P9 Baze Podataka

Podaci/Baze podataka 1

PODACI, MODELI

PODATA I

MODELIRANJE

PRODUKCIJSKIH I

DIMENZIJSKIH

BAZA PODATAKA

PODACI, MODELI

PODATA I

MODELIRANJE

PRODUKCIJSKIH I

DIMENZIJSKIH

BAZA PODATAKA

PODACI U FUNKCIJI POSLOVNOG

ODLUČIVANJA

ORGANIZACIJSKE JEDINICE PODATAKA

OD PODATKA DO BAZE PODATAKA

MODELIRANJE BAZE PODATAKA

KONCEPTUALNO MDELIRANJE

LOGIČKO MODELIRANJE

ANALITIČKE BAZE PODATAKA 2 sata

Operativni ciljevi

Sagledati značaj podataka za poslovanje,

upoznati se s temeljnim pojmovima vezanim za

podatke i informacije, upoznati se s načelima

konceptualnog i logičkog modeliranja i upoznati

se s analitičkim bazama podataka

SADRŽAJ PREDAVANJA


POSLOVNI INFORMACIJSKI SUSTAVI

Uredski informacijski

sustav

Sustav za podršku

odlučivanju

Upravljački informacijski

sustav

Marketing informacijski sustav

Proizvodni informacijski sustav

Ra informacijski sustavčunovodstveni

Financijski informacijski sustav

...

POSLOVNI INFORMACIJSKI SUSTAV


Uredski informacijski

sustav

Sustav za podršku

odlučivanju

Upravljački informacijski

sustav

Marketing-informacijski sustav

Lifeware (ljudski potencijal)

Software (programski podsustav)

Hardware (strojni podsustav))

Proizvodni informacijski sustav

Ra informacijski sustavčunovodstveni

Financijski informacijski sustav

...



PODACI U FUNKCIJI

POSLOVNOG

ODLUČIVANJA

PODACI U FUNKCIJI

POSLOVNOG

ODLUČIVANJA


DRUŠTVE KONTEKST

1915.

FINANCIJSKASREDSTVA RAD INFORMACIJE

1930. 1945. 1960. 1975. 1990.

FINANCIJE

RAČUNOVODSTVO

NABAVA

PROIZVODNJA

PRODAJA

INF. SUSTAVI

OSIGURANJE OPSTANKA:

₪Marketing-orijentacija

₪Informacijska superiornost

Osiguranje racionalnog (znanstvenog) odlučivanja

u pragmatičnim uvjetima poslovanja?

PODATAK→INFORMACIJE

MODELI→ODLUČIVANJE

Bez odgovarajućih informacijskih resursa modeli

odlučivanja nemaju pragmatičnu upotrebnu

vrijednost.

DRUŠTVENI KONTEKST


Informacijsko-upravljački podsustav

INFORMACIJE U POSLOVANJU

Upravlja ke informacije(instruktivne

č)

Objekt kojimse upravlja

Podsistem koji upravlja

Informacije o stanjima i promjenama(obavještajne)

REALNI SVIJET → modeliranje →

(UPRAVLJAČKE) BAZE I SKLADIŠTA

PODATAKA → INFORMACIJE

INFORMACIJSKI IZVORI


INFORMACIJSKA INSUFICIJENCIJA

RASKORAK IZMEĐU

POTREBNIH I

RASPOLOŽIVIH

INFORMACIJA

PARADOKS

= DERIVIRA

INSUFICIJENCIJA INFORMACIJA SE

RJEŠAVA MODELIRANJEM I

GOSPODARENJEM BAZAMA PODATAKA

KOJE OSIGURAVAJU INFORMACIJSKU

OSNOVICU

RJEŠENJE PARADOKSA


ORGANIZACIJSKE

JEDINICE

PODATAKA

ORGANIZACIJSKE

JEDINICE

PODATAKA

EVOLUCIJA BAZA PODATAKA

do 30-tih

40-tih

50-tih

60-te do danas

Modeliranje

Podataka

70-te do danas


BAZE I SKLADIŠTA PODATAKA:

ORGANIZACIJA PODATAKA

Baze podataka

Skladišta podataka

Baze znanja

Od

lučiv

an

je

Up

ravlja

čki In

form

acijs

ki

Su

sta

vi

Su

sta

vi

za

po

tpo

ruo

dlu

čiv

an

ju

Sinonimi za baze podataka:

produkcijska baza podataka

-služi evidentiranju (“proizvodnji”) podataka u

tijeku poslovnog procesa

transakcijska baze podataka

-OnLine Transaction Process - OLTP

-u njoj se evidentiraju (prenose) poslovne i druge

skupine podataka – transakcije

normalizirana baza podataka

-prilagođena unosu podataka na način da je

normalizirana – izbačene sve nekontrolirane

redundancije

ORGANIZACIJA PODATAK


Baze podataka i programske aplikacije:


OLTP SKLADIŠTE PODATAKA

OLAP

POSLOVNO IZVJEŠĆIVANJE

ODLUČIVANJE

UPRAVLJANJEZNANJEM

Sinonimi za skladišta (Warehouse) podataka:

dimenzijske baze podataka

-podaci se organiziraju u više dimenzija (kocke i dr.)

analitičke baze podataka

-OnLine Analitical Process - OLAP

-prilagođene su za obavljanje različitih analiza i

izvješćivanju



KOLIKO TO KOŠTA!?

OD PODATKA DO

BAZE PODATAKA

OD PODATKA DO

BAZE PODATAKA


Elementarna informacija je opis jednog svojstva

koje posjeduje određeni objekt .

Svojstvo čine atribut i vrijednost atributa

Primjer: PERO JE VISOK 180 CM,

atributi: IME, VISINA

vrijednost atributa: PERO, 180 CM

Informaciju čine semantički (smisleno) povezani

podaci

INFORMACIJA

PODACI

PODACI PODACI

PODACI

INFORMACIJA

Skup znakova na nekom nositelju (memoriji) koji

prikazuje jedan ili više elemenata informacije

Podatak ima materijalni karakter a informacija

nematerijalni karakter

Strogo tipizirani (strukturirani) podaci

svaki podatak mora pripadati nekom tipu

obilježja

tipovi obilježja definiraju se unaprijed i uglavnom

se ne mogu mijenjati

Slabo tipizirani (strukturirani) podaci

tip obilježja se definira samo u određenim

situacijama kada je to nužno

PODATAK


Elementarni dio podatka čini n-torka

(Langefers, 1977)

naziv objekta

obilježje objekta

vrijednost obilježja

vrijeme

Naziv, obilježje i vrijeme opisuju podatak.

Vrijeme često nije potrebno bilježiti jer je bitniji

redoslijed promjena – bilježi se posljednje

(sadašnje) stanje

POJAM PODATAK

RAZINE MODELIRANJA PODATAKA

Model podataka

Model baze podataka

Bazapodataka

Razinaapstrakcije


Apstraktna reprezentacija podataka

Opisuje skupove podataka i njihove međusobne

veze

Komponente:

skup koncepata za opis strukture podataka

skup ograničenja za očuvanje integriteta

podataka

skup operatora kojima je moguće opisati

promjenu stanja podataka sustava (djelovanje

ulaza na izlaz)

Izrada (različite metode i tehnike):

grafički formalizmi (dijagramske tehnike)

Formalni specifikacijski jezici

MODEL PODATAKA

S obzirom na novo apstrakcije:

konceptualni (konceptualni nivo apstrakcije)

entitet(objekt), veza (odnos) entiteta, obilježje

(atribut, svojstvo), vrijednost obilježja

logički (implementacijski nivo apstrakcije) slog

(red, n-torka), polje (stupac), veze među

slogovima

fizički (fizička razina apstrakcije) adresiranje,

grupiranje slogova

MODEL PODATAKA


KONCEPTUALNI I LOGIČKI MODELI

Model ER (entitet-veza)

Relacijski model

(gotovo jedini s upotrebnom vrijednosti)

Objektni model

Mrežni model

Hijerarhijski model

Semantički model

Za modeliranje ovih modela koriste se različite

metode i tehnike. Fizički model nebitan za

korisnika baze podataka.

MODEL PODATAKA

STRUKTURA BAZE PODATAKA

Konceptualni

model podataka

Logički

model podataka

Fizički

model podataka

Relacijski model podataka

Sekvencijalna organizacija

Indeksno-sekvencijalnaorganizacija

Hijerarhijski model podataka

Mrežni model podataka

Objektni model podataka

ER model podataka

Izravna organizacija


MODELIRANJE

BAZE PODATAKA

MODELIRANJE

BAZE PODATAKA

Put od pojedinačnog ka općem

Početak - utvrđivanje i analiza zahtijeva

korisnika za informacijama

Završetak - izgradnja stabilne ali prilagodljive

baze podataka (skupa podataka pohranjenih na

memorijskim medijima elektroničkog računala.

Podaci su strukturirani prema fizičkoj

(unutarnjoj) shemi-fizičkom modelu podataka, a

pregled na podatke daje eksterna (vanjska)

shema podataka)



RAZINE MODELIRANJA

PODACI

PODACI

REALNISVIJET

PODACI

PODACI

FORMALNO I PRECIZNOIZRAŽAVANJE

POTREBE I CILJEVI KORISNIKA

Konceptualnimodel

LogičkimodelDBMS

Logičkimodel

Fizičkimodel

INFORMACIJA

Metode modeliranja baze podataka

Osnovna metoda modeliranja je APSTRAKCIJA

(zanemarivanje aspekata ili svojstava objekata

koji nisu bitni za kontekst)

Klasifikacija je metoda apstrakcije kojom se

objekti identificiraju i grupiraju u klase – tipove

prema zajedničkim svojstvima

Svi objekti u klasi imaju ista obilježja (atribute)

ali atributi ne moraju imati iste vrijednosti veza

između objekata i pojave (vrijednosti) ima oblik

“je pojava” (instance of)

Metode su: generalizacija, agregacija,

specijalizacija i kompozicija



Metoda generalizacije

Nastaje apstrahiranjem (izostavljanjem) detalja.

Više objekata niže razine apstrakcije povezuje se

vezom jest (is a) s objektom više razine

apstrakcije (hijerarhija)

Superklase – nadtipovi (klase više razine)

Podklase – podtipovi (klase niže razine)

Generira genetičke klase objekata, a nivo

generalizacije ovisi o pogledu korisnika.

Objekti (entiteti) bez podklasa nazivaju se

jedinke (podaci), a jedinke još nazivamo

instancama entiteta, a skup instanci

nazivamo ekstenzijom entiteta


Metoda specijalizacije

Nastaje klasifikacijom

Objekte više razine apstrakcije dijeli (razvrstava)

u više objekata niže razine apstrakcije.

Objekti niže razine imaju više posebnih svojstava

(jedinke imaju najmanje zajedničkih svojstava)




ZAPOSLENIK

OSOBA

PROJEKTANT

DOBAVLJAČ

REFERENT

KUPAC

RUKOVODITELJ

PRIPRAVNIKSAMOSTALNI

2406958320002 Petar Horvat

. . . .

. . . .

. . . .

. . . .

SP

EC

IJA

LIZ

AC

IJA

GE

NE

RA

LIZ

AC

IJA

Metoda agregacije

Apstrakcija kojom se entitet (objekt) formira

(slaže) iz sastavnih dijelova (konstituenata) –

svojstava, npr. RADNIK=Ime, Adresa, Dob

Izražava se kao “dio od” i govori o strukturi

(sastavu) entiteta (objekta)

Više razine objekta nastaju djelovanjem:

agregacije (prikupljanje jedinki i njihovih

svojstava) i generalizacije (apstrahiranjem

zajedničkih svojstava prikupljenih jedinki)



Metoda kompozicije

Uspostavljanje veze između atributa (objekata)

koji nisu u srodstvu; logičko združivanje različitih

klasa objekata u novi objekt složene strukture

(kompozitni ili kompaundni objekt)

npr. Narudžba=Zaglavlje narudžbe, Stavke

narudžbe, Kupac, Proizvod

Objekti koji se združuju su na nižoj razini

apstrakcije od kompozitnog objekta.

Konkatenacija je poseban oblik kompozicije kojim

se združuju atributi objekta (ne objekt) u

određenom redoslijedu.

npr. Adresa=Poštanski broj, Mjesto, Ulica, Broj


MODELIRANJE PODATAKA

Analiza

potreba

ER

dijagram

Relacijska

shemaDBMS

Nije dobar

za strukturubaze podataka

Jednostavniji i

manje ekspresivanod ER modela

Ne koristi se

u DBMS-u

N jčešće

korišten

Postoje i drugi

modeli: Objektni,XML i dr.

Analiza

potreba

ER

dijagram

Relacijska

shemaDBMS

Nije dobar

za strukturubaze podataka

Jednostavniji i

manje ekspresivanod modelaER

Ne koristi se

u -uDBMS

Najčešće

korišten

Postoje i drugi

modeli: Objektni,i dr.XML


KONCEPTUALNO

MODELIRANJE

KONCEPTUALNO

MODELIRANJE

Objekt (Entitet) – veza .vs.

