی ﻳﻜﭙﺎرﭼﻪ داده ﻫﺎ ﻣﻲ ﺗﻮاﻧﻨﺪ در ﻳﻚ ﻣﻜﺎن ، اﻏﻠﺐ در ﭘﺎﻳﮕﺎه داده ﻫﺎ ﻳﻜﭙﺎرﭼﻪ ﺳﺎزی ﺷـﻮﻧﺪ . ﺣﺬف داده ﻫﺎی اﺿﺎﻓﻲ ﺑﺎﻋﺚ ﺑﻬﺒﻮد ﻛﻴﻔﻴﺖ و ﻗﺎﺑﻞ دﺳﺘﺮس ﺑﻮدن اﻃﻼﻋﺎت ﻣﻲ ﺷﻮد. ﺑﺴﻴﺎری از ﺷﺮﻛﺘﻬﺎ ﺷـﻤﺎر ﻗﺎﺑﻞ ﺗﻮﺟﻬﻲ از ﭘﺎﻳﮕﺎه داده اوراﻛﻞ و دﻳﮕﺮ ﻓﺮوﺷﻨﺪه ﻫﺎ را ﺑﺪﺳﺖ ﻣﻲ آورﻧﺪ. ﺑﺎ ﻳﻜﭙﺎرﭼﻪ ﻛﺮدن اﻳـﻦ ﻣـﻮارد و ﺑـﺎ ‫ﻛﺎﻫﺶ ﺗﻌﺪاد ﻣﺪﻳﺮان ﻣﻮرد ﻧﻴﺎز ﺑﺮای ﭘﺸﺘﻴﺒﺎﻧﻲ ﺳﻴﺴﺘﻢ ﻫﺎ ﻣﻲ ﺗﻮان در ﻫﺰﻳﻨﻪ ﺻﺮﻓﻪ ﺟﻮﻳﻲ ﻛﺮد .

‫5-1-1 ﻳﻜﭙﺎرﭼﻪ ﺳﺎزی ﺑﺮﻧﺎﻣﻪ ﻫﺎی ﻛﺎرﺑﺮدی :

ﺑﺎ ﻳﻜﭙﺎرﭼﻪ ﺳﺎزی داده ﻫﺎ،ﻛﺎرﺑﺮدﻫﺎی ﺧﻮدﻛﺎر اﻣﻜﺎن ﭘﺬﻳﺮ ﻣﻲ ﺷـﻮد و ﺑـﻪ ﻛـﺎرﺑﺮان اﺟـﺎزه ﻣـﻲ دﻫـﺪ ﺗـﺎ اﻃﻼﻋﺎت ﺷﺨﺼﻲ ﺧﻮدﺷﺎن را ﺑﺮوزﻛﻨﻨﺪ.ﻫﻤﺎﻧﻄﻮر ﻛﻪ ﺑﻴﺸﺘﺮ ﺗﻘﺎﺿﺎﻫﺎی ﻛﺎری )ﺗﺠﺎری( ﺑﻪ ﻃﺮف وب ﭘﻴﺶ رﻓﺘـﻪ اﻧﺪ درﮔﺎﻫﻬﺎ ﺑﻪ ﻛﺎرﺑﺮان اﻣﻜﺎن دﺳﺘﺮﺳﻲ ﺑﻪ ﭘﺎﻳﮕﺎه داده ﻫﺎی ﻣﺮﻛﺰی ﺑﺎ ﻳﻚ ﻣﺮورﮔﺮ وب و ﻳﺎ ﺗﻠﻔﻦ ﻫﻤﺮا ه را ﻣـﻲ دﻫﺪ ﻛﻪ ﻧﻴﺎز ﺑﻪ ﺧﺮﻳﺪاری وﻧﺼﺐ ﻧﺮم اﻓﺰارﻫﺎی دﺳﻚ ﺗﺎپ ﺧﺎص را ازﺑﻴﻦ ﻣﻲ ﺑﺮد.

ﺑﺮﻧﺎﻣﻪ ﻫﺎی ﻛﺎرﺑﺮدی ﺧﻮدﻛﺎر در ﻛﺎﻫﺶ ﻫﺰﻳﻨﻪ ﻫﺎی ﻋﻤﻠﻲ ﺑـﺎ ﺣـﺬف ﺑـﺴﻴﺎری از ﻓﺮآﻳﻨـﺪ ﻫـﺎی اﺟﺮاﻳـﻲ،ﻛﺎﻫﺶ ﻫﺰﻳﻨﻪ ﻫﺎی ﺷﺨﺼﻲ و دﺳﺘﺮﺳﻲ 42 ﺳﺎﻋﺘﻪ ﺳﻮدﻣﻨﺪ ﻫﺴﺘﻨﺪ. ﻋﻼوه ﺑﺮ ﺑﺮﻧﺎﻣﻪ ﻫﺎی ﻛﺎرﺑﺮدی ﻣﺎﻧﻨﺪfronts ‪ storeﺑﺴﻴﺎری از ﺑﺮﻧﺎﻣﻪ ﻫﺎی ﻛﺎرﺑﺮدی ‪ back-officeﻫﻢ ﻣﻲ ﺗﻮاﻧﻨﺪ ﺧﻮدﻛﺎر ﺑﺎﺷـﻨﺪ ﻣﺎﻧﻨـﺪ ﻣـﺴﺎﻓﺮت، ﺻـﻮرت  ‫ﺣﺴﺎب ، و ﻣﻨﺎﺑﻊ اﻧﺴﺎﻧﻲ.

‫6-1-1 ‪  Gridدر ﭘﺎﻳﮕﺎه داده اوراﻛﻞ 10g:

ﻳﻜﭙﺎرﭼﻪ ﺳﺎزی ﻣﺮﺣﻠﻪ ای ﺑﺮای اﻧﺠﺎم ﻣﺤﺎﺳﺒﺎت ﺷﺒﻜﻪ ﻓﺮاﻫﻢ ﻣـﻲ آورد.ﻣﺤﺎﺳـﺒﺎت ﺷـﺒﻜﻪ اوراﻛـﻞ ﻳـﻚ ﺷﺎﻟﻮده ﺑﻬﻢ ﭘﻴﻮﺳﺘﻪ از ﭘﺎﻳﮕﺎه داده اوراﻛﻞ  10gﺳﺮوﻳﺲ دﻫﻨﺪه ﻛﺎرﺑﺮدی اوراﻛﻞ ‪ 10gوﻣﺪﻳﺮ ﺳـﺎزﻣﺎﻧﻲ اوراﻛـﻞ اﺳﺖ .ﺑﺎ ﻣﺤﺎﺳﺒﺎت ﺷﺒﻜﻪ،ﻣﺨﺎزن ﻣﺮﻛﺰی از ﻣﻨﺎﺑﻊ ﻣﺤﺎﺳﺒﺎﺗﻲ اﻳﺠﺎد ﻣﻲ ﺷﻮد ﻛﻪ ﻣﻲ ﺗﻮاﻧﺪ ﺑﺎ ﺑﺴﻴﺎری از ﺗﻘﺎﺿـﺎﻫﺎ ﺗﺮﻛﻴﺐ ﺷﻮد.اﺻﻄﻼح ﻣﺤﺎﺳﺒﻪ ﺷﺒﻜﻪ از ﻣﻘﺎﻳﺴﻪ ﺑﺎ ﺷﺒﻜﻪ اﻧﺮژی اﻟﻜﺘﺮﻳﻜﻲ ﺳﺮﭼﺸﻤﻪ ﮔﺮﻓﺘـﻪ ﺷـﺪه اﺳـﺖ. ﻣﻨـﺎﺑﻊ ﻣﺘﻨﻮﻋﻲ در اراﺋﻪ اﻧﺮژی ﺑﻪ ﻣﺨﺰن ﻣﺸﺘﺮک ﻫﻤﻜﺎری دارﻧﺪ ﻛﻪ ﺑﺴﻴﺎری از ﻣﺼﺮف ﻛﻨﻨﺪﮔﺎن در ﺻﻮرت ﻧﻴﺎز ﺑـﻪ آن دﺳﺘﺮﺳﻲ دارﻧﺪ. ﻣﺤﺎﺳﺒﻪ ﺷﺒﻜﻪ روﺷﻲ ﺑﺮای ﻳﻜﭙﺎرﭼﻪ ﺳﺎزی ﺳﺨﺖ اﻓﺰار ﺑﺮای ﺑﻬﺒﻮد اﺳـﺘﻔﺎده و ﻛـﺎرآﻳﻲ ﻣﻨـﺎﺑﻊ اﺳﺖ . ﺑﺪون ﻧﻴﺎز ﺑﻪ داﻧﺴﺘﻦ اﻳﻨﻜﻪ اﻃﻼﻋﺎت در ﻛﺠـﺎ ﻗـﺮار دارﻧـﺪ ﻳـﺎ ﻛـﺪام ﻛـﺎﻣﭙﻴﻮﺗﺮ درﺧﻮاﺳـﺖ داده ﺷـﺪه را ﭘﺮدازش ﻣﻲ ﻛﻨﺪ ، ﺑﺮای ﻛﺎرﺑﺮ ﻣﻨﺎﺑﻊ ﻣﻮد ﻧﻴﺎز در دﺳﺘﺮس اﺳﺖ .

ﻫﻤﺎﻧﻄﻮر ﻛﻪ در اﻳﻨﺘﺮﻧﺖ آﻣﺪه ،ﻣﺤﺎﺳﺒﺎت ﺷﺒﻜﻪ در ﻣﺠﺎﻣﻊ ﺗﺤﻘﻴﻘﺎﺗﻲ وآﻛﺎدﻣﻴﻚ ﺑﻮﺟﻮد آﻣﺪ.ﻳﻜـﻲ از اﺟﺮاﻫﺎی اوﻟﻴﻪ ﻳﻚ ﺷﺒﻜﻪ،ﭘﺮوژه ‪SETI@homeاﺳﺖ ﻛﻪ ﺗﺤﻘﻴﻖ ﺑﺮای ﻫﻮش ﻣﺎورا اﺳﺖ ﻛـﻪ در ﺳـﺎل 1991 درداﻧﺸﮕﺎه ﺑﺮﻛﻠﻲ ﻛﺎﻟﻴﻔﻮرﻧﻴﺎ آﻏﺎز ﺷﺪ.ﻧﻮﺳﺎﻧﺎت ﺳـﻴﮕﻨﺎل رادﻳـﻮﻳﻲ از ﺗﻠـﺴﻜﻮپ رادﻳـﻮﻳﻲ ‪ Arecibonvدر ‪Puerto Rico ﺟﻤﻊ آوری ﺷﺪ .اﻳﻦ ﻧﻮﺳﺎﻧﺎت ﻣﻤﻜﻦ اﺳﺖ ﻋﻼﺋﻤﻲ از زﻧﺪﮔﻲ ﻫﻮﺷﻤﻨﺪ در ﻓﻀﺎ ﺑﺎﺷـﺪ .ﻫـﺮ روزه داده ﻫـﺎی ﺑﻴﺸﺘﺮ از آﻧﭽﻪ ﻛﺎﻣﭙﻴﻮﺗﺮﻫﺎ در داﻧﺸﮕﺎﻫﻬﺎ ﻣـﻲ ﺗﻮاﻧﻨـﺪ ﭘـﺮدازش ﻛﻨﻨـﺪ ﺑﺪﺳـﺖ ﻣـﻲ آﻳـﺪ ﺑﻨـﺎﺑﺮاﻳﻦ از داوﻃﻠﺒـﺎن درﺧﻮاﺳﺖ ﻣﻲ ﺷﻮد زﻣﺎن ﺑﻴﻜﺎری ﻛﺎﻣﭙﻴﻮﺗﺮﻫﺎی ﺧﺎﻧﮕﻲ ﺧﻮد را ﻣﺸﺨﺺ ﻛﻨﻨﺪ.

