Přeskočit na hlavní obsah
Přeskočit hlavičku

Business Intelligence

Typ studia navazující magisterské
Jazyk výuky čeština
Kód 460-4138/01
Zkratka BI
Název předmětu česky Business Intelligence
Název předmětu anglicky Business Intelligence
Kreditů 4
Garantující katedra Katedra informatiky
Garant předmětu prof. Ing. Michal Krátký, Ph.D.

Osnova předmětu

Přednášky:
1. Seznámení s BI, základy BI, základní architektura a komponenty
2. Datové sklady podle Inmona a Kimballa, návrhové vzory, pro a proti
3. ETL Framework, funkční požadavky na ETL, architektura řešení.
4. Data govermance, master data management.
5. Data Vault, návrh, využití.
6. Architektura moderního datového skladu.
7. Komponenty Microsoft Azure a Amazon WS pro řešení DWH.
8. Distribuce a vizualizace data z datových skladů.
9. Analytika nad datovými sklady, návrhové vzory.
10. BI Modelování.
11. Seznámení s OLAP a MDX.
12. Seznámení s DAX.
13. Případy použití BI, seznámení s praktickými projekty, jejich přínosy a problémy při implementaci.
14. Management BI projektů, postupy, řízení projektu, fáze projektu.

Cvičení:
1. SSIS, úvod.
2. SSIS, načítání dat do STAGE, základní operace v data flow.
3. SSIS, Delta management.
4. SSIS, Surrogate keys, key mapping, incremental load.
5. SSIS, ETL Framework, orchestrace v SSIS.
6. SSIS, optimalizace, architektura řešení a měření výkonosti.
7. Microsoft Azure - výstavba infrastruktury pro DWH.
8. Microsoft Azure - nástroje pro ETL.
9. Microsoft Azure - streaming data.
10. Reporting Services - seznámení a implementace.
11. Power BI - příprava modelu.
12. Power BI - vizualizace dat.
13. Power BI - publikace a řízení projektu.
14. Microsoft Azure - AI, machine learning.

E-learning

Povinná literatura

1. D. Slánský, J. Pour, O. Novotný: Business Intelligence: Jak využít bohatství ve vašich datech. Grada, 256s, 2004.
2. L. T. Moss, Shaku Atre: Business Intelligence Roadmap: The Complete Project Lifecycle for Decision-Support Applications. 576p, Addison-Wesley Professional, 2003.

Doporučená literatura

1. R. Kimball, M. Ross: The Data Warehouse Toolkit: The Definitive Guide to Dimensional Modeling. 600p, Wiley, 2013.
2. R. Kimball, J. Caserta: The Data Warehouse ETL Toolkit: Practical Techniques for Extracting, Cleaning, Conforming, and Delivering Data. 528p, Wiley, 2004.
3. C. Batini, M. Scannapieco: Data Quality: Concepts, Methodologies and Techniques (Data-Centric Systems and Applications). Springer, 2010.