Đang tải... (xem toàn văn)
NGHIÊN CỨU VÀ ỨNG DỤNG DATA WAREHOUSE TRONG PHÂN TÍCH THÔNG TIN DI ĐỘNG CHO VNPT Chương 1: Tổng quan về Data Warehouse Chƣơng này trình bày các khái niệm, các thành phần, chức năng trong kho dữ liệu Data Warehouse, các ứng dụng cũng nhƣ những mô hình kho dữ liệu. Tổng quan về các kỹ thuật phân tích và tích hợp thông tin trong mô hình kho dữ liệu Data Warehouse. Chương 2: Ứng dụng trong lĩnh vực di động cho VNPT Chương này tập trung vào phân tích, thiết kế một số tính năng chính tổ chức trong hệ thống kho dữ liệu di động, đồng thời ứng dụng kỹ thuật OLAP để đƣa ra một phân tích ứng dụng trong phân tích kinh doanh di động của VNPT. Chương 3: Kết quả xây dựng ứng dụng trong lĩnh vực di động cho VNPT. Chƣơng cuối cùng của luận văn trình bày một số kết quả đã đạt đƣợc trong chƣơng 2
HỌC VIỆN CÔNG NGHỆ BƢU CHÍNH VIỄN THÔNG PHẠM ĐỨC TÚ NGHIÊN CỨU VÀ ỨNG DỤNG DATA WAREHOUSE TRONG PHÂN TÍCH THÔNG TIN DI ĐỘNG CHO VNPT Chuyên ngành: Khoa học máy tính Mã số: 60.48.01 TÓM TẮT LUẬN VĂN THẠC SĨ HÀ NỘI -2013 1 Luận văn đƣợc hoàn thành tại: HỌC VIỆN CÔNG NGHỆ BƢU CHÍNH VIỄN THÔNG Ngƣời hƣớng dẫn khoa học: TS. NGUYỄN DUY PHƢƠNG Phản biện 1: ………………………………………………………………………… Phản biện 2: ………………………………………………………………………… Luận văn sẽ đƣợc bảo vệ trƣớc Hội đồng chấm luận văn thạc sĩ tại Học viện Công nghệ Bƣu chính Viễn thông. Vào lúc: giờ ngày tháng năm Có thể tìm hiểu luận văn tại: - Thƣ viện của Học viện Công nghệ Bƣu chính Viễn thông 2 MỞ ĐẦU Với sự phát triển nhanh chóng của ngành viễn thông, các doanh nghiệp viễn thông hiện nay đang phải đối mặt với việc điều hành và lƣu trữ một khối lƣợng dữ liệu khổng lồ gồm hàng tỷ bản tin chi tiết cƣớc, thông tin của hàng trăm triệu khách hàng với rất nhiều dịch vụ của các nhà mạng đang ngày một đa dạng và phát triển nhanh chóng. Trƣớc một khối lƣợng thông tin khổng lồ theo lịch sử thời gian nhƣ vậy, các doanh nghiệp viễn thông biết khai thác, phân tích, chọn lọc các thông tin có giá trị sẽ cung cấp đƣợc các dịch vụ tốt hơn làm hài lòng khách hàng và đồng thời tăng khả năng cạnh tranh trên thị trƣờng viễn thông vốn đã rất khốc liệt. Từ đó yêu cầu đặt ra là cần phải xây dựng đƣợc một kho dữ liệu tập trung về di động nhằm hỗ trợ phân tích kinh doanh và hỗ trợ lãnh đạo ra quyết định. Bằng việc cung cấp các thông tin có đƣợc từ kho dữ liệu về khách hàng, nhà cung cấp, hoạt động, hiệu suất… giải pháp Data Warehouse và phân tích dữ liệu dựa trên nền tảng BI sẽ giúp doanh nghiệp: Phân tích đƣợc bức tranh toàn cảnh về tình hình kinh doanh di động hiện nay trên thị trƣờng. Đặc biệt tích hợp các nguồn thông tin dữ liệu phân tán khác nhau tạo nên một kho dữ liệu đầy đủ để phân tích theo nhiều chiều. Phân tích, dự báo đƣợc các nhu cầu của thị trƣờng trong thời gian tới. Mục đích nghiên cứu Nắm đƣợc Tổng quan chung về lĩnh