فی لوو

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

فی لوو

مرجع دانلود فایل ,تحقیق , پروژه , پایان نامه , فایل فلش گوشی

دانلود تحقیق دسته بندی تکنیک های تصمیم گیری چند معیاره گسسته (MADM)

اختصاصی از فی لوو دانلود تحقیق دسته بندی تکنیک های تصمیم گیری چند معیاره گسسته (MADM) دانلود با لینک مستقیم و پر سرعت .

دانلود تحقیق دسته بندی تکنیک های تصمیم گیری چند معیاره گسسته (MADM)


دانلود تحقیق دسته بندی تکنیک های تصمیم گیری چند معیاره گسسته (MADM)

در این تحقیق سعی بر این است که دسته بندی جدیدی از تکنیک های تصمیم گیری چند معیاره گسسته (MADM1 ) ارائه شود. در این راستا ابتدا، مباحث مقیاس دو قطبی فاصله ای‌، بی مقیاس کردن، ارزیابی اوزان برای شاخص ها و MADM فازی بیان شده تا مطالب فصل های بعدی مفهوم تر شود. بر پایه  این مقدمات، تکنیک های MADM کلاسیک مورد بررسی قرار گرفته و بدین منظور، دسته بندی ذکر شده در کتاب «تصمیم گیری های چند معیاره» تالیف دکتر اصغرپور مرور می شود که بر اساس این چشم انداز تکنیک های MADM کلاسیک به دو دسته عمده تقسیم می شوند: جبرانی و غیرجبرانی.

با توجه به اینکه در این روشها، مقادیر ماتریس تصمیم گیری اعداد قطعی (غیر فازی) هستند، مجموعه این روشها، «تکنیک های MADM کلاسیک» خوانده می شود.

پس از بررسی تکنیک های MADM کلاسیک، سعی شد، متدهای جدید MADM شناسایی و بررسی شود که نتیجه این تحقیقات و بررسی ها در فصل سوم آورده شده است.

با توجه به اینکه هدف از این تحقیق ارائه دسته بندی های جدیدی از تکنیک های MADM است، این تکنیک ها بررسی و در نهایت، 7 نوع دسته بندی مختلف ارائه و توجیه شده است.

کلید واژه ها: تصمیم گیری های چند معیاره، MADM، دسته بندی تکنیکهای MADM.

انسان در زندگی روزمره خود تصمیمات بسیاری می گیرد. این تصمیمات از مسائل شخصی و فردی تا مسائل بزرگ و کلان را شامل می شود. در اکثر مسائل تصمیم سازی، عموما اهداف و عوامل متعددی مطرح است و فرد تصمیم ساز سعی می کند که بین چند گزینه موجود (محدود یا نامحدود) بهترین گزینه را انتخاب نماید. انسان به طور ناخواسته در شبانه روز تعداد زیادی از این گونه تصمیمات می گیرد که برخی از آنها به دلیل هزینه بالای خطا در آنها، نیاز به بررسی و دقت بیشتری دارند [1].

تصمیم گیری در محیط های پیچیده ناپایدار یکی از مسائل بسیار مهم در مدیریت نوین به شمار می ‌رود. در این موارد تصمیم گیرنده با گزینه‌هایی متفاوت تحت معیارهای مختلفی که از محیط داخلی و خارجی محیط سازمان متأثر می‌شوند روبرو است. در این مورد مدلهای تصمیم‌گیری چند معیاره به‌عنوان یکی از ابزارهای کارا جهت اخذ تصمیم مناسب به نظر می ‌رسد.

مباحث تصمیم گیری های چند معیاره یک بخش مهم از دانش تصمیم گیری مدرن را تشکیل می دهد. این مباحث به طور گسترده در زمینه های متعددی مانند: اجتماعی، اقتصادی، نظامی، مدیریتی و ... به کار می رود.

محققین در دهه های اخیر توجه خود را معطوف به مدل های چند معیاره (MCDM[1]) برای تصمیم گیری های پیچیده کرده اند. در این تصمیم ها به جای استفاده از یک معیار سنجش بهینگی از چندین معیار سنجش ممکن است استفاده گردد.

این مدلهای تصمیم گیری به دو دسته عمده تقسیم می شوند: مدلهای چند هدفه (MODM[2]) و مدلهای چند شاخصه (MADM)، به طوریکه مدلهای چند هدفه به منظور طراحی و مدلهای چند شاخصه برای انتخاب گزینه برتر استفاده می شوند.

مدلهای چند هدفه (MODM) به فرم کلی است:

 : F(x) = {f1(x), f2(x),…, fk(x)}بهینه کنید

             x En

مقایس سنجش برای هر هدف ممکن است با مقیاس سنجش برای بقیه اهداف متفاوت بوده و بسادگی نتوان آنها را مثلا با یکدیگر جمع نمود.

منظور در این گونه مدل های طراحی عبارت از بهینه کردن تابع کلی مطلوبیت[3] برای DM[4] می باشد.

مدلهای چند شاخصه (MADM) معمولا به فرم کلی زیر فرموله می شوند:

به طوری کهAi نشان دهنده گزینه i ام، Xj نشان دهنده شاخص j ام و rij نشان دهنده ارزش شاخص j ام برای گزینه i ام میباشد.

در مدلهای MADM شاخص ها اغلب از مقیاس های مختلف بوده و غالبا در تعارض با یکدیگر هستند، لذا گزینه ای که بتواند ایده آل هر شاخص را تامین نماید، معمولا غیر ممکن است. در نتیجه در مدلهای  MADM به دنبال پیدا کردن مناسب ترین گزینه به طور نسبی هستند.

گزینه ای که ارجح ترین ارزش یا مطلوبیت از هر شاخص را تامین نماید گزینه ای است ذهنی که به ازای هر شاخص یا مشخصه، مطلوبیت را ماکسیمم کند. که به صورت زیر تعریف می شود:

     X*j = maxi Uj(rij) ; i = 1,2, …, m به طوریکهA* ~ { X*1 ,X*2 ,…,X*n}       

Uj نشان دهنده مطلوبیت (یا ارزش) از مشخصه jام است.

یک گزینه MADM ممکن است توسط شاخص های کمی یا شاخص های کیفی توصیف شود.

در شاخص های کمی، مقیاس های اندازه گیری ممکن است با یکدیگر متفاوت باشند (مانند فاصله به متر و هزینه به ریال).

به این دلیل انجام عملیات اصلی ریاضی باید بعد از بی مقیاس کردن صورت پذیرد که در ادامه توضیح داده می شود. برای اندازه گیری شاخص های کیفی نیز از مقیاس های فاصله ای یا رتبه ای استفاده می شود [2].

مفاهیم اولیه:

با توجه به اینکه هدف از انجام این پایان نامه شناسایی تکنیک های جدید و دسته بندی آنهاست، آشنایی با مباحث اولیه مربوط به تکنیک های MADM ضروری به نظر می رسد از این رو موضوعاتی مانند بی مقیاس کردن و ارزیابی اوزان برای شاخص ها در حدی که مطالب ذکر شده در فصل های بعد را قابل فهم نماید، دراین فصل ارائه شده است

مقیاس دوقطبی فاصله ای[5] [2]:

اندازه گیری یک شاخص کیفی به این روش بر اساس یک مقیاس ده نقطه ای می باشد به صورتی که صفر مینیمم ارزش ممکن و 10 ماکسیمم ارزش ممکن از شاخص مورد نظر را مشخص می کند و نقطه وسط (عدد 5) مشخص کننده نقطه شکست مقیاس بین مساعدها و نامساعدها است.

در این مقیاس ارزشهای صفر و 10 کمتر مورد استفاده قرار می گیرد و ارزشهای 2، 4، 6 و 8 نیز به عنوان ارزشهای واسطه به کار می روند. اندازه گیری به روش مقیاس دو قطبی فاصله ای برای شاخص های با جنبه مثبت مانند زیبایی، انعطاف پذیری یا ... به روش زیر می باشد:

0       1         3         5         7         9        10

                خیلی زیاد    زیاد     متوسط      کم      خیلی کم   .

و برای شاخص های منفی مانند زشتی و سختی کار به صورت ذیل می باشد:


0        1         3         5        7         9        10

                خیلی کم      کم     متوسط      زیاد   خیلی زیاد     .

در این مقیاس فرض بر این است که مثلا امتیاز 9 سه برابر مناسبتر از امتیاز 3 و اختلاف بین زیاد و کم با اختلاف بین متوسط و خیلی زیاد برابر است. (هر دو به اندازه 4 امتیاز)

عملیات جمع و ضرب نیز در مقیاس فوق مجاز می باشد.

بی مقیاس کردن[6] [2]:

به منظور قابل مقایسه شدن مقیاس های مختلف اندازه گیری، از «بی مقیاس کردن» استفاده می شود تا بدین وسیله بتوان عناصر شاخص ها را به صورت بدون بعد اندازه گیری کرد.

بدین منظور از سه روش «بی مقیاس کردن با استفاده از نرم»،«بی مقیاس کردن خطی»  و «بی مقیاس کردن فازی» استفاده می کنیم.

الف) بی مقیاس کردن با استفاده از نرم:

در این روش عناصر موجود در ماتریس تصمیم گیری را بر نرم موجود از ستون jام (به ازای شاخص xj ) تقسیم می کنیم تا کلیه ستون های ماتریس، دارای واحد طول مشابه شده و مقایسه کلی آنها آسان شود.

در این روش نمی توان شاخص ها را به طور مستقیم با هم مقایسه کرد زیرا تبدیل فوق غیر خطی بوده، طول مقیاسهای اندازه گیری مساوی نخواهد شد و ترتیب نسبی نتایج بخصوص برای مقادیر مینیمم و ماکسیمم یکسان باقی نمی ماند.

ب) بی مقیاس کردن خطی:

در این روش به ازای جنبه مثبت برای کلیه شاخص ها، هر ارزش rij، به ماکسیمم rij موجود از ستون jام تقسیم می شود.

و به ازای جنبه منفی برای کلیه jها داریم: 

و در صورتی که شاخص های با جنبه مثبت و با جنبه منفی به طور مخلوط به کارگرفته شده باشند، جنبه منفی، با معکوس کردن نتیجه آن به جنبه مثبت تبدیل می شود:

واضح است که  و مزیت این بی مقیاسی، خطی بودن آن است که باعث می شود کلیه نتایج تبدیل به یک نسبت خطی شوند و ترتیب نسبی نتایج، یکسان باقی بماند.

ج) بی مقیاس کردن فازی:

در این روش بی مقیاس کردن یک شاخص (xj) با جنبه مثبت به صورت زیر است:

و برای یک شاخص با جنبه منفی عبارت است از:

در این روش نیز nij بین صفر و یک است و نقطه ضعف احتمالی تبدیل فوق اینست که منجر به یک تغییر متناسب در نتایج نمی شود.

ارزیابی اوزان (wj) برای شاخص ها [2]:

به منظورارزیابی اهمیت نسبی شاخص ها (wj) از چهار روش زیر استفاده می شود:

الف- روش آنتروپی

ب- روش LINMAP

ج- روش کمترین مجذورات وزین شده

د- روش بردار ویژه

که از چهار روش فوق، دو روش اول نیاز به ماتریس تصمیم گیری دارند.

الف) تکنیک آنتروپی:

محتوی اطلاعات یک ماتریس تصمیم گیری از یک مدل MADM را ابتدا به صورت نرمالیزه شده (Pij) محاسبه می کنیم.

و برای Ej از مجموعه Pij ها به ازای هر مشخصه خواهیم داشت:

به طوری که  .

سپس عدم اطمینان یا درجه انحراف (dj) از اطلاعات ایجاد شده به ازای شاخص jام به صورت زیر است:

و در انتها برای اوزان  (wj) از شاخص های موجود خواهیم داشت:

اگر DM از قبل یک قضاوت ذهنی ( ) به عنوان اهمیت نسبی برای شاخص jام در نظر گرفته باشد، wj محاسبه شده از طریق آنتروپی به صورت زیر تعدیل می شود

ب) روش LINMAP:

در این روش m گزینه با n شاخص به وسیله m نقطه برداری در یک فضای n بعدی نشان داده شده و فرض بر این است که DM گزینه های نزدیک به نقطه ایده آل را در این فضا انتخاب خواهد کرد. این روش در ادامه در زمره تکنیک های حل و ارزیابی MADM تشریح می شود.

ج) روش کمترین مجذورات وزین شده:

در این روش باید از قضاوت DM در مورد مقایسه اهمیت نسبی شاخص ها (یا گزینه ها) در رابطه با یکدیگر استفاده نمود. این قضاوت ها زوجی بوده و تعداد آنها برای n شاخص عبارت است از:

فرض کنیم n شاخص (xj) در رابطه با هدف تصمیم گیری در یک MADM موجود، توسط  DM به صورت زوجی مقایسه شده و نسبت های به مقیاس در آورده شده زیرین حاصل شده است:

عناصر این ماتریس باید مثبت باشند.

اگر دو شرط زیر برقرار باشد قضاوت های DM کاملا با یکدیگر سازگاری  داشته و با ثبات است و در این حالت می توان aij ها را به صورت   نشان داد.

1)

در این حالت برای محاسبه wj ها از نرمالیزه کردن هر یک از ستون های ماتریس D استفاده می شود:

در صورت عدم وجود شرایط با ثبات کامل، در یک ماتریس مقایسه می توان از روش کمترین مجذورات استفاده کرد.

روش «کمترین مجذورات» در محاسبه wi ، شکاف موجود بین aij و  را حداقل می کند بنابراین باید مدل ذیل کمینه شود.

به منظور بهینه کردن مدل فوق، با استفاده از تابع لاگرانژ به دستگاه غیر همگن زیر که حاوی n+1 معادله و n+1 متغیر است می رسیم و با حل آن جواب بهینه موجود مدل فوق بدست خواهد آمد:

شامل 134 صفحه فایل word قابل ویرایش

 


دانلود با لینک مستقیم


دانلود تحقیق دسته بندی تکنیک های تصمیم گیری چند معیاره گسسته (MADM)

دنیا ی استیکر اماده با چند ملیون استیکر

اختصاصی از فی لوو دنیا ی استیکر اماده با چند ملیون استیکر دانلود با لینک مستقیم و پر سرعت .

دنیا ی استیکر اماده با چند ملیون استیکر


دنیا ی استیکر اماده با چند ملیون استیکر

توضیح

مجموعه بی نظیر و کاملترین مجموعه ی استیکرهای فارسی در دسته بندی های مختلف، که میتونید در تمام برنامه ها از جمله وایبر ، لاین ، واتس اپ ، فیسبوک و... استفاده کنید. با داشتن این برنامه دیگه نیازی نیست توی نت سرچ کنین و وقتتون رو هدر بدین، هر چی عکس نوشته فارسی طنز و استیکر که لازم داشته باشین و بخواین تو شبکه های اجتماعی استفاده کنین، تو این برنامه موجوده و میتونید ازشون استفاده کنید و لذت ببرین.

مشخصات برنامه:
- رابط کاربری بسیار زیبا
- امکان ارسال استیکرها با یک کلیک از داخل برنامه
- افزودن استیکرها به علاقه مندیها
- نمایش استیکرها بصورت دسته بندی شده


دانلود با لینک مستقیم


دنیا ی استیکر اماده با چند ملیون استیکر

پلان اتوکد مجتمع ورزشی چند منظوره خارجی

اختصاصی از فی لوو پلان اتوکد مجتمع ورزشی چند منظوره خارجی دانلود با لینک مستقیم و پر سرعت .

پلان اتوکد مجتمع ورزشی چند منظوره خارجی


پلان اتوکد مجتمع ورزشی چند منظوره خارجی

این فایل حاوی پلان اتوکد مجتمع ورزشی چند منظوره خارجی می باشد که به صورت فرمت DWG در 1 شیت جامع و کامل در اختیار شما عزیزان قرار گرفته است، در صورت تمایل می توانید این محصول را از فروشگاه خریداری و دانلود نمایید.

 

 

 

فهرست شیت 
پلان اتوکد مجتمع ورزشی چند منظوره خارجی

 

تصویر محیط برنامه


دانلود با لینک مستقیم


پلان اتوکد مجتمع ورزشی چند منظوره خارجی

طراحی بهینه قاب های فولادی چند دهانه دارای مقاطع غیر منشوری با استفاده از الگوریتم ژنتیک

اختصاصی از فی لوو طراحی بهینه قاب های فولادی چند دهانه دارای مقاطع غیر منشوری با استفاده از الگوریتم ژنتیک دانلود با لینک مستقیم و پر سرعت .

طراحی بهینه قاب های فولادی چند دهانه دارای مقاطع غیر منشوری با استفاده از الگوریتم ژنتیک


طراحی بهینه قاب های فولادی چند دهانه دارای مقاطع غیر منشوری با استفاده از الگوریتم ژنتیک

عنوان مقاله :طراحی بهینه قاب های فولادی چند دهانه دارای مقاطع غیر منشوری با استفاده از الگوریتم ژنتیک

محل انتشار: دهمین کنگره بین المللی مهندسی عمران تبریز


تعداد صفحات:8

 

نوع فایل :  pdf


دانلود با لینک مستقیم


طراحی بهینه قاب های فولادی چند دهانه دارای مقاطع غیر منشوری با استفاده از الگوریتم ژنتیک

دانلود پروژه بررسی کاربردی مدل های داده چند بعدی(OLAP) واستفاده از الگوهای آماری

اختصاصی از فی لوو دانلود پروژه بررسی کاربردی مدل های داده چند بعدی(OLAP) واستفاده از الگوهای آماری دانلود با لینک مستقیم و پر سرعت .

دانلود پروژه بررسی کاربردی مدل های داده چند بعدی(OLAP) واستفاده از الگوهای آماری


دانلود پروژه بررسی کاربردی مدل های داده چند بعدی(OLAP)  واستفاده از الگوهای آماری

ﻳﻜﻲ از ﭼﺎﻟﺸﻬﺎی ﻋﺼﺮ ﺣﺒﺎﺑﻲ اﻣﺮوز ‪  post-dot-comﻛﻪ ﺑﺴﻴﺎری از ﺳﺎزﻣﺎﻧﻬﺎ ﺑﺎ آن ﻣﻮاﺟﻪ ﻣﻲ ﺷﻮﻧﺪ اﻳﻦاﺳﺖ ﻛﻪ اﻧﺘﻈﺎر ﻣﻲ رود ﺑﻪ ﻣﻨﻈﻮر ﺑﻬﺒﻮد ﺳﻮد و زﻳﺎن ﺷﺮﻛﺖ ﺑﺪون ﻫﻴﭻ ﺑﻮدﺟـﻪ ﻳـﺎ ﺑـﺎ ﺑﻮدﺟـﻪ ﻛﻤـﻲ ﻣﺤـﺼﻮل ﺑﻴﺸﺘﺮی را اراﺋﻪ دﻫﻨﺪ. ﻣﻤﻜﻦ اﺳﺖ ﺷﻤﺎ ﺑﻪ دﻧﺒﺎل روﺷﻬﺎی ﺟﺪﻳﺪی ﺑﺮای ﻛﺎﻫﺶ ﻫﺰﻳﻨﻪ ﻫﺎی ﺗﻜﻨﻮﻟـﻮژی ﺑﺎﺷـﻴد ‫در ﺣﺎﻟﻴﻜﻪ در ﻫﻤﺎن زﻣﺎن از ﺗﻘﺎﺿﺎﻫﺎی ﺟﺪﻳﺪ و ﺑﻬﺒﻮد ﺑﻬﺮه وری ﺣﻤﺎﻳﺖ ﻛﻨﻴﺪ .ﺑﻌﻼوه ﺑﻪ دﻧﺒﺎل رﺳﻮاﻳﻲ ﻫﺎی اﺧﻴﺮ ﺣﺴﺎﺑﺪاری ﺷﺮﻛﺘﻬﺎ ﻗﻮاﻧﻴﻦ ﺟﺪﻳﺪی ﺗﺪوﻳﻦ ﺷﺪ ﺗﺎ ﻣﺴﺌﻮﻟﻴﺖ ﺷـﺮﻛﺘﻬﺎ را ﺑﺎﻻ و ﺑﺒﺮد اﻓﺸﺎ ﺳﺎزی ﻣﺎﻟﻲ را ﺑﻬﺒﻮد ﺑﺨﺸﺪ و ﺑﺎ ﺟﺮاﺋﻢ ﻣـﺎﻟﻲ ﺷـﺮﻛﺖ ﻣﺒـﺎرزه ﻛﻨـﺪ . ‪Sarbanes-Oxle ﺑـﻪ ﺷﺮﻛﺘﻬﺎ اﻣﺮ ﻣﻲ ﻛﻨﺪ ﺗﺎ ﻛﻨﺘﺮل ﺟﺎﻣﻌﻲ ﺑﺮ ﻣﺪﻳﺮﻳﺖ داﺷﺘﻪ ﺑﺎﺷﻨﺪ و اﻃﻼﻋﺎت ﻣﺎﻟﻲ ﺷﺮﻛﺖ را ﮔﺰارش ﻛﻨﻨﺪ و ﺑﺮایاﻧﺠﺎم اﻳﻦ ﻛﻨﺘﺮﻟﻬﺎ ﻣﺴﺌﻮﻟﻴﺘﻬﺎﻳﻲ را ﺑﺮروی ﻣﺪﻳﺮ ﻋﺎﻣﻞ و ﻣﺪﻳﺮ ارﺷﺪ ﻗﺮار ﻣﻲ دﻫﺪ.اﻳﻦ ﻋﻤﻞ ﺑﻪ ﻧﻮﺑﻪ ﺧﻮد ﻧﻴﺎزﻫﺎی ﺟﺪﻳﺪی را ﺑﺮ ﺳﺎزﻣﺎنIT ﺗﺤﻤﻴﻞ ﻣﻲ ﻛﻨﺪ. ﺑﻨﺎﺑﺮاﻳﻦ ﭼﮕﻮﻧﻪ ﻗﺎدرﻳﺪ ﻫﺰﻳﻨﻪ ﻫﺎ را ﻗﻄﻊ و در ﻫﻤـﺎن زﻣـﺎن دﻳـﺪﮔﺎه ﻛﻠـﻲ از اﻃﻼﻋـﺎت ﻣﻬـﻢ ﺗﺠـﺎری راﮔﺴﺘﺮش دﻫﻴﺪ ؟ ﭼﮕﻮﻧﻪ ﻣﻲ ﺗﻮاﻧﻴﺪ از اﻃﻼﻋﺎﺗﺘﺎن ﺑﺮای اﺳﺘﻔﺎده ﺑﻬﺘـﺮ از ﻓﺮﺻـﺘﻬﺎی ﺑﺮاﺑـﺮ ﺗـﺎﺛﻴﺮ اﺟـﺮا ﺑﻬﺒـﻮد  ‫ﺗﺼﻤﻴﻢ ﮔﻴﺮی ﺑﺪﺳﺖ آوردن ﻣﺮز رﻗﺎﺑﺖ اﻓﺰاﻳﺶ ﺳﻮد و ﺗﻬﻴﻪ ﮔﺰارش ﻣﺎﻟﻲ ﺑﻬﺮه ﺑﺒﺮﻳﺪ

 2-1-1 ﻳﻜﭙﺎرﭼﮕﻲ:

‫اﻣﻜﺎن ﻳﻚ ﭘﺎﺳﺦ ﺑﺮای ﻳﻜﭙﺎرﭼﮕﻲ وﺟﻮد دارد. ﺑﺴﻴﺎری از ﺷـﺮﻛﺘﻬﺎ ﻓﻌﺎﻟﻴﺘﻬﺎﻳـﺸﺎن را ﺑـﺎ ﻳﻜﭙﺎرﭼـﻪ ﺳـﺎزی ﺳﺨﺖ اﻓﺰار اﻃﻼﻋﺎت و ﺗﻘﺎﺿﺎ ﻫﺎ ﺗﺴﻬﻴﻞ ﻣﻲ ﻛﻨﻨﺪ و ﻓﻌﺎﻟﻴﺘﻬﺎی ﺗﺠﺎری ﺧﻮد را ﺑﻪ ﺗﻌﺪاد ﻛﻮﭼﻜﺘﺮی از ﺳﻴـﺴﺘﻢﻫﺎی ﻣﺘﻤﺮﻛﺰ ﺳﺎده ﻣﻲ ﻛﻨﻨﺪ ﺳﭙﺲ ، ﺳﺎدﮔﻲ از ﻃﺮﻳﻖ ﻳﻚ ﺷﺎﻟﻮده ﻣﺸﺘﺮک ﻣﻲ ﺗﻮاﻧﺪ ﺑﺪﺳﺖ آﻳـﺪ ﺗﻮاﻧـﺎﻳﻲ ﺑﺮای ﺟﻤﻊ آوری اﻃﻼﻋﺎت ﻫﺮ ﺑﺨﺶ از ﺷﺮﻛﺖ دﻳﺪ ﺳﺎزﻣﺎﻧﻲ ﻗﺎﺑﻞ ﻗﺒـﻮﻟﻲ را ﺑـﻪ ﻫﻤـﺮاه دارد. در اﻳـﻦ ﻳﻜﭙﺎرﭼـﻪﺳﺎزی اﻧﺒﺎر داده ﻧﻘﺶ ﺑﺴﺰاﻳﻲ دارد.

3-1-1 ﻳﻜﭙﺎرﭼﻪ ﺳﺎزی ﺳﺨﺖ اﻓﺰار:

‫در ﮔﺬﺷﺘﻪ ﺷﺮﻛﺘﻬﺎ ﻣﻌﻤﻮﻻ ﺑﺮای ﻫﺮ ﺗﻘﺎﺿﺎی ﺟﺪﻳﺪ ﺳﻴﺴﺘﻢ ﻫﺎی اﺧﺘﺼﺎﺻﻲ ﺧﺮﻳﺪاری ﻣـﻲ ﻛﺮدﻧـﺪ. اﻳـﻦ ﺳﻴﺴﺘﻤﻬﺎ ﻻزم ﺑﻮد ﺑﻪ اﻧﺪازه ای ﺑﺎﺷﻨﺪ ﻛﻪ ﺗﻘﺎﺿﺎﻫﺎی زﻳﺎدی را ﺟﻮاﺑﮕﻮ ﺑﺎﺷﻨﺪ ﺑﻪ اﻳﻦ ﻣﻌﻨﺎ ﻛﻪ ﺑﻌـﻀﻲ ﻣﻨـﺎﺑﻊ درزﻣﺎن ﻫﺎی دﻳﮕﺮ ﺑﻴﻬﻮده ﺑﻮدﻧﺪ .آﻳﺎ ﺑﻬﺘﺮ ﻧﺒﻮد اﻳﻦ ﻣﻨﺎﺑﻊ در ﻛﺎرﺑﺮدﻫﺎی دﻳﮕﺮی ﻛﻪ ﺑﻪ آﻧﻬﺎ ﻧﻴﺎز ﺑـﻮد ﺑﻜـﺎر ﮔﺮﻓﺘـﻪ می شدند؟

 ﻳﻜﭙﺎرﭼﻪ ﺳﺎزی ﺷﺎﻣﻞ اﺳﺘﻔﺎده ﻣﺠﺪد از ﺳﺨﺖ اﻓﺰار ﻣﻮﺟـﻮد و ﻫـﻢ ﺧﺮﻳـﺪﻫﺎی ﺟﺪﻳـﺪ اﺳـﺖ . اﻣـﺮوزه ﺑﺴﻴﺎری از ﻓﺮوﺷﻨﺪﮔﺎن ﺳﺨﺖ اﻓﺰار ﻗﻄﻌﺎت ﺳﺮﻳﻊ و ارزان ﻗﻴﻤﺖ ﺗﺮی ﻣﺎﻧﻨﺪ ﺳـﺮوﻳﺲ دﻫﻨـﺪه ﻫـﺎ و ﺗﺠﻬﻴـﺰات ﺷﺒﻜﻪ ای را ﻋﺮﺿﻪ ﻣﻲ ﻛﻨﻨﺪ . ﺻﺮﻓﻪ ﺟﻮﻳﻲ در ﻫﺰﻳﻨﻪ ﻫﺎ ﻣﻲ ﺗﻮاﻧﺪ از ﻃﺮﻳﻖ ﺗﻐﻴﻴﺮ ﺟﻬﺖ ﺳﺨﺖ اﻓﺰار اﺧﺘـﺼﺎﺻﻲ ﺳﻴﺴﺘﻢ ﻋﺎﻣﻞ ﺑﻪ ﺳﺨﺖ اﻓﺰار ارزان ﺗﺮ ﺑﺎ اﺳﺘﻔﺎده از ﭘﺮدازﺷﮕﺮﻫﺎی اﻳﻨﺘﻞ ﻛﻪ ﺳﻴﺴﺘﻢ ﻋﺎﻣﻞ ﻟﻴﻨﻮﻛﺲ را اﺟﺮا ﻣﻲﻛﻨﻨﺪ ﺑﺪﺳﺖ آﻳﺪ . ﻣﺰﻳﺖ ﻫﺰﻳﻨﻬﺎی ﻛﻪ ﺑﺮ روی ﻟﻴﻨﻮﻛﺲ اﺳﺖ در ﻣﻘﺎﻳﺴﻪ ﺑﺎ ﻳﻚ ﺳﻴﺴﺘﻢ ﭼﻨﺪ ﭘﺮدازﺷـﻲ ﻛـﻪ ﺑـﺮ روی ﺳﻴﺴﺘﻢ ﻋﺎﻣﻞ اﺧﺘﺼﺎﺻﻲ اﺳﺖ دارای اﻫﻤﻴﺖ ﻣﻲ ﺑﺎﺷﺪ.

‫ﻫﺰﻳﻨﻪ ﻫﺎی ذﺧﻴﺮه ﺳﺎزی در ﻫﺮ ﺳﺎل در ﺣﺎل ﻛﺎﻫﺶ اﺳﺖ و اﻳﻦ اﻣﻜـﺎن وﺟـﻮد دارد ﺗـﺎ ﻣﻨﺒـﻊ ذﺧﻴـﺮه ﺳﺎزی را ﺑﺎ ﭘﻮل ﻛﻤﺘﺮی ﺑﺨﺮﻳﻢ .ﭼﺮا ﺑﺎﻳﺪ ﺑﺮای ﻳﻚ ﺳﻴﺴﺘﻢ ﻣﻴﻠﻴﻮﻧﻬﺎ دﻻر ﻫﺰﻳﻨـﻪ ﺷـﻮد در ﺣـﺎﻟﻲ ﻛـﻪ ﻣﻴﺘﻮاﻧﻴـﺪ ‫ﻫﻤﺎن ﻗﺎﺑﻠﻴﺖ ﻫﺎ را ﺑﺎ ﺻﺪﻫﺎ دﻻر ﺑﺪﺳﺖ آورﻳﺪ؟

‫ﻣﻤﻜﻦ اﺳﺖ ﻳﻜﭙﺎرﭼﻪ ﺳﺎزی ﺑﺮای ﺷﺮﻛﺘﻬﺎی ﺑﺰرگ ادﻏﺎم ﻣﺮاﻛﺰ اﻃﻼﻋﺎﺗﻲ ﻏﻴﺮ ﻣﺘﻤﺮﻛﺰ ﺑﻪ ﻣﺮاﻛﺰ اﻃﻼﻋﺎت ‫ﻣﺤﺪود ﺑﺎﺷﺪ . در ﻧﺘﻴﺠﻪ ﻳﻜﭙﺎرﭼﻪ ﺳﺎزی ﺳﺨﺖ اﻓﺰار ی وﺟﻮد ﺳﻴﺴﺘﻤﻬﺎی ﻛﻤﺘﺮی ﺟﻬﺖ ﺳﺎﻣﺎﻧﺪﻫﻲ ﻧـﺮم اﻓـﺰار ‫ﺟﻬﺖ ﻧﺼﺐ و ﺗﻌﻤﻴﻴﺮ و اﻣﻨﻴﺖ و ﻛﺎﻫﺶ ﺑﻴﺸﺘﺮ ﻫﺰﻳﻨﻪ ﻫﺎ را ﺑﺪﻧﺒﺎل دارد.  

  ‫4-1-1 ﻳﻜﭙﺎرﭼﻪ ﺳﺎزی داده ﻫﺎ از دﻳﺪ ﻳﻚ ﺷﺮﻛﺖ ﻣﻌﻤﻮﻟﻲ :

ﺳﻴﺴﺘﻢ ﻫﺎی ﻳﻜﭙﺎرﭼﻪ داده ﻫﺎ ﻣﻲ ﺗﻮاﻧﻨﺪ در ﻳﻚ ﻣﻜﺎن ، اﻏﻠﺐ در ﭘﺎﻳﮕﺎه داده ﻫﺎ ﻳﻜﭙﺎرﭼﻪ ﺳﺎزی ﺷـﻮﻧﺪ . ﺣﺬف داده ﻫﺎی اﺿﺎﻓﻲ ﺑﺎﻋﺚ ﺑﻬﺒﻮد ﻛﻴﻔﻴﺖ و ﻗﺎﺑﻞ دﺳﺘﺮس ﺑﻮدن اﻃﻼﻋﺎت ﻣﻲ ﺷﻮد. ﺑﺴﻴﺎری از ﺷﺮﻛﺘﻬﺎ ﺷـﻤﺎر ﻗﺎﺑﻞ ﺗﻮﺟﻬﻲ از ﭘﺎﻳﮕﺎه داده اوراﻛﻞ و دﻳﮕﺮ ﻓﺮوﺷﻨﺪه ﻫﺎ را ﺑﺪﺳﺖ ﻣﻲ آورﻧﺪ. ﺑﺎ ﻳﻜﭙﺎرﭼﻪ ﻛﺮدن اﻳـﻦ ﻣـﻮارد و ﺑـﺎ ‫ﻛﺎﻫﺶ ﺗﻌﺪاد ﻣﺪﻳﺮان ﻣﻮرد ﻧﻴﺎز ﺑﺮای ﭘﺸﺘﻴﺒﺎﻧﻲ ﺳﻴﺴﺘﻢ ﻫﺎ ﻣﻲ ﺗﻮان در ﻫﺰﻳﻨﻪ ﺻﺮﻓﻪ ﺟﻮﻳﻲ ﻛﺮد .                  

‫5-1-1 ﻳﻜﭙﺎرﭼﻪ ﺳﺎزی ﺑﺮﻧﺎﻣﻪ ﻫﺎی ﻛﺎرﺑﺮدی :

ﺑﺎ ﻳﻜﭙﺎرﭼﻪ ﺳﺎزی داده ﻫﺎ،ﻛﺎرﺑﺮدﻫﺎی ﺧﻮدﻛﺎر اﻣﻜﺎن ﭘﺬﻳﺮ ﻣﻲ ﺷـﻮد و ﺑـﻪ ﻛـﺎرﺑﺮان اﺟـﺎزه ﻣـﻲ دﻫـﺪ ﺗـﺎ اﻃﻼﻋﺎت ﺷﺨﺼﻲ ﺧﻮدﺷﺎن را ﺑﺮوزﻛﻨﻨﺪ.ﻫﻤﺎﻧﻄﻮر ﻛﻪ ﺑﻴﺸﺘﺮ ﺗﻘﺎﺿﺎﻫﺎی ﻛﺎری )ﺗﺠﺎری( ﺑﻪ ﻃﺮف وب ﭘﻴﺶ رﻓﺘـﻪ اﻧﺪ درﮔﺎﻫﻬﺎ ﺑﻪ ﻛﺎرﺑﺮان اﻣﻜﺎن دﺳﺘﺮﺳﻲ ﺑﻪ ﭘﺎﻳﮕﺎه داده ﻫﺎی ﻣﺮﻛﺰی ﺑﺎ ﻳﻚ ﻣﺮورﮔﺮ وب و ﻳﺎ ﺗﻠﻔﻦ ﻫﻤﺮا ه را ﻣـﻲ دﻫﺪ ﻛﻪ ﻧﻴﺎز ﺑﻪ ﺧﺮﻳﺪاری وﻧﺼﺐ ﻧﺮم اﻓﺰارﻫﺎی دﺳﻚ ﺗﺎپ ﺧﺎص را ازﺑﻴﻦ ﻣﻲ ﺑﺮد.

ﺑﺮﻧﺎﻣﻪ ﻫﺎی ﻛﺎرﺑﺮدی ﺧﻮدﻛﺎر در ﻛﺎﻫﺶ ﻫﺰﻳﻨﻪ ﻫﺎی ﻋﻤﻠﻲ ﺑـﺎ ﺣـﺬف ﺑـﺴﻴﺎری از ﻓﺮآﻳﻨـﺪ ﻫـﺎی اﺟﺮاﻳـﻲ،ﻛﺎﻫﺶ ﻫﺰﻳﻨﻪ ﻫﺎی ﺷﺨﺼﻲ و دﺳﺘﺮﺳﻲ 42 ﺳﺎﻋﺘﻪ ﺳﻮدﻣﻨﺪ ﻫﺴﺘﻨﺪ. ﻋﻼوه ﺑﺮ ﺑﺮﻧﺎﻣﻪ ﻫﺎی ﻛﺎرﺑﺮدی ﻣﺎﻧﻨﺪfronts ‪ storeﺑﺴﻴﺎری از ﺑﺮﻧﺎﻣﻪ ﻫﺎی ﻛﺎرﺑﺮدی ‪ back-officeﻫﻢ ﻣﻲ ﺗﻮاﻧﻨﺪ ﺧﻮدﻛﺎر ﺑﺎﺷـﻨﺪ ﻣﺎﻧﻨـﺪ ﻣـﺴﺎﻓﺮت، ﺻـﻮرت  ‫ﺣﺴﺎب ، و ﻣﻨﺎﺑﻊ اﻧﺴﺎﻧﻲ.

  ‫6-1-1 ‪  Gridدر ﭘﺎﻳﮕﺎه داده اوراﻛﻞ 10g:

ﻳﻜﭙﺎرﭼﻪ ﺳﺎزی ﻣﺮﺣﻠﻪ ای ﺑﺮای اﻧﺠﺎم ﻣﺤﺎﺳﺒﺎت ﺷﺒﻜﻪ ﻓﺮاﻫﻢ ﻣـﻲ آورد.ﻣﺤﺎﺳـﺒﺎت ﺷـﺒﻜﻪ اوراﻛـﻞ ﻳـﻚ ﺷﺎﻟﻮده ﺑﻬﻢ ﭘﻴﻮﺳﺘﻪ از ﭘﺎﻳﮕﺎه داده اوراﻛﻞ  10gﺳﺮوﻳﺲ دﻫﻨﺪه ﻛﺎرﺑﺮدی اوراﻛﻞ ‪ 10gوﻣﺪﻳﺮ ﺳـﺎزﻣﺎﻧﻲ اوراﻛـﻞ اﺳﺖ .ﺑﺎ ﻣﺤﺎﺳﺒﺎت ﺷﺒﻜﻪ،ﻣﺨﺎزن ﻣﺮﻛﺰی از ﻣﻨﺎﺑﻊ ﻣﺤﺎﺳﺒﺎﺗﻲ اﻳﺠﺎد ﻣﻲ ﺷﻮد ﻛﻪ ﻣﻲ ﺗﻮاﻧﺪ ﺑﺎ ﺑﺴﻴﺎری از ﺗﻘﺎﺿـﺎﻫﺎ ﺗﺮﻛﻴﺐ ﺷﻮد.اﺻﻄﻼح ﻣﺤﺎﺳﺒﻪ ﺷﺒﻜﻪ از ﻣﻘﺎﻳﺴﻪ ﺑﺎ ﺷﺒﻜﻪ اﻧﺮژی اﻟﻜﺘﺮﻳﻜﻲ ﺳﺮﭼﺸﻤﻪ ﮔﺮﻓﺘـﻪ ﺷـﺪه اﺳـﺖ. ﻣﻨـﺎﺑﻊ ﻣﺘﻨﻮﻋﻲ در اراﺋﻪ اﻧﺮژی ﺑﻪ ﻣﺨﺰن ﻣﺸﺘﺮک ﻫﻤﻜﺎری دارﻧﺪ ﻛﻪ ﺑﺴﻴﺎری از ﻣﺼﺮف ﻛﻨﻨﺪﮔﺎن در ﺻﻮرت ﻧﻴﺎز ﺑـﻪ آن دﺳﺘﺮﺳﻲ دارﻧﺪ. ﻣﺤﺎﺳﺒﻪ ﺷﺒﻜﻪ روﺷﻲ ﺑﺮای ﻳﻜﭙﺎرﭼﻪ ﺳﺎزی ﺳﺨﺖ اﻓﺰار ﺑﺮای ﺑﻬﺒﻮد اﺳـﺘﻔﺎده و ﻛـﺎرآﻳﻲ ﻣﻨـﺎﺑﻊ اﺳﺖ . ﺑﺪون ﻧﻴﺎز ﺑﻪ داﻧﺴﺘﻦ اﻳﻨﻜﻪ اﻃﻼﻋﺎت در ﻛﺠـﺎ ﻗـﺮار دارﻧـﺪ ﻳـﺎ ﻛـﺪام ﻛـﺎﻣﭙﻴﻮﺗﺮ درﺧﻮاﺳـﺖ داده ﺷـﺪه را ﭘﺮدازش ﻣﻲ ﻛﻨﺪ ، ﺑﺮای ﻛﺎرﺑﺮ ﻣﻨﺎﺑﻊ ﻣﻮد ﻧﻴﺎز در دﺳﺘﺮس اﺳﺖ .

ﻫﻤﺎﻧﻄﻮر ﻛﻪ در اﻳﻨﺘﺮﻧﺖ آﻣﺪه ،ﻣﺤﺎﺳﺒﺎت ﺷﺒﻜﻪ در ﻣﺠﺎﻣﻊ ﺗﺤﻘﻴﻘﺎﺗﻲ وآﻛﺎدﻣﻴﻚ ﺑﻮﺟﻮد آﻣﺪ.ﻳﻜـﻲ از اﺟﺮاﻫﺎی اوﻟﻴﻪ ﻳﻚ ﺷﺒﻜﻪ،ﭘﺮوژه ‪SETI@homeاﺳﺖ ﻛﻪ ﺗﺤﻘﻴﻖ ﺑﺮای ﻫﻮش ﻣﺎورا اﺳﺖ ﻛـﻪ در ﺳـﺎل 1991 درداﻧﺸﮕﺎه ﺑﺮﻛﻠﻲ ﻛﺎﻟﻴﻔﻮرﻧﻴﺎ آﻏﺎز ﺷﺪ.ﻧﻮﺳﺎﻧﺎت ﺳـﻴﮕﻨﺎل رادﻳـﻮﻳﻲ از ﺗﻠـﺴﻜﻮپ رادﻳـﻮﻳﻲ ‪ Arecibonvدر ‪Puerto Rico ﺟﻤﻊ آوری ﺷﺪ .اﻳﻦ ﻧﻮﺳﺎﻧﺎت ﻣﻤﻜﻦ اﺳﺖ ﻋﻼﺋﻤﻲ از زﻧﺪﮔﻲ ﻫﻮﺷﻤﻨﺪ در ﻓﻀﺎ ﺑﺎﺷـﺪ .ﻫـﺮ روزه داده ﻫـﺎی ﺑﻴﺸﺘﺮ از آﻧﭽﻪ ﻛﺎﻣﭙﻴﻮﺗﺮﻫﺎ در داﻧﺸﮕﺎﻫﻬﺎ ﻣـﻲ ﺗﻮاﻧﻨـﺪ ﭘـﺮدازش ﻛﻨﻨـﺪ ﺑﺪﺳـﺖ ﻣـﻲ آﻳـﺪ ﺑﻨـﺎﺑﺮاﻳﻦ از داوﻃﻠﺒـﺎن درﺧﻮاﺳﺖ ﻣﻲ ﺷﻮد زﻣﺎن ﺑﻴﻜﺎری ﻛﺎﻣﭙﻴﻮﺗﺮﻫﺎی ﺧﺎﻧﮕﻲ ﺧﻮد را ﻣﺸﺨﺺ ﻛﻨﻨﺪ.ﺑﻴﺸﺘﺮ از 5 ﻣﻴﻠﻴـﻮن ﻧﻔـﺮ از 622 ﻛﺸﻮر ﻧﺮم اﻓﺰاری را داﻧﻠﻮد ﻛﺮدﻧﺪ ﻛﻪ ﻫﺮ وﻗﺖ ﺑﻴﻜﺎر ﻫﺴﺘﻨﺪ ﻛﺎﻣﭙﻴﻮﺗﺮﺷﺎن در دﺳﺘﺮس ﺑﺎﺷﺪ و ﻣﻤﻜﻦ اﺳﺖ ﺷﻤﺎ ﻗﺒﻼ ﭼﻴﺰی ﻣﺸﺎﺑﻪ اﻳﻦ ﻛﺎر را اﻧﺠﺎم داده ﺑﺎﺷﻴﺪ ،ﻣﻨﺎﺑﻊ ذﺧﻴﺮه ﺳﺎزی را در زﻣﺎﻧﻬﺎی ‪     off-peakﭘﻴﻚ ﺧﺎﻣﻮﺷـﻲ  ﭘﺎک ﻛﺮده ﺑﺎﺷﻴﺪ و آﻧﻬﺎ را ﺑﺮای ﺗﻘﻮﻳﺖ ﭘﺮدازش ﺑﺮای ﻳﻚ ﺑﺮﻧﺎﻣﻪ ﻛﺎرﺑﺮدی ﻳﺎ ﺑﻴﺸﺘﺮ اﺳﺘﻔﺎده ﻛﻨﻴﺪ. در ﺣﺎﻟﻲ ﻛﻪ ﻧﻈﺮﻳﻪ ﻣﺤﺎﺳﺒﻪ ﺧﺪﻣﺎﺗﻲ ﻳﺎ ﺷﺒﻜﻪ ای ﺟﺪﻳﺪ ﻧﻴﺴﺖ اﻣﺎ اﻣﻜﺎن ﭘﻴﺸﺮﻓﺘﻬﺎﻳﻲ را ﻫـﻢ در ﺳـﺨﺖ اﻓﺰار و ﻫﻢ در ﻧﺮم اﻓﺰار داده اﺳﺖ . ‪ Blade farms ﻳﺎ ﮔﺮوﻫﻬﺎﻳﻲ از ﻛﺎﻣﭙﻴﻮﺗﺮﻫﺎی ﭘﺮ ﺳـﺮﻋﺖ اﺳـﺎس ﻣﺤﺎﺳـﺒﺎت ﺷﺒﻜﻪ را ﺗﺸﻜﻴﻞ ﻣﻲ دﻫﻨﺪ.ﺑﺮﻧﺎﻣﻪ ﻫﺎی ﻛﺎرﺑﺮدی ﺧﻮﺷـﻪ ای اوراﻛـﻞ   RACﺑـﻪ ﻋﻨـﻮان ﭘﺎﻳـﻪ ای ﺑـﺮای ﺷـﺒﻜﻪ ﺳﺎزﻣﺎﻧﻲ ﺑﻜﺎر ﻣﻲ رود ﻛﻪ اﻳﻦ ﺳﻜﻮﻫﺎی ﺳﺨﺖ اﻓﺰاری ارزان ﻗﻴﻤﺖ را ﻗﺎدر ﻣﻲ ﺳﺎزد ﺑﺎﻻﺗﺮﻳﻦ ﻛﻴﻔﻴﺖ ﺧﺪﻣﺎت را از ﻧﻈﺮ دﺳﺘﺮس ﺑﻮدن و ﻣﻘﻴﺎس ﭘﺬﻳﺮی اراﺋﻪ دﻫﺪ. ﺷﻤﺎ ﻣﻲ ﺗﻮاﻧﻴﺪ ﺑـﺮای ﻧﻴﺎزﻫـﺎی اوﻟﻴـﻪ ﺳﻴـﺴﺘﻢ ﻓﻘـﻂ ﻣﻘـﺪار ﻇﺮﻓﻴﺖ ﻛﺎﻓﻲ ﺳﺨﺖ اﻓﺰار را ﺧﺮﻳﺪاری ﻛﻨﻴﺪ ،در ﺣﺎﻟﻲ ﻛﻪ ﻣﻲ داﻧﻴﺪ ﻣﻲ ﺗﻮاﻧﻴﺪ ﺳﺮوﻳﺲ دﻫﻨﺪه ﻫﺎی اﺿـﺎﻓﻲ ﺑـﺎ ﺣﺪاﻗﻞ ﻫﺰﻳﻨﻪ را وﺻﻞ ﻛﻨﻴﺪ ﺗﺎ ﻧﻮﺳﺎﻧﺎت ﺗﺮاﻓﻴﻜﻲ ﻣﻮﻗﺖ ﻳﺎ داﺋﻤﻲ را ﻛﻨﺘﺮل ﻛﻨـﺪ. وﻗﺘـﻲ ﻳـﻚ ﺳـﺮوﻳﺲ دﻫﻨـﺪه ﺟﺪﻳﺪ ﺑﻪ ﮔﺮوه اﺿﺎﻓﻪ ﺷﺪ ﺑﻄﻮر اﺗﻮﻣﺎﺗﻴﻚ ﻧﻤﺎﻳﺎن ﻣﻲ ﺷﻮد و ﻇﺮﻓﻴﺖ ﻛﺎر ﺑﺮای ﺗﺮﻛﻴﺐ ﺳﻴـﺴﺘﻢ ﺟﺪﻳـﺪ ﻣﺘﻌـﺎدل ‫ﻣﻲ ﺷﻮد . اﮔﺮ ﻧﻮدی در ﮔﺮوه(ﻛﻼﺳﺘﺮ) دﭼﺎر ﺧﺮاﺑﻲ ﺷﻮد ﺑﺮﻧﺎﻣﻪ ﻛﺎرﺑﺮدی ﻫﻨﻮز ﻣﻲ ﺗﻮاﻧﺪ ﺑﺎ ﻧﻮد ﺑﺎﻗﻲ ﻣﺎﻧﺪه ﻛﻪ از ‫ﻇﺮﻓﻴﺖ ﻛﺎری ﻧﻮد ﺧﺮاب اﺳﺖ ،ﻛﺎر ﻛﻨﺪ .