ﺑﻴﺸﺘﺮ از 5 ﻣﻴﻠﻴـﻮن ﻧﻔـﺮ از 622 ﻛﺸﻮر ﻧﺮم اﻓﺰاری را داﻧﻠﻮد ﻛﺮدﻧﺪ ﻛﻪ ﻫﺮ وﻗﺖ ﺑﻴﻜﺎر ﻫﺴﺘﻨﺪ ﻛﺎﻣﭙﻴﻮﺗﺮﺷﺎن در دﺳﺘﺮس ﺑﺎﺷﺪ و ﻣﻤﻜﻦ اﺳﺖ ﺷﻤﺎ ﻗﺒﻼ ﭼﻴﺰی ﻣﺸﺎﺑﻪ اﻳﻦ ﻛﺎر را اﻧﺠﺎم داده ﺑﺎﺷﻴﺪ ،ﻣﻨﺎﺑﻊ ذﺧﻴﺮه ﺳﺎزی را در زﻣﺎﻧﻬﺎی ‪     off-peakﭘﻴﻚ ﺧﺎﻣﻮﺷـﻲ  ﭘﺎک ﻛﺮده ﺑﺎﺷﻴﺪ و آﻧﻬﺎ را ﺑﺮای ﺗﻘﻮﻳﺖ ﭘﺮدازش ﺑﺮای ﻳﻚ ﺑﺮﻧﺎﻣﻪ ﻛﺎرﺑﺮدی ﻳﺎ ﺑﻴﺸﺘﺮ اﺳﺘﻔﺎده ﻛﻨﻴﺪ. در ﺣﺎﻟﻲ ﻛﻪ ﻧﻈﺮﻳﻪ ﻣﺤﺎﺳﺒﻪ ﺧﺪﻣﺎﺗﻲ ﻳﺎ ﺷﺒﻜﻪ ای ﺟﺪﻳﺪ ﻧﻴﺴﺖ اﻣﺎ اﻣﻜﺎن ﭘﻴﺸﺮﻓﺘﻬﺎﻳﻲ را ﻫـﻢ در ﺳـﺨﺖ اﻓﺰار و ﻫﻢ در ﻧﺮم اﻓﺰار داده اﺳﺖ . ‪ Blade farms ﻳﺎ ﮔﺮوﻫﻬﺎﻳﻲ از ﻛﺎﻣﭙﻴﻮﺗﺮﻫﺎی ﭘﺮ ﺳـﺮﻋﺖ اﺳـﺎس ﻣﺤﺎﺳـﺒﺎت ﺷﺒﻜﻪ را ﺗﺸﻜﻴﻞ ﻣﻲ دﻫﻨﺪ.ﺑﺮﻧﺎﻣﻪ ﻫﺎی ﻛﺎرﺑﺮدی ﺧﻮﺷـﻪ ای اوراﻛـﻞ   RACﺑـﻪ ﻋﻨـﻮان ﭘﺎﻳـﻪ ای ﺑـﺮای ﺷـﺒﻜﻪ ﺳﺎزﻣﺎﻧﻲ ﺑﻜﺎر ﻣﻲ رود ﻛﻪ اﻳﻦ ﺳﻜﻮﻫﺎی ﺳﺨﺖ اﻓﺰاری ارزان ﻗﻴﻤﺖ را ﻗﺎدر ﻣﻲ ﺳﺎزد ﺑﺎﻻﺗﺮﻳﻦ ﻛﻴﻔﻴﺖ ﺧﺪﻣﺎت را از ﻧﻈﺮ دﺳﺘﺮس ﺑﻮدن و ﻣﻘﻴﺎس ﭘﺬﻳﺮی اراﺋﻪ دﻫﺪ. ﺷﻤﺎ ﻣﻲ ﺗﻮاﻧﻴﺪ ﺑـﺮای ﻧﻴﺎزﻫـﺎی اوﻟﻴـﻪ ﺳﻴـﺴﺘﻢ ﻓﻘـﻂ ﻣﻘـﺪار ﻇﺮﻓﻴﺖ ﻛﺎﻓﻲ ﺳﺨﺖ اﻓﺰار را ﺧﺮﻳﺪاری ﻛﻨﻴﺪ ،در ﺣﺎﻟﻲ ﻛﻪ ﻣﻲ داﻧﻴﺪ ﻣﻲ ﺗﻮاﻧﻴﺪ ﺳﺮوﻳﺲ دﻫﻨﺪه ﻫﺎی اﺿـﺎﻓﻲ ﺑـﺎ ﺣﺪاﻗﻞ ﻫﺰﻳﻨﻪ را وﺻﻞ ﻛﻨﻴﺪ ﺗﺎ ﻧﻮﺳﺎﻧﺎت ﺗﺮاﻓﻴﻜﻲ ﻣﻮﻗﺖ ﻳﺎ داﺋﻤﻲ را ﻛﻨﺘﺮل ﻛﻨـﺪ. وﻗﺘـﻲ ﻳـﻚ ﺳـﺮوﻳﺲ دﻫﻨـﺪه ﺟﺪﻳﺪ ﺑﻪ ﮔﺮوه اﺿﺎﻓﻪ ﺷﺪ ﺑﻄﻮر اﺗﻮﻣﺎﺗﻴﻚ ﻧﻤﺎﻳﺎن ﻣﻲ ﺷﻮد و ﻇﺮﻓﻴﺖ ﻛﺎر ﺑﺮای ﺗﺮﻛﻴﺐ ﺳﻴـﺴﺘﻢ ﺟﺪﻳـﺪ ﻣﺘﻌـﺎدل ‫ﻣﻲ ﺷﻮد . اﮔﺮ ﻧﻮدی در ﮔﺮوه(ﻛﻼﺳﺘﺮ) دﭼﺎر ﺧﺮاﺑﻲ ﺷﻮد ﺑﺮﻧﺎﻣﻪ ﻛﺎرﺑﺮدی ﻫﻨﻮز ﻣﻲ ﺗﻮاﻧﺪ ﺑﺎ ﻧﻮد ﺑﺎﻗﻲ ﻣﺎﻧﺪه ﻛﻪ از ‫ﻇﺮﻓﻴﺖ ﻛﺎری ﻧﻮد ﺧﺮاب اﺳﺖ ،ﻛﺎر ﻛﻨﺪ .

درﺳﺖ ﻫﻤﺎﻧﻄﻮر ﻛﻪ ﺷﺮﻛﺘﻬﺎی اﻣﺮوزی ﻫﻢ اﻳﻨﺘﺮاﻧﺖ داﺧﻠﻲ و ﻫﻢ اﻳﻨﺘﺮﻧﺖ  ﺧﺎرﺟﻲ دارﻧﺪ، ﻣﻤﻜﻦ اﺳت ﺷﺮﻛﺘﻬﺎدر آﻳﻨﺪه ﺷﺒﻜﻪ داﺧﻠﻲ و ﺧﺎرﺟﻲ داﺷﺘﻪ ﺑﺎﺷﻨﺪ ﺑﺪون اﻳﻨﻜﻪ ﺑﺨﻮاﻫﻨﺪ ﺗﻤـﺎم ﺗﻜﻨﻮﻟـﻮژی ﻫـﺎ را ﺧﺮﻳـﺪاری ﻛﻨﻨﺪ . در ﻣﺮﻛﺰ داده ﻫﺎ در آﻳﻨﺪه ﺷﻤﺎ ﻗﺎدر ﺑﻪ ﺧﺮﻳﺪ ﻧﻴﺮوی ﻣﺤﺎﺳﺒﺎﺗﻲ ﻛﻪ ﻧﻴﺎز دارﻳﺪ ﺧﻮاﻫﻴﺪ ﺑﻮد و ﺗﻨﻬـﺎ ﺑـﺮای آﻧﭽﻪ ﻛﻪ اﺳﺘﻔﺎده ﻣﻲ ﻛﻨﻴﺪ ﭘﺮداﺧﺖ ﻣﻲ ﻛﻨﻴﺪ.

‫2-1 اﻧﺒﺎر داده ﭼﻴﺴﺖ؟

ﺣﺎل ﭘﺲ از ﻫﻤﻪ اﻳﻦ ﻣﻮارد ﻳﻚ اﻧﺒﺎر داده ﭼﻴﺴﺖ ؟ ﻳﻚ اﻧﺒﺎر داده ،ﻳﻚ ﺑﺎﻧﻚ اﻃﻼﻋﺎﺗﻲ اﺳﺖ ﻛﻪ ﺣـﺎوی داده ﻫﺎ از ﭼﻨﺪﻳﻦ ﺳﻴﺴﺘﻢ ﻋﻤﻠﻴﺎﺗﻲ اﺳﺖ ﻛﻪ ﻳﻜﭙﺎرﭼﻪ ،ﺑﻪ ﻫﻢ ﭘﻴﻮﺳﺘﻪ ، ﻣﺮﻛﺐ و ﺳﺎزﻣﺎن ﺑﻨﺪی ﺷـﺪه اﺳـﺖ ﺑـﻪ ﻃﻮری ﻛﻪ ﻣﻲ ﺗﻮاﻧﺪ ﺑﺮای ﺣﻤﺎﻳﺖ ﻓﺮآﻳﻨﺪ ﺗﺤﻠﻴﻞ و ﺗﺼﻤﻴﻢ ﮔﻴﺮی ﻳﻚ ﻓﺮاﻳﻨﺪ ﺗﺠﺎری ﺑﻜﺎر ﮔﺮﻓﺘﻪ ﺷﻮد .

1-2-1 ﭼﺮا ﺑﻪ ﻳﻚ اﻧﺒﺎر داده ﻧﻴﺎز دارﻳﺪ؟

‫آﻳﺎ ﺗﻤﺎم اﻃﻼﻋﺎت ﻣﻮرد ﻧﻴﺎز ﺑﺮای اﺟﺮای ﻛﺎرﻫﺎی ﺗﺠﺎرﻳﺘﺎن زﻣﺎﻧﻲ ﻛﻪ ﺑﻪ آن ﻧﻴﺎز اﺳﺖ ﺑﺎ ﺟﺰﺋﻴﺎت ﻛﺎﻓﻲ ﺑﺮﻣﺒﻨﺎی ﺗﺼﻤﻴﻤﺎت در دﺳﺘﺮس اﺳﺖ .؟ ﻳﺎ آﻳـﺎ اﻳـﻦ ﻛـﻪ ﭼﮕﻮﻧـﻪ ﻣـﻲ ﺷـﻮد 2 ﻛـﺎرﺑﺮ وارد ﺟﻠـﺴﻪ ای ﺷـﻮﻧﺪ ﻛـﻪ ﮔﺰارﺷﻬﺎﻳﺸﺎن ﺑﺎ ﻫﻢ ﻣﻨﻄﺒﻖ ﻧﻴﺴﺖ؟ ﻳﻜﻲ از آﻧﻬﺎ ﻓﻜﺮ ﻣﻲ ﻛﻨـﺪ ﻓـﺮوش ﻣـﺎه ﻣـﺎرس 500 ﻣﻴﻠﻴـﻮن دﻻر اﺳـﺖ و دﻳﮕﺮی ﻣﻲ ﮔﻮﻳﺪ 524 ﻣﻴﻠﻴﻮن دﻻر اﺳﺖ . ﭘﺲ از ﺑﺮرﺳﻲ ﻫﺎی زﻳﺎد ﻣﻲ ﻓﻬﻤﻴﺪ ﻛـﻪ داده ﻫـﺎی ﻣﺘﻔـﺎوﺗﻲ ﺑـﺮای ﻣﺤﺎﺳﺒﻪ ﻓﺮوش در ﻫﺮ ﮔﺰارش اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ و ﺷﻤﺎ زﻣﺎن زﻳﺎدی را ﺑﺮای ﻓﻬﻤﻴﺪن ﻋﻠـﺖ آن و اﺻـﻼح اﻳـﻦ ‫ﻣﺸﻜﻞ ﺻﺮف ﻣﻲ ﻛﻨﻴﺪ.

آﻳﺎ ﺷﺮﻛﺖ ﺷﻤﺎ ﺳﻴﺴﺘﻢ ﻫﺎی ﮔﻮﻧﺎﮔﻮﻧﻲ ﺑﺮای ﻳﻚ وﻇﻴﻔﻪ دارد، ﺳﻴﺴﺘﻢ ﺻﻮرت ﺑﺮداری ﻗﺪﻳﻤﻲ و ﺳﻴﺴﺘﻢ ﺟﺪﻳﺪی ﻛﻪ ﻣﻴﻠﻴﻮﻧﻬﺎ دﻻر ﺻﺮف ﺳﺎﺧﺖ آن ﻛﺮده اﻳﺪ؟ آﻳﺎ ﻧﻴﺎز دارﻳﺪ داده ﻫﺎ را از ﻫﺮ دو روی اﻳـﻦ ﺳﻴـﺴﺘﻢ ﻫـﺎ ﺑﺪﺳﺖ آورﻳﺪ ﺗﺎ ﺑﻨﺎ ﺑﻪ اﻫﺪاف ﮔﺰارﺷﻲ آﻧﻬﺎ را ادﻏﺎم ﻛﻨﻴﺪ ؟ﭼﮕﻮﻧﻪ اﻳﻦ روش ﺑﻪ ﺧﻮﺑﻲ اﻧﺠﺎم ﻣﻲ ﺷـﻮد ؟آﻳـﺎ ﻧﻴـﺎز اﺳﺖ ﻛﺎرﺑﺮان ﺗﻔﺎوت ﺑﻴﻦ اﻳﻦ دو ﺳﻴﺴﺘﻢ را ﺑﺮای ﭘﺮس و ﺟﻮی آن ﻻﻳﻦ ﺑﻔﻬﻤﻨﺪ؟ ﻣﻤﻜﻦ اﺳـﺖ اﻳـﻦ زﻣﻴﻨـﻪ ای  ‫ﺑﺎﺷﺪ ﻛﻪ ﺑﺨﻮاﻫﻴﺪ ﻳﻜﭙﺎرﭼﻪ ﻛﻨﻴﺪ.‫آﻳﺎ ﺑﺮای اﻫﺪاف ﺗﺤﻠﻴﻠﻲ ﺟﺰﺋﻴﺎت ﻛﺎﻓﻲ در دﺳﺖ دارﻳﺪ؟ ﭼﻪ ﻣﺎﻫﻬﺎﻳﻲ از ﺗﺎرﻳﺦ را ﻗـﺎدر ﻫـﺴﺘﻴﺪ آن ﻻﻳـﻦ ﻧﮕﻪ دارﻳﺪ؟آﻳﺎ ﺳﻄﺢ درﺳﺖ ﺟﺰﺋﻴﺎت را ذﺧﻴﺮه ﻛﺮده اﻳﺪ؟ آﻳﺎ ﺗﺎ ﻛﻨﻮن ﺗﻤﺎم داده ﻫﺎی ﺗـﺎرﻳﺨﻲ را ذﺧﻴـﺮه ﻛـﺮده اﻳﺪ؟ آﻳﺎ ﻗﺎدرﻳﺪ ﻓﺮوش ﻫﺮ ﻣﺤﺼﻮل در ﻫﺮ ﻣﻨﻄﻘﻪ ﺟﻐﺮاﻓﻴﺎﻳﻲ را ﻗﺒـﻞ و ﺑﻌـﺪ از ﺳـﺎزﻣﺎﻧﺪﻫﻲ ﻣﺠـﺪد از ﺳـﺎﺧﺘﺎر‫ ﮔﺰارش ﻧﻴﺮوی ﻓﺮوش ﺗﺤﻠﻴﻞ ﻛﻨﻴﺪ؟ اﻧﺒﺎر داده ﺑﺮای ﻛﻤﻚ ﺑﻪ ﺣﻞ اﻳﻦ ﻧﻮع ﻣﺸﻜﻼت ﺳﺎﺧﺘﻪ ﺷﺪه اﺳﺖ.