vực BI. Nắm bắt đƣợc mô hình tổ chức lƣu trữ dữ liệu Data Warehouse. Nắm bắt đƣợc một số thông tin về tổ chức dữ liệu tính cƣớc di động của VNPT. Nắm bắt đƣợc kỹ thuật phân tích dữ liệu OLAP, từ đó xây dựng cấu trúc Data Warehouse ứng dụng phân tích dữ liệu di động của VNPT. Đối tượng và phạm vi nghiên cứu Nghiên cứu Data Warehouse ứng dụng cho lĩnh vực phân tích dữ liệu di động của VNPT. Phương pháp nghiên cứu Nghiên cứu về các chuẩn tổ chức dữ liệu Data Warehouse. Nghiên cứu các giải pháp phân tích cơ sở dữ liệu lớn. 3 Áp dụng để phân tích dữ liệu di động của VNPT. Việc xây dựng một kho dữ liệu Data Warehouse chiếm tỷ trọng tƣơng đối lớn, khoảng 50%-60% trong toàn bộ dự án, đƣợc coi là xây dựng nền tảng hạ tầng cho toàn bộ hệ thống phân tích kinh doanh.Việc đánh giá đúng vai trò quan trọng của Data Warehouse sẽ giúp cho việc mô hình hóa, phân tích và thiết kế một hệ thống BI toàn diện và tối ƣu. Hiện nay VNPT đang sở hữu hai mạng di động là Vinaphone và Mobifone chiếm tỉ trọng lớn trên toàn bộ thị trƣờng viễn thông, với việc phân tích giá trị trong toàn bộ khối lƣợng thông tin vô cùng lớn và quý giá này sẽ giúp ích rất lớn cho lãnh đạo VNPT và các đơn vị thành viên trong công tác định hƣớng quy hoạch và tăng khả năng cạnh tranh với các đối thủ trên thị trƣờng. Nhận thức đƣợc tầm quan trọng đặc biệt của Data Warehouse, tôi xin chọn đề tài “Nghiên cứu Data Warehouse và ứng dụng trong lĩnh vực phân tích di động cho VNPT”. Cấu trúc của luận văn Luận văn đƣợc cấu trúc thành 3 chƣơng: Chƣơng 1: Tổng quan về Data Warehouse Chƣơng này trình bày các khái niệm, các thành phần, chức năng trong kho dữ liệu Data Warehouse, các ứng dụng cũng nhƣ những mô hình kho dữ liệu. Tổng quan về các kỹ thuật phân tích và tích hợp thông tin trong mô hình kho dữ liệu Data Warehouse. Chƣơng 2: Ứng dụng trong lĩnh vực di động cho VNPT Chƣơng này tập trung vào phân tích, thiết kế một số tính năng chính tổ chức trong hệ thống kho dữ liệu di động, đồng thời ứng dụng kỹ thuật OLAP để đƣa ra một phân tích ứng dụng trong phân tích kinh doanh di động của VNPT. Chƣơng 3: Kết quả xây dựng ứng dụng trong lĩnh vực di động cho VNPT. Chƣơng cuối cùng của luận văn trình bày một số kết quả đã đạt đƣợc trong chƣơng 2 4 CHƢƠNG 1. TỔNG QUAN VỀ DATA WAREHOUSE Nội dung chính của chƣơng: Chƣơng này học viên tập trung vào việc nghiên cứu các khái niệm, vai trò và các kiến trúc, mô hình triển khai BI đã đem lại hiệu quả cho doanh nghiệp ứng dụng, đồng thời học viên tập trung vào các mô hình và nguyên tắc xây dựng Data warehouse và một số giải pháp tích hợp và phân tích thông tin đa chiều OLAP làm nền tảng lý thuyết cho việc xây dựng ứng dụng kho dữ liệu Data warehouse cho doanh nghiệp viễn thông. 