ОАД - вопросы на зачёт

1.Хранилище данных.

2. Система поддержки принятия решений (СППР).

3. Отличия CППP и ОLТР-систем.

4. Семантический слой в хранилище данных.

5. Основные требования к хранилищу данных.

6. Свойства хранилища данных.

7. Структурная схема хранилища данных.

8. Хранилище данных - детализированные и агрегированные данные.

9. Хранилище данных - метаданные, бизнес-метаданные, технический уровень.

10. Хранилище данных - регламентированные, нерегламентированные запросы.

11. Оперативный анализ данных - OLAP систем.

12. Реляционные OLAP системы - структурная схема, функционал.

13. Многомерные OLAP системы -структурная схема, функционал.

14. Гибридные OLAP системы - структурная схема, функционал.

15. Виртуальные OLAP системы - структурная схема, функционал.

16. Многомерная модель данных ОLАР-кубов.

17. Семантический слой в виртуальных OLAP систем - структурная схема, функционал.

18. Декомпозиция ОLАР-кубов в виде двухмерных таблиц.

19. Базовые понятия многомерной модели данных - измерения и факты.

20. Структура многомерного куба, привести пример.

21. Принцип организации многомерного куба, привести пример.

22. Потери, при декомпозиции ОLАР-кубов в виде двухмерных таблиц.

23. Компенсация потерь при декомпозиции ОLАР-кубов в виде двухмерных таблиц.

24. Преимущества многомерного OLAP-подхода.

25. Недостатки многомерного OLAP-подхода.

26. Операции над измерениями - сечение, привести пример.

27. Операции над измерениями - транспонирование, привести пример.

28. Операции над измерениями - свертка, привести пример.

29. Операции над измерениями - детализация, привести пример.

30. Операции над измерениями - сечение с 1 измерением, привести пример.

31. Операции над измерениями - сечение с 2 измерениями, привести пример.

32. Операции над измерениями - сечение с 3 измерениями, привести пример.

33. Реляционные хранилища и база данных, их сходства и различия.

34. Реляционные OLAP системы - схема “звезда”, привести пример.

35. Реляционные OLAP системы - схема “снежинка”, привести пример.

36. Реляционные OLAP системы - отличия cxeм «звезда» и «снежинка», привести пример.

37. Витрина данных - структурная схема, функционал.

38. Централизованное ХД с витринами данных - структурная схема, функционал.

39. Аналитические платформы - структурная схема, функционал.

40. Data Mining - предназначение, полный цикл функционирования.

41. Data Мining - классификация, задачи, привести пример.

42. Data Мining - признаки классификации, основной, второстепенный.

43. Data Мining - признаки классификации, простой, сложный.

44. Data Мining - этапы классификации.

45. Классификация с помощью деревьев решений, пример.

46. Классификация при помощи искусственных нейронных сетей, пример.

47. Классификации - бинарная, многоклассовая, пример.

48. Характеристики, для оценки методов классификации.

49. Классификация - ошибки I и II рода, предназначение, пример.

50. Классификация - балансировка уровня ошибок I и II рода, предназначение, пример.

51. Data Mining - кластеризация, задачи, привести пример.

52. Data Mining - кластеризация, типы кластеров.

53. Data Мining - сравнение задач классификации и кластеризации, пример.

54. Data Mining - линейная регрессия, модель, предназначение, пример.

55. Data Мining - логистическая регрессия, модель, предназначение, пример.

56. Data Мining - генетические алгоритмы, предназначение, пример.

57. Data Мining - машинное обучение, обучающая выборка.

58. Data Mining - машинное обучение, тестовая выборка.

59. Data Мining - машинное обучение, эффект переобучения.

60. Data Мining- машинное обучение, ошибки обучения и обобщения.

1.Хранилище данных.

Хранилище данных - разновидность системы хранения, ориентированная на поддержку анализа данных. Обеспечивает целостность, непротиворечивость, а также высокую скорость выполнения аналитических запросов.

Важнейшим элементом ХД является семантический слой — механизм, позволяющий аналитику оперировать данными посредством бизнес-терминов предметной области. Семантический слой дает пользователю возможность сосредоточиться на анализе и не задумываться о механизмах получения данных.

Типичное ХД существенно отличается от обычных систем хранения данных. Главным отличием являются цели использования. Например, регистрация продаж и выписка соответствующих документов — задача уровня OLTP-систем, использующих обычные реляционные СУБД. Анализ динамики продаж и спроса за несколько лет, позволяющий выработать стратегию развития фирмы и спланировать работу с поставщиками и клиентами, удобнее всего выполнять при поддержке ХД.

Другое важное отличие заключается в динамике изменения данных. Базы данных в OLTP-системах характеризуются очень высокой динамикой изменения записей из-за повседневной работы большого числа пользователей (откуда, кстати, велика вероятность появления противоречий, ошибок, нарушения целостности данных и т.д.). Что касается ХД, то данные из него не удаляются, а пополнение происходит в соответствии с определенным регламентом (раз в час, день, неделю, в определенное время).

2. Система поддержки принятия решений (сппр). Ссылка Система поддержки принятия решений

или СППР (Decision Support Systems, DSS) — это компьютерная система, которая путем сбора и анализа большого количества информации может влиять на процесс принятия решений организационного плана в бизнесе и предпринимательстве. Интерактивные системы позволяют руководителям получить полезную информацию из первоисточников, проанализировать ее, а также выявить существующие бизнес-модели для решения определенных задач. С помощью СППР можно проследить за всеми доступными информационными активами, получить сравнительные значения объемов продаж, спрогнозировать доход организации при гипотетическом внедрении новой технологии, а также рассмотреть все возможные альтернативные решения.

Система поддержки решений СППР решает две основные задачи:

• выбор наилучшего решения из множества возможных (оптимизация),

• упорядочение возможных решений по предпочтительности (ранжирование).

В обеих задачах первым и наиболее принципиальным моментом является выбор совокупности критериев, на основе которых в дальнейшем будут оцениваться и сопоставляться возможные решения (будем называть их также альтернативами). Система СППР помогает пользователю сделать такой выбор.

Наиболее широкой сферой практического применения СППР являются планирование и прогнозирование для различных видов управленческой деятельности.

Пример популярного типа СППР - СППР в виде генератора финансового отчета. С помощью электронной таблицы, например, Microsoft Excel, создаются модели, чтобы прогнозировать различные элементы организации или финансового состояния. В качестве данных используются предыдущие финансовые отчеты организации. Начальная модель включает различные предположения относительно будущих трендов в категориях расхода и дохода. После рассмотрения результатов базовой модели менеджер проводит ряд исследований типа «Что, если...?», изменяя одно или большее количество предположений, чтобы определить их влияние на исходное состояние. Это простые типы генератора финансового отчета, но мощные СППР для руководства принятием финансовых решений.