‫3-1 ﭼﺸﻢ اﻧﺪاز ﺗﺎرﻳﺨﻲ:

‫در دﻫﻪ 1970 اوﻟﻴﻦ ﺑﺮﻧﺎﻣﻪ ﻫﺎی ﻛﺎرﺑﺮدی ﺗﺠﺎری ﺳﺎﺧﺘﻪ ﺷﺪ ﺗﺎ ﻋﻤﻠﻴﺎت روزﻣﺮه ﻣـﺸﺎﻏﻞ را ﻛـﺎﻣﭙﻴﻮﺗﺮی ﻛﻨﺪ . اﻳﻦ ﺳﻴﺴﺘﻢ ﻫﺎ ﺑﺮ روی ﻛﺎﻣﭙﻴﻮﺗﺮ ﻫﺎی ﺑﺰرگ و ﮔﺮان ﻗﻴﻤﺖ ﺳـﺎﺧﺘﻪ ﺷـﺪﻧﺪ ﺗﻨﻬـﺎ ﺗﺠﺎرﺗﻬـﺎی ﺑـﺰرگ ﻣـﻲ ﺗﻮاﻧﺴﺘﻨﺪ از ﻋﻬﺪه ﺳﺨﺖ اﻓﺰار ،ﺑﺮﻧﺎﻣﻪ ﺳﺎزاﻧﻲ ﺑﺮای ﺑﺮﻧﺎﻣﻪ رﻳـﺰی آﻧﻬـﺎ ،و ﻛﺎرﻛﻨـﺎن ﻋﻤﻠﻴـﺎﺗﻲ ﺑـﺮای ﺑـﻪ ﺟﺮﻳـﺎن اﻧﺪاﺧﺘﻦ آﻧﻬﺎ ﺑﺮآﻳﻨﺪ. اﻳﻦ ﺳﻴﺴﺘﻢ ﻫﺎ ﺑﺮ اﺳﺎس ﻗﺮار دادن داده ﻫﺎی ﺟﺪﻳﺪ و ﺧﻮاﻧﺪن آﻧﻬﺎ ﺑﻄﻮر ﻣﺘﻮاﻟﻲ ﺑﺎ اﺳﺘﻔﺎده از ﻧﻮارﻫﺎی ﻣﻐﻨﺎﻃﻴﺴﻲ ﻋﻤﻞ ﻣﻲ ﻛﻨﻨﺪ.

ﺑﺎ اﺧﺘﺮاع دﻳﺴﻜﻬﺎی ذﺧﻴﺮه ﺳﺎزی، داده ﻫﺎ ﻣﻲ ﺗﻮاﻧﺴﺘﻨﺪ ﻣﺴﺘﻘﻴﻤﺎ در دﺳﺘﺮس ﺑﺎﺷﻨﺪ .اﻳﻦ اﻣﺮ ﻣﻨﺠـﺮ ﺑـﻪ ﺗﻮﻟﻴﺪ اوﻟﻴﻦ ﺳﻴﺴﺘﻢ ﻫﺎی ﻣﺪﻳﺮﻳﺘﻲ ﭘﺎﻳﮕﺎه داده ﺷﺪ ﻛﻪ داده ﻫﺎ را ﻳﺎ ﺑﻄﻮر ﺳﻠﺴﻠﻪ ﻣﺮاﺗﺐ ﻳﺎ در ﺷﺒﻜﻪ ﺳﺎزﻣﺎﻧﺪﻫﻲ ﻣﻲ ﻛﺮد. اﻳﻦ ﺳﻴﺴﺘﻢ ﻫﺎی ﭘﺎﻳﮕﺎه داده ﺧﻴﻠﻲ ﭘﻴﭽﻴﺪه ﺑﻮدﻧﺪ . ﺑﺮﻧﺎﻣﻪ ﺳﺎزان ﺑﺎﻳﺪ درک ﻣﻲ ﻛﺮدﻧﺪ ﭼﮕﻮﻧﻪ داده ﻫﺎ در دﻳﺴﻚ ذﺧﻴﺮه ﺷﺪه اﻧﺪ و از ﻃﺮﻳﻖ داده ﺑﻪ ﮔﺰارﺷﺎت اﻳﺠﺎد ﺷﺪه ﻫﺪاﻳﺖ ﺷـﻮﻧﺪ. ﺑﺮﻧﺎﻣـﻪ ﺳـﺎزان ﺑﺮﻧﺎﻣـﻪ ﻫـﺎی ﻛﺎرﺑﺮدی از ‪ Cobolﺑﺮای اﻳﺠﺎد ﮔﺰارﺷﻬﺎی اﺧﺘﺼﺎﺻﻲ اﺳﺘﻔﺎده ﻣﻲ ﻛﺮدﻧﺪ. ﺑﺮای ﻧﻮﺷﺘﻦ ﺑﺮﻧﺎﻣﻪ ﺑﺮای ﻫﺮ ﮔـﺰارش ﺟﺪﻳﺪ روزﻫﺎ و ﻳﺎ ﺣﺘﻲ ﻫﻔﺘﻪ ﻫﺎ زﻣﺎن ﻣﻲ ﺑﺮد. ﮔﺰارﺷﺎت ﺑﺮ روی ﺑﺮﮔﻪ ﻛﺎﻣﭙﻴﻮﺗﺮی ﭼﺎپ و ﺑﻴﻦ ﻛﺎرﺑﺮان ﺑﺎ دﺳـﺖ ﺗﻮزﻳﻊ ﻣﻲ ﺷﺪ .ﻫﺮﮔﺰ ﺑﺮﻧﺎﻣﻪ ﺳﺎزان ﺑﻪ ﻣﻘﺪار ﻛـﺎﻓﻲ وﺟـﻮد ﻧﺪاﺷـﺘﻨﺪ ﺑﻨـﺎﺑﺮاﻳﻦ ﻫﻤﻴـﺸﻪ اﻧﺒﺎﺷـﺘﮕﻲ ﻳـﻚ ﺑﺮﻧﺎﻣـﻪ ﻛﺎرﺑﺮدی وﺟﻮد داﺷﺖ .وﻗﺘﻲ داده ﻫﺎ ﻣﻲ ﺗﻮاﻧﺴﺘﻨﺪ ﻣﺴﺘﻘﻴﻤﺎ در دﺳﺘﺮس ﺑﺎﺷﻨﺪ اوﻟﻴﻦ ﺳﻴﺴﺘﻢ ﻫـﺎی ﭘﺮدازﺷـﮕر ﺗﺮاﻛﻨﺸﻲ آن ﻻﻳﻦ ‪(OLTP) ﺳﺎﺧﺘﻪ ﺷﺪ. در اواﺧﺮ دﻫﻪ 1970 و اواﻳﻞ 1980ﻛﺎﻣﭙﻴﻮﺗﺮﻫﺎی ﻛﻮﭼﻜﻲ ﻣﺎﻧﻨـﺪ 11-‪ Digital’s PDPو 780/11 ‪VAX ﻫﺰﻳﻨﻪ ﻫﺎی ﺳﺨﺖ اﻓﺰار را ﭘﺎﻳﻴﻦ آوردﻧﺪ . داده ﻫﺎ اﻏﻠﺐ در ﭘﺎﻳﮕﺎه داده ‪CODAYSLذﺧﻴﺮه ﻣﻲ ﺷﺪﻧﺪ،ﻛﻪ ﺑﺮای ﺗﻐﻴﻴﺮ ﺑﻲ ﻧﻬﺎﻳﺖ ﻣﺸﻜﻞ و ﺑﺮای درک و ﻃﺮاﺣﻲ ﺳﺨﺖ ﺑﻮدﻧﺪ. ﺑﺎ ﻣﻌﺮﻓﻲ ﭘﺎﻳﮕﺎه داده راﺑﻄﻪ ای ﺗﻤـﺎم اﻳﻨﻬـﺎ ﺗﻐﻴﻴـﺮﻛﺮد . در ﺳﺎل 1979 ﭘﺎﻳﮕﺎه داده اوراﻛﻞ اوﻟﻴﻦ ﺳﻴﺴﺘﻢ راﺑﻄﻪ ای ﻣﻮﺟﻮد از ﻧﻈﺮ ﺗﺠﺎری ﺷﻨﺎﺧﺘﻪ ﺷﺪ . ﺑـﺎ ﻣـﺪل ‫راﺑﻄﻪ ای ،داده ﻫﺎ ﺑﺮ اﺳﺎس ﺳﺘﻮن و ردﻳﻒ در ﺟﺪوﻟﻬﺎﻳﻲ ﺳﺎزﻣﺎﻧﺪﻫﻲ ﺷﺪﻧﺪ . ﺑﺠﺎی اﺳﺘﻔﺎده از ﻧﺸﺎﻧﻪ روﻫﺎ ﺑﺮای ﺣﻔﻆ راﺑﻄﻪ ﺑﻴﻦ داده ﻫﺎ ، ﻳﻚ ﺷﻤﺎره ﻣﻨﺤﺼﺮ ﺑﻪ ﻓﺮد ﻣﺎﻧﻨﺪ ﺷﻤﺎره ﻣﺸﺘﺮی ﻳﺎ ﺷﻤﺎره ﺷﻨﺎﺳﺎﻳﻲ ﻳﻚ داﻧﺸﺠﻮ در ﺟﺪوﻟﻬﺎی ﭼﻨﺪﮔﺎﻧﻪ ﺑﺮای ﺷﻨﺎﺳﺎﻳﻲ ﺳﻄﺮ ذﺧﻴـﺮه ﻣـﻲ ﺷـﺪﻧﺪ.ﻓﻬﻤﻴـﺪن ﻣـﺪل راﺑﻄﻪ ای آﺳﺎن ﺗﺮ ﺑﻮد واز زﺑﺎن ‪ SQLﺑﺮای دﺳﺘﺮﺳﻲ ﺑﻪ ﭘﺎﻳﮕﺎه داده اﺳﺘﻔﺎده ﻣﻲ ﺷﺪ، ﻧﻴﺎزﻣﻨﺪ آﮔـﺎﻫﻲ ﺑـﻪ اﻳـﻦ ﻣﻮﺿﻮع ﻧﺒﻮد ﻛﻪ ﭼﮕﻮﻧﻪ داده ﻫﺎی زﻳﺮﻳﻦ از ﻧﻈﺮ ﻓﻴﺰﻳﻜـﻲ ذﺧﻴـﺮه ﺷـﺪه اﻧـﺪ.. ﻫﻤﭽﻨـﻴﻦ ﺳـﺎﺧﺘﻦ ﺑﺮﻧﺎﻣـﻪ ﻫـﺎی ﻛﺎرﺑﺮدی ﻛﻪ ﻣﻨﺠﺮ ﺑﻪ اﺳﺘﻔﺎده ﮔﺴﺘﺮده از ﺳﻴﺴﺘﻢ ﻫﺎی ﻣﺪﻳﺮﻳﺘﻲ ﭘﺎﻳﮕﺎه داده ﺷﺪ آﺳﺎن ﺗﺮ ﺑـﻮد . ﭘـﺲ از آﻣـﺎده ﺳﺎزی اوﻟﻴﻪ ﺳﻴﺴﺘﻢ ﻫﺎی ﺑﻪ ﻫﻢ ﻣﺮﺗﺒﻂ، ﺑﺴﻴﺎری از ﺷﺮﻛﺘﻬﺎ ﺑﺮای دﺳﺘﻴﺎﺑﻲ ﺑﻪ ﭘﺎﻳﮕﺎه داده ﻫﺎی راﺑﻄﻪ ای ﻣﺎﻧﻨـﺪ ‫ﭘﺮس و ﺟﻮی وﻳﮋه ،ﮔﺰارش و اﺑﺰارﻫﺎی ﺗﺤﻠﻴﻠﻲ اﻗﺪام ﺑﻪ ﺗﻮﺳﻌﻪ ﻣﺤﺼﻮﻻت ﺑﻜﺎر رﻓﺘﻪ ﻛﺮدﻧﺪ.

