Upload
fejza
View
104
Download
6
Embed Size (px)
Citation preview
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
Podaci/Baze podataka 2
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
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
...
POSLOVNI INFORMACIJSKI SUSTAV
POSLOVNI INFORMACIJSKI SUSTAV
PODACI U FUNKCIJI
POSLOVNOG
ODLUČIVANJA
PODACI U FUNKCIJI
POSLOVNOG
ODLUČIVANJA
Podaci/Baze podataka 3
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
Podaci/Baze podataka 4
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
Podaci/Baze podataka 5
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
Podaci/Baze podataka 6
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
Podaci/Baze podataka 7
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
Podaci/Baze podataka 8
Baze podataka i programske aplikacije:
ORGANIZACIJA PODATAK
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
ORGANIZACIJA PODATAK
Podaci/Baze podataka 9
KOLIKO TO KOŠTA!?
OD PODATKA DO
BAZE PODATAKA
OD PODATKA DO
BAZE PODATAKA
Podaci/Baze podataka 10
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
Podaci/Baze podataka 11
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
Podaci/Baze podataka 12
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
Podaci/Baze podataka 13
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
Podaci/Baze podataka 14
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)
MODELIRANJE BAZE PODATAKA
Podaci/Baze podataka 15
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
MODELIRANJE BAZE PODATAKA
Podaci/Baze podataka 16
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
MODELIRANJE BAZE PODATAKA
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)
MODELIRANJE BAZE PODATAKA
Podaci/Baze podataka 17
MODELIRANJE BAZE PODATAKA
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)
MODELIRANJE BAZE PODATAKA
Podaci/Baze podataka 18
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 BAZE PODATAKA
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
Podaci/Baze podataka 19
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
Podaci/Baze podataka 20
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
Podaci/Baze podataka 21
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
Podaci/Baze podataka 22
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)
Podaci/Baze podataka 23
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
Podaci/Baze podataka 24
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
Podaci/Baze podataka 25
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
Podaci/Baze podataka 26
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)
RELACIJSKI (LOGIČKI) MODEL
r (A B C)
a 2 1
b 5 2
a 1 2
Prikazivanje relacije
RELACIJSKI (LOGIČKI) MODEL
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)
Podaci/Baze podataka 27
Relacijska algebra
Tradicionalne operacije
Unija
Presjek
Razlika
Kartezijev produkt
Posebne operacije
Selekcije
Projekcija
Pridruživanje
Dijeljenje
Coddova pravila (12 pravila)
RELACIJSKI (LOGIČKI) MODEL
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
Podaci/Baze podataka 28
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)
RELACIJSKI (LOGIČKI) MODEL
Podaci/Baze podataka 29
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)
RELACIJSKI (LOGIČKI) MODEL
NF temeljene na funkcjiskim zavisnostima:
RELACIJSKI (LOGIČKI) MODEL
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.
Podaci/Baze podataka 30
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.
RELACIJSKI (LOGIČKI) MODEL
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)
RELACIJSKI (LOGIČKI) MODEL
Podaci/Baze podataka 31
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)
RELACIJSKI (LOGIČKI) MODEL
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)
RELACIJSKI (LOGIČKI) MODEL
Podaci/Baze podataka 32
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)
RELACIJSKI (LOGIČKI) MODEL
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.
RELACIJSKI (LOGIČKI) MODEL
Podaci/Baze podataka 33
RELACIJSKI (LOGIČKI) MODEL
GOST
SIFRA GOSTAIME
PRE ZIMEADRESA
ZEMLJASPO LDAT UM ROĐEN JA
ŠIFRA ZANIMANJATEL EFO N
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
RELACIJSKI (LOGIČKI) MODEL
Podaci/Baze podataka 34
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 (LOGIČKI) MODEL
RELACIJSKI (LOGIČKI) MODEL
Relacijski DBMS
Oracle
MSSQL
DB/2
Informix
MySQL
Access!?
Podaci/Baze podataka 35
RELACIJSKI (LOGIČKI) MODEL
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
Podaci/Baze podataka 36
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
KREIRANJE SKLADIŠTA PODATAKA
Produkcijskebaze
podataka
Vanjskipodatkovni
izvori
Skladištepodataka
Scenarij skladištapodataka
ELT
ELT
Extraction, Transformation and Loading Tools (ELT)
Podaci/Baze podataka 37
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
KREIRANJE SKLADIŠTA PODATAKA
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
Podaci/Baze podataka 38
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)
ALATI ZA POTPORU ODLUČIVANJU
Bezić Marin
Primjer OLAP prikaza
ALATI ZA POTPORU ODLUČIVANJU
Podaci/Baze podataka 39
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)
ALATI ZA POTPORU ODLUČIVANJU
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.
ALATI ZA POTPORU ODLUČIVANJU
Podaci/Baze podataka 40
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
ALATI ZA POTPORU ODLUČIVANJU
ALATI ZA POTPORU ODLUČIVANJU
Podaci/Baze podataka 41
ALATI ZA POTPORU ODLUČIVANJU
PITANJA!