Instrumente de Business Intelligence
Cătălina-Gabriela Sfetcu
ETTI - Ingineria Informației și a Sistemelor de Calcul
Universitatea Politehnica din București
București, Romania
Abstract — Această lucrare oferă o
introducere scurtă în contextul actual al
inteligenței afacerii (Business Intelligence) cu
accent pe algoritmii fundamentali și progresele
recente. Business Intelligence (BI) este procesul de
transformare a datelor brute în informații utile
pentru a avea o eficiență mai mare din punct de
vedere al deciziilor strategice și operaționale,
lucruri ce oferă beneficii mari în domeniul
afacerilor. De asemenea, lucrarea are scopul de a
evidenția importanța utilizării instrumentelor de
business intelligence în cadrul unei companii care
dispune de foarte multe date relevante din toate
departamentele sale, în contextul în care
concurența este acerbă și este necesară abordarea
unui mod de lucru în care deciziile se iau cu
rapiditate pe baza unor date procesate aproape în
timp real pentru ca informațiile culese, agregate și
puse la dispoziție pentru vizualizare sa fie cât mai
noi. Degeaba s-ar face o analiză asupra unor date
vechi, când piața este într-o continuă schimbare.
Deci este necesară culegerea a cât mai multe date
relevante, procesarea lor în mod rapid și
disponibilitatea acestor date spre a fi vizualizate
cu ajutorul unui instrument cat mai ușor de
folosit, capabil să contureze grafice utile în luarea
unor decizii de business.
1. INTRODUCERE
„Business Intelligence” (BI) este un termen
general care include o varietate de aplicații IT ce
sunt folosite pentru a analiza datele unei
organizații și pentru a comunica informațiile
obținute utilizatorilor pentru care sunt relevante
acele date. Componentele sale principale sunt
depozitarea datelor, exploatarea datelor,
interogarea și raportarea. [1]
Informația este esențială pentru afacere.
Business-urile folosesc diverse tehnici pentru a
înțelege mediul lor de afaceri și pentru a prezice
viitorul, acest lucru fiind necesar dezvoltării și
creșterii lor. Deciziile sunt luate din experiența
și intuiția celor din companie. Deciziile bazate
pe date concrete sunt mult mai eficiente decât
cele bazate numai pe intuiție. Acțiunile bazate pe
date, informații, cunoștințe, experimentări și
teste exacte, ce utilizează date noi, pot avea un
succes mult mai mare și pot duce la o creștere
sustenabilă.
Prin urmare, organizațiile ar trebui să adune
date, să le prelucreze, să le analizeze și să le
descopere utilitatea, să găsească informații și să
încorporeze aceste informații în procedurile lor
de funcționare.
Figura 1. Business intelligence și ciclul de exploatare a
datelor
Există o nouă necesitate de importanță și de
urgență în ceea ce privește informația, deoarece
este privită ca o nouă resursă naturală. Aceasta
poate fi exploatată pentru valoare, perspectivă și
avantaj competitiv. Într-o lume hiperconectată,
unde totul este posibil conectat la orice, cu
potențiale infinite de corelații, datele reprezintă
impulsuri sub forma anumitor evenimente și
atribute. [2]
2. INSTRUMENTE DE BI
BI include o varietate de instrumente și tehnici
software pentru a oferi managerilor informațiile
și informațiile necesare pentru a conduce
afacerea. Pot fi furnizate informații cu privire la
starea actuală a afacerilor, cu capacitatea de a
detalia informațiile și, de asemenea, informații
despre modelele emergente care duc la proiecții
în viitor. Instrumentele BI includ depozitarea
datelor, procesarea analitică online, analiza
social media, raportarea, tablourile de bord,
interogarea și extragerea datelor.
Instrumentele BI pot varia de la instrumente
foarte simple care ar putea fi considerate
instrumente ale utilizatorilor finali, până la
instrumente sofisticate care oferă un set de
funcționalități foarte larg și complex. Astfel,
directorii executivi pot fi propriii experți BI sau
se pot baza pe specialiștii BI pentru a stabili
mecanismele BI pentru ele. Astfel, organizațiile
mari investesc în soluții sofisticate de BI care
oferă informații bune în timp real. [3]
Un instrument de calcul tabelar, cum ar fi
Microsoft Excel, poate funcționa ca un
instrument BI simplu, dar eficient. Datele pot fi
descărcate și stocate în foaia de calcul, apoi
analizate pentru a genera perspective, apoi
prezentate sub formă de grafice și tabele. Acest
sistem oferă o automatizare limitată, utilizând
macrocomenzi și alte funcții. Caracteristicile
analitice includ funcțiile de bază statistice și
financiare. Tabelele de tip pivot ajută la analiza
de tip „what-if”. Modulele de tip add-on pot fi
instalate pentru a permite analiza statistică
moderată. [3]
Un sistem de tip dashboard, cum ar fi Tableau,
Qlick sau Microsoft Power BI, poate oferi un set
sofisticat de instrumente pentru colectarea,
analizarea și prezentarea datelor. La end user,
dashboard-urile modulare pot fi proiectate și
reproiectate cu ușurință cu o interfață grafică
pentru utilizator. Capacitățile analitice de date
back-end includ multe funcții statistice.