Objekt (Entitet) – veza – svojstva (Atribut)

Grafički jezik (dijagrami ER) za predstavljanje

podataka – rasprostranjeni Chenov model

(Chenovi dijagrami) i Martinov model

Svojstva ER modela:

Metoda Entitet-veza je temelj za formiranje

modela

Postupci izgradnje modela su slabo ili nikako

propisani

Strogo definirana pravila crtanja dijagrama

KONCEPTUALNI ER/ERA MODEL


Osnovni koncepti ER modela

Entitet

Atribut (obilježje)

Relacija (veza)

Ograničenja

KONCEPTUALNI ER/ERA MODEL

Sve ono što možemo jednoznačno imenovati.

(primjer: Osoba .vs. Mrav)

Naziv:

imenica u jednini koja opisuje tip entiteta (npr.

OSOBA), što kraća i nedvosmislena

dodatna riječ koja pobliže opisuje tip entiteta

Oznaka (po notaciji ER dijagrama)

pravokutnik u koji se upisuje naziv tipa entiteta

ne prikazuju se pojedine pojavne vrijednost

(podaci) nego tipovi entiteta

ENTITET

OSOBA


Obilježje, svojstvo entiteta

Podatak koji: identificira, kvantificira, klasificira i

izražava kvalitetu ili stanje

U jednom vremenskom trenutku pojedina pojava

entiteta ima jednu vrijednost (eng. Instance)

jednog tipa atributa

Mogu biti:

identifikacijski

opisni

izvedeni

ATRIBUT

Obilježje, svojstvo entiteta

Podatak koji: identificira, kvantificira, klasificira i

izražava kvalitetu ili stanje

U jednom vremenskom trenutku pojedina pojava

entiteta ima jednu vrijednost (eng. Instance)

jednog tipa atributa

Mogu biti:

identifikacijski (pojavu jednoznačno i

nedvosmisleno identificira – nesmije se mjenjati)

opisni (kvalitativna i kvantitativna svojstva

entiteta – mijenja se sukladno promjenama)

izvedeni (izvodi iz aritmetičkih ili logičkih

operacija kojima se djeluje na druge atribute)

ATRIBUT


Notacija atributa (ako se upisuje u ER dijagram)

naziv atributa se piše s početnim velikim slovom a

ostala mala (npr. Matični broj)

dijagramski simbol:

Vrijednosti atributa

izvode se iz domene (skupa svih) vrijednosti

(npr. domena za atribut Dob glasača je 18-150)

domenom se utvrđuju ograničenja vrijednosti

atributa (Ograničenja atributa .vs. Ograničenja

entiteta)

isti tip entiteta može imati različiti skup atributa,

ovisno o gledištu (npr. STUDENT –

evidencija na faksu .vs. na poliklinici)

ATRIBUT

Povezuje entitete

Imenovanje veze:

imenom se opisuje uloga entiteta u vezi

glagol ili imenica – najčešće glagolska

S obzirom na stupanj:

binarna veza (unarne poseban oblik binarnih)

tenarna (3-narna)

n-arne

Dijagramski prikaz:

Chenova notacija .vs. Martinova notacija

grafički simbol za vezu

(kod n-arne veze

koristu se mnogokutnik)

VEZA (RELACIJA)


Primjeri veza:

VEZA (RELACIJA)

Čitanje veze i njezin pragmatički značaj:

VEZA (RELACIJA)

Razvoj Osijek Vukovarska 235

Proizvodnja Čepin Osječka 123

Prodaja Osijek Sunčana 10

Računovodstvo Osijek Sunčana 10

Pojava entiteta ODJEL 2301 Mario Pilić

2305 Vesna Stojić

2511 Petar Kralj

2513 Zdenka Tolj

3368 Ivana Horvat

3370 Ktarina Mandić

Pojava entiteta

DJELATNIKPojava veze


Njima definirana gornja i donja granica

sudjelovanja entiteta u vezi (preslikavanje jednog

skupa vrijednosti entiteta u drugi)

Kardinalnosti (bitnosti, važnosti) veze:

jednostavno (potpuno) pridruživanje - tip 1

uvjetno (djelomično) pridruživanje – tip C

kompleksno (višeznačno) pridruživanje – tip M

U uvjetima binarne veze najčešće se koriste:

1:1 – svaki član skupa A povezan je s jednim

članom skupa B i obrnuto

1:M - jedan član skupa A povezan je s 0, jednim ili

više članova skupa B, ali je svaki član skupa B

povezan povezan s jednim članom skupa A

M:M-ne postoji ograničenje u povezanosti

OGRANIČENJA

Identifikacijski atributi, služe za prepoznavanje

(pojave svakog tipa entiteta moraju se međusobno

razlikovati po vrijednostima atributa)

Pojam preuzet iz relacijskog modela podataka

Vrste ključeva:

Superključ jednoznačno i nedvosmisleno razlikuje

pojave atributa (podatke), te omogućava

identifikaciju entiteta (npr. JMBG+Ime+Prezime)

Ključevi kandidati su atributi ili skupovi atributa

koji jednoznačno mogu identificirati entitet

Primarni ključ je izabrani ključ između ključeva

kandidata (primarni ključ.vs. Superključ)

KLJUČEVI


LOGIČKO

MODELIRANJE

LOGIČKO

MODELIRANJE

Relacijski model je formalni (matematički) model

strukture baze podataka.

Relacijski sustav za upravljanje bazom podataka

(Relational Database Management System -

RDBMS) je računalni sustav za kreiranje,

ažuriranje, pretraživanje i održavanje baze

podataka čija je struktura opisana relacijskim

modelom.

Entiteti (objekt u realnom svijetu o kojem u bazi

podataka čuvamo podatke) se u relacijskom

modelu prikazuju relacijama.

Atributski model – atribut je nosilac određenog

svojstva entiteta. Par (A, D) - domena implicitna.

RELACIJSKI (LOGIČKI) MODEL


Veza (relacija) predstavlja odnose između dvije ili

više instanci istog ili različitih entiteta. Ostvaruje

se dinamički kada za to nastupi potreba.

Relacijska shema (model baze podataka zapisan

metapodacima) je konačan, neprazan skup

atributa i označava se s

R( A1, A2, ..., An)

Tablično prikazivanje relacije: reci predstavljaju

slogove relacije, a stupci atribute (tablica .vs.

relacija)


r (A B C)

a 2 1

b 5 2

a 1 2

Prikazivanje relacije


primarni ključ zaglavlje (shema) relacije atributi

DJELATNIK# IME RJ# DOB S_SPR

1 Smith 1 33 VSS

2 Grunf 1 49 VSS

3 Oliver 3 24 SSS

4 Brook 1 28 NKV

5 Smith 1 33 VSS

6 Rock 2 50 SSS

tijelo relacije n-torka atributa (slog)

DJELATNIK(SIFRA-DJ, ORG-JED, IME, PREZ, DAT-R,...) ... entitet atributi

ili

ROBA(BROJ-ULAZA, SIFRA-ROBE, JED-MJ, DATUM_ULAZA, CIJENA, ...)

ključ (označen podvučeno)


Relacijska algebra

Tradicionalne operacije

Unija

Presjek

Razlika

Kartezijev produkt

Posebne operacije

Selekcije

Projekcija

Pridruživanje

Dijeljenje

Coddova pravila (12 pravila)


E.F.Codd

Grafički prikaz operacija relacijske algebre1:

grafički prikazi su izrađeni prema Dateu (Date, 1986.)

u njima se umjesto krugova koji se inače koriste kao

simboli skupova, koriste pravokutnici kao simboli

relacija nad kojima se izvodi operacija

osjenčani prostor je rezultat operacije

Unija - r U s Presjek – r Π s

r

r s s

RELACIJSKA ALGEBRA


Grafički prikaz operacija relacijske algebre2:

Razlika: r – s Projekcija: ΠAB (r)

A B

r

r

s

Selekcija: σF( r) Dijeljenje: r / s

X Y

Y

r

s

RELACIJSKA ALGEBRA

Dobro oblikovana relacijaska baza podataka

predstavlja skup podataka koji:

nije redundantan (nema zalihosti)

posjeduje semantički integritet, tj. ne pokazuje

anomalije pri unosu, brisanju ili promjeni

podataka

dobro oblikovana relacijska baza podataka treba

biti u prikladnoj normalnoj formi (NF).

Razlikuje se:

horizontalna normalizacija i

vertikalna normalizacija (projekcijom i prirodnim

spajanjem .vs. sintezom)



Normalizacija - postupak provođenja jedne ili

skupa relacija iz niže u višu normalnu formu.

