Soumettre la recherche
Mettre en ligne
Bi and data mining with Oracle
•
0 j'aime
•
227 vues
G
ghanadbashi
Suivre
Bi and data mining with Oracle Suite
Lire moins
Lire la suite
Données & analyses
Signaler
Partager
Signaler
Partager
1 sur 24
Télécharger maintenant
Télécharger pour lire hors ligne
Recommandé
بیگ دیتا
بیگ دیتا
Hamed Azizi
Introduction to Apache Hadoop in Persian - آشنایی با هدوپ
Introduction to Apache Hadoop in Persian - آشنایی با هدوپ
Mobin Ranjbar
1st Hadoop Tehran Workshop - اسلاید اولین کارگاه آموزش هدوپ تهران
1st Hadoop Tehran Workshop - اسلاید اولین کارگاه آموزش هدوپ تهران
Farafekr Technology
Introduction to Hadoop and Spark - اسلاید کارگاه آموزش هدوپ و اسپارک شیراز
Introduction to Hadoop and Spark - اسلاید کارگاه آموزش هدوپ و اسپارک شیراز
Mobin Ranjbar
تشخیص انجمن در مقیاس کلان داده
تشخیص انجمن در مقیاس کلان داده
Navid Sedighpour
Big Data Processing in Cloud Computing Environments
Big Data Processing in Cloud Computing Environments
Farzad Nozarian
داده های عظیم چگونه دنیا را تغییر خواهند داد
داده های عظیم چگونه دنیا را تغییر خواهند داد
Farzad Khandan
Hadoop Case Studies in the Real World in Persian - کاربردهای هدوپ در دنیای واقعی
Hadoop Case Studies in the Real World in Persian - کاربردهای هدوپ در دنیای واقعی
Mobin Ranjbar
Recommandé
بیگ دیتا
بیگ دیتا
Hamed Azizi
Introduction to Apache Hadoop in Persian - آشنایی با هدوپ
Introduction to Apache Hadoop in Persian - آشنایی با هدوپ
Mobin Ranjbar
1st Hadoop Tehran Workshop - اسلاید اولین کارگاه آموزش هدوپ تهران
1st Hadoop Tehran Workshop - اسلاید اولین کارگاه آموزش هدوپ تهران
Farafekr Technology
Introduction to Hadoop and Spark - اسلاید کارگاه آموزش هدوپ و اسپارک شیراز
Introduction to Hadoop and Spark - اسلاید کارگاه آموزش هدوپ و اسپارک شیراز
Mobin Ranjbar
تشخیص انجمن در مقیاس کلان داده
تشخیص انجمن در مقیاس کلان داده
Navid Sedighpour
Big Data Processing in Cloud Computing Environments
Big Data Processing in Cloud Computing Environments
Farzad Nozarian
داده های عظیم چگونه دنیا را تغییر خواهند داد
داده های عظیم چگونه دنیا را تغییر خواهند داد
Farzad Khandan
Hadoop Case Studies in the Real World in Persian - کاربردهای هدوپ در دنیای واقعی
Hadoop Case Studies in the Real World in Persian - کاربردهای هدوپ در دنیای واقعی
Mobin Ranjbar
داده کاوی
داده کاوی
Taha Mokfi
داده، dikw ، داده بزرگ و علم داده
داده، dikw ، داده بزرگ و علم داده
fatemeh zatajam
مقدمه ای بر داده کاوی
مقدمه ای بر داده کاوی
data scientist
آموزش ذخیره و بازیابی اطلاعات - درس پنجم
آموزش ذخیره و بازیابی اطلاعات - درس پنجم
faradars
Librarian2.0-v05
Librarian2.0-v05
YaBeSH KelassUp
آموزش ذخیره و بازیابی اطلاعات - درس سوم
آموزش ذخیره و بازیابی اطلاعات - درس سوم
faradars
کلان داده کاربردها و چالش های آن
کلان داده کاربردها و چالش های آن
Hamed Azizi
Big Data and select suitable tools
Big Data and select suitable tools
Meghdad Hatami
BI (Business Intelligence)
BI (Business Intelligence)
poorya davachi
آموزش ذخیره و بازیابی اطلاعات - درس هشتم
آموزش ذخیره و بازیابی اطلاعات - درس هشتم
faradars
آموزش ذخیره و بازیابی اطلاعات - درس چهارم