ﺑﺎ ﻣﻌﺮﻓﻲ ‪PCﻣﺤﺎﺳﺒﻪ از ﺳﻴﺴﺘﻢ ﻫﺎی ﻛﺎﻣﭙﻴﻮﺗﺮ ﺑﺰرگ ﺑﻪ ﺳﻴﺴﺘﻢ ﻫﺎی ﺳﺮوﻳﺲ دﻫﻨـﺪه/ ﮔﻴﺮﻧـﺪه ﭘـﻴﺶ رﻓﺖ ﺑﺮﻧﺎﻣﻪ ﻫﺎی ﻛﺎرﺑﺮدی اوراﻛﻞ در اواﺧﺮ دﻫﻪ 1980 ﻣﻌﺮﻓﻲ ﺷﺪﻧﺪ. ﺷﺮﻛﺘﻬﺎ ﺑﻪ ﻃـﻮر ﻃـﻮﻻﻧﻲ ﻣـﺪت ﻣﺠﺒـﻮر

ﻧﺒﻮدﻧﺪ ﺑﺮﻧﺎﻣﻪ ﻫﺎی ﻛﺎرﺑﺮدی ﺳﻔﺎرﺷﻲ ﺧﻮدﺷﺎن را ﺑﺴﺎزﻧﺪ ﺑﻠﻜﻪ ﻣﻲ ﺗﻮاﻧﺴﺘﻨﺪ ﻧﺮم اﻓﺰاری را ﺧﺮﻳﺪاری ﻛﻨﻨـﺪ ﻛـﻪ ﻛﺎرﺑﺮدﻫﺎی ﻣﺒﻨﺎﻳﻲ ﻣﺎﻧﻨﺪ اوراﻛﻞ ،‪ PeopleSoftو ‪SAPرا ﻓﺮاﻫﻢ آورد.

ﻫﻨﮕﺎﻣﻲ ﻛﻪ ﭘﺎﻳﮕﺎه داده ﻫﺎی راﺑﻄﻪ ای در دﻫﻪ 1980 ﺗﻜﻤﻴﻞ ﺷﺪ ،ﺳﻴـﺴﺘﻢ ﻫـﺎی‪ OLTPﺑـﺎ اﺳـﺘﻔﺎده از ﺳﻴﺴﺘﻤﻬﺎی راﺑﻄﻪ ای ﺑﺮای اﺗﻮﻣﺎﺗﻴﻚ ﻛﺮدن ﺟﻨﺒﻪ ﻫﺎی ﻋﻤﻠـﻲ ﺗﺠـﺎرت ﺳـﺎﺧﺘﻪ ﺷـﺪﻧﺪ.اﻳـﻦ ﺳﻴـﺴﺘﻢ ﻫﺎﺷـﺎﻣﻞ سیستم هایی مانند پردازشگر دستو،ورود دستور، انبار،دفتر کل عمومی و حسابداری بود.

‫‪OLTPﺑﻄﻮراﺗﻮﻣﺎﺗﻴﻚ ﭘﺮدازش ﻣﻲ ﻛﻨﻨﺪو وﺿﻌﻴﺖ ﻳﻚ ﺳﻴﺴﺘﻢ رادرﻳﻚ زﻣـﺎن درﻳـﻚ ﺣﺎﻟـﺖ راﻳـﺞ اراﺋـﻪ ﻣـﻲ دﻫﻨﺪ.در ﻳﻚ ﺑﺮﻧﺎﻣﻪ ﻛﺎرﺑﺮدی ﺻﻮرت ﺑﺮداری،ﺗﺮاﻛﻨﺶ ﻫﺎﻳﻲ وﺟﻮد داردﺗﺎاﻗﻼم ﺟﺪﻳﺪ راﺑـﻪ اﻧﺒـﺎر وارد ﻛﻨـﺪواﻗﻼم ﻓﺮوﺧﺘﻪ ﺷﺪه راﺣﺬف ﻛﻨﺪو ﻣﻘﺪارﻣﻮﺟﻮد را ﺑﻪ روز ﻧﮕﻪ دارد در ﺣـﺎﻟﻲ ﻛـﻪ ﻫﻤﻴـﺸﻪ ﺗﻌـﺎدل ﻣﻮﺟـﻮدراﺣﻔﻆ ﻣـﻲ ﻛﻨﻨﺪ.ﻣﻘﺪار ﻣﺤﺪودی از ﺗﺎرﻳﺦ ﻫﻢ ﺣﻔﻆ ﻣﻲ ﺷﻮد.ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل ﺗﻌﻌﻴﻦ اﻳﻦ ﻛﻪ ﭼـﻪ ﺗﻌـﺪاداز ﻣﺤـﺼﻮل 222-‫95-111 ﻣﻮﺟﻮد اﺳﺖ ﻳﺎ اﻳﻦ ﻛﻪ در ﻛﺪام ﺗﺎرﻳﺦ دﺳﺘﻮر ﺷﻤﺎره 45321 ﻓﺮﺳﺘﺎده ﺷـﺪه اﺳـﺖ ،آﺳـﺎن اﺳـﺖ. درﻃﻲ اﻳﻦ ﻣﺪت ﻓﺮوﺷﻨﺪﮔﺎن ﭘﺎﻳﮕﺎه داده راﺑﻄﻪ ای ﺑﺮروی ﺑﻬﺒﻮد اﺟﺮای ﺑﺮای ﺑﺮﻧﺎﻣﻪ ﻫﺎی ﻛﺎرﺑﺮدی ‪ OLTPﺗﻤﺮﻛـز ‫ﻛﺮده و ﺑﺎ اﺳﺘﻔﺎده از ﮔﻮاﻫﻴﻨﺎﻣﻪ ﻫﺎی اﺳﺘﺎﻧﺪارد ﺻﻨﻌﺘﻲ ‪ TCP-Cﺑﺎ ﻳﻜﺪﻳﮕﺮ رﻗﺎﺑﺖ ﻣﻲ ﻛﺮدﻧﺪ.

‫1-3-1- ﻇﻬﻮر اﻧﺒﺎر داده:

وﻗﺘﻲ ﺳﻴﺴﺘﻢ ﻫﺎی ‪ OLTPﺳﺎﺧﺘﻪ ﺷﺪﻧﺪ ﺗﺎ ﺑﻄﻮر ﻣﻮﺛﺮ داده ﻫﺎ را ﺟﻤﻊ آوری ﻛﻨﺪ، ﺑﺮای ﺑﻬﺘﺮﻳﻦ ﺗﻔـﺴﻴﺮآن ﭼﺎﻟﺶ اﻳﺠﺎد ﺷﺪ . در اواﺧﺮ دﻫﻪ 1980 و اواﻳﻞ دﻫﻪ1990 در ﺗﻼﺷﻲ ﺑﺮای ﺑﻴﻨﺶ ﮔﺴﺘﺮده در ﺳﺮاﺳﺮ ﺑـﺎزارﺗﺠﺎرت اوﻟﻴﻦ ﺑﺎﻧﻜﻬﺎی اﻃﻼﻋﺎﺗﻲ ﺑﺰرگ (اﺻﻄﻼﺣﻲ ﻛﻪ ﺗﻮﺳﻂ ﺑﻴﻞ اﻳﻨﻤﻮن ،ﭘﺪر ﺑﺎﻧﻚ اﻃﻼﻋﺎﺗﻲ ﺑﻨﺎ ﻧﻬـﺎده ﺷـﺪ) ﺳﺎﺧﺘﻪ ﺷﺪﻧﺪ. اﻃﻼﻋﺎت از ﺑﺴﻴﺎری از ﺳﻴﺴﺘﻢ ﻫﺎی ﻋﻤﻠﻴﺎﺗﻲ ﺑﺮای اﺟﺮای ﻋﻤﻠﻴـﺎت ﺗﺠـﺎری روزﻣـﺮه ﺑـﻪ ﻣﻨﻈـﻮر ‫ﻓﺮاﻫﻢ آوردن دﻳﺪ ﮔﺴﺘﺮده ﻫﻤﻜﺎری ﺟﻤﻊ آوری ﺷﺪﻧﺪ. ﺑﺎﻧﻚ اﻃﻼﻋﺎﺗﻲ ﺳﺎﺧﺘﻪ ﺷﺪ ﺗﺎ ﺗﺠﺎرت را در ﻃﻮل زﻣﺎن ﻣﺸﺎﻫﺪه و ﺧﻮاﺳﺘﻪ ﻫﺎ را در ﻧﻈﺮ ﺑﮕﻴﺮد.

ﺑﺴﻴﺎری از ﺗﺼﻤﻴﻤﺎت ﺑﻪ ﺗﻮاﻧﺎﻳﻲ در دﻳﺪن ﻣﺎوراء ﺟﺰﺋﻴﺎت ﻋﻤﻠﻴﺎت اﻣﺮوزه ﻧﻴﺎز دارﻧﺪ و دﻳﺪ ﮔﺴﺘﺮده ﺗـﺮی از ﺗﺠـﺎرت دارﻧـﺪ. ﭘﺮس و ﺟﻮﻫﺎی ﺑﺎﻧﻚ اﻃﻼﻋﺎﺗﻲ ﮔﺰارش ﺑﺮ روی ﻓﺮوش ﻣﺤﺼﻮﻻت را ﺑﺎﻟﻎ ﺑﺮ دو ﺳﺎل ﮔﺬﺷﺘﻪ در ﺑﺮ دارد . ﻳـﺎ در ﺗﺎﺛﻴﺮ ﺗﻐﻴﻴﺮات اﺳﺎﺳﻲ در ﻓﺮوﺷﻬﺎی ﺟﺰﺋﻲ در ﻣﻘﺎﺑﻞ ﻓﺮوﺷﻬﺎی اﻳﻨﺘﺮﻧﺘﻲ دﻗﺖ دارد.ﭘﺮس و ﺟﻮﻫﺎ ﺷﺎﻣﻞ دﻗـﺖ دراﻳﻦ ﻛﻪ ﭼﮕﻮﻧﻪ ارزﺷﻬﺎ در ﻃﻮل زﻣﺎن ﺗﻐﻴﻴﺮ ﻛﺮده اﻧﺪ و ﭼﻪ ﭼﻴﺰ دﻳﮕﺮی ﻫﻢ ﺑﺎﻳﺪ ﺗﻐﻴﻴﺮ ﻛﻨﺪ و اﺣﺘﻤﺎﻻ ارﺗﺒﺎﻃـﺎت را ﻛﺸﻒ ﻛﻨﻨﺪ،ﺑﻮد.ﺑﻪ ﻣﻨﻈﻮر اﻧﺠﺎم اﻳﻦ ﻧﻮع ﺗﺤﻠﻴﻞ ،داده در اﻧﺒﺎر داده ﻧﻴﺎز دارد ﺗﺎ ﺑﺮای دوره ﻫﺎی ﻃﻮﻻﻧﻲ ﻣـﺪت ‫5 ﺗﺎ 10 ﺳﺎل ﻧﮕﻬﺪاری ﺷﻮﻧﺪ.