Prilikom vertiklane normalizacije nesmije doći do

gubitka:

funkcijskih ovisnosti (1NF, 2NF, 3NF i Boyce-

Coddova - BCNF)

višeznačnih ovisnosti (4NF) i

spojnih ovisnosti (5NF)


NF temeljene na funkcjiskim zavisnostima:


NF ZAVISNOST NEKLJUČNIH ATRIBUTA

1NF Tablica se nalazi u 1. normalnoj formi ako su svi

neključni atributi funkcijski ovisni o primarnom

ključu

2NF Tablica se nalazi u 2. normalnoj formi ako se nalazi u

1. normalnoj formi, i ako su svi neključni atributi

potpuno funkcijski zavisni o ključu.

3NF Tablica se nalazi u 3. normalnoj formi ako se nalazi u

2. normalnoj formi, i ako niti jedan neključni atribut

nije tranzitivno funkcijski zavisan o primarnom

ključu.

BCNF

Tablica se nalazi u BCN formi ako svaki determinant

ima jedinstvenu vrijednost u cijeloj tablici.

Determinant je atribut o kojem je neki atribut potpuno

funkcijski zavisan.


Normalna forma temeljene na višeznačnim

zavisnostima:

relacija je u 4NF ako su iz nje izbačene sve

višeznačne (osim trivijalnih) i sve funkcijske

zavisnosti osim zavisnosti o ključu.

trivijalnom višeznačnom zavisnošću rješava se

problem višeznačnih zavisnosti, a ključem problem

funkcijske zavisnosti.

Normalna forma temeljene na spojnoj zavisnosti:

relacija je u 5NF ako su iz nje izbačene sve spojne

zavisnosti (osim trivijalnih), odnosno koja se više

ne može pouzdano (reverzibilno) dekomponirati.


MB IME_PREZIME ODJEL_BROJ ODJEL_NAZIV PARTNER_NAZIV

3 Ana Horvat P1 O-Zagreb Zagreb d.o.o.

Horizont d.d.

5 Josip Antić P2 O-Osijek Horizont d.d.

Kompakt d.o.o.

9 Ante Ivić P3 O-Split Vicko Stić

Hotel F

Amalija d.d.

11 Maja Markić P1 O-Zagreb Josip Ferić

Brzopromet

? ? ? ? A-banka d.d.

TRGOVAC_PARTNER_0 (0NF)



MB IME_PREZIME ODJEL_BROJ ODJEL_NAZIV PARTNER_N

AZIV

3 Ana Horvat P1 O-Zagreb Zagreb d.o.o.

3 Ana Horvat P1 O-Zagreb Horizont d.d.

5 Josip Antić P2 O-Osijek Horizont d.d.

5 Josip Antić P2 O-Osijek Kompakt

d.o.o.

9 Ante Ivić P3 O-Split Vicko Stić

9 Ante Ivić P3 O-Split Hotel F

9 Ante Ivić P3 O-Split Amalija d.d.

11 Maja Markić P1 O-Zagreb Josip Ferić

11 Maja Markić P1 O-Zagreb Brzopromet

? ? ? ? A-banka d.d.

TRGOVAC_PARTNER_1 (1NF)


MB IME_PREZIME ODJEL_

BR.

ODJEL_NAZIV

3 Ana Horvat P1 O-Zagreb

5 Josip Antić P2 O-Osijek

9 Ante Ivić P3 O-Split

11 Maja Marković P1 O-Zagreb

MB PARTNER-

NAZIV

3 Zagreb d.o.o.

3 Horizont d.d.

5 Horizont d.d.

5 Kompakt d.o.o.

5 Vicko Stić

9 Hotel F

9 Amalija d.d.

11 Josip Ferć

11 Brzopromet

TRGOVAC_2 (2NF)

TRGOVAC_

PARTNER_2

(2NF)



MB IME_PREZIME ODJEL_BROJ

3 Ana Horvat P1

5 Josip Antić P2

9 Ante Ivić P3

11 Maja Markić P1

TRGOVAC_3 (3NF)

ODJEL_BROJ ODJEL_NAZIV

P1 O-Zagreb

P2 O-Osijek

P3 O-Split

ODJEL (3NF)

MB POSAO_ŠIFRA PARTNER_ŠIFRA

1 A1 10

3 B2 20

5 C1 75

5 C2 75

9 D3 30

TRGOVAC_POSAO (BCNF)


Načela vertikalne normalizacije:

Svaka viša normalna forma uključuje i sve niže

normalne forme:

1NF otklanja višestruke vrijednosti atributa.