آموزش ذخیره و بازیابی اطلاعات - درس چهارم
faradars
آموزش ذخیره و بازیابی اطلاعات - درس هفتم
آموزش ذخیره و بازیابی اطلاعات - درس هفتم
faradars
Data Mining V.S. Busieness Inteligence
Data Mining V.S. Busieness Inteligence
Siavosh Moradabadi
آموزش ذخیره و بازیابی اطلاعات - درس یکم
آموزش ذخیره و بازیابی اطلاعات - درس یکم
faradars
Big data بزرگ داده ها
Big data بزرگ داده ها
Omid Sohrabi
جعبه ابزار پژوهشگران || Toolbox for researchers
جعبه ابزار پژوهشگران || Toolbox for researchers
YaBeSH KelassUp
Data Mining Using Learning Automata
Data Mining Using Learning Automata
navid bazrkar
آموزش ذخیره و بازیابی اطلاعات - درس ششم
آموزش ذخیره و بازیابی اطلاعات - درس ششم
faradars
آموزش ذخیره و بازیابی اطلاعات - درس دوم
آموزش ذخیره و بازیابی اطلاعات - درس دوم
faradars
cloud computing , رایانش ابری
cloud computing , رایانش ابری
vhd-abdarbashi
معرفي فايروال پايگاه داده
معرفي فايروال پايگاه داده
Hamid Torkashvand
هوش تجاری (Business intelligence)
هوش تجاری (Business intelligence)
RayBPMS
Contenu connexe
Tendances
داده کاوی
داده کاوی
Taha Mokfi
داده، dikw ، داده بزرگ و علم داده
داده، dikw ، داده بزرگ و علم داده
fatemeh zatajam
مقدمه ای بر داده کاوی
مقدمه ای بر داده کاوی
data scientist
آموزش ذخیره و بازیابی اطلاعات - درس پنجم
آموزش ذخیره و بازیابی اطلاعات - درس پنجم
faradars
Librarian2.0-v05
Librarian2.0-v05
YaBeSH KelassUp
آموزش ذخیره و بازیابی اطلاعات - درس سوم
آموزش ذخیره و بازیابی اطلاعات - درس سوم
faradars
کلان داده کاربردها و چالش های آن
کلان داده کاربردها و چالش های آن
Hamed Azizi
Big Data and select suitable tools
Big Data and select suitable tools
Meghdad Hatami
BI (Business Intelligence)
BI (Business Intelligence)
poorya davachi
آموزش ذخیره و بازیابی اطلاعات - درس هشتم
آموزش ذخیره و بازیابی اطلاعات - درس هشتم
faradars
آموزش ذخیره و بازیابی اطلاعات - درس چهارم
آموزش ذخیره و بازیابی اطلاعات - درس چهارم
faradars
آموزش ذخیره و بازیابی اطلاعات - درس هفتم
آموزش ذخیره و بازیابی اطلاعات - درس هفتم
faradars
Data Mining V.S. Busieness Inteligence
Data Mining V.S. Busieness Inteligence
Siavosh Moradabadi
آموزش ذخیره و بازیابی اطلاعات - درس یکم
آموزش ذخیره و بازیابی اطلاعات - درس یکم
faradars
Big data بزرگ داده ها
Big data بزرگ داده ها
Omid Sohrabi
جعبه ابزار پژوهشگران || Toolbox for researchers
جعبه ابزار پژوهشگران || Toolbox for researchers
YaBeSH KelassUp
Data Mining Using Learning Automata
Data Mining Using Learning Automata
navid bazrkar
آموزش ذخیره و بازیابی اطلاعات - درس ششم
آموزش ذخیره و بازیابی اطلاعات - درس ششم
faradars
آموزش ذخیره و بازیابی اطلاعات - درس دوم
آموزش ذخیره و بازیابی اطلاعات - درس دوم
faradars
Tendances
(19)
داده کاوی
داده کاوی
داده، dikw ، داده بزرگ و علم داده
داده، dikw ، داده بزرگ و علم داده
مقدمه ای بر داده کاوی
مقدمه ای بر داده کاوی
آموزش ذخیره و بازیابی اطلاعات - درس پنجم
آموزش ذخیره و بازیابی اطلاعات - درس پنجم
Librarian2.0-v05
Librarian2.0-v05
آموزش ذخیره و بازیابی اطلاعات - درس سوم
آموزش ذخیره و بازیابی اطلاعات - درس سوم
کلان داده کاربردها و چالش های آن
کلان داده کاربردها و چالش های آن
Big Data and select suitable tools
Big Data and select suitable tools
