Datu noliktavas izveides metodes lielo datu laikmetā

Abstract

Darbā tiek piedāvātas jaunas metodes, kas nodrošina daļēji automātisku datu noliktavas kandidātshēmas ģenerāciju, izmantojot datu noliktavas formālās prasības, galveno organizācijas darbības rādītāju (KPI) specificēšanu un datu noliktavas datu modeļa paplašināšanu, izmantojot klientu atsauksmes. Metodes paredz izmantot klientu atsauksmes, kas ir izteiktas brīvā teksta formātā. Šīs atsauksmes tiek apstrādātas ar dabīgās valodas apstrādes rīkiem. No iegūtās informācijas tiek veikti speciāli aprēķini, lai iegūtu informāciju, kas tiek izmantota, lai specificētu jaunus organizācijas galvenos darbības rādītājus un to mērķu vērtības. Tiek noteikts, ka atribūti no galvenajiem darbības rādītājiem ir jāiekļauj organizācijā pastāvošajā datu noliktavas datu modelī, lai būtu iespējams sekot līdzi organizācijas attīstībai. Atslēgas vārdi: Datu noliktava, brīvā teksta apstrāde, galvenie darbības rādītāji, datu modelis.

In this thesis, are presented new methods that allow to generate data warehouse conceptual data model from the data warehouse formal requirements and methods that allow to specify key performance indicators (KPI) and to extend the data warehouse data model by using customer feedback. Methods use customer feedback which is in free text format. Customer feedback is processed by natural language processing tools. In order to specify new key performance indicators and their target values special calculations are performed from processed customer feedback. Attributes from KPI should be included in data warehouse data model to monitor organizations performance. Keywords: Data warehouse, natural language processing, key performance indicators, data model.