2NF otklanja redundantne podatke koji proizlaze

iz djelomičnih funkcijskih zavisnosti.

3NF i BCNF otklanjaju tranzitivno zavisne

atribute odnosno one koji nisu isključivo zavisni o

ključu.

BCNF ispravlja jedan propust 3NF.

4NF odjeljuje nezavisne veze M:M i stavlja ih u

odvojene relacije.

5NF odjeljuje semantički povezane n-arne veze.




GOST

SIFRA GOSTAIME

PRE ZIMEADRESA

ZEMLJASPO LDAT UM ROĐEN JA

ŠIFRA ZANIMANJATEL EFO N

E-MAIL

ZAPOSLENJE

ID

NAZIV TV RTKE

ŠIFRA GOSTA

ŠIFRA ZAPOSLENJA

ŠIFRA PO SL A

8

DNEVNIK USLUGA

IDŠIFRA GOSTA

ŠIFRA USLUGEDAT UM

VRIJEMEKOLIČINACIJENA

8

8

DRZAVA

DRZAVEŠIFRA NAZIV

1

1

1

8

ZAPOSLENJE

ZAPOSLENJAŠIFRA NAZIV

TIP POSLA

PO SL AŠIFRA NAZIV

8

1

UPIT

USLUGEŠIFRA OPIS USL UGE

18

Structured Query Language (SQL)

strukturni upitni jezik

rezultat djelovanja SQL instrukcija je tablica

sastoji se od DDL-a, DML-a, DCL-a i TCL-a

Bitne instrukcije Data Definition Language-a:

CREATE – kreiranje tablice

ALTER – izmjena tablice

DROP – brisanje tablice

Bitne instrukcije Data Manipulation Language-a:

SELECT – vraća podatke iz baze podataka

INSERT – umeće podatke u tablicu

UPDATE – mijenja podatke u tablici

DELETE – briše podatke iz tablice



Bitne instrukcije Data Control Language-a:

GRANT – dodjela prava korisnicima

REVOKE – ukidanje dodjeljenih prava

Bitne instrukcije Transaction Control Language-a:

COMMIT – pohranjuje transakcije u bazu

ROLLBACK – vraća unazad transakcije

Opće karakteristike:

-uz SQL instrukcije idu parametri i opcije

-svaka SQL instrukcija završava znakom “;”

-SQL je jezik 4. generacije (opisuje se što treba

učiniti a ne kako)

Primjer SQL instrukicje:

SELECT * FROM knjige WHERE cijena > 100.00

ORDER BY naslov;



Relacijski DBMS

Oracle

MSSQL

DB/2

Informix

MySQL

Access!?



Što treba naučiti o relacijskom modelu

Algebarske operacije pogodne za ažuriranje (unija i

razlika (diferencija))

Algebarske operacije pogodne za izvješćivanje

(presjek, projekcija, selekcija, Kartezijev umnožak,

spajanje i dijeljenje)

SQL (DDL i DML)

Relacijsko oblikovanje (radi otklanjanja

nekontrolirane redundancije, anomalija održavanja

podataka, varijabilna dužina n-torke u relaciji), a

postiže se postupcima verikalne i horizontalne

normalizacije

Rad s konkretnim DBMS (zašto Access)

ANALITIČKE

BAZE PODATAKA

ANALITIČKE

BAZE PODATAKA


KREIRANJE SKLADIŠTA PODATAKA

Kako nastaje skladište podataka

Kopiranjem podataka iz transakcijskif baza

podataka i neformatiranih podatkovnih izvora

Skladište podataka grade

fact tablice (činjenične tablice)

dimenzijske tablice i

agregacijske tablice

Tipovi

Operational Data Store – ODS (repliciranje

transakcijske baze podataka)

Data Warehouse – DW (podaci subjektno orijentirani

– proizvodi, kupci, prodajna mjesta, profitni centri) -

integralni oblik

Data Mart (DM) – specijalizirani oblik


Produkcijskebaze

podataka

Vanjskipodatkovni

izvori

Skladištepodataka

Scenarij skladištapodataka

ELT

ELT

Extraction, Transformation and Loading Tools (ELT)