BI (Business Intelligence)
BI (Business Intelligence)
آموزش ذخیره و بازیابی اطلاعات - درس هشتم
آموزش ذخیره و بازیابی اطلاعات - درس هشتم
آموزش ذخیره و بازیابی اطلاعات - درس چهارم
آموزش ذخیره و بازیابی اطلاعات - درس چهارم
آموزش ذخیره و بازیابی اطلاعات - درس هفتم
آموزش ذخیره و بازیابی اطلاعات - درس هفتم
Data Mining V.S. Busieness Inteligence
Data Mining V.S. Busieness Inteligence
آموزش ذخیره و بازیابی اطلاعات - درس یکم
آموزش ذخیره و بازیابی اطلاعات - درس یکم
Big data بزرگ داده ها
Big data بزرگ داده ها
جعبه ابزار پژوهشگران || Toolbox for researchers
جعبه ابزار پژوهشگران || Toolbox for researchers
Data Mining Using Learning Automata
Data Mining Using Learning Automata
آموزش ذخیره و بازیابی اطلاعات - درس ششم
آموزش ذخیره و بازیابی اطلاعات - درس ششم
آموزش ذخیره و بازیابی اطلاعات - درس دوم
آموزش ذخیره و بازیابی اطلاعات - درس دوم
Similaire à Bi and data mining with Oracle
cloud computing , رایانش ابری
cloud computing , رایانش ابری
vhd-abdarbashi
معرفي فايروال پايگاه داده
معرفي فايروال پايگاه داده
Hamid Torkashvand
هوش تجاری (Business intelligence)
هوش تجاری (Business intelligence)
RayBPMS
اسلايد آموزشي هوش تجاري
اسلايد آموزشي هوش تجاري
Ali Masoombeigi
ABOUT INDUSTRY 4.0
ABOUT INDUSTRY 4.0
samereh monazam
Cloud Computing7
Cloud Computing7
amiriano
Microsoft BI Sumery
Microsoft BI Sumery
Reza Bahadorizadeh
راهنمای کامل راه اندازی الاستیک سرچ و استفاده آن در شرکت گارتکس
راهنمای کامل راه اندازی الاستیک سرچ و استفاده آن در شرکت گارتکس
Seied Mahdi Sadat Hosseini
مراکز داده
مراکز داده
aria1248
مقدمه ای بر هوش تجاری
مقدمه ای بر هوش تجاری
Zahra Mansoori
2017 - مقاله چالشهای امنیتی در مدلهای رایانش ابری - نویسندگان: ناصری فرد و ...
2017 - مقاله چالشهای امنیتی در مدلهای رایانش ابری - نویسندگان: ناصری فرد و ...
Aidin NaseriFard
چارچوب متن باز جهت توسعه سیستم های نرم افزاری
چارچوب متن باز جهت توسعه سیستم های نرم افزاری
عباس بني اسدي مقدم
94.10.18
94.10.18
maherimaheri
IranOUG_Oracle_Multitenant
IranOUG_Oracle_Multitenant
Oracle Freelancer
Keydoc presentation (1)
Keydoc presentation (1)
danesh hamara
مفاهیم اولیه داکر
مفاهیم اولیه داکر
Ali Rasoulian
grid
grid
mohamad mahmodi
مسیردهی و پروتوکولهای مسیریابی
مسیردهی و پروتوکولهای مسیریابی
Muhibullah Aman
Cisco Exploration 2 In Persion-Muhibullah Aman
Cisco Exploration 2 In Persion-Muhibullah Aman
Muhibullah Aman
Oracle نوشته مهندس اسمعیل دخت
Oracle نوشته مهندس اسمعیل دخت
Yashar Esmaildokht
Similaire à Bi and data mining with Oracle
(20)
cloud computing , رایانش ابری
cloud computing , رایانش ابری
معرفي فايروال پايگاه داده
معرفي فايروال پايگاه داده
هوش تجاری (Business intelligence)
هوش تجاری (Business intelligence)
اسلايد آموزشي هوش تجاري
اسلايد آموزشي هوش تجاري
ABOUT INDUSTRY 4.0
ABOUT INDUSTRY 4.0
Cloud Computing7
Cloud Computing7
Microsoft BI Sumery
Microsoft BI Sumery
راهنمای کامل راه اندازی الاستیک سرچ و استفاده آن در شرکت گارتکس
راهنمای کامل راه اندازی الاستیک سرچ و استفاده آن در شرکت گارتکس
مراکز داده
مراکز داده
مقدمه ای بر هوش تجاری
مقدمه ای بر هوش تجاری
2017 - مقاله چالشهای امنیتی در مدلهای رایانش ابری - نویسندگان: ناصری فرد و ...
2017 - مقاله چالشهای امنیتی در مدلهای رایانش ابری - نویسندگان: ناصری فرد و ...
چارچوب متن باز جهت توسعه سیستم های نرم افزاری
چارچوب متن باز جهت توسعه سیستم های نرم افزاری
94.10.18
94.10.18
IranOUG_Oracle_Multitenant
IranOUG_Oracle_Multitenant
Keydoc presentation (1)
Keydoc presentation (1)
مفاهیم اولیه داکر
مفاهیم اولیه داکر
grid
grid
مسیردهی و پروتوکولهای مسیریابی
مسیردهی و پروتوکولهای مسیریابی
Cisco Exploration 2 In Persion-Muhibullah Aman
Cisco Exploration 2 In Persion-Muhibullah Aman
Oracle نوشته مهندس اسمعیل دخت
Oracle نوشته مهندس اسمعیل دخت
Bi and data mining with Oracle
1.
ی قنادباش سعیده بهمن1394 با
یکاو داده انجامو یتجار هوش یساز پیادههایرابزااکلراو
2.
یتجار هوش(B I) مجموعهایازبرنامههایبردیرکاوتحليلیاستکهبا استفادهازپايگاهدادهعملياتیوتحليلیبهاخذتصميم ایربفعاليتهایهوشمندیتجارکمکمیکنند.
3.
یتجار هوش سامانه
بردهایرکا بعدی چند تحليل ۱. دادهیکاو ۲. بينی پيش ۳. یآمار ترسيمو یگير شرازگ ،وجو پرس ۴. ۵. ۶. ۷. مکانی تحليل دانش مديريت صوتو محتوا ،متندر کاوش 3
4.
مشتر ،لمحصو مانند
،خاص موضوعی نامورپي يافته مانزساكاال ياو ی گرا موضوع پیوسته یاو یکجا ترصو به هاداده تجمیع امکان تجمیعیکجاوپیوسته سازگار ،پااليشو نمودنچهريكپااز شده اجراستخ هایداده نمودن احتماالو مختلف ایداده منابعنناهمگو چهريکپا مانز محدودهطوالن اتبرم به ییترهایسيستم به نسبت عملياتیوجودساختارهردر مانزعنصر ضمنی يا صريح كليدی طوالنیو مشخص مانیز محدودهدر عدمسانرزور به عمليات وجودی (همزمانی لكنترو ترميم هایمكانيزم بهنياز عدم) قابلغيرتغیير یگير تصميم ایرب مناسبو تحلیلی های داده شده سرجمع تحليلی داده پايگاه(Data Warehouse) مدت کوتاهو مدت بلند تصميمات اتخاذ ایربمتمرکز ای داده پایگاه 4
5.
ایجادشده اترتغیي ایرب
تنها پشتیبان نسخه تهیه امکان انهزور ترصوبه یگير پشتیبان امکان مدت کوتاهو مدت بلند تصميمات اتخاذ ایربمتمرکز ای داده پایگاه ایرب داده پایگاهاز نمونه چندین ایجاد امکانقابلیت بهبود تحمل ،اطمینانو خطادسترسدرسامانه بودن امکانReplication سرعت ایشزاف یورتمرکز که عملیاتی هایداده پایگاه برخالف به هاداده حجم ایشزاف با جاایندر است داده سانیرزوربه دهیممی ایشزاف ار هاداده خواندن سرعت خودخواسته ترصو یگيرشرگزا برای هاداده خواندن سرعت وسیع محدوده پوشش دلیل به باال حجممانیز حجيم ها دادهتغیيرو ی دسترس ایرب چهریکپا امنیت امنیت دادهساختار تعیيندر انعطاف پذیر انعطاف 5 تحليلی داده پايگاه(Data Warehouse)
6.