‫اﻧﺒﺎر داده ﺑﻪ ﻣﻨﻈﻮر ﺑﺮرﺳﻲ ﻣﺎوراء در داده ﻫﺎ ﺟﻬﺖ ﻳﺎﻓﺘﻦ اﻃﻼﻋﺎت اﺳﺘﻔﺎده ﻣﻲ ﺷﻮد در ﻳﻚ اﻧﺒﺎر داده ﻓﻌﺎﻟﻴﺖ اوﻟﻴﻪ ،ﭘﺮس و ﺟﻮ ﻳﺎ ﺧﻮاﻧﺪن داده ﻫﺎ اﺳﺖ . وﻗﺘﻲ داده ﻫﺎی ﺟﺪﻳـﺪ ﺑﺎرﮔـﺬاری ﺷﻮﻧﺪ ﺗﻨﻬﺎ ﻓﻌﺎﻟﻴﺖ ﺑﻪ روزرﺳﺎﻧﻲ روی ﻣﻲ دﻫﺪ . ﺳﻴﺴﺘﻢ ﻫﺎی ﭘﺸﺘﻴﺒﺎﻧﻲ از ﺗﺼﻤﻴﻢ[1] ﻣﺎﻧﻨﺪ ﻛﺸﻒ ﻛﻨﻨـﺪه اوراﻛﻞ[2]، ﭘﺮس و ﺟﻮی ﺗﻌﺎﻣﻠﻲ، ﻧﻤﻮدار ﮔﻴﺮی، ﮔﺮاف ﻫﺎ و ﻗﺎﺑﻠﻴﺘﻬﺎی ﮔﺰارش دﻫـﻲ را ﻓـﺮاﻫﻢ ﻣـﻲ آورد اوراﻛـﻞ اﻧﻮاع ﺧﺎﺻﻲ از ﺳﺎﺧﺘﺎرﻫﺎی دﺳﺘﺮﺳﻲ ﻣﺎﻧﻨﺪ ﺷﺎﺧﺼﻬﺎی ﻧﻘﺶ ﺑﻴﺘﻲ ،ﺷﺎﺧﺼﻬﺎی ﻣﺘﺼﻞ ﻧﻘﺶ ﺑﻴﺘﻲ1 و ﻣـﺸﺎﻫﺪات ‫ﺑﺮﻧﺎﻣﻪ رﻳﺰی ﺷﺪه ﺑﺮای ﺑﻬﺒﻮد اﺟﺮای ﭘﺮس و ﺟﻮ دارد .

ﻧﺮم اﻓﺰار ‪OLAPﺑﺮای ﺗﺤﻠﻴﻞ داده ﻫﺎی ﺗﺠﺎری در ﻳﻚ روش ﺳﻠﺴﻠﻪ ﻣﺮاﺗﺒﻲ از ﺑـﺎﻻ ﺑـﻪ ﭘـﺎﻳﻴﻦ اﺳـﺘﻔﺎده ﺷﺪه اﺳﺖ . ﺑﻪ ﻧﻈﺮ ﻣﻲ رﺳﺪ ﭘﺮس و ﺟﻮﻫﺎ ﻣﻜﺮرا ﻣﻄﺮح ﻣﻲ ﺷﻮﻧﺪ ﻛﻪ در ﻧﺘﻴﺠﻪ ﻳﻚ ﭘﺮﺳﺶ ﻣﻨﺠﺮ ﺑﻪ ﭘﺮﺳـﻴﺪن ﺳﻮاﻻت ﺑﻴﺸﺘﺮی ﻣﻲ ﺷﻮد داﻧﺴﺘﻦ اﻳﻨﻜﻪ ﺳﻮد اﻣﺴﺎل ﭼﻘﺪر ﺑﻮده اﺳﺖ ﻛﺎﻓﻲ ﻧﻴﺴﺖ،ﺗﺤﻠﻴﻞ ﭘـﺮ ﻫﺰﻳﻨـﻪ ای ﻧﻴـﺎز دارد ﻛﻪ ﺳﻮد ﻫﺮ ﻣﺤﺼﻮل را در ﻃﻮل زﻣﺎن ﺑﺮای ﻫﺮ ﻣﻨﻄﻘﻪ ﺟﻐﺮاﻓﻴﺎﻳﻲ ﺑﺪاﻧﻨﺪ.

اﻳﻦ ﻳﻚ ﭘﺮس و ﺟﻮی ﺳﻪ ﺟﺎﻧﺒﻪ ‫از اﺑﻌﺎد ﻣﺤﺼﻮﻻت زﻣﺎن و ﻣﻨﻄﻘﻪ ﺟﻐﺮاﻓﻴﺎﻳﻲ اﺳﺖ. ﻣﻤﻜﻦ اﺳﺖ ﻳﻚ ﺗﺤﻠﻴﻞ ﮔﺮ ﻧﻴﺎز داﺷﺘﻪ ﺑﺎﺷﺪ ﻓﺮوش اﻳـﻦ ﻣـﺎه را ﺑـﺎ ﻣـﺎه ﺳـﺎل ﮔﺬﺷـﺘﻪ در ﺑﺮاﺑـﺮ ﺳـﺎﻳﺖ ‫اﻳﻨﺘﺮﻧﺘﻲ ﻣﻘﺎﻳﺴﻪ ﻛﻨﺪ.ﻣﻤﻜﻦ اﺳﺖ او ﺑﻪ ﺳﻄﺢ ﻣﻔﺼﻠﺘﺮی در ﺳﻠﺴﻠﻪ ﻣﺮاﺗﺐ ﺑﺮﺳﺪ ﺗـﺎ ﻓـﺮوش را در ﻓﺮوﺷـﮕﺎﻫﺎی ﻣﺸﺨﺼﻲ ﺑﺪﺳﺖ آورد و ﺗﻌﻴﻴﻦ ﻛﻨﺪ ﻛﺪام ﻳﻚ ﭘﺮ ﺑﺎزده ﺗﺮ و ﻛﺪام ﻳﻚ ﺑﺎﻋﺚ از دﺳﺖ دادن ﭘﻮل ﻣﻲ ﺷﻮد.

اﻧﺒﺎر داده ﻧﻴﺎز ﺑﻪ ﻃﺮاﺣﻲ ﻳﻚ ﭘﺎﻳﮕﺎه داده ﻣﺘﻔﺎوت دارد :

‫ﭘﺎﻳﮕﺎه ﻫﺎی داده ﺑﺮای ﺑﺎزﻳﺎﺑﻲ ﺳﺮﻳﻊ زﻣﺎﻧﻲ ﻛﻪ ﻣﺴﻴﺮ دﺳﺘﻴﺎﺑﻲ از ﻗﺒﻞ ﻣﺸﺨﺺ ﻧﻴﺴﺖ ﻃﺮاﺣﻲ ﺷﺪه اﻧـﺪ .اﻃﻼﻋﺎت اﻏﻠﺐ از دﻳﮕﺮ داده ﻫﺎ ﺑﺎ ﺧﻼﺻﻪ ﻛﺮدن داده ﻫﺎ و ﺑﺪﺳﺖ آوردن ﺟﺰﺋﻴﺎت ﺑﻴـﺸﺘﺮ ﻳـﺎ دﻗـﺖ در اﻟﮕﻮﻫـﺎ و ‫روﻧﺪﻫﺎ ﺑﺪﺳﺖ ﻣﻲ آﻳﺪ. در ﻳﻚ ﺳﻴﺴﺘﻢ ‪ OLTP ﺷﻴﻮه ﻫﺎی ﻧﻤﻮدار ﺳﺎزی ارﺗﺒﺎط ﻣﻮﺟﻮدﻳﺘﻬـا  (E-R)ﺑـﺮای ﻃﺮاﺣـﻲ ﭘﺎﻳﮕـﺎه داده اﺳﺘﻔﺎده ﻣﻲ ﺷﻮد. ﻫﺮ ﻣﻮﺟﻮدﻳﺖ ﻳﻚ ﺟﺪول ﻣﻲ ﺷﻮد،و ﻫﺮ ﺻﻔﺖ ﻣﺸﺨﺼﻪ ﺳﺘﻮﻧﻬﺎ را ارزﻳﺎﺑﻲ ﻣﻲ ﻛﻨﺪ و رواﺑﻂ ﺑﺎ ‫اﺗﺼﺎل ﻛﻠﻴﺪ اﺑﺘﺪاﻳﻲ و ﺳﺘﻮﻧﻬﺎی ﻛﻠﻴﺪ ﺧﺎرﺟﻲ ﺑﻪ ﻳﻜﺪﻳﮕﺮ در زﻣﺎن اﺟﺮا اراﺋﻪ ﻣﻲ ﺷﻮﻧﺪ. ﻳﻚ ﻃﺮاﺣﻲ ﻣﺘﻌﺎرف اﺟﺮای ﺑﻬﻴﻨﻪ ای را ﺑﺮای ﺳﻴـﺴﺘﻢ ﻫـﺎی ‪ OLTPﻓـﺮاﻫﻢ ﻣـﻲ آورد از ﺣﺠـﻢ ﺑـﺎﻻی ﺗﺮاﻛﻨﺸﻬﺎﻳﻲ ﻛﻪ دادن داده ﻫﺎی ﻣﺮﺑﻮﻃﻪ در ﻳﻚ ﺟﺪول و ﺣﺬف اﻓﺰوﻧﮕﻲ ﺷـﻜﻞ ﮔﺮﻓﺘـﻪ اﻧـﺪ ﺗﻨﻬـﺎ ﺑـﺎ در دﺳـﺖ داﺷﺘﻦ ﻳﻚ ﻧﺴﺨﻪ از داده ﻫﺎ ،از ﺗﺮﺗﻴﺐ ﻫﺎی ﻧﺎدرﺳﺖ ﺟﻠﻮﮔﻴﺮی و ﺛﺒﺎت ﺣﻔﻆ ﻣﻲ ﺷﻮد ﭘﺲ از ﻣﺘﻌـﺎرف ﺳـﺎزی داده ﻫﺎ ،ﺑﻌﻀﻲ اﻓﺰوﻧﮕﻲ ﻫﺎ ﻣﻤﻜﻦ اﺳﺖ ﺑﺮ روی ﺳﺘﻮﻧﻬﺎﻳﻲ ﻛﻪ ﺑﺮای ﺑﻬﺒﻮد اﺟﺮا ﺑﻪ روز ﺷﺪه اﻧﺪ . دوﺑﺎره ﻣﻌﺮﻓـﻲ شوند.

ﺑﻪ ﻣﻨﻈﻮر ﺑﻬﻴﻨﻪ ﺳﺎزی ﻋﻤﻠﻜﺮد ﺑﺮای ﻳﻚ اﻧﺒﺎرداده ﻛﻪ ﻓﻌﺎﻟﻴﺖ اوﻟﻴﻪ ﭘﺮس وﺟﻮ از داده ﻫﺎﺳﺖ ﻳﻚ ﻣﺪل ﺟﺪﻳﺪ داده ﻣﻮرد ﻧﻴﺎز اﺳﺖ . راﻟﻒ ﻛﻴﻤﺒﻞ[3] اوﻟﻴﻦ ﺳـﺨﻨﮕﻮی ﺻـﻨﻌﺘﻲ ﺑـﺮای ﻣـﺪل ﺳـﺎزی اﺑﻌـﺎد و ﻧﻮﻳـﺴﻨﺪه انبار داده ﺗﻮﻟﻜﻴﺖ[4] ﻧﻤﻮدار ﺳﺘﺎره ای ، روش ﺟﺪﻳـﺪی ازﻃﺮاﺣـﻲ ﭘﺎﻳﮕـﺎه داده را ﺑـﺮای ﺗـﺴﻬﻴﻞ ﻛـﺮدن ‫ﭘﺮدازش‪ OLAPﻣﻌﺮﻓﻲ ﻛﺮد . ﺑﻪ ﻣﻨﻈﻮرﺑﻬﻴﻨﻪ ﻛﺮدن اﺟﺮا ﺑﺮای ﻳﻚ ﭘﺎﻳﮕﺎه داده . ﺷﻴﻮه ﻫﺎی ﻣﺪﻟـﺴﺎزی اﺑﻌـﺎدی اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ .ﺷﻴﻮه اﺑﻌﺎدی ﺑﺮای ﻣﺪﻟـﺴﺎزی . داده ﻫـﺎ را ﺑـﻪ ﺷـﻜﻞ ﺣﻘﻴﻘـﻲ وﺟـﺪوﻟﻬﺎی اﺑﻌـﺎدی ﺳـﺎزﻣﺎن دﻫـﻲ ﻣـﻲ ﻛﻨﺪ.دادﻫﺎ را در روﺷﻲ اراﺋﻪ ﻣﻲ دﻫﺪ ﻛﻪ ﺗﻮﺳﻂ ﻛﺎﺑﺮان ﺑﻪ راﺣﺘﻲ ﻓﻬﻤﻴﺪه ﻣﻲ ﺷﻮﻧﺪ.