Prodaja

ID_Prodaje

ID_ArtiklaID_Prodajnog_MjestaID_DanaCijenaKoličina

PK

FK1FK2FK3

Kupci

ID_Kupca

Naziv_KupcaUlicaKu ni_BrHT_BrGrad

iroTelFaxID_Dr ave

ć

Ž

ž

PK Prodajno Mjesto

ID_Prodajnog_Mjesta

Naziv_Prodajnog_MjestaUlicaKu ni_BrHT_BrGradTelFax

ć

PK

Artikli

ID_Artikla

Naziv_ArtiklaJMjBarCodeID_Dobavlja ač

PKVrijeme

ID_Dana

DatumMjesec_opisno_hrvMjesec_opisno_engDan_u_tjednu_hrvDan_u_tjednu_engTjedan_u_godiniGodina_kratka_oznaka

PK

FK1

FK1

Dr avež

ID_Dr avež

Naziv_Dr ave_HrvNaziv_Dr ave_Eng

žž

PK

Dobavlja ič

ID_Dobavlja ač

Naziv_Dobavlja aUlicaK_BrHT_BrGradTelFax

č

PK


Prodaja

ID_Prodaje

ID_ArtiklaID_Prodajnog_MjestaID_DanaCijenaKoličina

PK

FK1FK2FK3

Kupci

ID_Kupca

Naziv_KupcaUlicaKu ni_BrHT_BrGrad

iroTelFax

ć

Ž

PK

Prodajno Mjesto

ID_Prodajnog_Mjesta

Naziv_Prodajnog_MjestaUlicaKu ni_BrHT_BrGradTelFax

ć

PK

Artikli

ID_Artikla

Naziv_ArtiklaJMjBarCode

PK

Vrijeme

ID_Dana

DatumMjesec_opisno_hrvMjesec_opisno_engDan_u_tjednu_hrvDan_u_tjednu_engTjedan_u_godiniGodina_kratka_oznaka

PK

zvjezdasta shema

(star)

pahuljasta shema

(snowflake)

ALATI ZA POTPORU ODLUČIVANJU

Sustavi izvješćivanja iz skladišta podataka

OLAP alati

Data Mining alati

BI alati

Vizualizacijski alati (Dashboard/Scorecard alati)

Početak razvitka koncepta

’90 te


OLAP Alati

On Line Analytical Processing (OLAP)

Alati koji omogućavaju izvješćivanje iz

multidimenzijske strukture skladišta podataka na

način da se odaberu i prikažu dimenzije koje su u

informacijskom smislu zanimljive

OLAP-om se dobivaju informacije vezane za

prodaju, marketing, menadžerska izvješća, Business

Process Management (BPM), financijska izvješća

OLAP klijenti (programske aplikacije za pristup

OLAP serveru) mogu se pojavljivati kao:samostalne

programske aplikacije, Web-aplikacije i

dodaci na tablične kalkulatore

(SpreadSheet programi poput Excela)


Bezić Marin

Primjer OLAP prikaza



Data mining alati

Među podacima se traže omjeri, uzorci i međusobni

utjecaji (kao npr. dati odgovor koji su to činitelji koji

utječu na prodaju po područjima)

Primjenjuje matematičke, logičke i statističke

metoda u skladištu podataka (analiza vremenskih

serija, linearna regresija, stabla odlučivanja, klaster

algoritmi, sekvencijalni klaster algoritmi, asocijativni

algoritam)

Ciklus rudarenja podataka (od problema do

informacije)


BI alati

Alati poslovnog informiranja

Pojednostavljuju izradu upita i izvješća iz skladišta

podataka.

Koriste se mentalnim modelima (modeliranjem u

slobodnijoj formi) za analizu i definiranje sadržaja

izvješća za nekonvencionalne probleme

Takve probleme načelno karakteriziraju: velik broj

opcija i konfliktni ciljevi

Najbolji način skrivanja

informacija je učiniti ih

dostupnim u masi drugih

informacija

Stevan Dedijer 2000 g.



Vizualizacijski alati

Vizualna pomagala koja omogućavaju sažet i

pregledan prikaz podataka u alfanumeričkom ili

grafičkom obliku radi upozorenja glede potencijalnih

opasnosti, izvješća o stanju trenutnih aktivnosti,

sljedeće planirane korake glede poslovnih aktivnosti i

zbirne vrijednosti važnijih periodičnih indikatora

poslovanja

Dashboard alati - radna ploča za prikaz bitnih

zbirnih podataka

Scorecard alati – simbolima se na radnoj ploči

predstavljaju bitni identifikatori





PITANJA!

Documents

P9 Baze Podataka