Dashboard-urile sunt legate la data warehouse
pentru a se asigura că tabelele, graficele și alte
elemente ale dashboard-ului sunt actualizate în
timp real.
Sistemele de data minning, cum ar fi IBM SPSS
Modeler, sunt sisteme de rezistență industrială
care oferă capabilități de a aplica o gamă largă
de modele analitice pe seturi de date mari.
Sistemele open source, cum ar fi Weka, sunt
platforme populare menite să ajute cantități mari
de date pentru a descoperi modele. [4]
3. DEPOZITAREA DATELOR
Un depozit de date (DW - data warehouse)
este o colecție organizată de baze de date
integrate, bazate pe obiecte, concepute pentru a
sprijini funcțiile de suport decizional. DW este
organizat la un nivel adecvat de granularitate
pentru a furniza date clare la nivel de companie
într-un format standardizat pentru rapoarte,
interogări și analize. DW este fizic și funcțional
separat de o bază de date operațională și
tranzacțională. Crearea unui DW pentru analiză
și interogări reprezintă o investiție semnificativă
de timp și efort. Trebuie să fie constant
menținută la zi pentru ca aceasta să fie utilă. DW
oferă multe avantaje comerciale și tehnice. DW
sprijină activitățile de raportare și activitățile de
exploatare a datelor. Poate facilita accesul
distribuit la cunoștințele de afaceri actualizate
pentru departamente și funcții, îmbunătățind
astfel eficiența afacerii și servicii pentru clienți.
DW poate prezenta un avantaj competitiv prin
facilitarea procesului de luare a deciziilor și prin
facilitarea proceselor de afaceri. DW permite o
vizualizare consolidată a datelor întregii
companii, toate ajustate și organizate. Astfel,
întreaga organizație poate vedea o viziune
integrată asupra ei înșiși. DW oferă astfel
informații mai bune și mai rapide. Acesta
simplifică accesul la date și permite utilizatorilor
finali să efectueze analize ample. Îmbunătățește
performanța generală a informațiilor prin faptul
că nu împovărează bazele de date operaționale
utilizate alte sisteme. [5]
4. ARHITECTURA DW
DW are patru elemente cheie. Primul element
reprezintă sursele de date care furnizează datele
brute. Al doilea element este procesul de
transformare a acestor date pentru a răspunde
nevoilor decizionale. Cel de-al treilea element
sunt metodele de încărcare regulată și precisă a
acestor date în EDW sau martor de date. Al
patrulea element este partea de acces și analiză a
datelor, în care dispozitivele și aplicațiile
utilizează datele de la DW pentru a furniza
informații și alte beneficii utilizatorilor. [1]
DW-urile sunt create din surse structurate de
date. Datele nestructurate, cum ar fi datele de
text, ar trebui structurate înainte la inserarea în
DW.
Un DW util constă în procesul de populare cu
date corecte.
Acest proces se numește extragere-transformare-
încărcare (ETL – extract-trasform-load).
1. Datele ar trebui extrase din mai multe surse de
baze de date operaționale (tranzacționale) în
mod regulat.
2. Datele extrase ar trebui aliniate împreună cu
câmpurile cheie. Ar trebui să fie curățate de
orice nereguli sau valori lipsă. Ar trebui să fie
agregate la același nivel de granularitate.
Câmpurile dorite, cum ar fi totalul zilnic de
vânzări, ar trebui calculate. Întreaga informație
trebuie să fie adusă la același format ca și tabelul
central al DW.
3. Datele transformate ar trebui apoi încărcate în
DW. [6]
Conceptul de proces ETL a devenit popular în
anii 1970. Extracţia de date este atunci când
datele sunt extrase din surse de date,fie
omogene,fie eterogene; transformarea datelor
este atunci când datele sunt transformate pentru
a fi stocate în formatul sau structura
corespunzătoare pentru interogare şi analiză;
încărcarea datelor se intamplă atunci când datele
sunt încarcate în baza de date de destinție ( care
poate fi un depozit de date). [7]
Deoarece extragerea datelor este un proces
consumator de timp, se optează pentru
executarea celor trei faze în paralel. În timp ce
datele sunt extrase, un alt proces de transformare
se execută în timpul prelucrării datelor deja
primite şi se pregătește pentru încarcare, în timp
ce încărcarea altor date începe fără a aştepta
finalizarea etapelor anterioare.
