| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Izpis gradiva Pomoč

Naslov:Upravljanje integralnega podatkovnega skladišča na primeru finančne institucije
Avtorji:ID Žnuderl, Urška (Avtor)
ID Sternad Zabukovšek, Simona (Mentor) Več o mentorju... Novo okno
Datoteke:.pdf MAG_Znuderl_Urska_2023.pdf (2,29 MB)
MD5: E4D235DEB230D647B1B65A971AEF4149
 
Jezik:Slovenski jezik
Vrsta gradiva:Magistrsko delo/naloga
Tipologija:2.09 - Magistrsko delo
Organizacija:EPF - Ekonomsko-poslovna fakulteta
Opis:Količina podatkov, ki jo človeštvo dandanes proizvaja, nenehno raste v eksponentnem tempu. Vsak dan se ustvarijo ogromne količine podatkov, bodisi v gospodarstvu bodisi v osebnih in družbenih dejavnostih ljudi. Tako velike količine podatkov lahko predstavljajo izzive in priložnosti za številne organizacije. Izzivi se lahko pojavljajo predvsem v organiziranem shranjevanju podatkov, priložnosti pa v njihovi obdelavi ter pretvorbi v uporabne informacije. Rešitve za izzive najdemo v podatkovnih skladiščih, kjer lahko podatke z ustrezno obdelavo in analizo spremenimo v uporabne informacije. Podatkovna skladišča so v nekaterih organizacijah tako rekoč nujna, saj se sicer lahko kaj hitro znajdejo v podatkovni zmedi. Finančne institucije, kot so na primer banke, imajo ogromno različnih poslovnih aplikacij in sistemov, ki so namenjeni zajemanju in obdelavi podatkov. Proizvedeni podatki se tako iz različnih podatkovnih virov prenašajo v integralno podatkovno skladišče, ki ga lahko označimo za enotno shrambo podatkov. V resnici gre za zelo kompleksen proces pridobivanja podatkov iz podatkovnih virov, transformiranja podatkov v ustrezne oblike in nalaganja podatkov v ciljne strukture podatkovnega skladišča. Podatki se naložijo v podatkovne tabele, ki so lahko različnih vrst, podatkovne tabele pa se povežejo v sheme tabel oz. v podatkovne modele. V podatkovnem skladišču morajo biti tabele smiselno in logično povezane, saj le tako služijo kot koristen vir za obdelavo in analizo podatkov. Več tabel ali shem lahko združimo v podatkovno bazo, ki bodisi predstavlja poslovno področje bodisi služi kot podatkovna baza poslovne aplikacije. Podatkovno skladišče tako združuje eno ali več podatkovnih baz. Namen podatkovnega skladišča pa ni samo shranjevanje podatkov, temveč je to tudi vir, ki zagotavlja podatke za nadaljnje analize. Organizacije namreč vse bolj uporabljajo podatke za pomoč in podporo pri odločanju. Osnova za sprejemanje pravilnih odločitev so konsistentni in kakovostni podatki. V podatkovnem skladišču hranimo kopije podatkov, pri katerih stremimo, da čim bolj natančno odražajo resničen svet. Neustrezni in netočni podatki lahko privedejo do napačnih odločitev, ki imajo lahko resne posledice za organizacijo. Ključno je torej, da zagotovimo kakovostne podatke in vzpostavimo procese za redno preverjanje in vzdrževanje visoke ravni kakovosti podatkov. Vsekakor pa moramo zagotoviti tudi primerno obdelovanje podatkov. Tako za namene internega poročanja kot tudi za poročanje raznim zunanjim organom se iz podatkovnega skladišča pridobivajo podatki za oblikovanje poročil. Najpogosteje se poročila, pri katerih je vir podatkov podatkovna baza, ustvarjajo s strukturiranim povpraševalnim jezikom (SQL) ali pa s pomočjo platforme, ki temelji na poslovni inteligenci in omogoča interaktivno vizualizacijo in analizo podatkov. Oba pristopa imata svoje prednosti, zato se uporabljata glede na specifične zahteve poročila. Strukturirani povpraševalni jezik je idealen za pridobivanje natančnih informacij iz podatkovnih baz, medtem pa platforme za poslovno inteligenco omogočajo večjo interaktivnost in vizualizacijo, kar lahko vodi v boljšo analizo in razumevanje informacij. Ključno je, da analize in poročila temeljijo na ažurnih, celovitih in točnih podatkih, saj le na tak način sprejemamo bolj informirane in točne odločitve, ki imajo potencial izboljšati operativno učinkovitost, zagotoviti konkurenčno prednost in prispevati k celovitemu razumevanju poslovanja organizacije.
Ključne besede:podatkovno skladišče, podatki, baze podatkov, tabele, ETL proces, SQL.
Kraj izida:Maribor
Založnik:U. Žnuderl
Leto izida:2023
PID:20.500.12556/DKUM-85284 Novo okno
UDK:004.6
COBISS.SI-ID:170023683 Novo okno
Datum objave v DKUM:26.10.2023
Število ogledov:511
Število prenosov:56
Metapodatki:XML DC-XML DC-RDF
Področja:EPF
:
Kopiraj citat
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share



Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Licence

Licenca:CC BY-NC-ND 4.0, Creative Commons Priznanje avtorstva-Nekomercialno-Brez predelav 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by-nc-nd/4.0/deed.sl
Opis:Najbolj omejujoča licenca Creative Commons. Uporabniki lahko prenesejo in delijo delo v nekomercialne namene in ga ne smejo uporabiti za nobene druge namene.
Začetek licenciranja:24.08.2023

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Integrated data warehouse management on the example of a financial institution
Opis:The amount of data that humanity is producing today is constantly growing at an exponential rate. Enormous amounts of data are created every day, both in the economy and in people's personal and social activities. Such vast amounts of data can present challenges and opportunities for numerous organizations. Challenges mainly arise in the organized storage of data, while opportunities lie in processing this data into useful information. Solutions for these challenges are found in data warehouses, where data can be transformed into valuable information through appropriate processing and analysis. Data warehouses are virtually essential in some organizations, as otherwise they can quickly find themselves in a state of data chaos. Financial institutions, such as banks, have a multitude of different business applications and systems designed for capturing and processing data. The generated data is transferred from various data sources to the integrated data warehouse, which can be referred to as a unified data storage. In reality, this involves a highly complex process of extracting data from data sources, transforming it into appropriate formats, and loading it into the target structures of the data warehouse. Data is loaded into data tables of various types, and these data tables are connected to form table schemas or data models. In a data warehouse, these tables must be meaningfully and logically connected, as this is the only way they can serve as a valuable source for data processing and analysis. Multiple tables or schemas can be combined into a database, which either represents a business area or serves as the database for a business application. Thus, a data warehouse consists of one or more databases. However, the purpose of a data warehouse is not just to store data, it also serves as a source that provides data for further analysis. Institutions are increasingly using data to aid and support the decision-making process. The foundation for making accurate decisions lies in consistent and high-quality data. In a data warehouse, copies of data that strive to accurately reflect the real world are stored. Inadequate and inaccurate data can lead to incorrect decisions, which can have serious consequences for the organization. Therefore, it is crucial to ensure high-quality data and establish processes for regular verification and maintenance of data quality. Additionally, appropriate data processing must be ensured. Data from the data warehouse is extracted for the purpose of internal reporting as well as for reporting to various external authorities. Most commonly, reports with data sourced from a database are created using Structured Query Language (SQL) or through platforms based on business intelligence, which enable interactive visualization and data analysis. Both approaches have their advantages, thus being utilized based on specific report requirements. Structured Query Language is ideal for extracting precise data from databases, while business intelligence platforms offer enhanced interactivity and visualization, potentially leading to improved analysis and comprehension of information. It is crucial that analyses and reports are based on up-to-date, comprehensive and accurate data, because only in this way it is possible to make more informed and accurate decisions that have the potential to improve operational efficiency, provide a competitive advantage and contribute to a comprehensive understanding of the organization's operations.
Ključne besede:data warehouse, data, databases, tables, ETL process, SQL.


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici