ระบบคล งข อม ลเพ อว เคราะห ยอดการจาหน ายป ย นายเด มพ นธ แพแสง

Size: px
Start display at page:

Download "ระบบคล งข อม ลเพ อว เคราะห ยอดการจาหน ายป ย นายเด มพ นธ แพแสง"

Transcription

1 ระบบคล งข อม ลเพ อว เคราะห ยอดการจาหน ายป ย นายเด มพ นธ แพแสง การศ กษาโครงการเฉพาะเร องน เป นส วนหน งของการศ กษาตามหล กส ตร ปร ญญาว ทยาศาสตรมหาบ ณฑ ต สาขาว ชาเทคโนโลย สารสนเทศ คณะเทคโนโลย สารสนเทศ มหาว ทยาล ยเทคโนโลย พระจอมเกล าธนบ ร พ.ศ. 2556

2 ระบบคล งข อม ลเพ อว เคราะห ยอดการจาหน ายป ย นายเด มพ นธ แพแสง วท.บ. (สถ ต ประย กต ) การศ กษาโครงการเฉพาะเร องน เป นส วนหน งของการศ กษาตามหล กส ตร ปร ญญาว ทยาศาสตรมหาบ ณฑ ต สาขาว ชาเทคโนโลย สารสนเทศ คณะเทคโนโลย สารสนเทศ มหาว ทยาล ยเทคโนโลย พระจอมเกล าธนบ ร พ.ศ คณะกรรมการการศ กษาโครงการเฉพาะเร อง (ผศ. ดร.พรช ย มงคลนาม) (อาจารย สน ท ศ ร สว สด ว ฒนา) (รศ. ดร.ว เช ยร ช ต มาสก ล) ประธานกรรมการการศ กษาโครงการเฉพาะเร อง กรรมการและอาจารย ท ปร กษาร วม กรรมการ ล ขส ทธ ของมหาว ทยาล ยเทคโนโลย พระจอมเกล าธนบ ร

3 ข ห วข อการศ กษาโครงการเฉพาะเร อง ระบบคล งข อม ลเพ อว เคราะห ยอดการจาหน ายป ย หน วยก ต 3 ผ เข ยน นายเด มพ นธ แพแสง อาจารย ท ปร กษา ผศ.ดร.พรช ย มงคลนาม อาจารย สน ท ศ ร สว สด ว ฒนา หล กส ตร ว ทยาศาสตรมหาบ ณฑ ต สาขาว ชา เทคโนโลย สารสนเทศ คณะ เทคโนโลย สารสนเทศ พ.ศ บทค ดย อ การศ กษาโครงการเฉพาะเร องน ได ศ กษาเก ยวก บการพ ฒนาระบบคล งข อม ลการจ าหน ายป ย โดยใช เทคน คการประมวลผลเช งว เคราะห แบบออนไลน (OLAP) และม การน าเสนอข อม ลในร ปของ ล กบาศก (Cube) โดยแปลงข อม ลจากงานขายประจ าว น ไปจ ดเก บในคล งข อม ลเพ อให เจ าของก จการ สามารถเร ยกด ข อม ลในม มมองต าง ๆ ได อย างรวดเร ว และม ประส ทธ ภาพโดยน าเสนอรายงานใน ร ปแบบสเปรดช ตในโปรแกรมส าเร จร ปไมโครซอฟท เอกซ เซล เพ อให เจ าของก จการสามารถเร ยก ข อม ลในม มมองล กค า ปร มาณการขาย ต นท น และแหล งกระจายส นค าเพ อใช ส าหร บสน บสน นการ ต ดส นใจ ซ งเจ าของก จการสามารถเร ยกข อม ลย อนหล งเพ อเปร ยบเท ยบ หร อหาแนวโน มของข อม ล สาหร บการประกอบการต ดส นใจในการลงท นหร อขยายก จการเพ มข น คาสาค ญ: การประมวลผลเช งว เคราะห แบบออนไลน / คล งข อม ล / ป ย

4 ค สารบ ญ หน า บทค ดย อภาษาไทย สารบ ญ รายการตารางประกอบ รายการร ปประกอบ ข ค จ ฉ บทท 1. บทนา ความเป นมาและความสาค ญของป ญหา ว ตถ ประสงค ของการศ กษา ขอบเขตการศ กษา ประโยชน ท ได ร บ น ยามศ พท เฉพาะ 2 2. ทฤษฎ ท เก ยวข อง คาจาก ดความและล กษณะสาค ญของคล งข อม ล ล กษณะสาค ญของคล งข อม ล หล กการการประมวลผลเช งว เคราะห แบบออนไลน (OLAP) ประเภททางานของ OLAP การดาเน นของ OLAP แนวทางในการพ ฒนาคล งข อม ล แบบจาลองข อม ลของระบบคล งข อม ล 6 3. ระเบ ยบว ธ การพ ฒนา ข นตอนการทางานของระบบเด ม แผนผ งความส มพ นธ ของข อม ล (ER Diagram) คาอธ บายตารางในแผนผ งความส มพ นธ ของตารางข อม ล การออกแบบและพ ฒนาระบบคล งข อม ล แบบจาลองข อม ลแบบดาวของระบบคล งข อม ล คาอธ บายรายละเอ ยดของแต ละม มมองและตารางความจร ง 12

5 ง สารบ ญ (ต อ) 3.7 การพ ฒนาระบบคล งข อม ล โปรแกรมสาหร บนาข อม ลเข าส ระบบคล งข อม ล รายละเอ ยดของโปรเซสโฟลว (Process Flow) คอมพ วเตอร ท ใช พ ฒนาระบบคล งข อม ล ผลการพ ฒนา รายงานการว เคราะห ยอดการจาหน ายป ยของร านจาหน ายขนาดกลางแห งหน ง 23 โดยเปร ยบเท ยบก บส ดส วนในป 2011 และ ป รายงานการว เคราะห ยอดการจาหน ายป ยของร านจาหน ายป ยขนาดกลางแห งหน ง 26 ตามม มมองส นค า ล กค า และเวลา 4.3 รายงานจานวนป ยท ผ แทนจาหน ายส งเข าภายในร านจ าหน ายป ย ต นท น 28 และยอดจาหน ายตามม มมองเวลาป 2011 และ ป สร ปและข อเสนอแนะ สร ป ข อเสนอแนะ 31 เอกสารอ างอ ง 32 ภาคผนวก ก พจนาน กรมข อม ล 33 ประว ต ผ จ ดทา 36 หน า