Prima parte a procesului ETL implica extragerea
datelor din sistemele sursă. În multe cazuri,
aceasta reprezintă cel mai important aspect al
ETL, deoarece extragerea datelor stabileşte în
mod corect etapa pentru succesul proceselor
ulterioare. Cele mai multe proiecte de depozitare
a datelor combină date din diferite sisteme sursă.
Fiecare sistem separat poate utiliza, de
asemenea, o altă organizaţie şi / sau format de
date . Formatele de date comune-source includ
baze de date relaţionale , XML , JSON şi fişiere
plate , dar pot include , de asemenea , structuri
de baze non-relaţionale de baze de date. În unele
cazuri, procesul de extracţie poate fi necesar să
facă o regulă de validare a datelor pentru a
accepta datele şi pentru a trece in faza
urmatoare. [8]
În etapa de transformare a datelor, se aplică o
serie de reguli sau funcţii datelor extrase pentru
a fi pregătite pentru încarcarea la destinaţia
finală. Câteva exemple sunt:
- Selectarea numai a anumitor coloane pentru
încărcare;
- Codarea valorilor formelor libere;
- Traducerea valorilor codificate;
- Derivarea unei noi valori calculate;
- Sortarea sau ordonarea datelelor pe baza unei
liste de coloane pentru a îmbunătăţi performanţa
căutării;
- Agregarea;
- Generarea valorilor cheie-valoare;
- Integrarea datelor din mai multe surse
- Împărţirea unei coloane în mai multe coloane;
- Transpunerea sau pivotarea;
- Dezagregarea coloanelor repetate;
- Căutarea și validarea datelor relevante din
tabele sau fișiere referenţiale. [7]
Ultima fază, aceea de încarcare a datelor la
destinaţie, care poate fi realizată sub forma unui
fişier simplu sau a unui depozit de date. În
funcţie de cerinţele organizaţiei, acest proces
variază foarte mult. În unele depozite de date se
pot suprascrie datele existente cu informaţii;
actualizarea datelor extrase se face frecvent pe o
bază zilnică, săptămânală sau lunară. În alte
depozite de date se pot adăuga noi date într-o
formă istorică la intervale regulate.
Procesele ETL pot implica o mare complexitate
şi pot apărea probleme operaționale
semnificative. Gama de valori de date sau de
calitate a datelor într-un sistem operațional poate
depăşi aşteptările designerilor la momentul
validării şi a regulilor de transformare. Profilarea
datelor unei surse în timpul analizei datelor
poate identifica condiţiile de date care trebuie
gestionate prin specificarea normelor de
transformare, ceea ce duce la o modificare a
regulilor de validare implementate explicit şi
implicit în procesul ETL. [8]
Depozitele de date sunt de obicei asamblate
dintr-o varietate de surse de date cu diferite
formate şi scopuri. Ca atare, ETL este un proces
cheie pentru a aduce toate datele într-un mediu
standard, omogen. [9]
Acest proces ETL trebuie să funcționeze cu o
frecvență optimă. Datele de tranzacție zilnice pot
fi extrase din sisteme integrate, transformate și
încărcate în baza de date în aceeași noapte.
Astfel, DW este actualizat în dimineața
următoare. Dacă DW este necesar pentru accesul
la informații în timp real, procesele ETL ar
trebui să fie executate mai frecvent. Activitatea
ETL este de obicei automatizată folosind
scripturi de programare care sunt scrise, testate
și apoi implementate pentru actualizarea
periodică a DW.
Schema stea este arhitectura de date preferată
pentru majoritatea DW-urilor. Există un tabel
central care oferă majoritatea informațiilor de
interes. Există tabele de căutare care furnizează
valori detaliate pentru codurile utilizate în
tabelul central.
Alte scheme includ arhitectura fulg de zăpadă.
Diferența dintre o stea și fulg de zăpadă este
aceea că în tabelul de căutare, tabelele de căutare
pot avea propriile tabele de căutare
suplimentare.
Există multe opțiuni tehnologice pentru
dezvoltarea DW. Aceasta include selectarea
sistemului de gestionare a bazelor de date
potrivite și setul corespunzător de instrumente
de gestionare a datelor. Există câțiva furnizori
mari și fiabili de sisteme DW. Furnizorul SGBD
operațional poate fi ales și pentru DW.