درﺳﺖ ﻫﻤﺎﻧﻄﻮر ﻛﻪ ﺷﺮﻛﺘﻬﺎی اﻣﺮوزی ﻫﻢ اﻳﻨﺘﺮاﻧﺖ داﺧﻠﻲ و ﻫﻢ اﻳﻨﺘﺮﻧﺖ  ﺧﺎرﺟﻲ دارﻧﺪ، ﻣﻤﻜﻦ اﺳت ﺷﺮﻛﺘﻬﺎدر آﻳﻨﺪه ﺷﺒﻜﻪ داﺧﻠﻲ و ﺧﺎرﺟﻲ داﺷﺘﻪ ﺑﺎﺷﻨﺪ ﺑﺪون اﻳﻨﻜﻪ ﺑﺨﻮاﻫﻨﺪ ﺗﻤـﺎم ﺗﻜﻨﻮﻟـﻮژی ﻫـﺎ را ﺧﺮﻳـﺪاری ﻛﻨﻨﺪ . در ﻣﺮﻛﺰ داده ﻫﺎ در آﻳﻨﺪه ﺷﻤﺎ ﻗﺎدر ﺑﻪ ﺧﺮﻳﺪ ﻧﻴﺮوی ﻣﺤﺎﺳﺒﺎﺗﻲ ﻛﻪ ﻧﻴﺎز دارﻳﺪ ﺧﻮاﻫﻴﺪ ﺑﻮد و ﺗﻨﻬـﺎ ﺑـﺮای آﻧﭽﻪ ﻛﻪ اﺳﺘﻔﺎده ﻣﻲ ﻛﻨﻴﺪ ﭘﺮداﺧﺖ ﻣﻲ ﻛﻨﻴﺪ.

 ‫2-1 اﻧﺒﺎر داده ﭼﻴﺴﺖ؟

ﺣﺎل ﭘﺲ از ﻫﻤﻪ اﻳﻦ ﻣﻮارد ﻳﻚ اﻧﺒﺎر داده ﭼﻴﺴﺖ ؟ ﻳﻚ اﻧﺒﺎر داده ،ﻳﻚ ﺑﺎﻧﻚ اﻃﻼﻋﺎﺗﻲ اﺳﺖ ﻛﻪ ﺣـﺎوی داده ﻫﺎ از ﭼﻨﺪﻳﻦ ﺳﻴﺴﺘﻢ ﻋﻤﻠﻴﺎﺗﻲ اﺳﺖ ﻛﻪ ﻳﻜﭙﺎرﭼﻪ ،ﺑﻪ ﻫﻢ ﭘﻴﻮﺳﺘﻪ ، ﻣﺮﻛﺐ و ﺳﺎزﻣﺎن ﺑﻨﺪی ﺷـﺪه اﺳـﺖ ﺑـﻪ ﻃﻮری ﻛﻪ ﻣﻲ ﺗﻮاﻧﺪ ﺑﺮای ﺣﻤﺎﻳﺖ ﻓﺮآﻳﻨﺪ ﺗﺤﻠﻴﻞ و ﺗﺼﻤﻴﻢ ﮔﻴﺮی ﻳﻚ ﻓﺮاﻳﻨﺪ ﺗﺠﺎری ﺑﻜﺎر ﮔﺮﻓﺘﻪ ﺷﻮد 

1-2-1 ﭼﺮا ﺑﻪ ﻳﻚ اﻧﺒﺎر داده ﻧﻴﺎز دارﻳﺪ؟

‫آﻳﺎ ﺗﻤﺎم اﻃﻼﻋﺎت ﻣﻮرد ﻧﻴﺎز ﺑﺮای اﺟﺮای ﻛﺎرﻫﺎی ﺗﺠﺎرﻳﺘﺎن زﻣﺎﻧﻲ ﻛﻪ ﺑﻪ آن ﻧﻴﺎز اﺳﺖ ﺑﺎ ﺟﺰﺋﻴﺎت ﻛﺎﻓﻲ ﺑﺮﻣﺒﻨﺎی ﺗﺼﻤﻴﻤﺎت در دﺳﺘﺮس اﺳﺖ .؟ ﻳﺎ آﻳـﺎ اﻳـﻦ ﻛـﻪ ﭼﮕﻮﻧـﻪ ﻣـﻲ ﺷـﻮد 2 ﻛـﺎرﺑﺮ وارد ﺟﻠـﺴﻪ ای ﺷـﻮﻧﺪ ﻛـﻪ ﮔﺰارﺷﻬﺎﻳﺸﺎن ﺑﺎ ﻫﻢ ﻣﻨﻄﺒﻖ ﻧﻴﺴﺖ؟ ﻳﻜﻲ از آﻧﻬﺎ ﻓﻜﺮ ﻣﻲ ﻛﻨـﺪ ﻓـﺮوش ﻣـﺎه ﻣـﺎرس 500 ﻣﻴﻠﻴـﻮن دﻻر اﺳـﺖ و دﻳﮕﺮی ﻣﻲ ﮔﻮﻳﺪ 524 ﻣﻴﻠﻴﻮن دﻻر اﺳﺖ . ﭘﺲ از ﺑﺮرﺳﻲ ﻫﺎی زﻳﺎد ﻣﻲ ﻓﻬﻤﻴﺪ ﻛـﻪ داده ﻫـﺎی ﻣﺘﻔـﺎوﺗﻲ ﺑـﺮای

ﻣﺤﺎﺳﺒﻪ ﻓﺮوش در ﻫﺮ ﮔﺰارش اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ و ﺷﻤﺎ زﻣﺎن زﻳﺎدی را ﺑﺮای ﻓﻬﻤﻴﺪن ﻋﻠـﺖ آن و اﺻـﻼح اﻳـﻦ ‫ﻣﺸﻜﻞ ﺻﺮف ﻣﻲ ﻛﻨﻴﺪ.

آﻳﺎ ﺷﺮﻛﺖ ﺷﻤﺎ ﺳﻴﺴﺘﻢ ﻫﺎی ﮔﻮﻧﺎﮔﻮﻧﻲ ﺑﺮای ﻳﻚ وﻇﻴﻔﻪ دارد، ﺳﻴﺴﺘﻢ ﺻﻮرت ﺑﺮداری ﻗﺪﻳﻤﻲ و ﺳﻴﺴﺘﻢ ﺟﺪﻳﺪی ﻛﻪ ﻣﻴﻠﻴﻮﻧﻬﺎ دﻻر ﺻﺮف ﺳﺎﺧﺖ آن ﻛﺮده اﻳﺪ؟ آﻳﺎ ﻧﻴﺎز دارﻳﺪ داده ﻫﺎ را از ﻫﺮ دو روی اﻳـﻦ ﺳﻴـﺴﺘﻢ ﻫـﺎ ﺑﺪﺳﺖ آورﻳﺪ ﺗﺎ ﺑﻨﺎ ﺑﻪ اﻫﺪاف ﮔﺰارﺷﻲ آﻧﻬﺎ را ادﻏﺎم ﻛﻨﻴﺪ ؟ﭼﮕﻮﻧﻪ اﻳﻦ روش ﺑﻪ ﺧﻮﺑﻲ اﻧﺠﺎم ﻣﻲ ﺷـﻮد ؟آﻳـﺎ ﻧﻴـﺎز اﺳﺖ ﻛﺎرﺑﺮان ﺗﻔﺎوت ﺑﻴﻦ اﻳﻦ دو ﺳﻴﺴﺘﻢ را ﺑﺮای ﭘﺮس و ﺟﻮی آن ﻻﻳﻦ ﺑﻔﻬﻤﻨﺪ؟ ﻣﻤﻜﻦ اﺳـﺖ اﻳـﻦ زﻣﻴﻨـﻪ ای  ‫ﺑﺎﺷﺪ ﻛﻪ ﺑﺨﻮاﻫﻴﺪ ﻳﻜﭙﺎرﭼﻪ ﻛﻨﻴﺪ.‫آﻳﺎ ﺑﺮای اﻫﺪاف ﺗﺤﻠﻴﻠﻲ ﺟﺰﺋﻴﺎت ﻛﺎﻓﻲ در دﺳﺖ دارﻳﺪ؟ ﭼﻪ ﻣﺎﻫﻬﺎﻳﻲ از ﺗﺎرﻳﺦ را ﻗـﺎدر ﻫـﺴﺘﻴﺪ آن ﻻﻳـﻦ ﻧﮕﻪ دارﻳﺪ؟آﻳﺎ ﺳﻄﺢ درﺳﺖ ﺟﺰﺋﻴﺎت را ذﺧﻴﺮه ﻛﺮده اﻳﺪ؟ آﻳﺎ ﺗﺎ ﻛﻨﻮن ﺗﻤﺎم داده ﻫﺎی ﺗـﺎرﻳﺨﻲ را ذﺧﻴـﺮه ﻛـﺮده اﻳﺪ؟ آﻳﺎ ﻗﺎدرﻳﺪ ﻓﺮوش ﻫﺮ ﻣﺤﺼﻮل در ﻫﺮ ﻣﻨﻄﻘﻪ ﺟﻐﺮاﻓﻴﺎﻳﻲ را ﻗﺒـﻞ و ﺑﻌـﺪ از ﺳـﺎزﻣﺎﻧﺪﻫﻲ ﻣﺠـﺪد از ﺳـﺎﺧﺘﺎر‫ ﮔﺰارش ﻧﻴﺮوی ﻓﺮوش ﺗﺤﻠﻴﻞ ﻛﻨﻴﺪ؟ اﻧﺒﺎر داده ﺑﺮای ﻛﻤﻚ ﺑﻪ ﺣﻞ اﻳﻦ ﻧﻮع ﻣﺸﻜﻼت ﺳﺎﺧﺘﻪ ﺷﺪه اﺳﺖ.

‫3-1 ﭼﺸﻢ اﻧﺪاز ﺗﺎرﻳﺨﻲ:

‫در دﻫﻪ 1970 اوﻟﻴﻦ ﺑﺮﻧﺎﻣﻪ ﻫﺎی ﻛﺎرﺑﺮدی ﺗﺠﺎری ﺳﺎﺧﺘﻪ ﺷﺪ ﺗﺎ ﻋﻤﻠﻴﺎت روزﻣﺮه ﻣـﺸﺎﻏﻞ را ﻛـﺎﻣﭙﻴﻮﺗﺮی ﻛﻨﺪ . اﻳﻦ ﺳﻴﺴﺘﻢ ﻫﺎ ﺑﺮ روی ﻛﺎﻣﭙﻴﻮﺗﺮ ﻫﺎی ﺑﺰرگ و ﮔﺮان ﻗﻴﻤﺖ ﺳـﺎﺧﺘﻪ ﺷـﺪﻧﺪ ﺗﻨﻬـﺎ ﺗﺠﺎرﺗﻬـﺎی ﺑـﺰرگ ﻣـﻲ ﺗﻮاﻧﺴﺘﻨﺪ از ﻋﻬﺪه ﺳﺨﺖ اﻓﺰار ،ﺑﺮﻧﺎﻣﻪ ﺳﺎزاﻧﻲ ﺑﺮای ﺑﺮﻧﺎﻣﻪ رﻳـﺰی آﻧﻬـﺎ ،و ﻛﺎرﻛﻨـﺎن ﻋﻤﻠﻴـﺎﺗﻲ ﺑـﺮای ﺑـﻪ ﺟﺮﻳـﺎن اﻧﺪاﺧﺘﻦ آﻧﻬﺎ ﺑﺮآﻳﻨﺪ. اﻳﻦ ﺳﻴﺴﺘﻢ ﻫﺎ ﺑﺮ اﺳﺎس ﻗﺮار دادن داده ﻫﺎی ﺟﺪﻳﺪ و ﺧﻮاﻧﺪن آﻧﻬﺎ ﺑﻄﻮر ﻣﺘﻮاﻟﻲ ﺑﺎ اﺳﺘﻔﺎده از ﻧﻮارﻫﺎی ﻣﻐﻨﺎﻃﻴﺴﻲ ﻋﻤﻞ ﻣﻲ ﻛﻨﻨﺪ.

ﺑﺎ اﺧﺘﺮاع دﻳﺴﻜﻬﺎی ذﺧﻴﺮه ﺳﺎزی، داده ﻫﺎ ﻣﻲ ﺗﻮاﻧﺴﺘﻨﺪ ﻣﺴﺘﻘﻴﻤﺎ در دﺳﺘﺮس ﺑﺎﺷﻨﺪ .اﻳﻦ اﻣﺮ ﻣﻨﺠـﺮ ﺑـﻪ ﺗﻮﻟﻴﺪ اوﻟﻴﻦ ﺳﻴﺴﺘﻢ ﻫﺎی ﻣﺪﻳﺮﻳﺘﻲ ﭘﺎﻳﮕﺎه داده ﺷﺪ ﻛﻪ داده ﻫﺎ را ﻳﺎ ﺑﻄﻮر ﺳﻠﺴﻠﻪ ﻣﺮاﺗﺐ ﻳﺎ در ﺷﺒﻜﻪ ﺳﺎزﻣﺎﻧﺪﻫﻲ ﻣﻲ ﻛﺮد. اﻳﻦ ﺳﻴﺴﺘﻢ ﻫﺎی ﭘﺎﻳﮕﺎه داده ﺧﻴﻠﻲ ﭘﻴﭽﻴﺪه ﺑﻮدﻧﺪ . ﺑﺮﻧﺎﻣﻪ ﺳﺎزان ﺑﺎﻳﺪ درک ﻣﻲ ﻛﺮدﻧﺪ ﭼﮕﻮﻧﻪ داده ﻫﺎ در دﻳﺴﻚ ذﺧﻴﺮه ﺷﺪه اﻧﺪ و از ﻃﺮﻳﻖ داده ﺑﻪ ﮔﺰارﺷﺎت اﻳﺠﺎد ﺷﺪه ﻫﺪاﻳﺖ ﺷـﻮﻧﺪ. ﺑﺮﻧﺎﻣـﻪ ﺳـﺎزان ﺑﺮﻧﺎﻣـﻪ ﻫـﺎی ﻛﺎرﺑﺮدی از ‪ Cobolﺑﺮای اﻳﺠﺎد ﮔﺰارﺷﻬﺎی اﺧﺘﺼﺎﺻﻲ اﺳﺘﻔﺎده ﻣﻲ ﻛﺮدﻧﺪ. ﺑﺮای ﻧﻮﺷﺘﻦ ﺑﺮﻧﺎﻣﻪ ﺑﺮای ﻫﺮ ﮔـﺰارش ﺟﺪﻳﺪ روزﻫﺎ و ﻳﺎ ﺣﺘﻲ ﻫﻔﺘﻪ ﻫﺎ زﻣﺎن ﻣﻲ ﺑﺮد. ﮔﺰارﺷﺎت ﺑﺮ روی ﺑﺮﮔﻪ ﻛﺎﻣﭙﻴﻮﺗﺮی ﭼﺎپ و ﺑﻴﻦ ﻛﺎرﺑﺮان ﺑﺎ دﺳـﺖ ﺗﻮزﻳﻊ ﻣﻲ ﺷﺪ .ﻫﺮﮔﺰ ﺑﺮﻧﺎﻣﻪ ﺳﺎزان ﺑﻪ ﻣﻘﺪار ﻛـﺎﻓﻲ وﺟـﻮد ﻧﺪاﺷـﺘﻨﺪ ﺑﻨـﺎﺑﺮاﻳﻦ ﻫﻤﻴـﺸﻪ اﻧﺒﺎﺷـﺘﮕﻲ ﻳـﻚ ﺑﺮﻧﺎﻣـﻪ ﻛﺎرﺑﺮدی وﺟﻮد داﺷﺖ .وﻗﺘﻲ داده ﻫﺎ ﻣﻲ ﺗﻮاﻧﺴﺘﻨﺪ ﻣﺴﺘﻘﻴﻤﺎ در دﺳﺘﺮس ﺑﺎﺷﻨﺪ اوﻟﻴﻦ ﺳﻴﺴﺘﻢ ﻫـﺎی ﭘﺮدازﺷـﮕر ﺗﺮاﻛﻨﺸﻲ آن ﻻﻳﻦ ‪(OLTP) ﺳﺎﺧﺘﻪ ﺷﺪ. در اواﺧﺮ دﻫﻪ 1970 و اواﻳﻞ 1980ﻛﺎﻣﭙﻴﻮﺗﺮﻫﺎی ﻛﻮﭼﻜﻲ ﻣﺎﻧﻨـﺪ 11-‪ Digital's PDPو 780/11 ‪VAX ﻫﺰﻳﻨﻪ ﻫﺎی ﺳﺨﺖ اﻓﺰار را ﭘﺎﻳﻴﻦ آوردﻧﺪ . داده ﻫﺎ اﻏﻠﺐ در ﭘﺎﻳﮕﺎه داده ‪CODAYSLذﺧﻴﺮه ﻣﻲ ﺷﺪﻧﺪ،ﻛﻪ ﺑﺮای ﺗﻐﻴﻴﺮ ﺑﻲ ﻧﻬﺎﻳﺖ ﻣﺸﻜﻞ و ﺑﺮای درک و ﻃﺮاﺣﻲ ﺳﺨﺖ ﺑﻮدﻧﺪ. ﺑﺎ ﻣﻌﺮﻓﻲ ﭘﺎﻳﮕﺎه داده راﺑﻄﻪ ای ﺗﻤـﺎم اﻳﻨﻬـﺎ ﺗﻐﻴﻴـﺮﻛﺮد . در ﺳﺎل 1979 ﭘﺎﻳﮕﺎه داده اوراﻛﻞ اوﻟﻴﻦ ﺳﻴﺴﺘﻢ راﺑﻄﻪ ای ﻣﻮﺟﻮد از ﻧﻈﺮ ﺗﺠﺎری ﺷﻨﺎﺧﺘﻪ ﺷﺪ . ﺑـﺎ ﻣـﺪل ‫راﺑﻄﻪ ای ،داده ﻫﺎ ﺑﺮ اﺳﺎس ﺳﺘﻮن و ردﻳﻒ در ﺟﺪوﻟﻬﺎﻳﻲ ﺳﺎزﻣﺎﻧﺪﻫﻲ ﺷﺪﻧﺪ . ﺑﺠﺎی اﺳﺘﻔﺎده از ﻧﺸﺎﻧﻪ روﻫﺎ ﺑﺮای ﺣﻔﻆ راﺑﻄﻪ ﺑﻴﻦ داده ﻫﺎ ، ﻳﻚ ﺷﻤﺎره ﻣﻨﺤﺼﺮ ﺑﻪ ﻓﺮد ﻣﺎﻧﻨﺪ ﺷﻤﺎره ﻣﺸﺘﺮی ﻳﺎ ﺷﻤﺎره ﺷﻨﺎﺳﺎﻳﻲ ﻳﻚ داﻧﺸﺠﻮ در ﺟﺪوﻟﻬﺎی ﭼﻨﺪﮔﺎﻧﻪ ﺑﺮای ﺷﻨﺎﺳﺎﻳﻲ ﺳﻄﺮ ذﺧﻴـﺮه ﻣـﻲ ﺷـﺪﻧﺪ.ﻓﻬﻤﻴـﺪن ﻣـﺪل راﺑﻄﻪ ای آﺳﺎن ﺗﺮ ﺑﻮد واز زﺑﺎن ‪ SQLﺑﺮای دﺳﺘﺮﺳﻲ ﺑﻪ ﭘﺎﻳﮕﺎه داده اﺳﺘﻔﺎده ﻣﻲ ﺷﺪ، ﻧﻴﺎزﻣﻨﺪ آﮔـﺎﻫﻲ ﺑـﻪ اﻳـﻦ ﻣﻮﺿﻮع ﻧﺒﻮد ﻛﻪ ﭼﮕﻮﻧﻪ داده ﻫﺎی زﻳﺮﻳﻦ از ﻧﻈﺮ ﻓﻴﺰﻳﻜـﻲ ذﺧﻴـﺮه ﺷـﺪه اﻧـﺪ.. ﻫﻤﭽﻨـﻴﻦ ﺳـﺎﺧﺘﻦ ﺑﺮﻧﺎﻣـﻪ ﻫـﺎی ﻛﺎرﺑﺮدی ﻛﻪ ﻣﻨﺠﺮ ﺑﻪ اﺳﺘﻔﺎده ﮔﺴﺘﺮده از ﺳﻴﺴﺘﻢ ﻫﺎی ﻣﺪﻳﺮﻳﺘﻲ ﭘﺎﻳﮕﺎه داده ﺷﺪ آﺳﺎن ﺗﺮ ﺑـﻮد . ﭘـﺲ از آﻣـﺎده ﺳﺎزی اوﻟﻴﻪ ﺳﻴﺴﺘﻢ ﻫﺎی ﺑﻪ ﻫﻢ ﻣﺮﺗﺒﻂ، ﺑﺴﻴﺎری از ﺷﺮﻛﺘﻬﺎ ﺑﺮای دﺳﺘﻴﺎﺑﻲ ﺑﻪ ﭘﺎﻳﮕﺎه داده ﻫﺎی راﺑﻄﻪ ای ﻣﺎﻧﻨـﺪ ‫ﭘﺮس و ﺟﻮی وﻳﮋه ،ﮔﺰارش و اﺑﺰارﻫﺎی ﺗﺤﻠﻴﻠﻲ اﻗﺪام ﺑﻪ ﺗﻮﺳﻌﻪ ﻣﺤﺼﻮﻻت ﺑﻜﺎر رﻓﺘﻪ ﻛﺮدﻧﺪ.

ﺑﺎ ﻣﻌﺮﻓﻲ ‪PCﻣﺤﺎﺳﺒﻪ از ﺳﻴﺴﺘﻢ ﻫﺎی ﻛﺎﻣﭙﻴﻮﺗﺮ ﺑﺰرگ ﺑﻪ ﺳﻴﺴﺘﻢ ﻫﺎی ﺳﺮوﻳﺲ دﻫﻨـﺪه/ ﮔﻴﺮﻧـﺪه ﭘـﻴﺶ رﻓﺖ ﺑﺮﻧﺎﻣﻪ ﻫﺎی ﻛﺎرﺑﺮدی اوراﻛﻞ در اواﺧﺮ دﻫﻪ 1980 ﻣﻌﺮﻓﻲ ﺷﺪﻧﺪ. ﺷﺮﻛﺘﻬﺎ ﺑﻪ ﻃـﻮر ﻃـﻮﻻﻧﻲ ﻣـﺪت ﻣﺠﺒـﻮر

ﻧﺒﻮدﻧﺪ ﺑﺮﻧﺎﻣﻪ ﻫﺎی ﻛﺎرﺑﺮدی ﺳﻔﺎرﺷﻲ ﺧﻮدﺷﺎن را ﺑﺴﺎزﻧﺪ ﺑﻠﻜﻪ ﻣﻲ ﺗﻮاﻧﺴﺘﻨﺪ ﻧﺮم اﻓﺰاری را ﺧﺮﻳﺪاری ﻛﻨﻨـﺪ ﻛـﻪ ﻛﺎرﺑﺮدﻫﺎی ﻣﺒﻨﺎﻳﻲ ﻣﺎﻧﻨﺪ اوراﻛﻞ ،‪ PeopleSoftو ‪SAPرا ﻓﺮاﻫﻢ آورد.

ﻫﻨﮕﺎﻣﻲ ﻛﻪ ﭘﺎﻳﮕﺎه داده ﻫﺎی راﺑﻄﻪ ای در دﻫﻪ 1980 ﺗﻜﻤﻴﻞ ﺷﺪ ،ﺳﻴـﺴﺘﻢ ﻫـﺎی‪ OLTPﺑـﺎ اﺳـﺘﻔﺎده از ﺳﻴﺴﺘﻤﻬﺎی راﺑﻄﻪ ای ﺑﺮای اﺗﻮﻣﺎﺗﻴﻚ ﻛﺮدن ﺟﻨﺒﻪ ﻫﺎی ﻋﻤﻠـﻲ ﺗﺠـﺎرت ﺳـﺎﺧﺘﻪ ﺷـﺪﻧﺪ.اﻳـﻦ ﺳﻴـﺴﺘﻢ ﻫﺎﺷـﺎﻣﻞ سیستم هایی مانند پردازشگر دستو،ورود دستور، انبار،دفتر کل عمومی و حسابداری بود.

‫‪OLTPﺑﻄﻮراﺗﻮﻣﺎﺗﻴﻚ ﭘﺮدازش ﻣﻲ ﻛﻨﻨﺪو وﺿﻌﻴﺖ ﻳﻚ ﺳﻴﺴﺘﻢ رادرﻳﻚ زﻣـﺎن درﻳـﻚ ﺣﺎﻟـﺖ راﻳـﺞ اراﺋـﻪ ﻣـﻲ دﻫﻨﺪ.در ﻳﻚ ﺑﺮﻧﺎﻣﻪ ﻛﺎرﺑﺮدی ﺻﻮرت ﺑﺮداری،ﺗﺮاﻛﻨﺶ ﻫﺎﻳﻲ وﺟﻮد داردﺗﺎاﻗﻼم ﺟﺪﻳﺪ راﺑـﻪ اﻧﺒـﺎر وارد ﻛﻨـﺪواﻗﻼم ﻓﺮوﺧﺘﻪ ﺷﺪه راﺣﺬف ﻛﻨﺪو ﻣﻘﺪارﻣﻮﺟﻮد را ﺑﻪ روز ﻧﮕﻪ دارد در ﺣـﺎﻟﻲ ﻛـﻪ ﻫﻤﻴـﺸﻪ ﺗﻌـﺎدل ﻣﻮﺟـﻮدراﺣﻔﻆ ﻣـﻲ ﻛﻨﻨﺪ.ﻣﻘﺪار ﻣﺤﺪودی از ﺗﺎرﻳﺦ ﻫﻢ ﺣﻔﻆ ﻣﻲ ﺷﻮد.ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل ﺗﻌﻌﻴﻦ اﻳﻦ ﻛﻪ ﭼـﻪ ﺗﻌـﺪاداز ﻣﺤـﺼﻮل 222-‫95-111 ﻣﻮﺟﻮد اﺳﺖ ﻳﺎ اﻳﻦ ﻛﻪ در ﻛﺪام ﺗﺎرﻳﺦ دﺳﺘﻮر ﺷﻤﺎره 45321 ﻓﺮﺳﺘﺎده ﺷـﺪه اﺳـﺖ ،آﺳـﺎن اﺳـﺖ. درﻃﻲ اﻳﻦ ﻣﺪت ﻓﺮوﺷﻨﺪﮔﺎن ﭘﺎﻳﮕﺎه داده راﺑﻄﻪ ای ﺑﺮروی ﺑﻬﺒﻮد اﺟﺮای ﺑﺮای ﺑﺮﻧﺎﻣﻪ ﻫﺎی ﻛﺎرﺑﺮدی ‪ OLTPﺗﻤﺮﻛـز ‫ﻛﺮده و ﺑﺎ اﺳﺘﻔﺎده از ﮔﻮاﻫﻴﻨﺎﻣﻪ ﻫﺎی اﺳﺘﺎﻧﺪارد ﺻﻨﻌﺘﻲ ‪ TCP-Cﺑﺎ ﻳﻜﺪﻳﮕﺮ رﻗﺎﺑﺖ ﻣﻲ ﻛﺮدﻧﺪ.

  ‫1-3-1- ﻇﻬﻮر اﻧﺒﺎر داده:

وﻗﺘﻲ ﺳﻴﺴﺘﻢ ﻫﺎی ‪ OLTPﺳﺎﺧﺘﻪ ﺷﺪﻧﺪ ﺗﺎ ﺑﻄﻮر ﻣﻮﺛﺮ داده ﻫﺎ را ﺟﻤﻊ آوری ﻛﻨﺪ، ﺑﺮای ﺑﻬﺘﺮﻳﻦ ﺗﻔـﺴﻴﺮآن ﭼﺎﻟﺶ اﻳﺠﺎد ﺷﺪ . در اواﺧﺮ دﻫﻪ 1980 و اواﻳﻞ دﻫﻪ1990 در ﺗﻼﺷﻲ ﺑﺮای ﺑﻴﻨﺶ ﮔﺴﺘﺮده در ﺳﺮاﺳﺮ ﺑـﺎزارﺗﺠﺎرت اوﻟﻴﻦ ﺑﺎﻧﻜﻬﺎی اﻃﻼﻋﺎﺗﻲ ﺑﺰرگ (اﺻﻄﻼﺣﻲ ﻛﻪ ﺗﻮﺳﻂ ﺑﻴﻞ اﻳﻨﻤﻮن ،ﭘﺪر ﺑﺎﻧﻚ اﻃﻼﻋﺎﺗﻲ ﺑﻨﺎ ﻧﻬـﺎده ﺷـﺪ) ﺳﺎﺧﺘﻪ ﺷﺪﻧﺪ. اﻃﻼﻋﺎت از ﺑﺴﻴﺎری از ﺳﻴﺴﺘﻢ ﻫﺎی ﻋﻤﻠﻴﺎﺗﻲ ﺑﺮای اﺟﺮای ﻋﻤﻠﻴـﺎت ﺗﺠـﺎری روزﻣـﺮه ﺑـﻪ ﻣﻨﻈـﻮر ‫ﻓﺮاﻫﻢ آوردن دﻳﺪ ﮔﺴﺘﺮده ﻫﻤﻜﺎری ﺟﻤﻊ آوری ﺷﺪﻧﺪ. ﺑﺎﻧﻚ اﻃﻼﻋﺎﺗﻲ ﺳﺎﺧﺘﻪ ﺷﺪ ﺗﺎ ﺗﺠﺎرت را در ﻃﻮل زﻣﺎن ﻣﺸﺎﻫﺪه و ﺧﻮاﺳﺘﻪ ﻫﺎ را در ﻧﻈﺮ ﺑﮕﻴﺮد. ﺑﺴﻴﺎری از ﺗﺼﻤﻴﻤﺎت ﺑﻪ ﺗﻮاﻧﺎﻳﻲ در دﻳﺪن ﻣﺎوراء ﺟﺰﺋﻴﺎت ﻋﻤﻠﻴﺎت اﻣﺮوزه ﻧﻴﺎز دارﻧﺪ و دﻳﺪ ﮔﺴﺘﺮده ﺗـﺮی از ﺗﺠـﺎرت دارﻧـﺪ. ﭘﺮس و ﺟﻮﻫﺎی ﺑﺎﻧﻚ اﻃﻼﻋﺎﺗﻲ ﮔﺰارش ﺑﺮ روی ﻓﺮوش ﻣﺤﺼﻮﻻت را ﺑﺎﻟﻎ ﺑﺮ دو ﺳﺎل ﮔﺬﺷﺘﻪ در ﺑﺮ دارد . ﻳـﺎ در ﺗﺎﺛﻴﺮ ﺗﻐﻴﻴﺮات اﺳﺎﺳﻲ در ﻓﺮوﺷﻬﺎی ﺟﺰﺋﻲ در ﻣﻘﺎﺑﻞ ﻓﺮوﺷﻬﺎی اﻳﻨﺘﺮﻧﺘﻲ دﻗﺖ دارد.ﭘﺮس و ﺟﻮﻫﺎ ﺷﺎﻣﻞ دﻗـﺖ دراﻳﻦ ﻛﻪ ﭼﮕﻮﻧﻪ ارزﺷﻬﺎ در ﻃﻮل زﻣﺎن ﺗﻐﻴﻴﺮ ﻛﺮده اﻧﺪ و ﭼﻪ ﭼﻴﺰ دﻳﮕﺮی ﻫﻢ ﺑﺎﻳﺪ ﺗﻐﻴﻴﺮ ﻛﻨﺪ و اﺣﺘﻤﺎﻻ ارﺗﺒﺎﻃـﺎت را ﻛﺸﻒ ﻛﻨﻨﺪ،ﺑﻮد.ﺑﻪ ﻣﻨﻈﻮر اﻧﺠﺎم اﻳﻦ ﻧﻮع ﺗﺤﻠﻴﻞ ،داده در اﻧﺒﺎر داده ﻧﻴﺎز دارد ﺗﺎ ﺑﺮای دوره ﻫﺎی ﻃﻮﻻﻧﻲ ﻣـﺪت ‫5 ﺗﺎ 10 ﺳﺎل ﻧﮕﻬﺪاری ﺷﻮﻧﺪ. ‫اﻧﺒﺎر داده ﺑﻪ ﻣﻨﻈﻮر ﺑﺮرﺳﻲ ﻣﺎوراء در داده ﻫﺎ ﺟﻬﺖ ﻳﺎﻓﺘﻦ اﻃﻼﻋﺎت اﺳﺘﻔﺎده ﻣﻲ ﺷﻮد در ﻳﻚ اﻧﺒﺎر داده ﻓﻌﺎﻟﻴﺖ اوﻟﻴﻪ ،ﭘﺮس و ﺟﻮ ﻳﺎ ﺧﻮاﻧﺪن داده ﻫﺎ اﺳﺖ . وﻗﺘﻲ داده ﻫﺎی ﺟﺪﻳـﺪ ﺑﺎرﮔـﺬاری ﺷﻮﻧﺪ ﺗﻨﻬﺎ ﻓﻌﺎﻟﻴﺖ ﺑﻪ روزرﺳﺎﻧﻲ روی ﻣﻲ دﻫﺪ . ﺳﻴﺴﺘﻢ ﻫﺎی ﭘﺸﺘﻴﺒﺎﻧﻲ از ﺗﺼﻤﻴﻢ[1] ﻣﺎﻧﻨﺪ ﻛﺸﻒ ﻛﻨﻨـﺪه اوراﻛﻞ[2]، ﭘﺮس و ﺟﻮی ﺗﻌﺎﻣﻠﻲ، ﻧﻤﻮدار ﮔﻴﺮی، ﮔﺮاف ﻫﺎ و ﻗﺎﺑﻠﻴﺘﻬﺎی ﮔﺰارش دﻫـﻲ را ﻓـﺮاﻫﻢ ﻣـﻲ آورد اوراﻛـﻞ اﻧﻮاع ﺧﺎﺻﻲ از ﺳﺎﺧﺘﺎرﻫﺎی دﺳﺘﺮﺳﻲ ﻣﺎﻧﻨﺪ ﺷﺎﺧﺼﻬﺎی ﻧﻘﺶ ﺑﻴﺘﻲ ،ﺷﺎﺧﺼﻬﺎی ﻣﺘﺼﻞ ﻧﻘﺶ ﺑﻴﺘﻲ1 و ﻣـﺸﺎﻫﺪات ‫ﺑﺮﻧﺎﻣﻪ رﻳﺰی ﺷﺪه ﺑﺮای ﺑﻬﺒﻮد اﺟﺮای ﭘﺮس و ﺟﻮ دارد .ﻧﺮم اﻓﺰار ‪OLAPﺑﺮای ﺗﺤﻠﻴﻞ داده ﻫﺎی ﺗﺠﺎری در ﻳﻚ روش ﺳﻠﺴﻠﻪ ﻣﺮاﺗﺒﻲ از ﺑـﺎﻻ ﺑـﻪ ﭘـﺎﻳﻴﻦ اﺳـﺘﻔﺎده ﺷﺪه اﺳﺖ . ﺑﻪ ﻧﻈﺮ ﻣﻲ رﺳﺪ ﭘﺮس و ﺟﻮﻫﺎ ﻣﻜﺮرا ﻣﻄﺮح ﻣﻲ ﺷﻮﻧﺪ ﻛﻪ در ﻧﺘﻴﺠﻪ ﻳﻚ ﭘﺮﺳﺶ ﻣﻨﺠﺮ ﺑﻪ ﭘﺮﺳـﻴﺪن ﺳﻮاﻻت ﺑﻴﺸﺘﺮی ﻣﻲ ﺷﻮد داﻧﺴﺘﻦ اﻳﻨﻜﻪ ﺳﻮد اﻣﺴﺎل ﭼﻘﺪر ﺑﻮده اﺳﺖ ﻛﺎﻓﻲ ﻧﻴﺴﺖ،ﺗﺤﻠﻴﻞ ﭘـﺮ ﻫﺰﻳﻨـﻪ ای ﻧﻴـﺎز دارد ﻛﻪ ﺳﻮد ﻫﺮ ﻣﺤﺼﻮل را در ﻃﻮل زﻣﺎن ﺑﺮای ﻫﺮ ﻣﻨﻄﻘﻪ ﺟﻐﺮاﻓﻴﺎﻳﻲ ﺑﺪاﻧﻨﺪ. اﻳﻦ ﻳﻚ ﭘﺮس و ﺟﻮی ﺳﻪ ﺟﺎﻧﺒﻪ ‫از اﺑﻌﺎد ﻣﺤﺼﻮﻻت زﻣﺎن و ﻣﻨﻄﻘﻪ ﺟﻐﺮاﻓﻴﺎﻳﻲ اﺳﺖ. ﻣﻤﻜﻦ اﺳﺖ ﻳﻚ ﺗﺤﻠﻴﻞ ﮔﺮ ﻧﻴﺎز داﺷﺘﻪ ﺑﺎﺷﺪ ﻓﺮوش اﻳـﻦ ﻣـﺎه را ﺑـﺎ ﻣـﺎه ﺳـﺎل ﮔﺬﺷـﺘﻪ در ﺑﺮاﺑـﺮ ﺳـﺎﻳﺖ ‫اﻳﻨﺘﺮﻧﺘﻲ ﻣﻘﺎﻳﺴﻪ ﻛﻨﺪ.ﻣﻤﻜﻦ اﺳﺖ او ﺑﻪ ﺳﻄﺢ ﻣﻔﺼﻠﺘﺮی در ﺳﻠﺴﻠﻪ ﻣﺮاﺗﺐ ﺑﺮﺳﺪ ﺗـﺎ ﻓـﺮوش را در ﻓﺮوﺷـﮕﺎﻫﺎی ﻣﺸﺨﺼﻲ ﺑﺪﺳﺖ آورد و ﺗﻌﻴﻴﻦ ﻛﻨﺪ ﻛﺪام ﻳﻚ ﭘﺮ ﺑﺎزده ﺗﺮ و ﻛﺪام ﻳﻚ ﺑﺎﻋﺚ از دﺳﺖ دادن ﭘﻮل ﻣﻲ ﺷﻮد.

 اﻧﺒﺎر داده ﻧﻴﺎز ﺑﻪ ﻃﺮاﺣﻲ ﻳﻚ ﭘﺎﻳﮕﺎه داده ﻣﺘﻔﺎوت دارد :

‫ﭘﺎﻳﮕﺎه ﻫﺎی داده ﺑﺮای ﺑﺎزﻳﺎﺑﻲ ﺳﺮﻳﻊ زﻣﺎﻧﻲ ﻛﻪ ﻣﺴﻴﺮ دﺳﺘﻴﺎﺑﻲ از ﻗﺒﻞ ﻣﺸﺨﺺ ﻧﻴﺴﺖ ﻃﺮاﺣﻲ ﺷﺪه اﻧـﺪ .اﻃﻼﻋﺎت اﻏﻠﺐ از دﻳﮕﺮ داده ﻫﺎ ﺑﺎ ﺧﻼﺻﻪ ﻛﺮدن داده ﻫﺎ و ﺑﺪﺳﺖ آوردن ﺟﺰﺋﻴﺎت ﺑﻴـﺸﺘﺮ ﻳـﺎ دﻗـﺖ در اﻟﮕﻮﻫـﺎ و ‫روﻧﺪﻫﺎ ﺑﺪﺳﺖ ﻣﻲ آﻳﺪ. در ﻳﻚ ﺳﻴﺴﺘﻢ ‪ OLTP ﺷﻴﻮه ﻫﺎی ﻧﻤﻮدار ﺳﺎزی ارﺗﺒﺎط ﻣﻮﺟﻮدﻳﺘﻬـا  (E-R)ﺑـﺮای ﻃﺮاﺣـﻲ ﭘﺎﻳﮕـﺎه داده اﺳﺘﻔﺎده ﻣﻲ ﺷﻮد. ﻫﺮ ﻣﻮﺟﻮدﻳﺖ ﻳﻚ ﺟﺪول ﻣﻲ ﺷﻮد،و ﻫﺮ ﺻﻔﺖ ﻣﺸﺨﺼﻪ ﺳﺘﻮﻧﻬﺎ را ارزﻳﺎﺑﻲ ﻣﻲ ﻛﻨﺪ و رواﺑﻂ ﺑﺎ ‫اﺗﺼﺎل ﻛﻠﻴﺪ اﺑﺘﺪاﻳﻲ و ﺳﺘﻮﻧﻬﺎی ﻛﻠﻴﺪ ﺧﺎرﺟﻲ ﺑﻪ ﻳﻜﺪﻳﮕﺮ در زﻣﺎن اﺟﺮا اراﺋﻪ ﻣﻲ ﺷﻮﻧﺪ. ﻳﻚ ﻃﺮاﺣﻲ ﻣﺘﻌﺎرف اﺟﺮای ﺑﻬﻴﻨﻪ ای را ﺑﺮای ﺳﻴـﺴﺘﻢ ﻫـﺎی ‪ OLTPﻓـﺮاﻫﻢ ﻣـﻲ آورد از ﺣﺠـﻢ ﺑـﺎﻻی ﺗﺮاﻛﻨﺸﻬﺎﻳﻲ ﻛﻪ دادن داده ﻫﺎی ﻣﺮﺑﻮﻃﻪ در ﻳﻚ ﺟﺪول و ﺣﺬف اﻓﺰوﻧﮕﻲ ﺷـﻜﻞ ﮔﺮﻓﺘـﻪ اﻧـﺪ ﺗﻨﻬـﺎ ﺑـﺎ در دﺳـﺖ داﺷﺘﻦ ﻳﻚ ﻧﺴﺨﻪ از داده ﻫﺎ ،از ﺗﺮﺗﻴﺐ ﻫﺎی ﻧﺎدرﺳﺖ ﺟﻠﻮﮔﻴﺮی و ﺛﺒﺎت ﺣﻔﻆ ﻣﻲ ﺷﻮد ﭘﺲ از ﻣﺘﻌـﺎرف ﺳـﺎزی داده ﻫﺎ ،ﺑﻌﻀﻲ اﻓﺰوﻧﮕﻲ ﻫﺎ ﻣﻤﻜﻦ اﺳﺖ ﺑﺮ روی ﺳﺘﻮﻧﻬﺎﻳﻲ ﻛﻪ ﺑﺮای ﺑﻬﺒﻮد اﺟﺮا ﺑﻪ روز ﺷﺪه اﻧﺪ . دوﺑﺎره ﻣﻌﺮﻓـﻲ شوند. ﺑﻪ ﻣﻨﻈﻮر ﺑﻬﻴﻨﻪ ﺳﺎزی ﻋﻤﻠﻜﺮد ﺑﺮای ﻳﻚ اﻧﺒﺎرداده ﻛﻪ ﻓﻌﺎﻟﻴﺖ اوﻟﻴﻪ ﭘﺮس وﺟﻮ از داده ﻫﺎﺳﺖ ﻳﻚ ﻣﺪل ﺟﺪﻳﺪ داده ﻣﻮرد ﻧﻴﺎز اﺳﺖ . راﻟﻒ ﻛﻴﻤﺒﻞ[3] اوﻟﻴﻦ ﺳـﺨﻨﮕﻮی ﺻـﻨﻌﺘﻲ ﺑـﺮای ﻣـﺪل ﺳـﺎزی اﺑﻌـﺎد و ﻧﻮﻳـﺴﻨﺪه انبار داده ﺗﻮﻟﻜﻴﺖ[4] ﻧﻤﻮدار ﺳﺘﺎره ای ، روش ﺟﺪﻳـﺪی ازﻃﺮاﺣـﻲ ﭘﺎﻳﮕـﺎه داده را ﺑـﺮای ﺗـﺴﻬﻴﻞ ﻛـﺮدن ‫ﭘﺮدازش‪ OLAPﻣﻌﺮﻓﻲ ﻛﺮد . ﺑﻪ ﻣﻨﻈﻮرﺑﻬﻴﻨﻪ ﻛﺮدن اﺟﺮا ﺑﺮای ﻳﻚ ﭘﺎﻳﮕﺎه داده . ﺷﻴﻮه ﻫﺎی ﻣﺪﻟـﺴﺎزی اﺑﻌـﺎدی اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ .ﺷﻴﻮه اﺑﻌﺎدی ﺑﺮای ﻣﺪﻟـﺴﺎزی . داده ﻫـﺎ را ﺑـﻪ ﺷـﻜﻞ ﺣﻘﻴﻘـﻲ وﺟـﺪوﻟﻬﺎی اﺑﻌـﺎدی ﺳـﺎزﻣﺎن دﻫـﻲ ﻣـﻲ ﻛﻨﺪ.دادﻫﺎ را در روﺷﻲ اراﺋﻪ ﻣﻲ دﻫﺪ ﻛﻪ ﺗﻮﺳﻂ ﻛﺎﺑﺮان ﺑﻪ راﺣﺘﻲ ﻓﻬﻤﻴﺪه ﻣﻲ ﺷﻮﻧﺪ.ﻛـﺎرﺑﺮان اﻏﻠـﺐ ﺑـﻪ دﻧﺒـﺎل ﮔﺰارﺷﻬﺎﻳﻲ ازﻧﺘﺎﻳﺞ ﻓﺮوش ﺑﺼﻮرت ﻫﺮ ﺳﻪ ﻣﺎه ﻳﻜﺒﺎر و ﻃﺒﻘﻪ ﺑﻨـﺪی ﺑـﺼﻮرت ﻓﺮوﺷـﮕﺎﻫﻲ و ﻣﻨﻄﻘـﻪ ﺟﻐﺮاﻓﻴـﺎﻳﻲ ﻫﺴﺘﻨﺪ. ﺗﻌﺪاد ﻓﺮوش ﺣﻘﺎﻳق(facts) ﻫﺴﺘﻨﺪ. ﻓﺮوﺷﮕﺎه، ﻣﻨﻄﻘﻪ و ﻓﺼﻞ اﺑﻌﺎد داده ﻫﺎ ﻫـﺴﺘﻨﺪ ﻛـﻪ ﺑـﺮ اﺳـﺎس آن ﺗﺤﻠﻴﻞ ﻣﻲ ﺷﻮﻧﺪ و ﺑﺮای ﺳﺎزﻣﺎن دﻫﻲ داده ﻫﺎ اﺳﺘﻔﺎده ﻣﻲ ﺷﻮد. ﺑﺎ ﻣﺪل ﺳﺎزی اﺑﻌﺎدی ﻧﺪاﺷﺘﻦ ﻧﺮﻣﺎل ﺳﺎزی[5] و ﻣﺠﻮد اﻓﺰوﻧﮕﻲ[6] ﻣﻌﺮﻓﻲ ﻣﻲ ﺷﻮد. در ﻓﺼﻞ های بعد ﺧﻮاﻫﻴﻢ دﻳﺪ ﭼﮕﻮﻧﻪ ﺑﺮای ﻳﻚ ﻓﺮوﺷﮕﺎه اﻳﻨﺘﺮﻧﺘـﻲ ﻳـﻚ ﻃﺮاﺣـﻲ ‫واﻗﻌﻲ اﻳﺠﺎد ﻛﻨﻴﻢ اﻳﻦ ﻧﻤﻮﻧﻪ ﺷﺮﻛﺘﻲ اﺳﺖ ﻛﻪ در ﺳﺮاﺳﺮ اﻳﻦ ﻛﺘﺎب اﺳﺘﻔﺎده ﺧﻮاﻫﺪ ﺷﺪ. اوراﻛﻞ ﺑﺮای ﺣﻤﺎﻳﺖ ازﻃﺮﺣﻬﺎی اﺑﻌﺎدی ﺗﺮﻛﻴﺒﺎت زﻳﺎدی را اﺿﺎﻓﻪ ﻛﺮده اﺳﺖ .ﺑﻬﻴﻨﻪ ﺳﺎز ﻣـﻲ ﺗﻮاﻧـﺪ ﻳـﻚ ﻧﻤﻮدار ﺳﺘﺎره ای راﺷﻨﺎﺳﺎﻳﻲ ﻛﻨﺪ. ﺷﻤﺎ ﻣﻲ ﺗﻮاﻧﻴﺪ ﻋﻼوه ﺑﺮ اﻳﺠﺎد ﺟﺪوﻟﻬﺎ و ﺳﺘﻮﻧﻬﺎ ، اﺑﻌﺎد را ﻫﻢ ﺗﻌﺮﻳﻒ ﻛﻨﻴﺪ تا ‫ﺑﻪ ﺗﺤﻠﻴﻞ داده ﻫﺎی ﺷﻤﺎ در روﺷﻬﺎی ﮔﻮﻧﺎﮔﻮن ﻛﻤﻚ ﻛﻨﺪ.