6 ฉ รายการตารางประกอบ ตาราง หน า 3.1 โครงสร างของฐานข อม ลและคาอธ บาย ม มมองของส นค า ผ แทนจาหน าย ล กค า และเวลา ข อม ลของคล งข อม ล ม มมองของผล ตภ ณฑ (Product Dimension) ม มมองของผ แทนจาหน าย (Seller Dimension) ม มมองของล กค า (Customer Dimension) ม มมองของเวลา (Time Dimension) ตารางความจร ง (Fact Table) คอมพ วเตอร สาหร บการพ ฒนาระบบคล งข อม ล ซอฟต แวร สาหร บการพ ฒนาระบบคล งข อม ล 23 ก.1 ล กค า (Customer) 33 ก.2 ประเภทส นค า (ProductType) 33 ก.3 ส นค า (Product) 34 ก.4 คล งส นค า (Inventory) 34 ก.5 ใบเสร จ (Invoice) 34 ก.6 รายละเอ ยดการขาย (SaleDtl) 35 ก.7 ผ แทนจาหน าย (Seller) 35 ก.8 ประเภทผ แทนจาหน าย (SellerType) 35

7 ช รายการร ปประกอบ ร ป หน า 2.1 ประเภทการทางานของ OLAP การออกแบบและการพ ฒนาคล งข อม ลแบบบนลงล าง การออกแบบและการพ ฒนาคล งข อม ลแบบล างข นบน ข อม ลเช งม มมองของเวลา และร านค า องค ประกอบของแกนม มมองโมเดล การทางานของระบบเด ม แผนผ งความส มพ นธ ของตารางข อม ล โครงสร างแบบดวงดาว การจ ดเก บเป นล กษณะของโมแลป ข อม ลแอททร บ วของม มมองส นค า ข อม ลระด บของม มมองส นค า ข อม ลแอททร บ วของม มมองผ แทนจาหน าย ข อม ลระด บของม มมองผ แทนจาหน าย ข อม ลแอททร บ วของม มมองล กค า ข อม ลระด บของม มมองล กค า ข อม ลแอททร บ วของม มมองเวลา ข อม ลระด บของม มมองเวลา ตารางความจร งและระด บล างส ดแต ละม มมอง ต วช ว ดในตารางค าความจร ง การแมปป งข อม ลเข าส ตารางม มมอง PRODUCT การแมปป งข อม ลเข าส ตารางม มมอง SELLER การแมปป งข อม ลเข าส ตารางม มมอง CUSTOMER การแมปป งข อม ลเข าส ตารางความจร ง โมด ลโปรเซสโฟลว ของระบบคล งส นค า 21

8 ซ รายการร ปประกอบ (ต อ) 4.1 ตารางแสดงส ดส วนการจ าหน ายป ยประเภทต าง ๆ เปร ยบเท ยบระหว าง 23 ป 2011 และป แผนภ ม แสดงส ดส วนการจาหน ายป ยประเภทต าง ๆ เปร ยบเท ยบระหว าง 23 ป 2011 ก บ ป ตารางแสดงปร มาณยอดการจาหน ายป ยป 2011 แยกตามม มมองของส นค า 26 ผ แทนจาหน ายและล กค า ระด บอาเภอ 5 ลาด บแรกท ม ยอดจาหน ายส งส ด 4.4 แผนภ ม แสดงยอดการจาหน ายป ยระด บอาเภอ 5 อ นด บส งส ดในม มมองของส นค า 27 ผ ผล ต และล กค า ป ตารางแสดงปร มาณยอดการจาหน ายป ยป 2012 แยกตามม มมองของส นค า 28 ผ แทนจาหน ายและล กค า ระด บอาเภอ 5 ลาด บแรกท ม ยอดจาหน ายส งส ด 4.6 แผนภ ม แสดงปร มาณยอดการจาหน ายป ยระด บอาเภอ 5 อ นด บส งส ดในม มมองของส นค า 29 ผ แทนจาหน าย และล กค า ป ตารางแสดงการว เคราะห ต นท น ยอดจาหน าย ผลกาไร และเปอร เซนต ของผลกาไร 30 ของร านจาหน ายป ยขนาดกลางแห งหน ง ระหว างป 2011 ก บ ป แผนภ ม แสดงม ลค าการส งป ยจากผ แทนจาหน าย ยอดจ าหน าย และผลกาไรป แผนภ ม แสดงม ลค าการส งป ยจากผ แทนจาหน าย ยอดจ าหน าย และผลกาไรป หน า

9 1 บทท 1 บทนา ส าหร บการพ ฒนาคล งข อม ลการจ าหน ายผล ตภ ณฑ ป ย ผ พ ฒนาได ศ กษาและว เคราะห ป ญหาของ ระบบ เพ อจ ดทาว ตถ ประสงค ก าหนดขอบเขต และประโยชน ท ได ร บจากการพ ฒนาระบบคล งข อม ล เพ อสร างระบบคล งข อม ลท ม ประส ทธ ภาพ 1.1 ความเป นมาและความสาค ญของป ญหา ร านจ าหน ายผล ตภ ณฑ ป ย ด าเน นธ รก จจ าหน ายป ยให ก บเกษตรกรท วไป ร านแห งน ได จ ดเก บข อม ล ผ แทนจาหน าย ล กค า ส นค า และการขาย บนสเปรดช ตในโปรแกรมส าเร จร ปไมโครซอฟท เอกซ เซล เพ อบ นท กยอดจ าหน ายในแต ละว น ซ งเป นข อม ลท งในส วนท เก ยวข องและไม เก ยวข อง ไม เป น ระเบ ยบ และข อม ลม จานวนมากทาให ยากต อการนามาใช งานและส บค น สาหร บการวางแผนการขาย ท ผ านมาทางร านได ใช การประมาณการขายจากประสบการณ โดยไม น าข อม ลท ม อย มาประกอบการ ต ดส นใจในการส งส นค า ท าให เจ าของก จการต องเส ยค าใช จ ายส วนท ไม จ าเป นในการเก บร กษาป ย จ านวนมากให อย ในสภาพท ด พร อมจ าหน าย ด งน นถ าหากทางร านเก บส นค าม ปร มาณเก นความ ต องการ หร อส งส นค าไม เพ ยงพอก บความต องการ ท าให ธ รก จส ญเส ยโอกาสการสร างก าไร ด งน น ผ พ ฒนาจ งได นาข อม ลการจาหน ายป ยพ ฒนาเป นระบบคล งข อม ลเพ อว เคราะห การจ าหน ายป ย และน า ผลมาสน บสน นการต ดส นใจในการดาเน นธ รก จและวางแผนทางดาเน นการทางธ รก จ 1.2 ว ตถ ประสงค ของการศ กษาโครงการเฉพาะเร อง ว ตถ ประสงค สาหร บการพ ฒนาระบบคล งข อม ล กรณ ศ กษาระบบคล งของข อม ลร านจาหน ายป ย ขนาดกลางแห งหน ง เพ อนาข อม ลมาว เคราะห ยอดการจาหน ายป ยด งต อไปน 1. เพ อสร างคล งของข อม ลสาหร บว เคราะห ข อม ลของการจาหน ายป ย 2. เพ อรายงานยอดเง นรวม ต นท น และจานวนส นค าท นาเข าร านของแต ละผ แทนจาหน าย 3. เพ อรายงานยอดเง นรวม ต นท น และจานวนส นค าท ขายให ก บล กค าแต ละส วน 4. เพ อรายงานยอดเง นรวม ต นท น และจานวนส นค าท ขายได ในแต ละช วงเวลา 5. เพ อนาเสนอข อม ลสาหร บ สน บสน นการต ดส นใจในหลายม มมอง โดยผ านโปรแกรมสาเร จร ป ไมโครซอฟท เอกซ เซล

10 2 1.3 ขอบเขตของการศ กษาโครงการเฉพาะเร อง ขอบเขตของโครงการศ กษาเฉพาะเร องการออกแบบโครงสร างคล งข อม ล ของระบบคล งข อม ลเพ อ ว เคราะห ยอดการจาหน ายป ยของร านจาหน ายผล ตภ ณฑ ป ยขนาดกลางแห งหน ง ม ด งน 1. ส วนของการนาเข าข อม ล - การนาเข าข อม ลของร านค า จากสเปรดช ตในโปรแกรมสาเร จร ปไมโครซอฟท เอกซ เซล 2. ส วนการประมวลผล - การประมวลผลยอดจาหน ายในม มมองของยอดการจาหน ายป ยให ก บล กค า ยอดสร ปการจาหน าย ป ยแยกตามแต ละอาเภอ ยอดจาหน ายแต ละช วงเวลากาไรของส นค าแต ละประเภท 3. ส วนการแสดงผล - การแสดงรายงานสร ปข อม ลของยอดจาหน าย ยอดจานวนท จาหน าย ยอดจาหน ายของแต ละ ผ แทนจาหน ายในม มมองผล ตภ ณฑ ผ แทนจาหน าย ล กค า และเวลา 1.4 ประโยชน ท ได ร บจากการศ กษาโครงการเฉพาะเร อง 1. ทาให ทราบถ งผลการว เคราะห ข อม ลจากคล งข อม ลเพ อนามาสน บสน นการต ดส นใจใน การดาเน นก จการได 2. ทาให ทราบถ งผลปร มาณยอดการจาหน ายป ยแต ะละประเภทได 3. ทาให ทราบถ งผลยอดการส งส นค าจากร านผ แทนจาหน ายแต ละรายได 4. ทาให ทราบถ งแต ละช วงเวลาสามารถยอดการซ อ ราคาจาหน าย และกาไรของแต ละประเภทได 5. นาข อม ลในระบบคล งข อม ลมาสน บสน นการต ดส นใจ ลดความเส ยงในการส งส นค าเก น ปร มาณท ต องการ เพ อให เจ าของก จการสามารถทาไรได มากข น 1.5 น ยามศ พท เฉพาะ 1. ป ยอ นทร ค อ ป ยท ได จากอ นทร ย ว ตถ ซ งผล ตด วยกรรมว ธ ทาให ช น ส บ บด หม ก ร อน หร อว ธ การอ น ๆ ท ไม ใช ป ยเคม [1] 2. ป ยเคม ค อ ป ยท ได จากสารอ นทร ย และอน นทร ย ส งเคราะห โดยม ธาต อาหารหล ก ค อ ไนโตรเจน (N) ฟอสฟอร ส (P) และโพแทสเซ ยม (K) ซ งได มาจากกระบวนการกล นน าม นป โตรเล ยม และมาทาปฏ กร ยา ก บกรดต าง ๆ โดยผ านกระบวนการทางเคม ก จะได ธาต อาหารหล ก [1]

11 3 บทท 2 ทฤษฎ ท เก ยวข อง ในการศ กษาทฤษฎ คล งข อม ลจากหน งส อ ส งพ มพ และเอกสารทางว ชาการ เพ อใช การออกแบบระบบ คล งข อม ล และกระบวนการพ ฒนาระบบคล งข อม ล เพ อสน บสน นการต ดส นใจทางธ รก จของก จการ ร านจาหน ายป ย สามารถสร ปรวมใจความสาค ญได ด งน 2.1 คาจาก ดความและล กษณะสาค ญของคล งข อม ล คล งข อม ล ค อ ระบบข อม ลขนาดใหญ ท ให ผ ใช งานสามารถใช ข อม ลอย างม ประส ทธ ภาพ ข อม ลท จ ดเก บในคล งข อม ลต องม ปร มาณเพ ยงพอ และม ค ณภาพ เพ อใช สาหร บนาไปว เคราะห และหาค าตอบ ท เหมาะสมทางธ รก จ เพราะฉะน นการจ ดเก บข อม ลต องเอ ออ านวยต อการใช ข อม ลไปใช ใน เช งเว เคราะห โดยง าย รวดเร ว และไม ย งยากซ บซ อน [2] 2.2 ล กษณะสาค ญของคล งข อม ล ค ณล กษณะเฉพาะท ทาให ระบบคล งข อม ลแตกต างจากระบบฐานข อม ลท วไปด งน [2] 1. การแบ งโครงสร างตามเน อหา (Subject Oriented) คล งข อม ลจะรวบรวมข อม ลระด บปฏ บ ต การ ในส วนท ม เน อท ต องการใช งาน แต ไม เก บข อม ลท ไม เก ยวข อง เพ อน ามาประมวลผลส าหร บการ สน บสน นการต ดส นใจ 2. การรวมเป นหน งเด ยว (Integration) การรวบรวมข อม ลจากหลายแหล ง หร อหลายระบบปฏ บ ต การ มารวมเป นหน งเด ยว และทาให ข อม ลม มาตรฐานเด ยวก น เพ อลดการซ าซ อนของข อม ล 3. ความส มพ นธ ก บเวลา (Time-variant) ข อม ลในคล งข อม ลจะเก บข อม ลในช วงเวลา เพ อน าข อม ล มาว เคราะห เปร ยบเท ยบในแต ละช วงเวลา 4. ความเสถ ยรของข อม ล (Non-volatile) คล งข อม ลจะต องม ความเสถ ยร ม การเปล ยนแปลงของ ข อม ลน อย หร ออาจเพ มเต มบางรายการ เพราะข อม ลจะต องใช ในการเปร ยบเท ยบในแต ละ ช วงเวลา ซ งแตกต างจากระบบฐานข อม ลปฏ บ ต การจะเก บข อม ลการใช งานประจ าว นม การ เปล ยนแปลงอย ตลอดเวลา

12 4 2.3 หล กการการประมวลผลเช งว เคราะห แบบออนไลน (OLAP) OLAP เป นเคร องม อท ออกแบบมาใช ส าหร บด งข อม ล จากคล งข อม ลมาน าเสนอข อม ลในหลาย ๆ ม มมอง เพ อช วยสน บสน นการต ดส นใจทางธ รก จ ท ผ ใช งานสนใจ ซ งได ร บการออกแบบมาส าหร บ ผ ใช ในระด บผ บร หารหร อหน วยงานต าง ๆ ในองค กร โครงสร างข อม ลแบบ OLAP น นเป นแบบ ล าด บข น (Hierarchy) ท าให ผ ใช งานเข าใจภาพรวมขององค กรได ง าย และส าหร บฟ งก ช น OLAP น น สน บสน นการการว เคราะห และเจาะล กข อม ลท ม ความซ บซ อน ซ งท าให สามารถสร ปข อม ล และ น ามาเปร ยบเท ยบข อม ลในหลาย ๆ ม มมอง เพ อน าเสนอข อม ลตามร ปแบบท ผ ใช ต องการ OLAP ท สามารถเร ยกใช ได ม 3 ประเภท [3] ค อ 1. ฐานข อม ลเช งส มพ นธ (Relational Database) ม โครงสร างฐานข อม ลแบบร ปดาวหร อแบบเกล ด ห มะสาหร บจ ดเก บข อม ลโดยท วไป 2. ฐานข อม ลหลายม ต (Multidimensional Database) ม โครงสร างฐานข อม ลท จ ดเก บในร ปแบบ อาร เรย ซ งจะให อน ญาตให ผ ใช สามารถเข าไปเข ยนข อม ลคร งละหน งคนเท าน น แต สามารถเข าไป อ านข อม ลได คร งละหลาย ๆ คน 3. ข อม ลท เก บบนไคลเอนต (Client) ในร ปแบบของไฟล (Client-based Files) ซ งล กษณะการเก บ ประเภทน ข อม ลจะม ขนาดเล ก และอน ญาตให ผ ใช ด งข อม ลบางส วนออกมาท าการประมวลผล เพ อนามาสร างคาส งแบบกระจายได 2.4 ประเภทการทางานของ OLAP ในการทางานของ OLAP ร วมก บฐานข อม ลชน ดต าง ๆ น นสามารถแยกการทางานของ OLAP ด งแสดงในร ปท 2.1 ร ปท 2.1 ประเภทการทางานของ OLAP [3]

13 5 จากร ปท 2.1 สามารถอธ บายประเภทการทางานของ OLAP ได ด งน [3] [5] 1. โมแลป (Multidimensional Online Analytical Processing: MOLAP) เป นซอฟต แวร สาหร บด ง ข อม ลจากคล งข อม ลนามาเก บในร ปแบบอาร เรย (Array) การทางานแบบโมแลปเหมาะสาหร บ ฐานข อม ลขนาดเล กและม การทางานรวดเร วกว าโรแลป 2. โรแลป (Relational Online Analytical Processing: ROLAP) เป นซอฟต แวร สาหร บด งข อม ลจาก ฐานข อม ลแบบเช งส มพ นธ เหมาะก บฐานข อม ลขนาดใหญ ซ งม ความสามารถในการค นหาข อม ล อย างม ประส ทธ ภาพ ทาให สามารถว เคราะห ข อม ลทางธ รก จและการเร ยกด ข อม ลเฉพาะท สนใจได ด กว าแบบโมแลป 2.5 การดาเน นการก บ OLAP การดาเน นการก บ OLAP เป นกระบวนการประมวลผล เพ อให ผ ใช สามารถว เคราะห ข อม ลใน ม มมองต าง ๆ ซ ง OLAP ม ความสามารถในการว เคราะห ข อม ลได หลายร ปแบบด งน 1. โรลอ พ (Roll Up) การเปล ยนแปลงระด บความละเอ ยดในการด ข อม ลให เป นภาพรวมได 2. ดร วดาว (Drill Down) การเพ มความละเอ ยดจากภาพรวมของข อม ลจนสามารถเล อกใช ข อม ลเฉพาะส วนได 3. สไลซ (Slice) การแยกผลล พธ ออกเป นส วน เพ อใช พ จารณาข อม ลเฉพาะส วนท สนใจ 4. ไดซ (Dice) การเปล ยนม มมอง ให ตรงก บความต องการใช งาน 5. ไพวอท (Pivot) แสดงข อม ลในล กษณะเป นล กบาศก (Cube) ทาให แสดงข อม ลจากได หลายม มมอง 6. ดร วแอคเซส (Drill Access) เป นการเจาะล กข อม ล ลงไปมากกว าหน งตารางข อม ลจร ง 7. ดร วทร (Drill Through) เป นการเจาะลงไปในระด บต าท ส ด โดยส งไปย งฐานข อม ลท เป นแหล งท มา ของข อม ล 2.6 แนวทางในการพ ฒนาคล งข อม ล การพ ฒนาคล งข อม ลม 2 ว ธ [3] [4] 1. พ ฒนาคล งข อม ลแบบบนลงล าง (Top-Down) เป นโมเดลท ว เคราะห ข อม ลขององค กรท งหมด และ ออกแบบแยกเป นข อม ลเป นส วน ๆ ให เหมาะสมก บผ ใช จ งทาให ข อม ลม การแก ไขเล กน อยเพราะ ม การเช อมโยงจากข อม ลท งหมด โดยแต ละส วนสามารถเร ยกมาใช งานได แต การพ ฒนาด วยว ธ น ใช เวลาและต นท นการพ ฒนาส ง ด งแสดงในร ปท 2.2

14 6 ร ปท 2.2 การออกแบบและการพ ฒนาคล งข อม ลแบบบนลงล าง [5] 2. พ ฒนาคล งข อม ลแบบล างข นบน (Bottom-Up) เป นการว เคราะห และออกแบบในล กษณะการนา ข อม ลเข าดาต ามาร ตท ละส วน แล วนามารวมเป นคล งข อม ลขององค กรในภายหล ง การออกแบบ ล กษณะน ทาให ข อม ลไม ม ความซ บซ อนมาก ใช เวลาและต นท นในการทางานน อย ทาให ผ ใช งาน แต ละดาต ามาร ต สามารถเร ยกใช ได ท นท โดยไม ต องรอให ครบท กดาต ามาร ต ด งแสดงในร ปท 2.3 ร ปท 2.3 การออกแบบและการพ ฒนาคล งข อม ลแบบล างข นบน [5] 2.7 แบบจาลองข อม ลของระบบคล งข อม ล แบบจาลองข อม ลเช งม ต (Dimensional Model) ประกอบด วยหล กการ [3] ด งน 1. ต วช ว ด (Measures) ค อ ข อม ลท ใช เพ อว ดท งในเช งปร มาณ และเช งค ณภาพของส งท จะว ด ในโครงการเช น ยอดขายรวม กาไร และผลผล ตรวม 2. ม ต (Dimension) ค อ ข อม ลท เป นม มมองสาหร บแต ละต วช ว ด เพ อใช ประโยชน ในการว เคราะห ข อม ลด งแสดงในร ปท 2.4

15 7 ร ปท 2.4 ข อม ลเช งม มมองของเวลา และร านค า 3. ค าความจร ง (Facts) ค อ ช ดข อม ลท สนใจโดยการนาของค าท เก ดจากการนาค าแกนม ต จ บค ก บ ต วช ว ด เพ อให ได ค าหน งท ว ดได ร ปท 2.5 องค ประกอบของแกนม ต โมเดล ร ปท 2.5 แสดงโครงสร างของแกนม ต โมเดล โดยน าค ย ของแต ละตารางแกนม ต เก บไว ท ตาราง ความจร ง (Fact Table) และม ต วช ว ด (Measure) ค อ ปร มาณ จ านวนคอล มน ตารางความจร งโดย ต วช ว ดจะแสดงค าท ถ กว เคราะห

16 8 บทท 3 ระเบ ยบว ธ การพ ฒนา การพ ฒนาเร มจากการเก บรวบรวมข อม ล และล าด บการท างานของร านจ าหน ายป ย และน าข อม ลท ได มาว เคราะห ออกแบบ ระบบคล งข อม ล และรายงานผล เพ อให เจ าของก จการสามารถน ามา สน บสน นการต ดส นใจ หร อวางแผนทางธ รก จ 3.1 ข นตอนการทางานของระบบเด ม ร ปท 3.1 การทางานของระบบเด ม แสดงการทางานระบบเด มสามารถอธ บายข นตอนการทางานด งแสดงในร ปท 3.1 ได ด งน 1. ส งผล ตภ ณฑ ป ยจากผ แทนจาหน ายเพ อเก บในคล งส นค าเพ อรอการจาหน าย 2. ระบบการจาหน าย - เจ าของก จการม หน าท จาหน ายป ยด วยตนเองโดยบ นท กลงบนสเปรดช ตในโปรแกรมสาเร จร ป ไมโครซอฟท เอกซ เซล - ล กค าจะแบ งเป น 2 ประเภท ค อ ล กค าประเภทขายปล ก ล กค าท เป นขายส ง ถ าเป นร านจาหน ายป ย ท วไปจะจาหน ายในราคาส ง ส วนล กค าท วไป จาหน ายในราคาขายปล ก

17 - ระบบจาหน ายส นค า ล กค ารายย อยจะจาหน ายป ยในราคาส งกว าล กค ารายใหญ และม การ ส งเสร มการขายโดยการลดราคาให ก บล กค าท ม ยอดซ อในปร มาณมากของแต ละเด อน - ระบบบ ญช ส นค าและราคาของส นค า เจ าของก จการจะบ นท กรายการขายลงบนสเปรดช ตใน โปรแกรมสาเร จร ปไมโครซอฟท เอกซ เซล ซ งเป นการบ นท กข อม ลเก บไว แต ม ได นามาว เคราะห หาผล ตภ ณฑ ท ขายด ท ส ด ยอดการส งส นค าจากผ แทนจาหน ายเข าร านจานวนมากท ส ด ยอดขาย แต ละช วงเวลา และชน ดส นค าท ขายด ท ส ด 3. การส งผล ตภ ณฑ ป ยเข ามาเก บไว ในคล งส นค า ก ต อเม อม ปร มาณส นค าในคล งส นค าเหล อน อย หร อ คาดการณ ว าไม เพ ยงพอต อการจาหน าย 9

18 แผนผ งความส มพ นธ ของตารางข อม ล (ER Diagram) แผนผ งแสดงความส มพ นธ ของตารางข อม ลประกอบด วย 8 ตาราง ด งแสดงในร ปท 3.2 ร ปท 3.2 ความส มพ นธ ของตารางข อม ล

19 คาอธ บายตารางท อย ในแผนผ งความส มพ นธ ของข อม ล โครงสร างฐานข อม ลด งตารางท 3.1 ท นามาใช สาหร บนาข อม ลมาสร างเป นคล งข อม ล ตารางท 3.1 โครงสร างของฐานข อม ลและคาอธ บาย ลาด บตารางท ช อตาราง คาอธ บาย 1 Customer รายละเอ ยดของล กค า 2 Product รายละเอ ยดส นค า 3 ProductType ประเภทส นค า 4 Inventory คล งส นค า 5 Invoice ใบเสร จรายการขาย 6 SaleDtl รายละเอ ยดการขาย 7 Seller ผ แทนจาหน าย 8 SellerType ประเภทผ แทนจาหน าย 3.4 การออกแบบและพ ฒนาระบบคล งข อม ล การเก บข อม ลของระบบการขาย จากร านจ าหน ายป ยท เจ าของก จการได จ ดเก บข อม ลการขายลง บนสเปรดช ตในโปรแกรมส าเร จร ปไมโครซอฟท เอกซ เซล มาท าการแปลงข อม ลการขายด วย โปรแกรมออราเค ล ด เวลลอปเปอร เข ามาจ ดเก บเป นระบบฐานข อม ลของออราเค ล และสร าง คล งข อม ลโดยใช โปรแกรม ออราเค ล แวร เฮ าส บ วเดอร 10.2 จ ซ งน าเข าฐานข อม ลจะใช หล กการ ท างานของโมแลป (Multidimensional OLAP: MOLAP) ซ งเป นแบบท เหมาะสมก บข อม ลขนาดเล ก และทางานได รวดเร ว 3.5 แบบจาลองข อม ลแบบดาว โครงสร างแบบดาวเป นโครงสร างประกอบด วยม มมอง 4 ม มมอง ค อ ม มมองของส นค า ม มมองของ ล กค า ม มมองของผ แทนจ าหน าย และม มมองเวลา โดยม ต วช ว ด ด งน ปร มาณจ านวนท ขาย จ านวน ต นท น และปร มาณจานวนเง นขาย ด งแสดงในร ปท 3.3

20 12 ร ปท 3.3 โครงสร างแบบดาว ร ปท 3.3 โครงสร างข อม ลแบบดาวม ท งหมด 4 ม มมอง ได แก ม มมองล กค า ม มมองผล ตภ ณฑ ม มมอง ผ แทนจาหน ายป ย และม มมองของเวลา 3.6 คาอธ บายรายละเอ ยดของแต ละม มมองและตารางความจร ง ส าหร บข อม ลของคล งข อม ลส าหร บการพ ฒนาคล งข อม ลของการจ าหน ายป ยประกอบด วย 4 ม มมอง ค อ ส นค า ผ แทนจ าหน าย ล กค า และเวลา ด งแสดงตารางท 3.2 และข อม ลรายละเอ ยดของคล งข อม ล ม ม มมองของส นค า ผ แทนจ าหน าย ล กค า เวลา ค าความจร ง และการแมปป ง ด งแสดงในตารางท 3.3 ส าหร บตารางท แสดงข อม ลของระด บในแต ละม มมอง ตามล าด บ ส าหร บตารางท 3.8 ค อ ตารางความจร ง จะแสดงต วช ว ด เพ อนามาว เคราะห จานวนท ขาย ปร มาณท ขาย และต นท นท งหมด ตารางท 3.2 ม มมองของส นค า ผ แทนจาหน าย ล กค า และเวลา ลาด บท ช อม มมอง คาอธ บาย 1 PRODUCT ม มมองของส นค า ได แก ประเภท และขนาดผล ตภ ณฑ ป ย 2 SELLER ม มมองของผ แทนจาหน าย ได แก ประเภทของผ แทนจาหน าย และ ประเภทการชาระเง น 3 CUSTOMER ม มมองของล กค า ซ งล กค าเป นได ท งล กค า และร านค ารายย อย มองระด บ จ งหว ด และอาเภอ 4 TIME ม มมองของเวลา สามารถมองในระด บป เด อน และว น จานวน 2 ป

21 13 ตารางท 3.3 ข อม ลของคล งข อม ล Object DIMENSION CUBE MAPPING Object Name PRODUCT SELLER CUSTOMER TIMES SALES LOAD_PRODUCT LOAD_SELLER LOAD_CUSTOMER LOAD_TIME LOAD_SALE ตารางท 3.4 ม มมองของผล ตภ ณฑ Dimension Hierarchy/Levels Description TOTAL Total product PRODUCT PRODUCT_TYPE Type of product PRODUCT_SIZE Size of product ตารางท 3.5 ม มมองของผ แทนจาหน าย Dimension Hierarchy/Levels Description TOTAL Total seller SELLER SELLER_TYPE Type of seller SELLER_PAY_TYPE Type of paying ตารางท 3.6 ม มมองของล กค า Dimension Hierarchy/Levels Description TOTAL Total customer CUSTOMER PROVINCE Province name AMPUR Ampur name

22 14 ตารางท 3.7 ม มมองของเวลา Dimension Properties Value Start Year 2011 Number of years 2 Type Calendar TIME Hierarchy/Levels Description CAL_YEAR Calendar Year CAL_MONTH Calendar Month DAY Day ตารางท 3.8 ตารางความจร ง CUBE SALES DIMENSIONS MEASURES PRODUCT SELLER CUSTOMER TIME TOTALAMOUNT TOTALSALE TOTALCOST 3.7 การพ ฒนาระบบคล งข อม ล ส าหร บการว เคราะห ยอดการจ าหน ายป ย ผ พ ฒนาใช การบร หารจ ดการข อม ลแบบโมแลปเพ อ ใช ว เคราะห ยอดจาหน ายป ย ร ปท 3.4 การจ ดเก บข อม ลแบบโมแลป ร ปท 3.4 แสดงการเก บข อม ลแบบอาร เรย แอนะล ต กส เว ร ค สเปซ (Analytic Workspace) แบบโมแลป

23 ม มมองของส นค า (Product Dimension) 1. ข อม ลของแอททร บ วในม มมองของส นค าประกอบด วย 3 แอททร บ ว ค อ ID NAME และ SRC_ID โดยใช SRC_ID เป นค ย สาหร บอ างอ งไประด บอ น ๆ ได ด งแสดงในร ปท 3.5 ร ปท 3.5 ข อม ลแอตทร บ วในม มมองของส นค า 2. ข อม ลของระด บในม มมองของส นค าม 3 ระด บ ค อ TOTAL PRODUCT_TYPE และ PRODUCT_SIZE และใช PRODUCT_SIZE ค อ ขนาดของบรรจ ภ ณฑ ท ส าหร บการพ จารณา ส นค าท สามารถขายได ร ปท 3.6 ข อม ลของระด บในม มมองของส นค า ร ปท 3.6 แสดงรายละเอ ยดของระด บในม มมองของส นค า ประกอบด วย TOTAL PRODUCT_TYPE และ PRODUCT_SIZE

24 ม มมองของผ แทนจาหน าย (Seller Dimension) 1. ข อม ลของแอททร บ วในม มมองมองผ แทนจ าหน ายซ งม 3 แอททร บ ว ID NAME และSRC_ID โดยม SRC_ID เป นค ย อ างอ งไปย งระด บอ น ๆ ด งแสดงในร ปท 3.7 ร ปท 3.7 ข อม ลแอตทร บ วในม มมองของผ แทนจาหน าย 2. ข อม ลระด บม มมองผ แทนจ าหน ายจะประกอบด วย 3 ระด บ โดยม TOTAL SELLER_TYPE และ SELLER_PAY_TYPE โดยใช SELLER_PAY_TYPE ว เคราะห การจ ายเง นของผ แทนจ าหน าย ด งแสดงในร ปท 3.8 ร ปท 3.8 ข อม ลของระด บในม มมองของผ แทนจาหน าย

25 ม มมองล กค า (Customer Dimension) 1. ข อม ลแอททร บ วในม มมองของล กค า ม 3 แอททร บ ว ID NAME และ SRC_ID โดยม SRC_ID ใช เป นค ย อ างอ งในระด บอ น ๆ ได ด งแสดงในร ปท 3.9 ร ปท 3.9 ข อม ลของแอตทร บ วในม มมองของล กค า 2. ข อม ลระด บของม มมองล กค าจะประกอบด วย ระด บ TOTAL PROVINCE และAMPURโดยใช AMPUR สาหร บการว เคราะห ท อย ของล กค าในการซ อส นค าในอาเภอต าง ๆ ด งแสดงในร ปท 3.10 ร ปท 3.10 ข อม ลของระด บในม มมองล กค า ม มมองของเวลา (Time Dimension) 1. ข อม ลแอททร บ วในม มมองของเวลาแสดงเวลาเป น ป เด อน และว น เพ อใช ในการว เคราะห ข อม ล ในช วงเวลาต าง ๆ ด งแสดงในร ปท 3.11 ร ปท 3.11 ข อม ลของแอตทร บ วในม มมองของเวลา

26 18 2. ข อม ลของระด บในม มมองของเวลาสามารถด ข อม ลของเวลาเป น ป เด อน และว น ซ งจะแสดง ข อม ลระด บล างส ด ค อ ว น ด งแสดงในร ปท 3.12 ร ปท 3.12 ข อม ลของระด บในม มมองของเวลา รายละเอ ยดตารางความจร งของยอดการขาย (Sales Cube) ข อม ลรายละเอ ยดตารางความจร ง ตารางความจร งแสดงข อม ลระด บล างส ดในแต ละม มมองโดยม รายละเอ ยดด งน ม มมองของส นค า ระด บล างส ด ค อ PRODUCT_SIZE ม มมองของผ แทนจ าหน าย ระด บล างส ด ค อ SELLER_PAY_TYPE ม มมองของล กค าในระด บล างส ด ค อ AMPUR และม มมอง ของเวลาระด บล างส ด ค อ DAY ด งแสดงในร ปท 3.13 ร ปท 3.13 ตารางความจร ง และระด บล างส ดของของแต ละม มมอง รายละเอ ยดของต วช ว ด รายละเอ ยดของต วช ว ดในตารางความจร งม 3 ต วช ว ด ค อ ยอดจ าหน ายส นค าท งหมด ปร มาณส นค าท ส งท งหมด และปร มาณต นท นท งหมดของส นค า โดยท ง 3 ต วช ว ดสามารถอธ บายได ด งน ยอดจ าหน ายส นค าท งหมดจะใช ว ดม ลค าการจ าหน ายส นค าท งหมด ปร มาณส นค าท ส งท งหมดจะใช ว ดจ านวนส นค าท ส งจากผ แทนจ าหน ายท งหมด และปร มาณต นท นท งหมดจะใช ว ดม ลค าของส นค า ท ผ านต วแทนจาหน ายท งหมด โดยม ต วช ว ดเป นผลของการว เคราะห ข อม ลด งแสดงในร ปท 3.14

27 19 ร ปท 3.14 ต วช ว ดในตารางความจร ง 3.8 โปรแกรมสาหร บนาข อม ลเข าส ระบบคล งข อม ล การนาข อม ลจากซอร สโมด ล (Source Module) ของฐานข อม ลเช งส มพ นธ (Relational Database) โดย ทาการแมปป งตามลาด บด งน 1. การแมปป งข อม ลจากตารางผล ตภ ณฑ (PRODUCT) เข าส ตารางม มมอง PRODUCT และข อม ล ท นาเข า ค อ PRODUCT_TYPE และ PRODUCT_SIZE จากตาราง PRODUCT และ PRODUCT_TYPE ด งแสดงในร ปท 3.15 ร ปท 3.15 การแมปป งข อม ลเข าส ตารางม มมอง PRODUCT 2. การแมปป งข อม ลจากตารางผ แทนจ าหน าย (SELLER) เข าส ตารางม มมอง SELLER และข อม ลท นาเข าค อSELLER_TYPE และSELLER_PAY_TYPE จากตาราง SELLER และ SELLER_TYPE ด งแสดงในร ปท 3.16

28 20 ร ปท 3.16 การแมปป งข อม ลเข าส ตารางม มมอง SELLER 3. การแมปป งข อม ลจากตารางท อย (Address) เข าส ตารางม มมอง CUSTOMER และข อม ลท จะน าเข า ค อ PROVINCE และ AMPUR จากตาราง CUSTOMER ด งแสดงในร ปท 3.17 ร ปท 3.17 การแมปป งข อม ลเข าส ตารางม มมอง CUSTOMER 4. โปรแกรมน าข อม ลเข าส ระบบคล งข อม ลของตารางความจร งท แสดงข อม ลยอดขายของร าน จาหน ายป ยโดยจะด งข อม ลในตารางจากแหล งข อม ลด งแสดงในร ปท 3.18

29 21 ร ปท 3.18 การแมปป งข อม ลเข าส ตารางความจร ง SALES 3.9 รายละเอ ยดของโปรเซสโฟลว (Process Flow) และกาหนดการด งข อม ล (Job Scheduler) ของระบบ ร ปท 3.19 โมด ลโปรเซสโฟลว ของระบบคล งส นค า ร ปท 3.19 แสดงการท างานของโมด ลโปรเซสโฟลว โดยการ Mapping ตาราง Customer Product Seller และTime โดยเร มต นท างานและส นส ดพร อมก น โดยการโหลดข อม ลเข า Mapping ของ ตารางความจร ง จนกระท งจบการท างานโดยม ล กษณการจบ 3 ร ปแบบ ค อ END_ERROR END_SUCCESSES และ END_WARNING

30 คอมพ วเตอร ท ใช พ ฒนาระบบคล งข อม ล ในการพ ฒนาระบบคล งข อม ล ผ พ ฒนาใช เคร องคอมพ วเตอร ท ม ค ณสมบ ต ท สามารถต ดต งโปรแกรม จาลองเคร องคอมพ วเตอร แม ข าย โปรแกรมระบบฐานข อม ลออราเค ล และโปรแกรมระบบคล งข อม ล โดยม ค ณสมบ ต ด งตารางท 3.4 และตารางท 3.5 ตารางท 3.9 คอมพ วเตอร สาหร บการพ ฒนาระบบคล งข อม ล Device Specification Processor Intel Core(TM) 2 Duo T7100 Memory (RAM) 2 GB on VMware System type 64-bit Operation System Hard disk 20 GB for System Drive ตารางท 3.10 ซอฟต แวร สาหร บการพ ฒนาระบบคล งข อม ล Device Specification VMware VMware Workstation Version build Operating systems Window 8 PRO Database Oracle Database 10g Standard Edition Release 2 Data Warehouse Builder Oracle Warehouse Builder 10g Release 2 (10.2)

31 23 บทท 4 ผลการพ ฒนา ผลจากการออกแบบและพ ฒนาระบบคล งข อม ลของการจ าหน ายป ย ท าให ผ ใช งานสามารถว เคราะห การขายส นค าในหลายม มมอง ได แก ม มมองของส นค า ม มมองของล กค า ม มมองของผ แทนจ าหน าย และม มมองเวลา ผ ใช งานสามารถน าข อม ลท ได เพ อใช ส าหร บวางแผนการส งเสร มการขาย และช วย สน บสน นการต ดส นใจ โดยใช รายงานต อไปน 4.1 รายงานว เคราะห ส ดส วนยอดจ าหน ายป ยของร านจ าหน ายป ยขนาดกลาง แห งหน งโดยเปร ยบเท ยบระหว างป 2011 และป 2012 ร ปท 4.1 ตารางแสดงส ดส วนการจาหน ายป ยประเภทต าง ๆ เปร ยบเท ยบระหว าง ป 2011 และป 2012 ร ปท 4.2 แผนภ ม แสดงส ดส วนการจาหน ายป ยประเภทต าง ๆ เปร ยบเท ยบระหว างป 2011 ก บ ป 2012

32 ร ปท 4.1 และร ปท 4.2 แสดงการว เคราะห ยอดจ าหน ายและแผนภ ม ส ดส วนระหว างป 2011 และป 2012 พบว า ยอดจ าหน ายป ยท ส งส ด ค อ ป ยอ นทร ย ชน ดน า เพราะม ราคาถ กกว าป ยเคม เน องจากป ย อ นทร ย ม ต นท นในการผล ตต า และม ค ณสมบ ต ช วยให พ ชม ผลผล ตเพ มข น สะดวกต อการใช งานง าย โดยการผสมก บน า ฉ ดพ นลงบนต นไม และปลอดภ ยต อส ขภาพ อ กท งผ บร โภคม แนวโน มบร โภค ส นค าเกษตรอ นทร ย เพ มข น ทาให เพ มม ลค าของส นค าเกษตร อ นด บท สอง ค อ ป ยอ นทร ย ชน ดเม ด ม ค ณสมบ ต ให พ ชม ผล ตผลเพ มข น ปลอดภ ยต อส ขภาพเช นก น แต การน ามาใช งานย งยากมากกว าป ย ชน ดน า เพราะม น าหน กมาก ท าให เคล อนย ายไม สะดวก จ งไม น ยมมากเท าป ยอ นทร ย ชน ดน า และ อ นด บท สาม ค อ ป ยเคม เกษตรกรม ความน ยมลดลง อ กท งสร างมลภาวะแก ด น และสภาพภ ม อากาศ แต ค ณสมบ ต ของป ยอ นทร ย ช วยให พ ชม ผลผล ตด เฉพาะช วงแรกของการใช เท าน น แต ส งผลเส ยแก ด นในระยะยาว จ งท าให ความน ยมและยอดจ าหน ายใช ป ยเคม ลดลง ส าหร บยอดการจ าหน ายป ย โดยรวม พบว ายอดจาหน ายของป 2012 ม ม ลค าลดลง เม อเท ยบก บป