Alternativ, ar putea fi utilizat un furnizor DW de
cea mai bună calitate. Există, de asemenea, o
varietate de instrumente pentru migrarea datelor,
încărcarea datelor, recuperarea datelor și analiza
datelor. [6]
5. DATA MINING
Explorarea datelor este știința de a descoperi
cunoștințe, informații și modele în date. Este un
act de extragere a modelelor utile dintr-o
colecție organizată de date. Modelele trebuie să
fie valide, noi, cu potențial mare de utilitate și
ușor de înțeles. Presupunerea implicită este că
datele din trecut pot dezvălui modele de
activitate care pot fi proiectate în viitor.
Explorarea datelor este un domeniu
multidisciplinar care împrumută tehnici dintr-o
varietate de domenii. Acesta utilizează
cunoștințele privind calitatea datelor și
organizarea datelor din zona bazelor de date. Ea
atrage tehnici de modelare și analitice din
domeniile statisticilor și informaticii (inteligența
artificială). De asemenea, atrage cunoștințele de
luare a deciziilor din domeniul managementului
afacerilor.
Domeniul exploatării datelor a apărut în
contextul recunoașterii modelului în apărare,
cum ar fi identificarea unui prieten sau dușman
pe un câmp de luptă. Precum multe alte
tehnologii bazate pe apărare, a evoluat pentru a
ajuta la obținerea unui avantaj competitiv în
afaceri. [10]
6. COLECTAREA ȘI
SELECTAREA DATELOR
Valoarea totală a datelor din lume se dublează la
fiecare 18 luni. Există o avalanșă tot mai mare
de date cu viteză, volum și varietate mai mari.
Datele trebuie folosite rapid sau se pot pierde.
Trebuie să luăm decizii rapide cu privire la ceea
ce trebuie să colectăm și să ignorăm, pe baza
scopului exercițiilor de extragere a datelor.
Pentru a învăța din date, trebuie să colectăm în
mod eficient date de calitate, să le structurăm, să
le organizăm și apoi să le procesăm eficient.
Unele necesită abilitățile și tehnologiile pentru
consolidarea și integrarea elementelor de date
din mai multe surse. Majoritatea organizațiilor
dezvoltă un model de companie, un model
unificat, la nivel înalt, al tuturor datelor stocate
în bazele de date ale unei organizații. Va include
chiar datele generate de toate sistemele interne.
Oferă meniul de bază al datelor pentru a crea un
depozit de date pentru un anumit scop
decizional. Depozitele de date ajută la
organizarea tuturor acestor date într-o manieră
utilă, astfel încât să poată fi selectate și
desfășurate pentru exploatare. Poate, de
asemenea, să-și imagineze ce date externe
relevante ar trebui colectate pentru a dezvolta
relațiile bune de predicție cu datele interne. [11]
Colectarea și structurarea datelor necesită
timp și efort, mai ales atunci când acestea sunt
nestructurate sau semistructurate. Datele
nestructurate pot veni în mai multe forme, cum
ar fi baze de date, bloguri, imagini, videoclipuri
și chat-uri. Există fluxuri de date sociale
nestructurate din bloguri, chat-uri și tweet-uri.
Există, de asemenea, fluxuri de date generate de
mașini, internetul obiectelor (IOT – internet of
things) și așa mai departe. Datele trebuie puse în
forme de date rectangulare, cu coloane și rânduri
clare, înainte de al trimite la minare.
Cunoașterea domeniului afacerii ajută la
selectarea fluxurilor potrivite de date pentru a
obține informații noi. Datele care se potrivesc
problemei trebuie colectate. Elementele de date
ar trebui să fie relevante și să abordeze în mod
adecvat problema care trebuie rezolvată. Acestea
ar putea afecta direct problema sau ar putea fi un
proxy adecvat pentru măsurarea efectului.
Selectarea datelor va fi colectată și din depozitul
de date. [12]
7. CURĂȚAREA ȘI
PREGĂTIREA DATELOR
Calitatea datelor este esențială pentru
succesul și valoarea proiectului de extracție a
datelor.. Calitatea datelor primite variază în
funcție de sursa și de natura datelor. Datele din
operațiunile interne sunt susceptibile de a fi de o
calitate superioară, deoarece vor fi corecte și
concrete. Datele din mass-media sociale și alte
surse publice sunt mai puțin sub controlul
afacerilor și este mai puțin probabil să fie fiabile.
Datele trebuie aproape cu siguranță să fie
curățate și transformate înainte ca acestea să
poată fi folosite pentru exploatarea datelor.
Există multe modalități în care pot fi necesare
curățarea datelor - umplerea valorilor lipsă,
împărțirea în efectele extragerii, transformarea
câmpurilor, binarea variabilelor continue și
multe altele - înainte de a fi gata pentru analiză.
Curățarea și pregătirea datelor este o activitate
intensivă sau semiautomată, care poate dura
până la 60 până la 70% din timpul necesar
pentru un proiect de extragere de date. [13]
Exemple de reguli folosite la procesul de
curățare și pregatire:
 Datele duplicate trebuie eliminate. Aceleași
date pot fi primite din mai multe surse.
 Valorile lipsă trebuie să fie completate sau
acele rânduri ar trebui eliminate din analiză.
Valorile lipsă pot fi completate cu valori medii
sau modale sau implicite.
 Este posibil ca elementele de date să fie
transformate de la o unitate la alta. De exemplu,
este posibil ca aceste costuri totale ale asistenței
medicale și numărul total de pacienți să fie
reduse la cost / pacient pentru a permite
comparabilitatea acestei valori.
 Este posibil ca elementele de date să fie
ajustate pentru a le face comparabile în timp. De
exemplu, este posibil ca valorile valutare să
trebuiască să fie ajustate în funcție de inflație;
acestea ar trebui să fie convertite în același an de
bază pentru comparabilitate. Este posibil ca
acestea să fie convertite într-o monedă comună.
 Orice prejudecăți în selectarea datelor ar trebui
corectate pentru a asigura că datele sunt
reprezentative pentru fenomenele analizate.
Dacă datele includ mai mulți membri dintr-un
gen decât cel tipic pentru populația de interes,
atunci trebuie adaptate datele.
 Datele ar trebui aduse la aceeași granularitate
pentru a asigura comparabilitatea. Datele de
vânzări pot fi disponibile zilnic, dar datele de
compensare ale persoanelor de vânzări pot fi
disponibile numai lunar. Pentru a lega aceste
variabile, datele trebuie aduse la cel mai mic
numitor comun, în acest caz, lunar.
 Este posibil ca datele să fie selectate pentru a
crește densitatea informației. Este posibil ca
unele date să nu arate o mare variabilitate,
deoarece nu au fost înregistrate corect sau din
alte motive. Aceste date pot afecta efectele
altor diferențe în date și ar trebui eliminate
pentru a îmbunătăți densitatea informațională
a datelor. [14]
8. TEHNICI DE DATA-MINING
Există două tipuri principale de procese de
extragere a datelor: învățarea supravegheată și
învățarea nesupravegheată. În învățarea
supravegheată, poate fi creat un model de
decizie utilizând datele anterioare, iar modelul
poate fi apoi utilizat pentru a prezice răspunsul
corect pentru viitoarele instanțe de date.
Clasificarea este principala categorie de
activitate de învățare supravegheată. Există
multe tehnici de clasificare, arborii de decizie
fiind cei mai populari. Fiecare dintre aceste
tehnici poate fi implementată cu mai mulți
algoritmi. O metrică comună pentru toate
tehnicile de clasificare este precizia predictivă.
[14]
Datele pot fi extrase pentru a ajuta la luarea
deciziilor mai eficiente în viitor. Sau poate fi
folosit pentru a explora datele pentru a găsi
interesante modele asociative. Tehnica corectă
depinde de tipul de problemă care trebuie
rezolvată.
Cea mai importantă clasă de probleme rezolvate
prin utilizarea minelor de date reprezintă
probleme de clasificare. Acestea sunt probleme
în care datele din deciziile anterioare sunt
extrase pentru a extrage câteva reguli și modele
care ar îmbunătăți acuratețea procesului
decizional în viitor. Datele deciziilor anterioare
sunt organizate și exploatate pentru reguli de
decizie sau ecuații, care apoi sunt codificate
pentru a produce decizii mai precise. Tehnicile
de clasificare se numesc învățare supravegheată,
deoarece există o modalitate de a supraveghea
dacă predicția modelului este corectă sau greșită.
[13]
Un arbore de decizie este o structură ierarhică
organizată, structurată pentru a ajuta la luarea
unei decizii într-o manieră simplă și logică.
Regresia este o tehnică relativ simplă și cea mai
populară de date statistice. Scopul este să se
potrivească unei curbe bine definite a datelor.
Tehnicile de analiză a regresiei, de exemplu, pot
fi folosite pentru a modela și anticipa consumul
de energie ca o funcție a temperaturii zilnice.
Simpla reprezentare a datelor arată o curbă
neliniară. Aplicarea unei ecuații de regresie
neliniară se va potrivi foarte bine cu o precizie
ridicată. Astfel, consumul de energie în orice zi
viitoare poate fi prezis utilizând această ecuație.
Rețeaua neuronală artificială (ANN) este o
tehnologie sofisticată de extragere a datelor din
fluxul de inteligență artificială din Informatică.
Aceasta imita comportamentul structurii
neuronale umane: Neuronii primesc stimuli, le
procesează și le comunică succesiv altor neuroni
și, în cele din urmă, un neuron emite o decizie.
O sarcină de decizie poate fi procesată de un
singur neuron, iar rezultatul poate fi comunicat
în curând. Alternativ, ar putea exista multe
straturi de neuroni implicați într-o sarcină de
decizie, în funcție de complexitatea domeniului.
Rețeaua neuronală poate fi instruită prin luarea
unei decizii de mai multe ori cu multe puncte de
date. Acesta va continua să învețe prin ajustarea
parametrilor interni de calcul și de comunicare
bazat pe feedbackul primit asupra deciziilor sale
anterioare. Valorile intermediare trecute în
straturile neuronilor nu pot face un sens intuitiv
unui observator. Astfel, rețelele neuronale sunt
considerate un sistem cutie neagră. [10]
La un moment dat, rețeaua neuronală va
învăța suficient și va începe să se potrivească cu
precizia predictivă a unui expert uman sau cu
tehnici alternative de clasificare. Predicțiile
anumitor anunțuri ANN care au fost instruite pe
o perioadă lungă de timp, cu o cantitate mare de
date, au devenit cu mult mai precise decât
experții umani. În acest moment, RNA-urile pot
începe să fie serios luate în considerare pentru
desfășurare, în situații reale în timp real. ANN
sunt populare deoarece sunt în cele din urmă
capabili să atingă o precizie predictivă înaltă.
Ans sunt, de asemenea, relativ simplu de
implementat și nu au probleme cu calitatea
datelor. ANN necesită o mulțime de date pentru
a instrui pentru a dezvolta abilități bune de
predicție.
Analiza cluster este o tehnică de învățare
exploratorie care ajută la identificarea unui set
de grupuri similare în date. Este o tehnică
utilizată pentru identificarea automată a
grupărilor naturale ale lucrurilor. Instanțele de
date care sunt similare cu (sau aproape) reciproc
sunt clasificate într-un singur grup, în timp ce
instanțele de date care sunt foarte diferite (sau
îndepărtate) una de cealaltă sunt clasificate în
clustere separate. Pot exista orice număr de
clustere care ar putea fi generate de date.
Tehnica K-means este o
tehnică populară și permite orientarea
utilizatorului în selectarea numărului corect (K)
al clusterelor din date.
 Clustering-ul este, de asemenea, cunoscut sub
numele de tehnica de segmentare. Tehnica arată
grupurile de lucruri din datele anterioare. Ieșirea
este centroidii pentru fiecare cluster și alocarea
punctelor de date către clusterul lor. Definiția
centroidului este utilizată pentru a atribui noi
instanțe de date care pot fi atribuite caselor lor
de cluster. Gruparea este, de asemenea, o parte a
familiei de tehnici de inteligență artificială.
Regulile de asociere sunt o metodă populară de
valorificare a datelor în afaceri, în special în
cazul în care este implicată vânzarea. De
asemenea, cunoscut sub numele de „analiza
coșului de pe piață”, aceasta ajută la răspunsul la
întrebări despre oportunitățile de vânzare
încrucișată. Aceasta este elementul de bază al
motorului de personalizare folosit de site-urile
de comerț electronic, cum ar fi Amazon.com și
site-urile de filme streaming precum
Netflix.com. Tehnica ajută la găsirea unor relații
interesante (afinități) între variabile (elemente
sau evenimente). Acestea sunt reprezentate ca
reguli ale formulei X Y, unde X și Y sunt seturi
de elemente de date. O formă de învățare
nesupravegheată, nu are o variabilă dependentă;
și nu există răspunsuri corecte sau greșite. Sunt
doar afinități mai puternice și mai slabe. Astfel,
fiecare regulă are un nivel de încredere atribuit
acesteia. [10]
9. TABLEAU
Tableau oferă o experiență intuitivă de
explorare interactivă bazată pe vizual care
permite utilizatorilor de afaceri și oricărui autor
de conținut să acceseze, să pregătească, să
analizeze și să prezinte constatările din datele lor
fără abilități tehnice sau codare. Tableau oferă
trei produse de bază: Tableau Desktop, Tableau
Server și Tableau Online (varianta cloud).
Tableau s-a angajat întotdeauna să ofere tuturor
celor din întreaga companie puterea de explorare
a datelor. Acesta a lansat surse de date certificate
și recomandate pentru o mai bună guvernanță a
implementărilor mari. Tableau a progresat în
transmiterea mai bună a datelor la scară mare.
Noul motor Hyper in-memory al lui Tableau a
fost lansat în ianuarie 2018, iar produsul său de
pregătire a datelor Project Maestro este acum în
versiune beta. Un impuls puternic pe o piață
competitivă și sensibilă la prețuri, îmbunătățirea
continuă a produselor au condus la poziția sa.
[15]
Avantajele utilizării acestui intrument sunt:
 Standard înalt pentru explorarea vizuală
interactivă: Principalele avantaje ale produselor
Tableau continuă să fie vizualizarea și
explorarea interactivă intuitivă și capabilitățile
analitice de bord, mobilizând setul conectorilor
de date, atât în memorie, cât și direct interogarea
accesului pentru seturi de date mai mari. Această
combinație, care include funcții avansate de tip
drag-and-drop, cum ar fi prognozarea, gruparea,
geocodarea automată și editarea asistată a
formularelor, permite utilizatorilor să exploreze
și să manipuleze mai adânc datele mai ușor și
mai repede decât în majoritatea platformelor
concurente. Clienții de referință ai Tableau
continuă să achiziționeze produsul pentru
experiența utilizatorului, ușurința în utilizare și
funcționalitate, pentru care scorurile sale se
numără printre cele mai mari dintre toți
furnizorii evaluați aici.
 Concentrarea pe experiența și succesul
clienților: Clienții continuă să fie mulțumiți de
Tableau. Aceasta include un scor de top din
punct de vedere al calculelor pentru obținerea de
beneficii pentru întreprinderi și cel mai mare
scor pentru activarea utilizatorilor - ambele
măsuri cheie de succes. Abilitățile tableau sunt
în mare cerere și pentru a sprijini acest Tableau
oferă o gamă largă de variante de învățare alături
de Tableau Public, comunitatea sa online și cu
rețeaua extinsă de parteneri. Conferința sa
anuală de utilizare a participanților, care a
depășit 14.000 de participanți în 2017, este o
dovadă suplimentară a satisfacției utilizatorilor.
 Extinderea implementărilor și a ratelor de
standardizare: Un număr din ce în ce mai mare
de clienți de referință de la Tableau îl utilizează
pentru a permite echipelor centralizate să
furnizeze conținut pentru consumatori într-o
manieră agilă și iterativă. Alți clienți de
referință. Dimensiunea medie a implementării
continuă să crească în fiecare an, deoarece
organizațiile standardizează Tableau la rate mai
mari și o desfășoară într-o mai mare măsură pe
întreaga întreprindere.
 Opțiuni de implementare flexibile: Tableau
poate fi implementat în Cloud, Online sau local.
Tableau a fost la începutul Cloud, inițial
bazându-se pe desfășurarea în propriile centre de
date. Opțiunile de implementare a cloud-ului au
evoluat și pentru a oferi mașini virtuale, pentru a
simplifica implementarea. În ultimul an, a
adăugat suport pentru platforma Google Cloud,
precum și suport hibrid de date pentru sursele
localizate din cloud.
Dezavantajele sunt:
 Integrarea pieței: Explorarea datelor bazate pe
vizual este oferită în prezent de către majoritatea
jucătorilor de pe această piață. Reducerea
presiunii de preț de la opțiunile de licență cu
costuri reduse afectează mediul concurențial.
Acest lucru a provocat o creștere a concurenței și
a unei concurențe sporite și a unor contracte de
întreprinderi, deoarece se limitează diferențierea
caracteristicilor, creșterea opțiunilor competitive
și a caracteristicilor întreprinderilor și a prețului
față de valoarea în decizia de cumpărare decât
înainte. Deși Tableau continuă să atragă noi
clienți și să extindă dimensiunile de
implementare, acest mediu concurențial intens a
contribuit la creșterea lentă a veniturilor de la
Tableau în ultimii ani.
 Prețul și pachetul oferit: Costul licenței
software, în special deoarece opțiunile cu costuri
reduse cresc și se îmbunătățesc, continuă să fie o
provocare pentru Tableau. Unul dintre locurile
slabe ale lui Tableau în scorurile de referință ale
clienților se axează pe costul licenței Prețurile la
intrarea pe piață la prețuri scăzute sunt din ce în
ce mai atractive pentru cumpărătorii cu o
maturitate mai puțin analitică, în special pentru
implementarea unor întreprinderi mari, cu un
procent ridicat de consumatori.