مشتر ،لمحصو مانند
،خاص موضوعی نامورپي يافته مانزساكاال ياو ی گرا موضوع توضیح در اترتغیي دیابیرdimensionشرازگ رمنظو به یخرتااز استفاده با ای یخچهرتا های دادهاز یساز قابلیتSCD مانز محدودهطوالن اتبرم به ییترهایسيستم به نسبت عملياتیوجودساختارهردر مانزعنصر ضمنی يا صريح كليدی طوالنیو مشخص مانیز محدودهدر عدمسانرزور به عمليات وجودی (همزمانی لكنترو ترميم هایمكانيزم بهنياز عدم) امکانaggregateقابلیتاز استفاده با کردنColumnar index لجداواز استفادهFact تحليلی داده پايگاه(Data Warehouse) مدت کوتاهو مدت بلند تصميمات اتخاذ ایربمتمرکز ای داده پایگاه 6
7.
اکل؟را یتجار هوش
حل اهر ارچ های دادهاز پشتیبانیحجیم(Big Data) بررکا ترصو به انربرکا به ها داده نمایش پسند یکاو متنو یکاو دادهاز بدیلبی پشتیبانی متنی هایفایلاز هاداده ی واکشدر باال اییرکا اکلیراغير منابعاز حتی ها داده یرآو جمع عامل سیستماز مستقل یتجار هوش های یژتکنولواز دنیابرتر مالی موسساتو ای بیمه های شرکت ،ها بانکاکثر استفادهOracle 7
8.
Big Data و
Data Warehouse مشترک هدف ایردا:ها داده تحلیلاز یتجار شزار دنرآو بدست Big Dataها دادهاز وسیعی طیف شامل:ویدئوهاو ها ایمیل ،مکانی های داده ،هارسنسواز آمده بدست های داده ،ها الگ. Big Dataتحلیل ایرب مناسب فرمت به ذخيرهو مختلف منابعاز ها داده اجراستخ جهت یمعمار یک مندزنیا. ایرب اکلرا یمعمارBig DataوDataWarehouse:وجودجهت ها دادهاز چهریکپا منبعی یساز اهمرف رمنظو به سیستمدو بين داده جریان تحلیل. 8
9.
اکل؟را دیتابیس ارچ های
اسکنهوشمند ایرررجارابیسرتدیرورررس رهرب ردهرشرررتفیل رایره دادهاز روچکیرک رهرعمجمو رالرسراو یرازرس ررهريذخرورررسدر بردررارکپر رایره یروئررک:رایره یروئررک ایرررب ربرسمنا حجیم. یگذار ایندکس ینگهداریکوئر سرعت ایشزافو یروضرغير های داده فیلترکردن جهت یساز ذخيرهروسردر ها نستومقادیرحداکثرو حداقلها. یساز فشردهستونی ایشزافتا یساز فشرده نرخ10ها یکوئر اییرکا به دنز لطمه نبدوابررب.تا ای یخچهرتا های داده یساز فشرده نرخ ایشزاف همچنين40ابررب. Exadata پهنای ایشزاف باندIO در ستونی یساز فشرده فرمت به یساز ذخيرهحافظه فرمتها دادهسریعتر یابیزباو تحلیل ایرب مناسب ستونی.حافظهدر دادهبیشتر حجم ذخيره به کمک یساز فشرده. یبردار شزپرداSIMD ی سربرمجموعهایازمقادیرنستوهادریکCPU instruction.بسیارمناسبدری سربرwhere clauseها.اهمرفکردنامکاناسکن نبیلیوهاسطردرهرثانیه. یتمرالگوaggregationجدید بهینهایرب شدهjoinلجداو با ها دایم هایfactیکدر همگی نتایج کردن چهریکپاوsingle memory pass. یساز ذخيره درحافظه ای هرمحاو یکوئر نگربالد 9
10.
اکل؟را دیتابیس ارچ های
تکنیکاز استفادهaggregationیگذار ایندکسوپیشرفته ایندکسیگذارbitmapوb-treeاز استفادهوMaterializedviews. چند های محیطدر ها یکوئر یساز بهینهبعدی یساز یمواز ترصو به ها داده به ها یکوئر ی دسترسشده ی دسترسمنبع چندین بهIOوCPUداده پایگاه یوربر یکوئر یک ایراج ایرب. تیشنرپابندی اهرابرردوب تا ها یکوئر سرعت بردن باال ایرب بردیرکاو سادهبسیار حل.می پیدا ی دسترس لجدواز شزنیا درمو های تیشنرپا به تنها یکوئرکند. ها یکوئر اییرکا های تکنیک بهینهیساز مندی بهرهاز Oraclequery Optimizer:در اترتعیيexecutionplanها یکوئر. DatabaseResource Manager:از استفاده انزمي تعیين سپسو یبررکا هوگر تعریف امکانCPUوIOهوگرهر ایرب. .تعریف امکانQuery queuingوQuery governingچندین به پاسخگویی ایرب مناسبworkloadهمزمان صدهاbusinessanalystsشاترازگ کهad-hocکنند می تولید. انرازهbusinessusersکنند می مشاهده ار دهارداشبو که. ها دهdata scientistsدهند می انجام ار ها داده تحلیل که. Management Packs:یسازخودکارongoing performance tuningدیتاویرهاوسدر. ها یکوئر اییرکا تکنیکهای یساز بهینه 10
11.
اکلرا دیتابیس ارچ؟ ها
داده مدیریت(ها داده بودن دسترسدر همیشه) تکنیک"تقسیموحل"ایربلجداوگربزدردیتابیس.یعزتوتیشنرپاهادرالیههایذخيرهیسازمتفاوت.دادههایجدیدتربریور منبعذخيرهیسازسریعترذخيرهشوند. تیشنرپابندی استفادهتکنیکازفشرده هاییسازOLTP:یساز فشرده نرخ با3به1.ترصو به که جداولی ایرب حتیپیوستهندردا سانیرزوبر. لطمه نبدودنزبهیکوئر سرعتو مانزها. ستونی یساز فشرده:یساز فشرده نرخ با10به1.ها یکوئر سرعتو مانزبر دنز لطمه نبدو. فشردهشیورآ های فایل یساز:یساز فشرده نرخ با40به1.شود می استفادهتر قدیمی های داده یوربر. یساز فشرده ی دسترسخواندن قابل نسخه چنددر یسازگار حفظ طریقاز ها داده به خواندن همزمان.انتقال مثل ینگهدار عملیات آنالین انجام اراج حالدر های یکوئر ایراج سرعتو مانز به دنز لطمه نبدو لجداو یا ها تیشنرپا. آنالین عملیاتو خواندن یسازگار 11
12.
اکلرا دیتابیس ارچ؟ اکلرا
تحلیلی رموتو تجمیع(Analytics engine)اکلرا دیتابیس رموتودر استفادهتوابعازlag, lead, average, ratio قابلیتالگو تطبیق:بهنیاز نبدو دیتابیسدر شده ذخيره های دادهدر الگوها کشف امکانjoinوSQLپیچیده های.فتارر تشخیص یا ترند ی سربرمشکوک توسعهSQLدیتابیسدر تحلیل های قابلیت دنوافز برای و فشرده یساز ذخيرهscalableبعدی چند های دادهاز سریع سانیرزوبر بعدی چند های مدل یوربر ها یکوئر باالی سرعتو اییرکا پیچیده تحلیلی محاسبات یساز ذخيرهو محاسبه توانایی رموتوآنالین تحلیلی ی شزپردا(OLAP)تعبیهبا اکلرا دیتابیسدر شدهامکانبسیار بعدی چند فرمت به ها داده یساز ذخيرهو کیوب تعریف ارکا اکلرا دیتابیسدر شده تعبیه بینی پیشو تحلیل های یتمرالگو های یتمرالگوRاکلرا دیتابیسدر شده تعبیه پیشرفته تحلیل 12
13.
سادهو ارکا ترصو
به ابعادو ها کیوب ایجادبستر یساز فراهم ها داده لود جهت ها نگاشت ایجادبستر یساز فراهم خودکار ترصو به کلیدها اختصاصو مراتبی سلسله سطوح ساخت از پشتیبانیSCD(Slowly Changing Dimensions) امکانAggregateاز استفاده با کردنMaterializedviews تعریف قابلیتJob،هاSchedulingها آن کردن رمانیتوو ایجادمجدد استفاده قابل یوهایرسنا(تعریفویورسنا چند کردن پکیج امکان ودیروبرایهاپکیج-web service) امکانتوابعاز استفادهjavaهاداده سنجیاعتبار برایdata validation-به عنوانمثالملی کدکدپستیو یمشتر کد ، ارچOWB؟ 13
14.
