پاورپوینت هوش تجاری

توجه : این پروژه به صورت فایل power point (پاور پوینت) ارائه میگردد

  پاورپوینت هوش تجاری دارای ۱۴۵ اسلاید می باشد و دارای تنظیمات کامل در Power Point می باشد و آماده پرینت یا چاپ است

فایل پاور پوینت پاورپوینت هوش تجاری  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

---

لطفا به نکات زیر در هنگام خرید

دانلود پاورپوینت هوش تجاری

توجه فرمایید.

۱-در این مطلب، متن اسلاید های اولیه 

دانلود پاورپوینت هوش تجاری

قرار داده شده است

۲-به علت اینکه امکان درج تصاویر استفاده شده در پاورپوینت وجود ندارد،در صورتی که مایل به دریافت  تصاویری از ان قبل از خرید هستید، می توانید با پشتیبانی تماس حاصل فرمایید

۳-پس از پرداخت هزینه ، حداکثر طی ۱۲ ساعت پاورپوینت خرید شده ، به ادرس ایمیل شما ارسال خواهد شد

۴-در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل اسلاید ها میباشد ودر فایل اصلی این پاورپوینت،به هیچ وجه بهم ریختگی وجود ندارد

۵-در صورتی که اسلاید ها داری جدول و یا عکس باشند در متون زیر قرار داده نشده است

---

بخشی از متن پاورپوینت هوش تجاری :

اسلاید ۱ :

تعریف هوش تجاری (۱)      

عبارتست از بُعد وسیعی از کاربردها و تکنولوژی برای جمع آوری داده و دانش جهت

     تولید پرس و جو در راستای آنالیز Enterprise برای اتخاذ تصمیات تجاری دقیق و هوشمند.   

اسلاید ۲ :

تعریف هوش تجاری (۲)    

یک هوش تجاری براساس یک معماری Enterprise تشکیل شده و در قالب OLAP (پردازش تحلیلی برخط)، به تحلیل داده های تجاری و اتخاذ تصمیمات  دقیق و هوشمند می پردازد.

اسلاید ۳ :

تعریف هوش تجاری (۴)

هوش تجاری، نه بعنوان یک محصول و نه بعنوان یک سیستم، بلکه بعنوان یک معماری موردنظر است که شامل مجموعه ای از برنامه های کاربردی و تحلیلی است که به استناد پایگاه های داده عملیاتی و تحلیلی به اخذ و کمک به اخذ تصمیم  برای فعالیت های هوشمند تجاری می پردازند. 

اسلاید ۴ :

برخی ازکاربردهای برنامه های تصمیم یار BI

تحلیل چند بعدی ازداده های عملیاتی در قالب OLAP ،

تحلیل Click-Stream،

داده کاوی،

پیش بینی کردن،

تحلیل تجاری،

پرس وجو کردن و گزارش گیری و ترسیم آماری،

تحلیل مکانی،

مدیریت دانش،

کاوش در متن، محتوا و صوت،

اسلاید ۵ :

مسیری که یک کاربر در حین دستیابی به یک صفحه وب طی می کند.

هر انتخاب مجزایی که کاربر در محیط وب انجام می دهد، تا به یک صفحه وب برسد مستلزم یک لینک جدید است، هرچه کاربر در این مسیر بیشتر جلو رود و مطلب مورد نظر خود را پیدا نکند، احتمال اینکه به سایت وب دیگری برود بیشتر است.

در نتیجه تحلیل الگوهای دستیابی به صفحات وب باید چنان باشد که طراحان سایت وب را در ایجاد ساختارها، پیوندها و تسهیلات جستجوی کاربر پسند تر یاری کند.
 

اسلاید ۶ :

دلایل داشتن سیستم های مبتنی بر هوش تجاری

دلایل اقتصادی.

دنبال نمودن اهداف کارایی سیستم کاربردی.

افزایش رقابت ها.

تجارت الکترونیکی.

حمایت از تصمیم گیری های سیستم کاربردی.

کثرت مشتریان.

نیاز به آنالیز عملیّات سیستم.

صحّت و دقّت اطّلاعات حاصل از سیستم.

دسترسی به داده های بهنگام شده.

کاهش هزینه.

رضایت کاربران نهایی در مقایسه با کالاهای مشابه.

اسلاید ۷ :

سرویس هایی که از پایگاه داده تحلیلی به منظور پاسخگویی سریع به پرسش های تحلیلی کاربران استفاده می کنند، پردازش تحلیلی برخط (OLAP) نامیده می شوند.

OLAP عبارت است از مجموعه ای از نرم افزارها که برای اکتشاف و تحلیل سریع داده های مبتنی بر یک شیوه چند بُعدی با چندین سطح از مجموع سازی استفاده می شود. (Aggregation)، تصمیم گیری را سریع و آسان می کند.

 آسان شدن تصمیم گیری به دلیل قابلیت هدایت تحلیل ها بدون نیاز به یک زبان پرس  و جوی اصلی یا فهم ساختار زیرین بانک اطلاعاتی حاصل می شود.    

اسلاید ۸ :

سریع ترشدن تصمیم گیری نیز از این جهت است که مجموع داده ها برای درخواست های متداول از پیش محاسبه شده است و به اصطلاح داده ها، Pre-Aggregate شده اند، بنابراین زمان محاسبه کاهش یافته و پاسخگویی به پرس وجوهای پیچیده تحلیلی به سرعت امکانپذیر خواهد بود.

پایگاه داده تحلیلی (DW) و پردازش تحلیلی بر خط (OLAP) از جمله عناصر ضروری در سیستم های تصمیم یار به شمار می آیند.

اسلاید ۹ :

پایگاه داده تحلیلی(ادامه)

داده های موجود در پایگاه داده تحلیلی، غیر قابل تغییر، یعنی فقط خواندنی هستند و توسط کاربران قابل تغییر نیستند.

وظیفه اصلی و مهمترین کاربرد پایگاه های داده تحلیلی انجام پردازش های تحلیلی برخط (OLAP) می باشد.

متناظر این عمل در پایگاه های داده عملیاتی، انجام و پاسخگویی به تراکنش های کاربران است که پردازش های تراکنشی برخط ((OLTP نامیده می شود. 

اسلاید ۱۰ :

پایگاه داده تحلیلی(ادامه)

قبل از پایگاه داده تحلیلی،  Repository داریم که جزئی ازBI  است.

اولین وظیفه DW در معماری BI عبارتست از سازماندهی Repository دانش و Repository داده که از منابع مختلف بدست می آید.

 به این معنی که ذخیره سازی، اعتبارسنجی، تأیید و امکان دسترسی آسان به آن را فراهم می سازد. برای این کار توصیه می شود، ابتدا به ساخت Data Mart اقدام گردد.