 Lipsa suportului complex al modelului de date:
Organizațiile caută intuiții din combinații mai
mari și mai variate de date, care necesită modele
de date mai complexe. În timp ce o gamă largă
de opțiuni de conectivitate a surselor de date
sunt suportate de Tableau, modelarea complexă
a datelor trebuie să fie creată fie în afara Tableau
într-un depozit de date, fie prin intermediul
partenerilor de pregătire a datelor de auto-
service. Mai mult decât atât, performanța slabă
pentru extractele mari în memorie necesită
deseori modelarea într-un depozit de date separat
care este interogat direct de la Tableau. Noua
bază de date Hyper in-memory este de așteptat
să îmbunătățească semnificativ performanța în
extractele mari de date din memorie.
Instrumentul autonom de pregătire a datelor
Tableau (denumit cod Project Maestro) este în
prezent în versiune beta și este destinat să
ușureze utilizatorului să modeleze și să
armonizeze date mari și complexe fără a recurge
la un alt instrument.
 Viziune asupra produsului: Tableau investește,
dar nu conduce, următorul val de inovație
perturbatoare. Marea majoritate a investițiilor
făcute în foaia de parcurs a produselor se
concentrează pe reducerea decalajelor din
caracteristicile întreprinderii și a extensibilității,
implementarea flexibilă, inclusiv cloud,
sprijinirea seturilor de date mai mari și mai
complexe, și facilitarea paradigmei de explorare
vizuală. [15] [16] [17]
10. CONCLUZII
În această lucrare au fost prezentate
conceptele de business intelligence, au fost
descrise instrumentele folosite, arhitectura DW,
cateva concepte despre data mining (colectarea,
curățarea și pregatirea datelor), tehnici de data-
mining și a fost prezentat tool-ul de Tableau ce
servește ca instrument de BI pentru vizualizarea
datelor. De asemenea, au fost discutate două
instrumente puternice ce determină dezvoltarea
și productivitatea afacerilor. Primul instrument
se referă la data mining care este folosit pentru a
manevra cantităti mari de date și al doilea este
conceptul de business intelligence care se
folosește pentru realizarea unor decizii relevante
pe baza unor analize de business.
 11.BIBLIOGRAFIE [17]https://help.talend.com/reader/
93olCfmQi615MRwYBjy30g/
[1] Alan Simon, 2014, Enterprise Business 0jR_lL3USb1L51fZ1wZ4ig
Intelligence and Data Warehousing, ISBN:
9780128017463
[2] Andrew J Oppel, 2009, Databases: A
Beginner's Guide, ISBN: 9780071608466
[3] Rick Greenwald, Joseph Rayman, Robert
Stackowiak, 2007, Oracle® Data Warehousing
and Business Intelligence Solutions, Oracle®
Data Warehousing and Business Intelligence
Solutions
[4] Ahmed Sherif, 2016, Practical Business
Intelligence, ISBN: 9781785885433
[5] David Loshin , 2012, Business Intelligence,
2nd Edition, ISBN: 9780123858900
[6] Peter C. Bruce, Nitin R. Patel, Galit Shmueli,
2010, Data Mining For Business Intelligence:
Concepts, Techniques, and Applications in
Microsoft Office Excel® with XLMiner®,
Second Edition, ISBN: 9780470526828
[7] https://www.quora.com/What-is-the-first-
step-to-understand-Business-Intelligence-and-
perform-Data-Analysis
[8]https://en.wikipedia.org/wiki/
Online_analytical_processing
[9] https://www.edureka.co/blog/talend-etl-tool/
[10] Lyndsay Wise , 2012, Using Open Source
Platforms for Business Intelligence, ISBN:
9780124158764
[11] Paul Turner, Debra Paul, James Cadle,
2014, Business Analysis Techniques: 99
essential tools for success - 2nd edition, ISBN:
9781780172736
[12] Daniel T. Larose, Chantal D. Larose, 2015,
Data Mining and Predictive Analytics, 2nd
Edition, ISBN: 9781118116197
[13] Vicki L. Sauter, 2010, Decision Support
Systems for Business Intelligence, Second
Edition, ISBN: 9780470433744
[14] Wagner Meira Jr, Mohammed J. Zaki, 2014,
Data Mining and Analysis, ISBN:
9781107779105
[15] Donabel Santos , 2016, Tableau 10
Business Intelligence Cookbook, ISBN:
9781786465634
[16] Micheline Kamber, Jian Pei, Jiawei Han,
2011, Data Mining: Concepts and Techniques,
3rd Edition, ISBN: 9780123814807