ELT مقابلدر ETL Extract,
Load, Transform ELT ETL بهسطر ترصو به ها داده کیفی ی سربرو ها داده انتقال روسردرسطرETL(گلوگاه ایجاد.) باردوبه سرسوازیکبار شبکه یوربر ها داده جایی جابه روسرETLمقصد دادهانبار بهروسراز دومبارو. از ها داده انتقال با ها داده چگیریکپا محدودیت ی سربر روسر به مقصدETL. مقصد داده پایگاهدر ها داده یبارگذارو اجراستخ ابتدا. به ها داده انتقالو ها داده چگیریکپاو کیفی ی سربر سپس مقصد دادهانبار. 14
15.
ارچOBIEE؟ اکلرا یتجار هوشارزاب
یبررکا واسط آفیس با چهریکپاسافتومایکر امکاناسناد به ها داده انتقال سافتومایکر اکسلو دروو ،پوینترپاو دهارداشبوای هرمحاو کامال شاترازگو بهشاترازگ یگذار اکراشت دهایرداشبومتنوع مدیریتی لجدو-نمودار-اشخاص ابطور افرگ و هاحساب-افرگهااکنشرت با اسنادو شاترازگ ،ها قالب ایجاد باالبسیار دهی فرمت قابلیت کامل رطو به شاترازگ نمایشو مدیریت نصب بهنیاز نبدوورگرومر طریقاز اضافهارزافنرم شرازگایرب شاترازگتغیيرو یساز بررکا بهنیاز نبدو یتجار هزحو انربرکا فنی سریع ییادگير 15
16.
ارچOBIEE؟ اکلرا یتجار هوشارزاب
یبررکا واسط ●در ی دسترس سطح تعیين امکان سطر سطح(Row Level Security) ●ازمج یبررکا هایمحیط وجود (Subject Area) ●Caching ●در محاسباتاز ی بخش انجام روسرOBIEEنبدوبهنیازسالرا دیتابیس به(دیتابیس لود کاهش) ●اخوانیرف امکانایندهارفدر دهارداشبوشاترازگو ●هاشرازگ بندی مانز امکان ●ایمیل به هاشرازگ سالرا امکان ●خدادهار اساسرب هارهشدا تعریف امکان های حریان کردنتریگر رمنظو بهیکار ●مطلعطریقاز ذینفعان ساختنسانهر ●های شاخص ایرب اعالن تعریف ●کلیدیعملکرد ●در انربرکا های فعالیت کردن رمانیتو یگير شرازگ هنگام GRAPHIC DESIGNER 16
17.
؟یکاو داده ارچ کنند
می نماییزبا ار ضمنی دانش که داده عظیم منابعاز الگوها اجراستخ از استفاده امکان ایجاد یکاو داده متنوع هایرازاب هایسیستماز یگير بهره آسان یبررکا با یکاو داده ایرب مانزسادر شفاف فضایی ایجاد دهر تمامیدر صحیح یگير تصمیم تصمیم بهبود بویژه مدیریتی های شدرا انرمدی یگير شناساییسریع تهدیدهاو هافرصت اطالعات تحلیلدر سرعت وکیفیت ایشزاف نتایجها تحلیل در تحلیل ترقد ایشزاف ایشزاف اهرهم به مانزسا تحلیل صحت 17
18.
ارچSNA؟ کنند می نماییزبا
ار ضمنی دانش که داده عظیم منابعاز الگوها اجراستخ از استفاده امکان ایجاد یکاو داده متنوع هایرازاب هایسیستماز یگير بهره آسان یبررکا با یکاو داده ایرب مانزسادر شفاف فضایی ایجاد دهر تمامیدر صحیح یگير تصمیم تصمیم بهبود بویژه مدیریتی های شدرا انرمدی یگير شناساییسریع تهدیدهاو هافرصت اطالعات تحلیلدر سرعت وکیفیت ایشزاف نتایجها تحلیل در تحلیل ترقد ایشزاف ایشزاف اهرهم به مانزسا تحلیل صحت 18 SNA: SocialNetwork Analysis
19.