ﻛـﺎرﺑﺮان اﻏﻠـﺐ ﺑـﻪ دﻧﺒـﺎل ﮔﺰارﺷﻬﺎﻳﻲ ازﻧﺘﺎﻳﺞ ﻓﺮوش ﺑﺼﻮرت ﻫﺮ ﺳﻪ ﻣﺎه ﻳﻜﺒﺎر و ﻃﺒﻘﻪ ﺑﻨـﺪی ﺑـﺼﻮرت ﻓﺮوﺷـﮕﺎﻫﻲ و ﻣﻨﻄﻘـﻪ ﺟﻐﺮاﻓﻴـﺎﻳﻲ ﻫﺴﺘﻨﺪ. ﺗﻌﺪاد ﻓﺮوش ﺣﻘﺎﻳق(facts) ﻫﺴﺘﻨﺪ. ﻓﺮوﺷﮕﺎه، ﻣﻨﻄﻘﻪ و ﻓﺼﻞ اﺑﻌﺎد داده ﻫﺎ ﻫـﺴﺘﻨﺪ ﻛـﻪ ﺑـﺮ اﺳـﺎس آن ﺗﺤﻠﻴﻞ ﻣﻲ ﺷﻮﻧﺪ و ﺑﺮای ﺳﺎزﻣﺎن دﻫﻲ داده ﻫﺎ اﺳﺘﻔﺎده ﻣﻲ ﺷﻮد. ﺑﺎ ﻣﺪل ﺳﺎزی اﺑﻌﺎدی ﻧﺪاﺷﺘﻦ ﻧﺮﻣﺎل ﺳﺎزی[5] و ﻣﺠﻮد اﻓﺰوﻧﮕﻲ[6] ﻣﻌﺮﻓﻲ ﻣﻲ ﺷﻮد. در ﻓﺼﻞ های بعد ﺧﻮاﻫﻴﻢ دﻳﺪ ﭼﮕﻮﻧﻪ ﺑﺮای ﻳﻚ ﻓﺮوﺷﮕﺎه اﻳﻨﺘﺮﻧﺘـﻲ ﻳـﻚ ﻃﺮاﺣـﻲ ‫واﻗﻌﻲ اﻳﺠﺎد ﻛﻨﻴﻢ اﻳﻦ ﻧﻤﻮﻧﻪ ﺷﺮﻛﺘﻲ اﺳﺖ ﻛﻪ در ﺳﺮاﺳﺮ اﻳﻦ ﻛﺘﺎب اﺳﺘﻔﺎده ﺧﻮاﻫﺪ ﺷﺪ. اوراﻛﻞ ﺑﺮای ﺣﻤﺎﻳﺖ ازﻃﺮﺣﻬﺎی اﺑﻌﺎدی ﺗﺮﻛﻴﺒﺎت زﻳﺎدی را اﺿﺎﻓﻪ ﻛﺮده اﺳﺖ .ﺑﻬﻴﻨﻪ ﺳﺎز ﻣـﻲ ﺗﻮاﻧـﺪ ﻳـﻚ ﻧﻤﻮدار ﺳﺘﺎره ای راﺷﻨﺎﺳﺎﻳﻲ ﻛﻨﺪ. ﺷﻤﺎ ﻣﻲ ﺗﻮاﻧﻴﺪ ﻋﻼوه ﺑﺮ اﻳﺠﺎد ﺟﺪوﻟﻬﺎ و ﺳﺘﻮﻧﻬﺎ ، اﺑﻌﺎد را ﻫﻢ ﺗﻌﺮﻳﻒ ﻛﻨﻴﺪ تا ‫ﺑﻪ ﺗﺤﻠﻴﻞ داده ﻫﺎی ﺷﻤﺎ در روﺷﻬﺎی ﮔﻮﻧﺎﮔﻮن ﻛﻤﻚ ﻛﻨﺪ.

---

[1] .DDS
[2] .Oracle Discoverer
[3] .Ralph Kimball
[4] .Data Warejousing Toolkit
[5] .denormalization
[6] .redundancy

فصل چهارم

«OLAP»[1]

هنگامی که انبار داده ساخته شد، تجارت می تواند میزبان کاربردهای هوشمند تجاری را مستقر سازد تا  از داده سود کاملی به دست آورد.

اینها شامل پرس و جوهای تک کاره[2] و کاربردهای گزارشی نظیر Discoverer و Report می شود که در فصل 2 بحث شد. این کاربردها ممکن است که به وسیله همه سطوح سازمان مورد استفاده قرار گیردبه منظور آنالیز داده ها در مورد پیشرفت عملکرد تجاری، مورد استفاده می باشد.

در مورد سایر کاربردها نظیر، برنامه ریزی مورد نیاز، پیش بینی فروش، هماهنگ سازی بودجه و مدل سازی مالی، برای عمل کردن، نیاز به دانش و الگوهای خاص معمولا این نوع آنالیزها به وسیله انتخاب چندین تحلیل گر یا کارشناس مالی اجرا می شوند.

یک دیدگاه معمول کاربردهای هوشمند تجاری عبارت است از داده هایی که به طور چند بعدی مورد آنالیز قرار می گیرند نظیر محصول، جغرافیا و زمان و بنابراین عموما این نوع آنالیز به عنوان یک پردازش آنالیزی آنلاین (OLAP) خوانده می شود.

1-4: چرا نیاز به انتخاب اوراکل OLAP داریم؟

پایگاه داده اوراکل OLAP  l0g به عنوان یک انتخاب اضافی در ویرایش کاری پایگاه داده ها می باشد که  یک ذخیره سازی خاص و یک مدل آنالیزی را برای OLAP در سرور پایگاه داده ها فراهم می سازد. این عبارت است از یک مورد متناوب برای استفاده از مدل رابطه ای[3] بر اساس SQL که توسط پایگاه داده اوراکل فراهم شده است.

برای فهم این مطلب،اجازه دهید که نگاهی به برخی از عملکردهای رایج شامل OLAP و مدل های مختلف را بیندازیم که می تواند برای اجرای آنها مورد استفاده قرار گیرد.

1-1-4: کاربردهای OLAP:

پردازش آنالیزی آنلاین شامل آنالیز چند بعدی می شود.اساسی ترین کاربرد OLAP مجتمع سازی[4] و آنالیز می باشد، نظیر یک توالی (به عنوان مثال 10 محصول برجسته)، محاسبات مجموعه های زمانی (میانگین گرفتن) و محاسبات استفهامی (نظیر مقایسه های دوره به دوره).

همانگونه که در فصل 6 بحث شد، این محاسبات می تواند با استفاده از توابع آنالیزی SQL انجام شود. همچنین شما می توانید از ابزارهای قدرتمند کاربر پایانی نظیر OLAP برای اجرای این آنالیز گرافیکی استفاده کنید. این عملکردها به هنگام انجام با استفاده از SQL ممکن است نیاز به چند بار رجوع به داده ها داشته باشند و بنابراین، همراه با انتخاب اراکل OLAP، ممکن است انجام این انواع عملکردها به طور سریعتر امکان داشته باشد چون فرمت انبار داده برای آنالیز آن، بهینه سازی شده است.

سایر کاربردهای تجاری نظیر مدل سازی مالی، پیش بینی فروش ها، آنالیز ممکن و تخصیص بودجه نیاز به ذخیره سازی و مدل های آنالیزی خاص دارد ونمی تواند به طور موثر با استفاده از SQL انجام شود. اجازه دهید که این مطلب را بررسی کنیم که کدام یک از این کاربردها شامل آن می شوند.

پیش بینی[5]:

پیش بینی، همانطور که از نام آن پیداست شامل پیش بینی کمیت بر اساس تصاویر تاریخی موجود می شود، برای نمونه پیش بینی فروش ها برای سال بعد بر اساس نتایج سال قبل می باشد. این کاربردها از الگوریتم های آماری پیشرفته استفاده می کند، نظیر مدل های بازگشتی خطی و غیرخطی و مدل های یکنواخت توضیحی  یگانه و دوگانه و روش Holt- Winters.

تخصیص[6]:

همچنین تخصیص به عنوان یک مجتمع سازی معکوس شناخته می شود که برای تقسیم کمیت ها نظیر بودجه یا سهمیه[7] به چندین بخش استفاده می شود. تخصیص عبارت است از بخش مهمی از کاربردهای برنامه ریزی تجاری. برای مثال در آغاز هر فصل، رئیس هر سازمان ممکن است برای خرید تجهیزات جدید به آن بودجه اختصاص دهد که سپس باید در میان مدیران سازمان تقسیم شود.

محاسبات مالی[8]:

این محاسبات می تواند به طور معمولی در یک محیط گسترده انجام شود برای مثال محاسبات سود و فهرست های پرداخت را می توان نام برد.

مدل سازی[9]:

مدل سازی شامل شرح کمیت با استفاده از مجموعه ای از معادلات[10] می باشد.

این مدل می تواند برای محاسبه سایر کمیت ها بوسیله مطالعه داده ها با این معادله ها مورد استفاده قرار گیرد. معادلات ممکن است دارای وابستگی باشند و می تواند مقادیر جدید ابعاد و حقایق را محاسبه کند. برای مثال، ممکن است شما دارای یک مدل برای محاسبه حداکثر فروش ها برای کشورها یا مناطق مختلف بر اساس ماههای تعطیل مختلف باشید. با پایگاه داده اراکل 10g، شما می توانید هم اکنون برخی از مدل سازی ها را با استفاده از مدل SQL Clavesانجام دهید.

تحلیل شرط و نتیجه[11]:

این نوع تحلیل یا مدیریت سناریو[12]، عبارت است از یک دیدگاه بسیار مهم کاربردهای تحلیلی پیشرفته، که شامل تحلیل داده ها تحت سناریوی فرضی می باشد که برای تعیین اثر آن بر روی تجارت می باشد.

برای نمونه، اگر ما برخی از مغازه های خرده فروشی مان را ببندیم و شروع به کار با یک مغازه آنلاین کنیم برای شرکت چقدر هزینه خواهد داشت؟

اگر ما در فروش های سازمان مان تغییر ایجاد کنیم، چه اثری بر روی درآمدها خواهد داشت؟

تحلیل  شرط و نتیجه نیاز به یک مدل تراکنش[13]  متفاوت از نوع فراهم شده توسط پایگاه داده های رابطه ای و SQL دارد. کاربران باید قادر به تغییر ساختار و محتوای داده ها با یک روش موضعی در یک جلسه[14] و بدون قابل رویت بودن آن برای کل پایگاه داده باشند.

علاوه بر این، ممکن است که تغییرات موقتی باشند و کاربر باید قادر به باز گرداندن داده ها به همان شکلی که بود، باشد. با توجه به نوع آنالیزی که اجرا می شود مخصوصا OLAP شامل آنالیز داده ها در چندین بعد می شود. سپس این سئوال مطرح می شود که بهترین روش برای ذخیره سازی داده ها جهت تسهیل این تحلیل های چندبعدی چیست؟

2-1-4: [15]ROLAP و [16]MOLAP:

از هنگامی که صنعت OLAP آغاز شد بحث های فراوانی درباره بهترین روش برای ذخیره سازی داده ها بر اساس OLAP وجود داشته است. یکی از بخش های پر طرفدار، شامل ذخیره سازی و آنالیز داده ها با استفاده از پایگاه داده های رابطه ای بود که توانایی شان برای مقیاس بندی مقادیر بزرگ داده ها برای مدت زمان طولانی شناخته شده بود. آن به عنوان OLAP رابطه ای (یا ROLAP) شناخته می شود.

در این حالت، آنالیز داده ها با استفاده از پرس و جو های SQL انجام می شود. همه ویژگی های آنالیزی SQL در این کتاب مورد بحث قرار گرفت، مخصوصا در فصل 6، ROLAP به طور کیفی بررسی شد. سایر بخش ها می گویند که پردازش چند بعدی داده ها باید با استفاده از فرمت ذخیره سازی خاص انجام شود (که به عنوان پایگاه داده های چند بعدی یا [17]MDDB خوانده می شود) که برای پاسخ سریع به پرس و جو های های OLAP طراحی شده است.

این به عنوان OLAP چند بعدی (MOLAP) خوانده می شود. مزیت اصلی MOLAP این است که در آن داده ها برای کاربران در یک روش چند بعدی شهودی نمایش داده می شود که به طور بسیار آسان و بدون نیاز به نوشتن یک SQL پیچیده و طولانی، می توان آنها را نمایش داد. چون فرمت ذخیره سازی برای آنالیز چند بعدی بهینه سازی می شود، ممکن است دست یابی به عملکرد بهتر نسبت به استفاده از SQL ممکن باشد.

بسیاری از فروشندگان، محصولات MOLAP رایج را فراهم می سازند که نسبت به پایگاه داده رابطه ای به صورت متناوب می باشد. اگرچه مشکل اصلی این نظریه این است که معمولا داده های تجاری در یک پایگاه داده رابطه ای یا در انبار داده ذخیره می شوند و سپس باید برای آنالیز از پایگاه داده نسبی به پایگاه داده چند بعدی منتقل یا برگردانده شوند.این به این معنی است که داده هاهرگز نمی توانند به روز شوند و یا به آسانی می توانند از هماهنگی خارج شوند. علاوه بر این،محصولات مستقل[18] MOLAP  اصولا  بر روی ساده سازی آنالیز متمرکز شده است و ممکن است به اندازه پایگاه داده رابطه ای ایمنی و اطمینان فراهم نسازد.

گاهی تکنولوژی های ROLAP و MOLAP برای تغییر درجات اجرای OLAP هیبرید ([19]HOLAP) با هم ترکیب می شوند. که به این وسیله ذخیره سازی برخی داده ها در فرمت رابطه ای  و سایر داده ها در فرمت چند بعدی به طور خاص برای کاربرد انجام می شود.

برای مثال شما می توانید اطلاعات خلاصه شده را در MDDB ذخیره سازید و سپس هنگامی که نیاز به استخراج داده ها در سطح دقیق و جزئی دارید، به پایگاه داده رابطه ای دست یابید.