1.1. Mục đích và nhu cầu Việc xác định đƣợc rõ ràng mục đích và nhu cầu thực tế của việc triển khai hệ thống BI cho doanh nghiệp là một vấn đề cực kỳ quan trọng trong quá trình phát triển doanh nghiệp. Phần này học viên tập trung vào việc phân tích khó khăn và xác định mục đích của việc tạo ra kho dữ liệu Data warehouse. 1.1.1. Mục đích và nhu cầu thực tiễn Vậy mục đích kho dữ liệu Data Warehouse sinh ra nhằm phục vụ tập trung dữ liệu của các hệ thống theo lịch sử thời gian dùng trong việc tập hợp, phân tích dữ liệu và báo cáo hỗ trợ các quyết định trong kinh doanh. 1.1.2. Xác định phạm vi nghiên cứu Nội dung nghiên cứu về Data warehouse là rất lớn, trong phạm vi luận văn tôi xin đƣợc xác định phạm vi nghiên cứu tổng quan về Data warehouse và ứng dụng để tổ chức một phần hệ thống data warehouse dùng phân tích kinh doanh di động của VNPT. 1.2. Tổng quan về BI Phần này học viên tập trung vào việc giới thiệu chung về BI, các thành phần của BI, phân tích những ƣu nhƣợc điểm của BI đem lại khi triển khai trong doanh nghiệp. 1.2.1. Giới thiệu chung về BI Nhƣng ƣu điểm khi áp dụng BI trong doanh nghiệp Doanh nghiệp của bạn có thể thu đƣợc đƣợc những lợi ích to lớn khi quyết định mua và triển khai một Giải pháp quản trị doanh nghiệp thông minh. Có thể kể ra: Cải thiện khả năng truy cập và tích hợp các dữ liệu sản xuất kinh doanh từ nhiều nguồn riêng biệt. 5 Có đƣợc cái nhìn toàn cảnh tất cả các hoạt động trong doanh nghiệp. Chia sẻ thông tin nhanh chóng trên qui mô toàn doanh nghiệp. Kiểm soát nhanh và chính xác hơn các xu hƣớng có tác động tích cực cũng nhƣ tiêu cực đến hoạt động sản xuất kinh doanh. 1.2.2. Kiến trúc tổng thể của BI Hệ thống BI đơn giản có thể đƣợc xem là sự kết hợp của 3 thành phần chính nhƣ sau: Data Warehouse (Kho dữ liệu): Chứa dữ liệu tổng hợp của doanh nghiệp. Data Mining (Khai phá dữ liệu): Các kỹ thuật dùng để khai phá dữ liệu và phát hiện tri thức nhƣ phân loại (Classification), phân nhóm (clustering), phát hiện luật kết hợp (Association Rule), Dự đoán (Prediction)… Business Analyst (Phân tích kinh Doanh): Các nhà lãnh đạo Doanh nghiệp đƣa ra những quyết định chiến lƣợc đối với hoạt động kinh doanh của doanh nghiệp. 1.3. Kiến trúc tổng thế Data Warehouse Phần này học viên tập trung vào việc giới thiệu các đặc trƣng của kho dữ liệu, các thành phần cơ bản trong kho dữ liệu Data warehouse. Đồng thời học viên phân tích đi sâu vào các mô hình thông dụng của DW nhƣ hình sao hay bông tuyết mà hiện nay rất nhiều giải pháp đang triển khai. Học viên cũng nghiên cứu các phƣơng pháp thiết kế Data marts trong mô hình của Data warehouse. Cuối cùng để thể hiện đƣợc những khả năng phân tích thông tin thì học viên tập trung nghiên cứu các phƣơng pháp xử lý đa chiều OLAP dùng trong phân tích dữ liệu trong kho dữ liệu Data warehouse. 1.3.1. Giới thiệu chung Data warehouse là tập hợp dữ liệu tƣơng đối ổn định, không hay thay đổi, cập nhật theo thời gian, đƣợc tích hợp theo hƣớng chủ đề nhằm hỗ trợ quá trình tạo quyết định về mặt quản lý. Một data warehouse điển hình sẽ: Chứa 1 số lƣợng lớn dữ liệu có liên quan tới các giao dịch trong quá khứ. Đƣợc tối ƣu hóa cho các thao tác đọc trong các yêu cầu truy vấn dữ liệu. Điều này đối lập với các cơ sở dữ liệu trong các hệ thống xử lý tác vụ (OLTP) đƣợc thiết kế để hỗ trợ cả các thao tác thêm, xóa, sửa dữ liệu luôn. Đƣợc nạp các dữ liệu mới hoặc dữ liệu đƣợc cập nhật 1 cách định kỳ. Là nguồn dữ liệu cơ bản cho các ứng dụng BI mức doanh nghiệp. 6 1.3.2. Các đặc trưng của kho dữ liệu Hƣớng chủ đề Tính tích hợp Tính bền vững Gắn với thời gian Dữ liệu tổng hợp 1.3.3. Các thành phần cơ bản của Data Warehouse Data Warehouse là một cơ sở dữ liệu quan hệ đƣợc xây dựng cho mục đích truy vấn và phân tích dữ liệu mang tính lịch sử, nó không phải là loại cơ sở dữ liệu giao dịch (OLTP). Hình 1.1. Các thành phần cơ bản của Data warehouse Khác với cơ sở dữ liệu giao dịch thông thƣờng, Data Warehouse đƣợc bổ sung thêm bộ công cụ kết xuất, chuyển đổi và tích hợp dữ liệu (Extraction, Transformation, Loading – ETL), bộ phân tích dữ liệu trực tuyến (Online Analyst Processing – OLAP), và các công cụ quản trị các tiến trình thu thập dữ liệu. Đặc biệt Data Warehouses đƣợc tổ chức nâng cao theo các chủ đề Data Mart. 1.3.4. Các loại mô hình dữ liệu trong Data Warehouse Lƣợc đồ hình sao 7 Trong mô hình dữ liệu này,phạm vi dữ liệu đƣợc tổ chức trong các bảng chiều, mỗi chiều ứng với một đặc trƣng của dữ liệu (khách hàng, sản phẩm , bán hàng, thời gian…), các bảng sự kiện biểu diễn các sự kiện xảy ra và các thông tin chi tiết về các sự kiện đó Lƣợc đồ hình bông tuyết Đây là mô hình tƣơng tự mô hình sao tuy nhiên nó mở rộng hơn mô hình sao , trong mô hình này một chiều của dữ liệu có thể gồm nhiều bảng, và trong đó có 1 bảng sự kiện , bảng sự kiện này chính là một chiều trong mô hình lớn hơn Lƣợc đồ chòm sao sự kiện (fact constellation) Các ứng dụng phức tạp có thể đòi hỏi nhiều bảng sự kiện cùng chia sẻ các bảng chiều. Loại lƣợc đồ này có thể đƣợc xét nhƣ một tập hợp các lƣợc đồ hình sao. Và vì thế, nó đƣợc gọi là lƣợc đồ chòm sao sự kiện. 1.3.5.Tổng quan về Data Mart 1.3.5.1. Giới thiệu Data Mart Data Mart là một dạng thu nhỏ của kho dữ liệu, nếu kho dữ liệu mô tả thông tin của một tổ chức thƣơng mại thì Data Mart mô tả thông tin cho từng phòng ban của tổ chức đó (nhƣ phòng kinh doanh, phòng nhân sự,…). 1.3.5.2. Các kiểu Data Mart Data mart phụ thuộc (Dependent Data Mart) Chứa những dữ liệu đƣợc lấy từ DW và những dữ liệu này sẽ đƣợc trích lọc và tinh chế, tích hợp lại ở mức cao hơn để phục vụ một chủ đề nhất định của Datamart. Data mart độc lập (Independent Data Marts) Không giống nhƣ Data Mart phụ thuộc, Data mart độc lập đƣợc xây dựng trƣớc DW và dữ liệu đƣợc trực tiếp lấy từ các nguồn khác nhau. Data Mart lai (Hybrid Data Mart) Một Data Mart lai cho phép kết hợp các đầu vào từ các nguồn khác hơn so với một kho dữ liệu duy nhất. Điều này có thể hữu ích trong nhiều tình huống, đặc biệt là khi cần tích hợp đặc biệt, chẳng hạn nhƣ sau khi một nhóm mới hoặc sản phẩm đƣợc bổ sung cho tổ chức 8 1.3.6. Trình bày kỹ thuật OLAP 1.3.6.1. Giới thiệu OLAP OLAP là một phƣơng pháp tiếp cận để trả lời nhanh chóng các truy vấn phân tích đa chiều. OLAP là một phần của business intelligence, một lĩnh vực bao hàm relational reporting và data mining. 1.3.6.2. Các mô hình của OLAP Mô hình Multidimensional OLAP MOLAP là dạng cổ điển của OLAP và đôi khi đƣợc xem đơn giản nhƣ là OLAP. MOLAP lƣu giữ những dữ liệu này trong một mảng lƣu trữ đa chiều đƣợc tối ƣu hóa, thay vì trong cơ sở dữ liệu quan hệ. Do đó chúng đòi hỏi tính toán trƣớc và lƣu trữ thông tin trong khối, hoạt động đƣợc gọi là xử lý(processing). Mô hình Relational OLAP ROLAP làm việc trực tiếp với cơ sở dữ liệu quan hệ. Dữ liệu cơ bản và các bảng chiều đƣợc lƣu trữ nhƣ các bảng quan hệ và các bảng mới đƣợc tạo để giữ các thông tin kết hợp. Tùy thuộc vào một thiết kế sơ đồ đƣợc đặc trƣng hóa. Mô hình Hybrid OLAP Không có sự đồng thuận rõ ràng trong công nghiệp về HOLAP, trừ việc một cơ sở dữ liệu sẽ phân chia dữ liệu giữa lƣu trữ quan hệ và chuyên biệt. 1.4. Các giải pháp tích hợp các nguồn dữ liệu khác nhau trong kho dữ liệu Data Warehouse Thu thập và tích hợp các nguồn thông tin đa dạng khác nhau luôn là một vấn đề quan trọng làm đau đầu đối với các nhà triển khai hệ thống Data warehouse. Trong phần này học viên tập trung vào các phƣơng pháp tích hợp tiếp cận theo hƣớng Data warehouse. 1.4.1. Giải pháp tích hợp thông tin 1.4.1.3. Một số giải pháp tích hợp và nhân bản dữ liệu Oracle hiện có rất nhiều giải pháp liên quan tới lĩnh vực tích hợp và nhân bản dữ liệu, trong phạm vi luận văn tôi chỉ đề cập tới giải pháp tiên tiến nhất Golden Gate của Oracle hiện nay: 9 Active Data Guard: GoldenGate: giải pháp tích hợp và nhân bản số liệu của hãng GoldenGate (đã đƣợc Oracle mua lại). Oracle Data Integrator-ODI: Giair pháp toàn diên trong để giải quyết tất cả các yêu cầu tích hợp dữ liệu đòi hỏi tốc độ cao, số liệu lớn, và trên nhiều nguồn dữ liệu khác nhau. Materialized Views: Có khả năng nhân bản các dữ liệu phục vụ báo cáo thống kê (hiện nay nhóm đang ứng dụng trong công tác nhân bản dữ liệu các báo cáo thống kê cho hệ thống phân tích kinh doanh di động của Tập đoàn VNPT). Database Link: liên kết giữa các cơ sở dữ liệu khác nhau có thể cùng nguồn Oracle hoặc các hệ quản trị cơ sở dữ liệu khác nhau nhƣ SQL Server, DB2… Oracle data loader: giải pháp load dữ liệu từ các nguồn vào data warehouse của Oracle. Oracle data warehouse builder: công cụ xây dựng data warehouse kèm theo giải pháp tích hợp dữ liệu từ các nguồn thông tin khác. 1.4.2. Công cụ tích hợp thông tin trong Data Warehouse Hệ thống ETL (Extract-Transform-Load) là nền tảng của kho dữ liệu. Một hệ thống ETL đƣợc thiết kế cho việc trích xuất dữ liệu từ các hệ thống nguồn, chuyển đổi dữ liệu đảm bảo các nguồn độc lập có thể tích hợp, và cuối cùng dữ liệu sau chuyển đổi đƣợc đƣa vào kho dữ liệu phục vụ mục đích phát triển ứng dụng. Giải pháp GoldenGate của Oracle GoldenGate đƣợc thiết kế nhƣ một chuẩn tích hợp dữ liệu và cho nhiều mục đích sử dụng khác nhau nhƣ khắc phục thảm họa, bảo vệ dữ liệu, báo cáo, real time cho BI, nhân bản dữ liệu…. 1.5. Kết luận chƣơng Chƣơng này tác giả đã nêu tổng quan về BI và Data warehouse, đồng thời cũng phân tích các đặc chƣng của giải pháp. Đồng thời cũng đã đặt vấn đề nghiên cứu chung về OLAP, các mô hình tổ chức Data Mart…Tuy nhiên đây sẽ là nền tảng lý thuyết mà tác giả sẽ áp dụng một phần trong nội dung chƣơng 2 và chƣơng 3 của luận văn. [...]... chƣơng Trong chƣơng ba học viên đã trình bày một số kết quả, hình ảnh của một số chức năng của kho dữ liệu đã đạt đƣợc của hệ thống khi triển khai thử nghiệm tại Data Center của VNPT 24 KẾT LUẬN Luận văn nghiên cứu “NGHIÊN CỨU VÀ ỨNG DỤNG DATA WAREHOUSE TRONG PHÂN TÍCH THÔNG TIN DI ĐỘNG CHO VNPT đã đƣợc hoàn thành Nghiên cứu lý thuyết, mô hình tổng quan về BI trong doanh nghiệp Nghiên cứu và phân tích. .. doanh Database trình di n (VNPT) Dữ liệu đã được tính toán Portal (VNPT) Trình di n dữ liệu online Hình 2.2 Tổng quan về quy trình lấy và phân tích dữ liệu di động của VMS Toàn bộ dữ liệu di động của VMS đƣợc chuyển về Data Center của VNPT Dữ liệu đƣợc làm sạch và đƣợc chuyển vào Data warehouse để tính toán số liệu Sau khi tính toán xong theo yêu cầu thì sẽ đƣợc đồng bộ hóa với hệ thống phân tích. .. toán phân tích về sản lƣợng di động 14 Khối hệ thống lƣu lƣợng, chất lƣợng mạng (KPI): khối chức năng phân tích chất lƣợng mạng Hệ thống phân tích kinh doanh Mobiphone Nạp thẻ Vat Sản lượng (MSC) Tiêu thụ Voice SMS Vinaphone Data Voice SMS Lưu lượng Data Vas Lưu lượng Hình 2.3 Tổng quan về các chức năng phân tích dữ liệu của VMS 2.3 Thiết kế Data Warehouse ứng dụng cho lĩnh vực di động của VNPT. ..10 CHƢƠNG 2 ỨNG DỤNG TRONG LĨNH VỰC DI ĐỘNG CHO VNPT Nội dung chính của chƣơng này bao gồm: Tìm hiểu về dữ liệu hệ thống, xác định yêu cầu đặt ra, thiết kế mô hình kho dữ liệu dựa trên yêu cầu đã phân tích và dữ liệu hệ thống nguồn, sử dụng kỹ thuật OLAP của Oracle để xây dựng các cơ sở dữ liệu nhiều chiều phục vụ việc phân tích số liệu kinh doanh di động 2.1 Vấn đề tích hợp thông tin di động 2.1.1... của vấn đề tích hợp thông tin di động Những năm gần đây, tập đoàn VNPT đang chuyển mình trong định hƣớng phát triển chung của ngành Sau một giai đoạn phát triển theo định hƣớng mở rộng các loại hình kinh doanh, đến này