یآمار بانز ارچR؟ یارزافنرم
محیطایربباز متنداده تحلیلو یآمار محاسبات و استباز متن براستراج قابل عاملی سیستمهر یور. ار یآمار هایتکنیک یادیز تعداد خودرداست داده جای داده پایگاه مدیریت تحت یموازو نگردبی ترصو به شودمی اراج اکلراو.هایتمرالگو یمواز ایراج امکان تا1024استردا ار همزمان شکل به یتمرالگو. است ی نویسیتمرالگو ایرب آسانی بانز یساز یبصر ایرب ایالعادهقفو افیکیرگ محیط هاستداده. هایپکیجRانددنیز مثال.کتابخانه مثال عنوان به igraphباال اییرکا با ار افرگ تحلیل های یتمرالگو ، است کرده یساز پیاده.اینربنابRبه مربوط مسائل کند می پشتیبانینيز ار شبکه. 19
20.
ارچAPEX؟ است اکلراو داده
پایگاه یترمحو با وب تحت هایرازافنرم سریع توسعه ایرب یارزاب.یسازپیادهو احیرط ایربارزاب این مناسببسیار ندردا هاشرازگ نمایشو اطالعات ودرو ایرب ی دسترس سطح تعیين بهنیاز که مانزسا داخلی هایرازافنرم است. یگيربهرهارزافنرم نصب بهنیاز نبدو امکانات تمامازورگرومراز استفاده با تنها انربرکاو هاداده شدر با همزمان یپذیرمقیاس قابلیت از استفادهHTML5وnode.jsسایت احیرطدر و چهریکپا سامانه یک یساز اهمرفمتمرکز امکانانربرکا توسط استفادهو نویسانبرنامه توسط آسانو سریع توسعه نهایی امنیتاکلراو باالی اطمینان قابلیتو:ی دسترس سطح تعیين امکان 20
21.
یبانکداردر یتجار هوش
بردرکا شعب سطحدر مشتریانموثر مدیریت یسکر مدیریت اییرکا اساسبر شعب بندی تبهرو تحلیلعملکرد مشتریان با تباطرا مدیریت موقع بهوتر کیفیت با یگير تصمیموبهتر مدیریت بانکی اکندهرپ اطالعات تحلیل جهت یرساختز ایجاد ها بدهیو ها اییردا مدیریت 21
22.
یبانکداردر یتجار هوش
بردرکا شعب سطحدر مشتریانموثر مدیریت یوراز تحلیلی های شرازگ افیکیرتبار حذف سیستمعملیاتی هایبانکی و مشتریان به پشتیبانیو خدمات ائهرا بهبود دریوفادار ایشزاف نتیجهمشتریان مشتریان یزشر تحلیلبهیمشتر طبقه تفکیک کفایت عدم مواقعدرهشدار هوشمند سیستمهای اعتبار تحلیلیبستر کردن اهمرف-هزینهبر تیرنظاهای شعب به مربوط طبقه ،حساب نوع تفکیک به تحلیلو یشگيررازگ و مانز ،خدمات نوع ،شعبه ،یمشتر... 22
23.
بردرکادر یکاو دادهیبانکدار الکترونیک
یبانکدارو آنالین معامالتدر الگوها شناساییو معامالتی هایرفتار ی سربر:و بانک تلفن ،بانک موبایل ،بانک اینترنت یا الکترونیکی های ترکا... و كشفو مالی های استفاده سوء یپیگير پولشوییو تقلبو یكالهبردار دیابیر مالی منابع بهینه تخصیصوپرداخت عدم بینی پیش بدهی و مشتریان یاعتبار های داده عظیم حجم یکاو داده طبقهحساب بدو حساب خوش مشتریان بندی با حقوقیو حقیقی اشخاص سنجیراعتباتشخیص موثر عواملفرداعتباربر و ها یسکر کاهش ،ها بانک عملکرد بینی پیش هزحودر ها فرصتاز استفادهو اترمخاط یبانکدار 23
24.
اکلرا هایرابزا با
یکاو داده انجامو یتجار هوش یساز پیاده ی قنادباش سعیده بهمن1394 باشم شما سواالت پاسخگوی میشم خوشحال Ghanadbashi.s@gmail.com
Télécharger maintenant