در ادامه  طراحی یک انبار را بررسی می کنیم، پیشنهاداتی که در این زمینه مطرح است  عبارتست از:

1)هرگز از قبل یک پایگاه داده طراحی نکنید.

2)یک پایگاه داده با سیستمی با نوع پردازش تراکنش طراحی کنید.

3)یک سیستم پایگاه داده بسازید.

ﮔﺰﻳﻨﻪ آﺧﺮ را ﺷﻤﺎ در ﻧﻈﺮ ﻧﮕﻴﺮﻳﺪ ﻳﺎ از آن ﺑﻪ ﻋﻨﻮان ﻛﻤﻚ اﺳﺘﻔﺎده ﻛﻨﻴﺪ، ﺑﻮﻳﮋه اﮔﺮ از آﺧﺮﻳﻦ ﭘﺎﻳﮕﺎه اوراﻛﻞ اﺳﺘﻔﺎده ﻛﺮده ﺑﺎﺷﻴﺪ . ﺑﻨﺎﺑﺮ اﻳﻦ ، این موضوع  ﺧﻮاﻧﻨﺪﮔﺎﻧﻲ را ﻣﻮرد ﻫﺪف ﻗﺮار ﻣﻲ دﻫﺪ ﻛﻪ در ‫داده ﺟﺮﻳﺎن ﻳﻚ ﻳﺎ دو ﻣﻘﻮﻟﻪ ﻗﺮار ﮔﻴﺮﻧﺪ ،ﻛﻪ ﻣﻤﻜﻦ اﺳﺖ ﺷﺨﺼﻲ را ﻛﻪ ﻗﺒﻼ ﭘﺎﻳﮕﺎه داده ﻳﻚ ﻣﺨﺰن ﺑﺪون داده راﻃﺮاﺣﻲ ﻛﺮده اﺳﺖ ﻣﺘﻌﺠﺐ ﺳﺎزد ،ﭼﺮا؟ زﻳﺮا ﻣﻬﺎرﺗﻬﺎ و ﺗﻜﻨﻴﻚ ﻫﺎی ﻻزم ﺑﺮای اﻳﺠﺎد ﻳﻚ ﭘﺎﻳﮕﺎه داده ﺑﺮای ﻳﻚ ﻣﺨﺰن داده ﻣﺘﻔﺎوت از آﻧﻬﺎﻳﻲ اﺳﺖ ﻛﻪ ﺑﺮای ﺳﻴﺴﺘﻢ ﺑﺎ ﻧﻮع ﭘﺮدازﺷﮕﺮ ﺗﺮاﻛﻨﺶ ﻣﻮرد ﻧﻴﺎز اﺳﺖ در ﻧﺘﻴﺠﻪ اﮔﺮ ﺷﻤﺎ ﺑﻪ ﺧﺎﻃﺮ ﺑﻌﻀﻲ ﺗﻜﻨﻴﻜﻬﺎﻳﻲ ﻛﻪ ﻣﺜﻞ ﻫﻢ ﻫﺴﺘﻨﺪ ﻳﻚ ﺷﺮوع اﺻﻠﻲ[7] را ﺧﻮاﻫﻴﺪ داﺷﺖ ، اﻳﻦ ﻣﻬﻢ اﺳﺖ  ‫ﻛﻪ ﺑﻪ ﺧﻮد ﺑﮕﻮﻳﻴﺪ : ﻣﻦ ﻧﻮﻋﻲ ﻣﺘﻔﺎوت از ﻣﺨﺰن را ﻃﺮاﺣﻲ ﻛﺮده ام . ﺑﻨﺎﺑﺮاﻳﻦ ﺗﻔﺎوت در ﻃﺮاﺣﻲ ﭘﺎﻳﮕﺎه داده در ﻳﻚ ﻣﺨﺰن داده ﭼﻴﺴﺖ ؟ در ﻳﻚ ﺳﻴﺴﺘﻢ ﺑﺎ ﻧﻮع ﭘﺮدازش ﺗﺮاﻛﻨﺶ ﻫﺪف ﻃﺮاح اﻳﻦ اﺳﺖ ﺗﺎ ﺗﺮاﻛﻨﺶ را ﺧﻴﻠﻲ ﺳﺮﻳﻊ و ﻛﺎﻣﻞ ﺑﺴﺎزد و ﻫﻤﭽﻨﻴﻦ ﻃﺮاح ﺑﺎ اﻣﻴﺪواری ﻣﻲداﻧﺪ ﭼﮕﻮﻧﻪ ﺷﺮﻛﺘﻬﺎی ﺑﺎزرﮔﺎﻧﻲ از داده ﭘﺮس و ﺟﻮ و از آن اﺳﺘﻔﺎده ﻛﻨﺪ . ﻋﻤﺪﺗﺎَ ، ﺗﻐﻴﻴﺮ داده ﻓﻘﻂ رﻛﻮرد ﻫﺎی ﻓﺮدی ﺧﺎص ﺑﺮای ﺗﺮاﻛﻨﺶ اﺳﺖ و ﮔﺰارﺷﺎت ﺗﻨﻬﺎ ﺑﻪ روز، ﻫﻔﺘﻪ ﻳﺎ ﻣﺎه ﺟﺎری اﺳﺖ. ﻧﻘﻄﻪ ﻣﻘﺎﺑﻞ ﻳﻚ ﻣﺨﺰن داده اﮔﺮ ﭼﻪ ﭘﺮس و ﺟﻮ ﻫﺎ ﺑﺎﻳﺪ ﺑﺎ ﺳﺮﻋﺖ ﻣﻤﻜﻦ ﺗﻜﻤﻴﻞ ﺷﻮد ،آﻧﻬﺎ ﻣﻲ ﺗﻮاﻧﻨﺪ ﺳﺎﻋﺖ ﻫﺎ ﺑﻪ ﻃﻮل ﺑﻴﻨﺠﺎﻣﻨﺪ. در ﻳﻚ ﻣﺨﺰن داده ، ﺑﻪ ﻣﻨﻈﻮر ﺗﻜﻤﻴﻞ اﻧﻮاع ﭘﺮس و ﺟﻮﻫﺎی ﻫﻮﺷﻤﻨﺪ ، ﺣﺠﻢ زﻳﺎد داده ﺑﻪ دو ﺻﻮرت ﻣﺘﺪاول و ﻗﺪﻳﻤﻲ ‫ﺑﺎ دﻗﺖ ﻣﻮرد ﺑﺮرﺳﻲ ﻗﺮار ﻣﻲ ﮔﻴﺮﻧﺪ. ﻣﺸﻜﻞ ﻋﻤﺪه دﻳﮕﺮ اﻳﻦ اﺳﺖ ﻛﻪ ﭼﻪ اﻃﻼﻋﺎﺗﻲ ﺑﺎﻳﺪ در ﻣﺨﺰن ﻗﺮار ﺑﮕﻴﺮد و در ﭼﻪ ﺳﻄﺢ ﻣﺠﺰاﻳﻲ ﺑﺎﻳﺪ ﺣﻔﻆ ﺷﻮد . اﻳﻦ ﻛﺘﺎب ،ﺗﻜﻨﻴﻚ ﻫﺎﻳﻲ ﺑﺮای ﺗﻌﻴﻴﻦ آﻧﭽﻪ ﻛﻪ ﺑﺎﻳﺪ در ﻣﺨﺰن ﻗﺮارﮔﻴﺮد و ﻳﺎ ﭼﮕﻮﻧﻪ آن اﻃﻼﻋﺎت را ﺟﻤﻊ آوری ﻛﻨﺪ ﻣﻮرد ﺑﺤﺚ ﻗﺮار ﻧﻤﻲ دﻫﺪ ، زﻳﺮا ﻗﺒﻼ ﻛﺘﺎﺑﻬﺎﻳﻲ ﺑﻮده اﻧﺪ ﻛﻪ ﺑﻪ ﻃﻮر ﺟﺎﻣﻊ اﻳﻦ ﻣﻮﺿﻮع را ﻣﻮرد ‫ﺑﺮﺳﻲ ﻗﺮار داده اﻧﺪ . ﺑﺎ اﻳﻦ وﺟﻮد ،اﻫﻤﻴﺖ ﺗﻼس در ﺗﻌﻴﻴﻦ اﻳﻨﻜﻪ ﭼﻪ ﭼﻴﺰی ﺑﺎﻳﺪ در ﻣﺨﺰن داده ﻗﺮار ﮔﻴﺮد ﻧﻤﻲ ﺗﻮاﻧﺪ ﻓﺸﺎر زﻳﺎدی وارد ﻛﻨﺪ . اﻳﻦ ﺧﻴﻠﻲ ﻣﻬﻢ اﺳﺖ زﻳﺮا ﻣﻤﻜﻦ اﺳﺖ ، ﻳﻚ ﺳﺎل ﺑﻌﺪ ﻛﻪ ﻣﺨﺰن ﻣﻮرد اﺳﺘﻔﺎده ﻗﺮار ﮔﺮﻓﺘﻪ ﺷﻮد ، ﻧﺎﮔﻬﺎن ﻣﺘﻮﺟﻪ ﺷﻮﻳﺪ ﻛﻪ اﻃﻼﻋﺎت وﺟﻮد ﻧﺪارد و ﻳﺎ در ﺳﻄﺢ ﻧﺎدرﺳﺘﻲ ﻗﺮار دارد و در اﻳﻦ ﻣﻮرد اﻧﻮاع   ‫ﭘﺮس و ﺟﻮﻫﺎﻳﻲ را ﻛﻪ ﻣﻴﺘﻮاﻧﻴﺪ ﺑﺮ روی ﻣﺨﺰﻧﺘﺎ ن اﺟﺮا ﻛﻨﻴﺪ را ﻣﺤﺪود و ﻳﺎ ﻣﻤﻨﻮع ﻣﻲ ﻛﻨﺪ .ﺑﻪ ﻋﻨﻮان ﻣﺜﺎل ، ﻳﻚ ﺷﺮﻛﺖ ﻣﺨﺎﺑﺮاﺗﻲ ﺗﺼﻤﻴﻢ ﻣﻴﮕﻴﺮد ﺗﺎ ﻫﺮ ﺗﻠﻔﻨﻲ را در ﭘﺎﻳﮕﺎه داده اش ﻗﺮار ﻧﺪﻫﺪ ،و در ﻋﻮض، ﻣﺠﻤﻮع آﻧﭽﻪ را ﻛﻪ ﻣﺸﺘﺮی در ﻃﻮل روز ﺻﺮف ﻛﺮده اﺳﺖ را ﺣﻔﻆ ﻛﻨﺪ . ﺳﭙﺲ ﻓﺮدی در ﺷﺮﻛﺖ ﺗﺼﻤﻴﻢ ﻣﻴﮕﻴﺮد وﻗﺘﻲ ﺷﻤﺎره ﻫﺎی ﺧﺎص ﮔﺮﻓﺘﻪ ﻣﻴﺸﻮد ﺑﻪ ﻣﺸﺘﺮی ﺗﺨﻔﻴﻒ دﻫﺪ . اﻛﻨﻮن اﮔﺮ ﻣﺨﺰن ، ﻫﺮ ﺷﻤﺎره ای ﻛﻪ ﺗﻮﺳﻂ ﻣﺸﺘﺮﻳﺎﻧﺶ ﮔﺮﻓﺘﻪ ﺷﺪ را ، ﺷﺎﻣﻞ ﻣﻲ ﺷﺪ ﺷﺮﻛﺖ ﻗﺎدر اﺳﺖ دﻗﻴﻘﺎ ﺑﻔﻬﻤﺪ اﻳﻦ ﺑﺮﻧﺎﻣﻪ اﮔﺮ در 12ﻣﺎه ﮔﺬﺷﺘﻪ اﻧﺠﺎم ﻣﻲ ﺷﺪ ﭼﻪ ﻫﺰﻳﻨﻪ ای را در ﺑﺮ ﻣﻲ ﮔﺮﻓﺖ . در ﻋﻮض اﻳﻦ ﺷﺮﻛﺖ ﻫﻴﭻ داده ﻗﺎﺑﻞ اﺳﺘﻔﺎده را ﻧﺪارد و ﻳﺎ ﺑﺎﻳﺪ ﺣﺪس ﻣﻴﺰد ﭼﻪ ﻫﺰﻳﻨﻪ ای دارد و ﻳﺎ اﻳﻨﻜﻪ ﻃﺮاﺣﻲ ﺳﻴﺴﺘﻢ ﺟﺪﻳﺪ را ﺑﻪ ﺗﻌﻮﻳﻖ اﻧﺪازد ﺗﺎ اﻳﻨﻜﻪ

