Datu noliktava - no IT līdz biznesam
Author
Ezeriņš, Ivo
Co-author
Latvijas Universitāte. Fizikas un matemātikas fakultāte
Advisor
Podnieks, Kārlis
Date
2009Metadata
Show full item recordAbstract
Darbā tiek aplūkotas galvenās biznesa inteliģences sastāvdaļas, kas ir datu noliktava, datu dzīves cikls. Maģistra darba galvenais mērķis izanalizēt biznesa inteliģences, datu noliktavas, datu dzīves cikla esošo terētisko bāzi un praktiski realizēto FI X datu noliktavu. Dot savus priekšlikumus biznesa inteliģences ieviešanai uzņēmumā. Ar FI X ir domāta finanšu institūcija X, kuras identitāti autors nevēlas atklāt. Pirmajā daļā tika aprakstīts sadarbība starp biznesa un IT cilvēkiem un pamatprincipi Biznesa Inteliģences ieviešanai uzņēmumā. Otrajā daļā tiks aprakstīti BI tehniskie risinājumi. Trešajā daļā tiks salīdzināti datu noliktavas standarta risinājumi ar FI X izveidoto datu noliktavu. Ceturtā daļā tiks piedāvāti FI X procesu uzlabojumi.
Maģistra darbs ir uzrakstīts uz 71 lapaspuses un satur 14 attēlus, 5 tabulas un 4 pielikumus.
Atslēgvārdi: Biznesa inteliģence, datu noliktava, datu dzīves cikls. In master work is viewed most important contents off business intelligence, which are
data warehouse, data life cycle. Most important aim of master work is to analyze Business
Intelligence, data warehouse, data life cycle existing theoretical base and practical data
warehouse realization in FI X. Give own proposals to successful Business intelligence
implementation in organization. With FI X is devised financial institution X, which identity
author don’t want to reveal. In first part is ddescribed cooperation between IT and Business and
Business Intelligence implementation ground rules. In second part are described BI technical
solutions. In third part are compared standard data warehouse solutions with FI X developed data
warehouse. In fourth part will be proposed FI X process improvements.
Master work is written on 70 pages and contains images 14, 5 tables, 4 attachments.
Keywords: Business Intelligence, data warehouse, data life cycle.