tập đoàn VNPT đã có nhiều mảng dịch vụ nhƣ: thoại (cố định và di dộng), truyền dữ liệu, vệ tinh, truyền thông và công nghệ thông tin Tuy nhiên với ứng dụng công nghệ thông tin tại các... kế và xây dựng một số Cube trong kiến trúc của OLAP để phục vụ công tác phân tích kinh doanh đa chiều trong bài toán phân tích kinh doanh di động của VNPT Tuy nhiên do hệ thống di động thƣờng chứa dữ liệu rất lớn nên trong quá trình hoàn thiện học viên cần nâng cấp, tối ƣu hệ thống hơn nữa để đảm bảo khả năng triển khai đƣợc khả thi nhất 20 CHƢƠNG 3 KẾT QUẢ XÂY DỰNG ỨNG DỤNG TRONG LĨNH VỰC DI DỘNG CHO. .. hoạt động hệ thống phân tích kinh doanh Mobifone Toàn bộ dữ liệu di động của VMS sẽ đƣợc chuyển sang trung tâm dữ liệu tập trung (Data Center) của VNPT và đƣợc phân tích theo một quy trình khép kín theo sơ đồ sau: Server VMS Dữ liệu: - Nạp thẻ - Tiêu thụ - Sản lượng - Chất lượng FTP server (VNPT) Conver và Upload dữ liệu Đẩy dữ liệu thô Nhận dữ liệu thô vào database từ bên VMS Database tính toán (VNPT) ... các phép tính, phân tích cơ bản và nâng cao: - Số học Cơ bản: Cộng, trừ, nhân và chia, sử dụng hai phép đo hoặc một phép đo - Số học nâng cao: Cumulative, index, percent markup, rank, share, variance… 2.5 Kết luận chƣơng Trong chƣơng này học viên đã tập trung vào phân tích bài toán phân tích dữ liệu kinh doanh di động của VMS, đồng thời xây dựng thiết kế một số DM trong kho dữ liệu di động Bằng việc... trúc đa tầng Hình 2.4 Kiến trúc đa tầng hệ thống Data Warehouse Sau khi phân tích thấy đƣợc nhiều ƣu điểm của hệ thống Data warehouse, tôi đã quyết định chọn mô hình sau đây để tổ chức cơ sở dữ liệu dƣới dạng data warehouse Sử dụng mô hình Data Warehouse Star để lƣu trữ dữ liệu kinh doanh của VNPT Data warehouse đƣợc thiết kế hƣớng các chủ đề dữ liệu Data mart để lƣu trữ dữ liệu nhƣ chủ đề sản lƣợng,... TRONG LĨNH VỰC DI DỘNG CHO VNPT Chƣơng này học viên trình bày một số kết quả đã nghiên cứu, phát triển và triển khai thử nghiệm hệ thống tại VNPT 3.1 Cài đặt hệ thống 3.1.1 Tập hợp nguồn dữ liệu cho bài toán Do hệ thống đang sử dụng dữ liệu di động của công ty VMS để nghiên cứu, vì vậy để đảm bảo nguyên tắc an toàn bảo mật thông tin của công ty cũng như của VNPT, học viên đã sử dụng mẫu dữ liệu giả lập . dụng phân tích dữ liệu di động của VNPT. Đối tượng và phạm vi nghiên cứu Nghiên cứu Data Warehouse ứng dụng cho lĩnh vực phân tích dữ liệu di động của VNPT. Phương pháp nghiên cứu Nghiên cứu. các kỹ thuật phân tích và tích hợp thông tin trong mô hình kho dữ liệu Data Warehouse. Chƣơng 2: Ứng dụng trong lĩnh vực di động cho VNPT Chƣơng này tập trung vào phân tích, thiết kế một. chức trong hệ thống kho dữ liệu di động, đồng thời ứng dụng kỹ thuật OLAP để đƣa ra một phân tích ứng dụng trong phân tích kinh doanh di động của VNPT. Chƣơng 3: Kết quả xây dựng ứng dụng trong