برای خلاصه سازی، هر دو مورد مکانیزم های رابطه ای و چند بعدی، ویژگی های خودشان را دارا هستند و انتخاب درست وابسته به کاربرد در سوال می باشد. در گذشته اغب تجارت ها مجبور به سرمایه گذاری در دو محصول بودند،یکی پایگاه داده رابطه ای برای یک آنالیز ساده و گزارش های مورد نیاز و دیگری محصول MOLAP خاص برای آنالیز پیشرفته و کاربردهای برنامه ریزی تجاری. با پایگاه داده اراکل 10g، نیاز به دو محصول آنالیز مجزا نیست.

شما می توانید هر یک از ROLAP، MOLAP یا ترکیب این دو را، در سرور پایگاه داده اراکل را انتخاب کنید. این کاربردها می توانند یااز  مدل رابطه ای با  استفاده از SQL و یا از مدل چند بعدی استفاده کنند که توسط انتخاب اراکل OLAP فراهم شده است.

3-1-4: اراکل OLAP:

از وقتی که اراکل 8i آمد، به منظور حمایت از OLAP رابطه ای،بطور ساختاری در حال ترکیب با OLAP بوده است. در فصل 6، ما توابع آنالیزی را مورد بحث قرار دادیم، نظیر RANK، عملگرهای جمعی، CUBE، ROLUP و مجموعه های گروهی[20]، و ویژگی های مدل سازی نظیر SQL Model Clause  که به کاربران اجازه انجام محاسبات پیچیده OLAP را از طریق SQL می دهند. Materialized views و بازنویسی پرس و جو ها  به شما اجازه می دهد که داده ها را از پیش مجتمع سازید لذا می توان به پرس و جو سریعا پاسخ داد. بنابراین، آنالیزهای ساده OLAP می تواند در پایگاه داده اجرا شود. اگرچه، همانطور که پیشتر بحث شد، هنوز برخی انواع آنالیزها،نظیر پیش بینی و سهمیه وجود دارند که نمی توانند در SQL انجام شود.

آغاز با اراکل 9i، نسخه 2، همچنین اراکل از OLAP چند بعدی به طور مستقیم در پایگاه داده  حمایت می کند. که از طریق گزینه OLAP پایگاه داده ، Enterprise Edition در دسترس است. با انتخاب OLAP پایگاه داده  می تواند داده ها را در یک فرمت چند بعدی به صورت کاملا شناخته شده به عنوان فضای کاری آنالیزی[21] ذخیره سازد. علاوه بر این یک موتور محاسبه  چند بعدی  قوی در پایگاه داده وجود دارد.

اراکل OLAP چندین الگوریتم را برای آنالیزهای OLAP پیشرفته فراهم می سازد، نظریه پیش بینی، سهمیه تا تخصیص و مدل سازی. بنابراین هم اکنون شما دارای توانایی های آنالیزی کامل می باشید که به وسیله هر یک از محصولات تجاری MOLAP فراهم شده است، با توجه به مزایای اضافه شده قابلیت مقیاس بندی، ایمنی، قابلیت مدیریت و قابلیت اطمینان،توسط سیستم مدیریت پایگاه داده ها فراهم شده است.

داده ها مجبور به جابجایی به یک پایگاه داده مجزا نیستند، بنابراین، به آسانی انسجام داده ها حفظ  می شود و زمان برای ساخت داده های در دسترس برای آنالیز کاهش می یابد. علاوه بر این اراکل مکانیزمی را فراهم می کند که شما در آن می توانید با استفاده از SQL به داده های چند بعدی دسترسی یابید. بنابراین هر آنالیزی که نمی تواند در SQL انجام شود،در فضای کاری آنالیزی انجام می شود، اما هنوز نتایج می توانند با استفاده از SQL بدست آیند.

با توجه به مقدمه انتخاب اراکل OLAP، توانایی های محاسبه محصول MOLAP معمولی اراکل، سرور اکسپرس اراکل، هم اکنون به سرور پایگاه داده ها متصل می شوند. خروج از پایگاه داده های اکسپرس اراکل می تواند به فضاهای آنالیزی موجود در پایگاه داده ها منتقل شود.

همچنین انتخاب OLAP،از یک محیط توسعه کاربردی قوی حمایت می کند. کاربران می توانند کاربردهای جاوا را با استفاده از ابزارDeveloper   J استاندارد بسازند.

آنها می توانند از OLAPAPIs برای دسترسی به داده های چند بعدی استفاده کنند و برای ایجاد واسط گرافیکی کاربر پیچیده،از اجزاء قابل استفاده مجدد که به عنوان BI Beans شناخته شده اند،استفاده کنند.

سازنده انبار اراکل می تواند برای ایجاد متاداده های موردنیاز APIS OLAP بکار رود و داده های چند بعدی می توانند با استفاده از ابزارهایی نظیر Discoverer،دقیقا مانند جداول رابطه ای، مورد پرس و جو قرار گیرند.

اغلب ویژگی های شرح داده شده در این کتاب با پرس و جو و ذخیره سازی رابطه ای[22] سروکار دارد. در این فصل، ما بیشتر بر روی مدل آنالیز چندبعدی فراهم شده توسط گزینه اراکل OLAP متمرکز می شویم.

2-4: معماری اراکل OLAP:

پایگاه داده های اراکل 10g OLAP، معماری بسیار انعطاف پذیری را برای آنالیز چند بعدی فراهم می سازد شامل اجزاء نشان داده شده در شکل 1-4 می شود.

فضاهای کاری آنالیزی برای ذخیره سازی چند بعدی

کاتالوگ OLAP برای تعریف مدل متاداده های منطقی چند بعدی

موتور آنالیز OLAP برای اجرای محاسبات

دسترسی به داده های چندبعدی با استفاده از:

زبان دستوری DML OLAP

توابع جدول SQL

ابزارها

مدیر فضای کاری تحلیلی

مدیرکار اراکل

کاربرد چارچوب توسعه

فضای کاری آنالیزی جاوا API

OLAP JAVA API

DBMS-AW PL/SQL API

BI Beans در J Developer

فضاهای کاری آنالیزی:

یک فضای کاری آنالیزی عبارت است از چیزی که داده ها را در یک فرمت چند بعدی در پایگاه داده های اراکل متجمع و ذخیره می سازد. قرینه آن نسبت به فضای کاری آنالیزی عبارت است از یک Materialized view یا جدول خلاصه که برای  مجتمع کردن اولیه داده ها در یک جدول رابطه ای استفاده می شود.

بر خلاف سایر موضوعات پایگاه داده، یک فضای کاری آنالیزی می تواند در طول آنالیز، به صورت دائمی یا موقتی باشد. ممکن است که شما استفاده از فضای کاری آنالیزی را هنگامی انتخاب کنید که نیاز به استفاده از توانایی های آنالیزی پیشرفته موتور محاسبه OLAP دارید.پایگاه داده اراکل 10g، ابزاری را فراهم می سازد که به عنوان مدیر فضای کاری آنالیزی شناخته می شود و می تواند برای تعریف، تجمع و تجدید فضاهای کاری آنالیزی مورد استفاده قرار گیرد.

---

[1] . On Line Analytical Processing

[2] .ad hoc

[3] .Relational Model

[4] .Aggregation

[5] .Forcasting

[6] .Allocation

[7] .Quota

[8] .Financial Calculation

[9] .Modeling

[10] .Equation

[11] .What-if Analysis=روشی برای تحقیق بر روی داده که نتایج تغییرات در مقادیر را بررسی می کند

[12] .Scenario Management

[13] . Transaction

[14] . Session

[15] . Relational OLAP

[16] . Multi Dimensional  OLAP

[17] . Multi Dimensional Data Base

[18] .Stand-alone=کامپیوتر یا تجارتی  که  به تنهایی کار می کند و نیاز به کمک  کامپیوتر یا  تجارت دیگر ندارد

[19] .Hybrid OLAP

[20] GROUPING SETS

[21] .Anlytic Work space

[22] .Relational Storage

فهرست مطالب

• -11 ﻣﻘﺪﻣﻪ اي ﺑﺮ ﭘﺎﻳﮕﺎه داده اوراﻛﻞ g‪10
• ‫1-1-1 اﺛﺮ ﺟﻮ اﻗﺘﺼﺎدي ﺑﺮ ﻫﺰﻳﻨﻪ ﺗﻜﻨﻮﻟﻮژي
• 2-1-1 ﻳﻜﭙﺎرﭼﮕﻲ
• 3-1-1 ﻳﻜﭙﺎرﭼﻪ ﺳﺎزي ﺳﺨﺖ اﻓﺰار
• ‫4-1-1 ﻳﻜﭙﺎرﭼﻪ ﺳﺎزي داده ﻫﺎ از دﻳﺪ ﻳﻚ ﺷﺮﻛﺖ ﻣﻌﻤﻮﻟﻲ
• ‫5-1-1 ﻳﻜﭙﺎرﭼﻪ ﺳﺎزي ﺑﺮﻧﺎﻣﻪ ﻫﺎي ﻛﺎرﺑﺮدي
• ‫6-1-1 ‪  Gridدر ﭘﺎﻳﮕﺎه داده اوراﻛﻞ 10g
• ‫2-1 اﻧﺒﺎر داده ﭼﻴﺴﺖ؟
• 1-2-1 ﭼﺮا ﺑﻪ ﻳﻚ اﻧﺒﺎر داده ﻧﻴﺎز دارﻳﺪ؟
• ‫3-1 ﭼﺸﻢ اﻧﺪاز ﺗﺎرﻳﺨﻲ
• ‫1-3-1- ﻇﻬﻮر اﻧﺒﺎر داده
• ‫. 4-1 از ﻣﺪﻟﺴﺎزي ارﺗﺒﺎط –موجوديت (E-R)استفاده نکنيد
• 1-4-1 ﻣﺪل ﺳﺎزي اﺑﻌﺎد
• 3-4-1 ﺟﺪول ﺣﻘﻴﻘﻲ
• 4-4-1ﺟﺪول اﺑﻌﺎدي (ﭼﻨﺪ ﺑﻌﺪي)
• 5-4-1 ﻛﻠﻴﺪ ﻫﺎي ﻣﺨﺰن
• 5-1 ﭘﻴﻜﺮ ﺑﻨﺪي ﻫﺎي ﺳﺨﺖ اﻓﺰار ﺑﺮاي ﻳﻚ اﻧﺒﺎر
• 1-5-1معماري سرويس دهنده:
• 2-5-1معماري پايگاه داده اراکل

فصل دوم : ابزار هاي انبار اراكل

• 1-2: کدام ابزار
• 2-2: سازنده انبار اوراکل یا OWB
• 1-2-2: تنظیم سازنده انبار
• 2-2-2: مشتری سازنده انبار اراکل
• 3-2-2: اهداف و منابع داده ها:
• 4-2-2: تعریف جداول موجود در انبار داده هایمان
• 5-2-2: ایجاد ابعاد
• 6-2-2: ایجاد یک مکعب
• 7-2-2: تعریف منبع برای هدف نقشه کشی ها:
• 8-2-2: تایید طرح
• 9-2-2: ایجاد طرح
• 10-2-2: استقرار طرح
• 3-2: کاشف اراکل
• 1-3-2: چرا Discoverer؟
• 2-3-2: تنظیم محیط
• 3-3-2: پرس و جو با استفاده از Plus Discoverer:
• 4-2: گزارشات اراکل 10g
• 1-4-2: ایجاد یک گزارش با استفاده از سازنده گزارش
• 2-4-2: مثال های بیشتر از گزارش های اراکل
• 3-4-2:انتشار گزارش
• 5-2: خلاصه

فصل سوم : انبار داده و وب

• 1-3: بررسی بیشتر
• 1-1-3: اینترنت و اینترانت
• 2-1-3: نرم افزار اراکل برای انبار داده
• 2-3: سرور کاربردی اراکل10g
• 1-2-3: چرا یک پرتال تنظیم می کنند؟
• 2-2-3: پرتال AS Oracle
• 1-3-3: Discoverer
• 2-3-3:انتشار یک پورت لت
• 3-3-3: ایجاد گزارش استاتیک
• 4-3: خصوصی سازی اراکل
• 5-3: انبار داده ها و هوشمندی تجارت الکترونیکی

فصل چهارم: OLAP

• 1-4: چرا نیاز به انتخاب اراکل OLAP داریم؟
• 1-1-4: کاربردهای OLAP
• 2-1-4: ROLAP و MOLAP
• 3-1-4: اراکل OLAP
• 2-4: معماری اراکل OLAP
• 3-4: فضاهای کاری آنالیزی
• 1-3-4: مدل چند بعدی
• 2-3-4: ایجاد فضای کاری آنالیزی
• 1-4-4: تعریف متاداده OLAP برای شمای رابطه ای
• 2-4-4:دیدگاه های متاداده OLAP و ارزیابی آن
• 5-4: مدیر فضای کاری آنالیزی
• 1-5-4: ایجاد ویزارد فضای کاری آنالیزی
• 2-5-4: تجدید فضای کاری آنالیزی
• 3-5-4: ایجاد یک طرح تجمعی
• 4-5-4: فعال سازهای فضای کاری آنالیزی
• 6-4: پرس وجوی فضاهای کاری آنالیزی
• 1-6-4: DML OLAP
• 2-6-4: بسته DBMS-AW
• 3-6-4: دسترسی SQL به فضای کاری آنالیزی
• 4-6-4: OLAP API و اجزاء BI
• 7-4: خلاصه

فصل پنجم : داده كاوي اراكل

• 5.1: داده کاوی در پایگاه داده اوراکل g10
• 5.2. :روش های داده کاوی اوراکل
• 5.2.1 : قوانین پیوستگی
• 5.2.2 : گروهبندی
• 5.2.3 : استخراج ویژگی
• 5.2.4 : طبقه بندی
• 5.2.5 : بازگشت
• 5.2.6 : استاندارد PMML
• 5.3.1 : فرمت داده
• 2-3-5 آماده سازی داده
• 4-5: استفاده از واسط های داده کاوی اوراکل
• 1-4-5: نصب و پیکربندی
• 2-4-5: روند آنالیز داده کاوی
• 3-4-5: مثالی با استفاده از جاوا API
• 4-4-5: مثال استفاده از روال های PL/SQL
• 5-5: خلاصه

فصل ششم: قابليت دسترسي بالا و انبار داده

• 1-6: مقدمه
• 2-6: یک سیستم با قابلیت دسترسی بالا چیست؟
• 1-2-6: ویژگی های یک سیستم با قابلیت دسترسی بالا
• 2-2-6: نقش بهترین تجربیات عملکردی
• 3-6: مرور اجمالی پایگاه داده اوراکل 10g با ویژگی  قابلیت دسترسی بالا
• 4-6: حفاظت در برابر نقص های سخت افزاری/ نرم افزاری
• 1-4-6: گروههای با عملکرد حقیقی (RAC)
• 2-4-6: ذخیره سازی مطمئن
• 3-4-6: آشکار سازی و نمایش خط:
• 4-4-6: مدیریت منابع
• 5-6: حفاظت در برابر فقدان داده
• 1-5-6: بازیابی از نقص(خطا) متوسط
• 2-5-6: بازیابی از خطاهای انسانی با استفاده از flash back:
• 3-5-6: بازیابی خطا بوسیله گارد یا نگهبان داده
• 4-5-6: معماری حداکثر قابلیت دسترسی اوراکل
• 5-5-6: حفاظت متا داده
• 6-6: مدیریت زمان برنامه ریزی شده
• 1-6-6: پیکربندی مجدد نمونه پویا
• 2-6-6: حفظ آنلاین
• 3-6-6: تعریف مجدد آنلاین:
• 4-6-6: ارتقاء درجه
• 7-6: مدیریت طول عمر اطلاعات
• 8-6: خلاصه:
• ضميمه

فهرست شكل ها

• شکل 1-2: سازنده انبار- مراحل تنظیم یا به راه اندازی
• شکل 2-2: میز فرمان مشتری OWB
• شکل 3-2: سازنده انبار- ایجاد یک مدول
• شکل 4-2: سازنده انبار- ایجاد یک منبع پایگاه داده اراکل
• شکل 5-2: سازنده انبار- اهداف و منابع داده های تعریف شده
• شکل 6-2: سازنده انبار- ورود جدول
• شکل 7-2: سازنده انبار- به طور دستی جدول را تعریف کنید
• شکل 8-2: سازنده انبار- سلسله مراتب بعد
• شکل 9-2: سازنده انبار- ایجاد مکعب
• شکل 10-2: ویرایش گر نقشه
• شکل 11-2: ویرایشگر نقشه کشی همراه با اتصالات
• شکل 12-2: جستجوی کلید محصول
• شکل 13-2: فیلتر سازی داده های منبع
• شکل 14-2: تایید طرح
• شکل 15-2: ایجاد طرح
• شکل 16-2: رمز ایجاد شده توسط سازنده انبار اراکل
• شکل 17-2: مدیر استقرار
• شکل 18-2: مدیریت استقرار- گزارش پیش استقراری
• شکل 19-2: بخش مدیر کار،اهداف OWB استقرار یافته را نشان می دهد
• شکل 20-2: وضعیت مدیر استقرار (Deployment Manager)
• شکل 21-2: پیکربندی طرح فیزیکی
• شکل 22-2: Discoverer و Oracle Portal
• شکل 23-2: Viewer Discoverer- اجرای پرس و جوی ما
• شکل 24-2: Viewer Discoverer- فهرست فروش کشور Category sales by Country
• شكل 25-2- Viewer Discoverer
• شکل 26-2: Viewer Discoverer-Drill Drown
• شکل 27-2: Administrator Discoverer- ایجاد یک EUL
• شکل 28-2: Administrator Discoverer- انتخاب شِما
• شکل 29-2: Administrator Discoverer- انتخاب جدول و دیدگاه ها
• شکل 30-2: Administrator Discoverer- اتصالات خودکار
• شکل 31-2: مدیر- نامگذاری ناحیه تجاری
• شکل 32-2: Administrator Discoverer- فهرست کار
• شکل 33-2: Administrator Discoverer- تنظیم ناحیه تجاری
• شکل 34-2: Administrator Discoverer- تغییر جزئیات آیتم
• شکل 35-2: Administrator Discoverer- ایجاد یک آیتم محاسبه شده
• شکل 36-2: Administrator Discoverer= تعریف اتصال
• شکل 37-2: Administrator Discoverer (مدیر کاشف)- تعریف سلسله مراتب
• شکل 38-2: Administrator Discoverer- کلاس آیتم
• شکل 39-2: Administrator Discoverer (مدیر کاشف)- خلاصه سازی
• شکل 40-2: Administrator Discoverer- تجدید خلاصه
• شکل 41-2: Administrator Discoverer- ویزارد خلاصه
• شکل 42-2: مدیر- اجازه دسترسی به ناحیه تجاری
• شکل 43-2: مدیر کاشف (administrator Discoverer)- ناحیه تجاری
• شکل 44-2: Plus Discoverer- فهرستی از پایگاه داده ها برای اتصال
• شکل 45-2: Plus Discoverer – استفاده از کتاب کاری
• شکل 46-2: Plus Discoverer- انتخاب داده برای نمایش
• شکل 47-2: Plus Discoverer- آرایش
• شکل 48-2: Plus Discoverer- گزینه های پرس و جو
• شکل 49-2: Plus Discoverer- عنوان های فرمت
• شکل 50-2: Plus Discoverer- انواع داده ها
• شکل 51-2: Plus Discoverer- تعریف کل ها
• شکل 52-2Plus  Discoverer- گزارش
• شکل 53-2: Plus  Discoverer- بازرس SQL
• شکل 54-2: Plus Discoverer- Drill up/down  داده
• شکل 55-2: Plus Discoverer- گزارش در سطح ماهانه
• شکل 56-2: Plus Discoverer ویزارد نمودار
• شکل 57-2: Plus Discoverer- نمودار فروش های سالانه
• شکل 58-2: Plus Discoverer- انتخاب داده های خاص
• شکل 59-2: Plus Discoverer- گزارش با استفاده از شرایط
• شکل 60-2: گزارشات اراکل- انتخاب وسیله گزارش
• شکل 61-2: انتخاب شیوه گزارش و عنوان
• شکل 62-2: گزارشات اراکل- انتخاب منبع داده ها
• شکل 63-2: گزارشات راکل- مشخص سازی پرس و جو SQL
• شکل 64-2: گزارشات اراکل- استفاده از سازنده پرس و جو
• شکل 65-2: گزارشات اراکل- ستون ها برای نمایش
• شکل 66-2: گزارشات اراکل- محاسبه کل ها
• شکل 67-2: گزارشات اراکل- مشخص سازی عرض های ستون
• شکل 68-2: گزارشات اراکل- گزارش نهایی
• شکل 69-2: گزارشات اراکل- گزارش ماتریس
• شکل 70-2: گزارشات اراکل- گزارش شرطی
• شکل 1-3: sign in شدن به پرتال Oracle AS
• شکل 2-3: پرتال Oracle AS- نمایش استاندارد
• شکل 3-3: یک  نگاه کلی به پرتال  Oracle AS
• شکل 4-3: ایجاد یک صفحه وب EASYDW در پرتال AS  Oracle
• شکل 5-3: پرتال EASYDW
• شکل 6-3: مدیریت سرور کاربردی اراکل 10g
• شکل 7-3: ایجاد یک اتصال عمومی
• شکل 8-3: مشخص سازی جزئیات پورت لت
• شکل 9-3: استفاده از نوارها برای آغازیک گزارش استاتیک
• شکل 1-4: معماری پایگاه داده اراکل 10g OLAP
• شکل 2-4: پایه سطح در برابر جدول بعد والدینی- فرزندی
• شکل 3-4:نسخه مفهومی متغیر
• شکل 4-4: ابعاد در مدیرکاری اراکل
• شکل 5-4: ویرایش گزینه های OLAP برای یک بعد
• شکل 6-4: متاداده CWM برای بعد
• شکل 7-4: ایجاد معکب در مدیرکاری اراکل
• شکل 8-4: اضافه شدن ابعاد به مکعب
• شکل 9-4: یک واحد اندازه گیری را به مکعب اضافه کنید
• شکل 10-4: تعریف تجمعات برای مکعب
• شکل 11-4: مدیر فضای کاری آنالیزی- دیدگاه کاتالوگ OLAP
• شکل 12-4: مدیر فضای کاری آنالیزی- دیدگاه هدف
• شکل 13-4: ایجاد ویزارد فضای کاری آنالیزی- نام گذاری فضای کاری آنالیزی
• شکل 14-4: انتخاب مکعب برای فضای کاری آنالیزی
• شکل 15-4: انتخاب گزینه های ساخت برای فضای کاری آنالیزی
• شکل 16-4: گزینه های ذخیره سازی پیشرفته و نامگذاری
• شکل 17-4: اسکریپت ایجاد فضای کاری آنالیزی را در یک فایل ذخیره سازید
• شکل 18-4: ایجاد فضای کاری آنالیزی در پیشرفت
• شکل 19-4: فضای کاری آنالیزی در دیدگاه کاتالوگ OLAP
• شکل 20-4: ایجاد یک بعد مرکب
• شکل 21-4: اضافه کردن ابعاد به یک ترکیب
• شکل 22-4: مشخص سازی ترتیب ابعاد در یک ترکیب
• شکل 23-4: مشخص سازی اندازه های segment وترتیب بعد
• شکل 24-4: فضای کاری آنالیزی- منوی راست کلیک
• شکل 25-4: تجدید فضای کاری آنالیزی- انتخاب مکعب ها
• شکل 26-4: تجدید فضای کاری آنالیزی- انتخاب ابعاد
• شکل 27-4: تجدید فضای کاری آنالیزی در پیشرفت
• شکل 28-4: ویزارد طرح تجمعی- انتخاب اندازه تجمع
• شکل 29-4: انتخاب سطوح برای تجمع
• شکل 30-4: مرور طرح تجمعی
• شکل 31-4: دسترسی به فضای کاری آنالیزی
• شکل 32-4: کاربرگ OLAP در مدیر فضای کاری اوراکل
• شکل 5.1 : قوانین پیوستگی
• شکل 5.2 : گروه بندی
• شکل 5.3 : طبقه بندی
• شکل 5.4 : ماتریس اختلال
• شکل 5.5 : استفاده از آنالیز ارتقاء برای اعلان های هدفمند
• شکل5.6 : درخت تصمیم گیری شبکه تطبیقی Bayes
• شکل 5.7 : فرمت های جدول برای داده کاوی
• شکل 1-6: ویژگی های قابلیت دسترسی بالای پایگاه داده اوراکل 10g
• شکل 2-6: پیکربندی گارد داده
• شکل 3-6: صفحه مدیریت کنترل شبکه
• شکل 4-6: تنظیم پیکربندی گارد داده
• شکل 5-6: اضافه کردن یک پایگاه داده ی جانشین
• شکل 6-6: انتخاب نوع back up
• شکل 7-6: مشخص سازی گزینه های پشتیبانی
• شکل 8-6: مشخص سازی Oracle Home برای جانشین
• شکل 9-6: مشخص سازی موقعیت های فایل جانشین
• شکل 10-6: مشخص نمودن پیکربندی جانشین
• شکل 11-6: فرایند ایجاد جانشین
• شکل 12-6: پیکربندی گارد داده
• شکل 13-6: نمایش عملکرد گارد داده
• شکل 14-6: عملکرد switchover
• شکل 15-6: switchover کامل
• شکل 16-6: ساختار با حداکثر قابلیت دسترسی
• شکل 17-6: سیاست های مدیریت ذخیره سازی برطبق رده داده ها