 ‫داده ﻛﺎﻓﻲ در دﺳﺘﺮس ﺑﺎﺷﺪ ﺗﺎ ﺑﻪ ﻃﻮر دﻗﻴﻖ ﻫﺰﻳﻨﻪ واﻗﻌﻲ ﺷﺮﻛﺖ را ﺗﻌﻴﻴﻦ ﻛﻨﺪ .ﻳﻜﻲ از ﻣﺸﻜﻼت ﻃﺮاﺣﻲ اﻳﻦ اﺳﺖ ﻛﻪ ﺗﻌﻴﻴﻦ ﻣﻲ ﻛﻨﺪ داده در ﭼﻪ ﺳﻄﺤﻲ در ﻣﺨﺰن ذﺧﻴﺮه ﺧﻮاﻫﺪ ﺷﺪ.اﻏﻠﺐ ، ذﺧﻴﺮه ﺳﺎزی ﻫﺮ ﺗﺮاﻛﻨﺶ ﻣﺎﻧﻨﺪ ﻣﺜﺎل ﺗﻠﻔﻦ ، ﻣﻤﻜﻦ اﺳﺖ ﺑﻴﺶ از اﻧﺪازه ﺑﻪ ﻧﻈﺮ ﺑﺮﺳﺪ و از آﻧﺠﺎﻳﻲ ﻛﻪ ﻣﻴﺘﻮاﻧﺪ ﺑﻪ ﻣﻌﻨﺎی رﺷﺪ ﻣﺨﺰن ﺑﻪ اﻧﺪازه ﺗﺮاﺑﺎﻳﺘﻬﺎ ﺑﺎﺷﺪ ، وﺳﻮﺳﻪ ای ﺑﺮای ﺳﺎزﻣﺎن ﻫﺎی داده ﺑﻪ وﺟﻮد ﻣﻲ آورد . اداره ﻛﺮدن ﻣﺨﺰن ﻳﻚ ﺗﺮاﺑﺎﻳﺘﻲ ﺑﻪ رواﻟﻬﺎی ﻛﻨﺘﺮل ﺷﺪه و دﻗﻴﻖ ﻧﻴﺎزدارد ﻛﻪ ﺑﺎﻳﺪ دﻧﺒﺎل ﺷﻮد . ﻫﺮ ﭼﻪ ﭘﺎﻳﮕﺎه داده ﺑﺰرﮔﺘﺮ ﺷﻮد،ﻣﺪﻳﺮﻳﺖ ﭘﺮس و ﺟﻮی آن ﺳﺨﺖ ﺗﺮ ﻣﻲ ﺷﻮد . ﺑﻪ ﻫﺮ ﺣﺎل ﺑﺎ دﺳﺘﺮﺳﻲ آﺳﺎﻧﺘﺮ ﺑﻪ ﺷﻴﻮه ‫ﻫﺎی ذﺧﻴﺮه ﺳﺎزی ارزان، ﺣﻔﻆ ﻣﻘﺎدﻳﺮ زﻳﺎدی از داده ﻫﺎ در ﺳﻄﺢ ﺟﺰﺋﻲ اﻣﻜﺎن ﭘﺬﻳﺮ و ارزﺷﻤﻨﺪﺗﺮ ﻣﻲ ﺷﻮد .از آﻧﺠﺎﻳﻲ ﻛﻪ اﻧﺒﺎﺷﺘﮕﻲ[8] ﻳﻚ ﺗﺼﻤﻴﻢ ﻣﻬﻢ ﻃﺮاﺣﻲ اﺳﺖ ، ﻃﺮاﺣﻲ ﺑﺎﻳﺪ دﻗﻴﻖ ﺑﺎﺷﺪ و ﻗﺒﻞ از آﻧﻜﻪ ﻳﻚ ﭼﻨﻴﻦ اﺳﺘﺮاﺗﮋی را ﺑﭙﺬﻳﺮد ﺑﻪ دﻧﺒﺎل ﺗﻌﻴﻴﻦ ﻛﺎرﺑﺮان ﻣﺨﺰن ﺑﺎﺷﺪ . ﻫﻤﭽﻨﺒﻦ ﺑﺎﻳﺪ ﺑﻪ اﻳﻦ ﻛﺎرﺑﺮان ﺑﻪ ﻃﻮر واﺿﺢ ﻣﺤﺪودﻳﺖ ﻫﺎﻳﻲ را ﻛﻪ اﺣﺘﻤﺎﻻ ﺑﻪ ﺧﺎﻃﺮ اﻧﺒﺎﺷﺘﮕﻲ داده روی ﻣﻴﺪﻫﺪ ﺗﻮﺿﻴﺢ داد . ﺑﺎ دﺳﺘﺮس ﺑﻮدن ﺣﺎﻓﻈﻪ ، ‫ﺑﺴﻴﺎری از ﺳﺎﻳﺖ ﻫﺎ ﺗﻤﺎم داده ﻫﺎﻳﻲ را ﻛﻪ ﻧﻴﺎز دارﻧﺪ ذﺧﻴﺮه ﺧﻮاﻫﻨﺪ ﻛﺮد

. 4-1 از ﻣﺪﻟﺴﺎزی ارﺗﺒﺎط –موجودیت (E-R)[9]استفاده نکنید:

‫ﺷﻴﻮه ﺟﺪﻳﺪی ﻛﻪ ﺑﺮای ﺳﺎﺧﺖ ﻳﻚ ﺳﻴﺴﺘﻢ ﻳﺎ ﭘﺮدازﺷﮕﺮ ﺗﺮاﻛﻨﺶ اﺳﺘﻔﺎده ﺷﺪه اﺳﺖ ﺳﺎﺧﺖ ﻳﻚ ﻧﻤﻮدار ارﺗﺒﺎط ﻣﻮﺟﻮدﻳﺖ از ﺗﺠﺎرت اﺳﺖ . اﻳﻦ ﺷﻴﻮه ﺳﺮ اﻧﺠﺎم ﺑﻪ ﻋﻨﻮان داده ﻓﻴﺰﻳﻜﻲ اﺳﺘﻔﺎده ﺷﺪ ، زﻳﺮاﺑﺴﻴﺎری از ﻋﻨﺎﺻﺮ در ﻣﺪل ﻣﺎ ﺟﺪوﻟﻬﺎﻳﻲ در ﭘﺎﻳﮕﺎه داده ﺷﻮﻧﺪ ، اﮔﺮ ﺷﻤﺎ ﺗﺎ ﺑﻪ ﺣﺎل ﻳﻚ ﻣﺨﺰن داده را اﻳﺠﺎد ﻧﻜﺮده اﻳﺪ اﻣﺎ در ﻃﺮاﺣﻲ ﺳﻴﺴﺘﻢ ﻫﺎ ﺑﺎ ﭘﺮدازﺷﮕﺮ ﺗﺮاﻛﻨﺶ آن را ﺗﺠﺮﺑﻪ ﻛﺮده اﻳﺪ ، اﺣﺘﻤﺎﻻ ﻣﻲ ﺗﻮاﻧﻴﺪ در ﻧﻈﺮ ‫ﺑﮕﻴﺮﻳﺪ،ﻳﻚ ﻣﺨﺰن داده از ﻫﻴﭻ ﭘﺎﻳﮕﺎه داده ﻣﺘﻔﺎوت ﻧﻴﺴﺖ و ﻣﻲ ﺗﻮاﻧﻴﺪ از ﻫﻤﺎن روش اﺳﺘﻔﺎده ﻛﻨﻴﺪ .ﻣﺘﺎﺳﻔﺎﻧﻪ ، اﻳﻦ ﻃﻮر ﻧﻴﺴﺖ و ﻃﺮاﺣﺎن ﻣﺨﺰن ﺧﻴﻠﻲ ﺳﺮﻳﻊ ﻣﻲ ﻓﻬﻤﻨﺪ ﻛﻪ ﻣﺪل ارﺗﺒﺎط ﻣﻮﺟﻮدﻳﺖ ﺑﺮای ﻃﺮاﺣﻲ ﻳﻚ ﻣﺨﺰن راه ﻣﻨﺎﺳﺐ ﻧﻴﺴﺖ ، ﻣﻘﺎﻣﻬﺎی ﭘﻴﺸﺘﺎز در اﻳﻦ ﻣﻮﺿﻮع ﻣﺎﻧﻨﺪ راﻟﻒ ﻛﻴﻤﺒﺎل از 

 فهرست مطالب:

-11 ﻣﻘﺪﻣﻪ ای ﺑﺮ ﭘﺎﻳﮕﺎه داده اوراﻛﻞ g‪10

‫1-1-1 اﺛﺮ ﺟﻮ اﻗﺘﺼﺎدی ﺑﺮ ﻫﺰﻳﻨﻪ ﺗﻜﻨﻮﻟﻮژی

2-1-1 ﻳﻜﭙﺎرﭼﮕﻲ

3-1-1 ﻳﻜﭙﺎرﭼﻪ ﺳﺎزی ﺳﺨﺖ اﻓﺰار

  ‫4-1-1 ﻳﻜﭙﺎرﭼﻪ ﺳﺎزی داده ﻫﺎ از دﻳﺪ ﻳﻚ ﺷﺮﻛﺖ ﻣﻌﻤﻮﻟﻲ

‫5-1-1 ﻳﻜﭙﺎرﭼﻪ ﺳﺎزی ﺑﺮﻧﺎﻣﻪ ﻫﺎی ﻛﺎرﺑﺮدی

  ‫6-1-1 ‪  Gridدر ﭘﺎﻳﮕﺎه داده اوراﻛﻞ 10g

‫2-1 اﻧﺒﺎر داده ﭼﻴﺴﺖ؟

1-2-1 ﭼﺮا ﺑﻪ ﻳﻚ اﻧﺒﺎر داده ﻧﻴﺎز دارﻳﺪ؟

‫3-1 ﭼﺸﻢ اﻧﺪاز ﺗﺎرﻳﺨﻲ

  ‫1-3-1- ﻇﻬﻮر اﻧﺒﺎر داده

  ‫. 4-1 از ﻣﺪﻟﺴﺎزی ارﺗﺒﺎط –موجودیت (E-R)استفاده نکنید

1-4-1 ﻣﺪل ﺳﺎزی اﺑﻌﺎد

3-4-1 ﺟﺪول ﺣﻘﻴﻘﻲ

4-4-1ﺟﺪول اﺑﻌﺎدی (ﭼﻨﺪ ﺑﻌﺪی)

5-4-1 ﻛﻠﻴﺪ ﻫﺎی ﻣﺨﺰن

5-1 ﭘﻴﻜﺮ ﺑﻨﺪی ﻫﺎی ﺳﺨﺖ اﻓﺰار ﺑﺮای ﻳﻚ اﻧﺒﺎر

1-5-1معماری سرویس دهنده:

2-5-1معماری پایگاه داده اراکل

فصل دوم : ابزار های انبار اراکل

1-2: کدام ابزار

2-2: سازنده انبار اوراکل یا OWB

1-2-2: تنظیم سازنده انبار

2-2-2: مشتری سازنده انبار اراکل

3-2-2: اهداف و منابع داده ها:

4-2-2: تعریف جداول موجود در انبار داده هایمان

5-2-2: ایجاد ابعاد

6-2-2: ایجاد یک مکعب

7-2-2: تعریف منبع برای هدف نقشه کشی ها:

8-2-2: تایید طرح

9-2-2: ایجاد طرح                                                                                                                                                       

10-2-2: استقرار طرح

3-2: کاشف اراکل

1-3-2: چرا Discoverer؟

2-3-2: تنظیم محیط

3-3-2: پرس و جو با استفاده از Plus Discoverer:

4-2: گزارشات اراکل 10g

1-4-2: ایجاد یک گزارش با استفاده از سازنده گزارش

2-4-2: مثال های بیشتر از گزارش های اراکل

3-4-2:انتشار گزارش

5-2: خلاصه

فصل سوم : انبار داده و وب

1-3: بررسی بیشتر

1-1-3: اینترنت و اینترانت

2-1-3: نرم افزار اراکل برای انبار داده

2-3: سرور کاربردی اراکل10g

1-2-3: چرا یک پرتال تنظیم می کنند؟

2-2-3: پرتال AS Oracle

1-3-3: Discoverer

2-3-3:انتشار یک پورت لت

3-3-3: ایجاد گزارش استاتیک

4-3: خصوصی سازی اراکل

5-3: انبار داده ها و هوشمندی تجارت الکترونیکی

فصل چهارم: OLAP

1-4: چرا نیاز به انتخاب اراکل OLAP داریم؟

1-1-4: کاربردهای OLAP

2-1-4: ROLAP و MOLAP

3-1-4: اراکل OLAP

2-4: معماری اراکل OLAP

3-4: فضاهای کاری آنالیزی

1-3-4: مدل چند بعدی

2-3-4: ایجاد فضای کاری آنالیزی

1-4-4: تعریف متاداده OLAP برای شمای رابطه ای 

  2-4-4:دیدگاه های متاداده OLAP و ارزیابی آن

5-4: مدیر فضای کاری آنالیزی

1-5-4: ایجاد ویزارد فضای کاری آنالیزی

2-5-4: تجدید فضای کاری آنالیزی

3-5-4: ایجاد یک طرح تجمعی

4-5-4: فعال سازهای فضای کاری آنالیزی

6-4: پرس وجوی فضاهای کاری آنالیزی

1-6-4: DML OLAP

2-6-4: بسته DBMS-AW

3-6-4: دسترسی SQL به فضای کاری آنالیزی

4-6-4: OLAP API و اجزاء BI

7-4: خلاصه

فصل پنجم : داده کاوی اراکل

5.1: داده کاوی در پایگاه داده اوراکل g10

  1. 2. :روش های داده کاوی اوراکل

5.2.1 : قوانین پیوستگی

5.2.2 : گروهبندی

5.2.3 : استخراج ویژگی

5.2.4 : طبقه بندی

5.2.5 : بازگشت

5.2.6 : استاندارد PMML

5.3.1 : فرمت داده

2-3-5 آماده سازی داده

4-5: استفاده از واسط های داده کاوی اوراکل

1-4-5: نصب و پیکربندی

2-4-5: روند آنالیز داده کاوی

3-4-5: مثالی با استفاده از جاوا API

4-4-5: مثال استفاده از روال های PL/SQL

5-5: خلاصه

فصل ششم: قابلیت دسترسی بالا و انبار داده

1-6: مقدمه

2-6: یک سیستم با قابلیت دسترسی بالا چیست؟

1-2-6: ویژگی های یک سیستم با قابلیت دسترسی بالا

2-2-6: نقش بهترین تجربیات عملکردی

3-6: مرور اجمالی پایگاه داده اوراکل 10g با ویژگی  قابلیت دسترسی بالا

4-6: حفاظت در برابر نقص های سخت افزاری/ نرم افزاری

1-4-6: گروههای با عملکرد حقیقی (RAC)

2-4-6: ذخیره سازی مطمئن

3-4-6: آشکار سازی و نمایش خط:

4-4-6: مدیریت منابع

5-6: حفاظت در برابر فقدان داده

1-5-6: بازیابی از نقص(خطا) متوسط

2-5-6: بازیابی از خطاهای انسانی با استفاده از flash back:

3-5-6: بازیابی خطا بوسیله گارد یا نگهبان داده

4-5-6: معماری حداکثر قابلیت دسترسی اوراکل

5-5-6: حفاظت متا داده

6-6: مدیریت زمان برنامه ریزی شده

1-6-6: پیکربندی مجدد نمونه پویا

2-6-6: حفظ آنلاین

3-6-6: تعریف مجدد آنلاین:

4-6-6: ارتقاء درجه

7-6: مدیریت طول عمر اطلاعات

8-6: خلاصه:

 ضمیمه

 شامل 241 صفحه فایل word قابل ویرایش


دانلود با لینک مستقیم


دانلود پروژه بررسی کاربردی مدل های داده چند بعدی(OLAP) واستفاده از الگوهای آماری