33 รายงานว เคราะห ยอดจาหน ายป ยของร านจาหน ายป ยขนาดกลางแห งหน งตามม มมองของล กค า ม มมองของผ ผล ต และม มมองของเวลา ร ปท 4.3 ตารางแสดงปร มาณยอดการจาหน ายป ยป 2011 แยกตามม มมองของส นค า ผ ผล ตและล กค า ระด บอาเภอ 5 ลาด บแรกท ม ยอดจาหน ายส งส ด

34 26 26 ร ปท 4.4 แผนภ ม แสดงยอดจ าหน ายป ยระด บอาเภอ 5 อ นด บส งส ดในม มมองของส นค า ผ ผล ต และล กค าป 2011

35 27 27 ร ปท 4.5 ตารางแสดงปร มาณยอดการจาหน ายป ยป 2012 แยกตามม มมองของส นค า ผ ผล ตและล กค า ระด บอาเภอ 5 ลาด บแรกท ม ยอดจาหน ายส งส ด

36 28 28 ร ปท 4.6 แผนภ ม แสดงปร มาณยอดจาหน ายป ยระด บอาเภอ 5 อ นด บส งส ดในม มมองของส นค า ผ ผล ต และล กค าป 2012

37 29 จากร ปท 4.3-ร ปท 4.4 แสดงตารางยอดการจ าหน ายป ยและแผนภ ม ปร ยบเท ยบระหว างป 2011 แยก ตามม มมองของส นค า ม มมองของผ ผล ต และม มมองล กค า โดยใช ท อย ของล กค าในระด บอ าเภอ โดย อธ บายจากร ปท 4.3 และร ปท 4.4 ว า ป 2011 ยอดจ าหน ายท มากท ส ด 5 อ นด บ ได แก อ าเภอจะนะ อ าเภอเช ยงขว ญ อ าเภอหนองฮ และอ าเภอเม องพ งงา โดยท อ าเภอเช ยงขว ญ ม ยอดจ าหน ายหน ายป ย อ นทร ย ชน ดเม ดส งท ส ด อ าเภอท งเขาหลวง ม ยอดจ าหน ายป ยอ นทร ย ชน ดน ามากท ส ด และอ าเภอ จะนะ ม ยอดจ าหน ายป ยเคม ส งท ส ด แต เม อพ จารณาจากร ปท 4.5 และร ปท 4.6 ในป 2012 พบว า ยอด จาหน ายส งส ด 5 อ นด บแรก ได แก อ าเภอท งฝน อ าเภอไชยวาน อ าเภอหนองหาน อ าเภอบ านด ง และ อ าเภอส ค ว โดยอ าเภอท งฝนม ยอดจ าหน ายป ยชน ดเม ดส งท ส ด อ าเภอหนองหาน ม ยอดจ าหน ายป ย อ นทร ย ชน ดน าส งส ด และอ าเภอบ านด ง ม ยอดจ าหน ายป ยเคม ส งท ส ด และถ าพ จารณาขายร าน ต วแทนจ าหน าย ผล ตภ ณฑ ป ย ร านไทยเกษตรจะม ยอดจ าหน ายป ย โดยรวมมากท ส ด โดยป 2011 อ าเภอเช ยงขว ญ ใช ผล ตภ ณฑ ป ยของร านไทยเกษตร อะโกร มากท ส ด และป 2012 อ าเภอท งฝนเป น ผ ใช ผล ตภ ณฑ ป ยของร านไทยเกษตร อะโกรมากท ส ด 4.3 รายงานแสดงม ลค าการส งซ อป ยจากร านผ แทนจาหน ายขนาดกลางแห งหน ง ต นท นยอดการ จาหน ายป ย และผลกาไร เปร ยบเท ยบในม มมองของเวลา ระหว างป 2011 และป 2012 ร ปท 4.7 ตารางแสดงการว เคราะห ต นท น ยอดจาหน าย ผลกาไร และเปอร เซนต ของผลกาไรของร าน จาหน ายป ยขนาดกลางระหว างป 2011 ก บ ป 2012

38 30 ร ปท 4.8 แผนภ ม แสดงม ลค าการส งป ยจากผ แทนจาหน าย ยอดจาหน าย และผลกาไรป 2011 ร ปท 4.9 แผนภ ม แสดงม ลค าการส งป ยจากผ แทนจาหน าย ยอดจาหน าย และผลกาไรป 2012

39 จากร ปท 4.7 สามารถน ามาว เคราะห ผล พบว า ในป 2011 เจ าของก จการได ส งป ยจากร านไทยเกษตร อะโกร มากเป นลาด บท 1 เพ อเตร ยมความพร อมส าหร บจ าหน ายตลอดท งป ร านต วแทนจ าหน ายท ส ง ป ยมากเป นอ นด บท 2 ค อ ร าน แพลน เฟอร ต ไลเซอร และร านต วแทนจ าหน ายท ส งป ยเป นอ นด บท 3 ค อ ร านเกษตรกร น และในป 2012 พบว า ร านไทยเกษตร อะโกร ม ยอดส งส นค ามากเป นอ นด บท 1 แต ม ม ลค ายอดการส งท ลดลงจากป 2011 เน องจากร านไทยเกษตร อะโกร เป นร านจ าหน ายป ยเคม ซ ง เกษตรกรม แนวโน มการใช ลดลง ร านท ม ยอดส งส นค ามากเป นอ นด บท 2 ค อ ร านเกษตรกร น และม ยอดส งท ม ปร มาณเพ มข นเม อเท ยบก บป 2011 และม ยอดส งมากกว าร านแพลน เฟอร ต ไลเซอร ซ งม ยอดการส งเป นมากเป นอ นด บท 3 และยอดการส งส นค าย งม ปร มาณน อยกว าป 2011 ส าหร บม ลค า ยอดการส งส นค าโดยรวม พบว า ป 2012 ม ม ลค าลดลงเม อเท ยบก บป 2011 จ งท าให ก าไรจากการขาย โดยรวมม ม ลค าลดลงด งแสดงในร ปท 4.8 และ

40 32 บทท 5 สร ป/ข อเสนอแนะ ผลจากการออกแบบและพ ฒนาคล งข อม ลเพ อว เคราะห ยอดการจ าหน ายป ยของร านจ าหน ายป ยขนาด กลางแห งหน ง สามารถให ข อสร ปและข อเสนอแนะด งน 5.1 สร ป ในการศ กษาโครงงานระบบคล งข อม ลเพ อว เคราะห ยอดการจ าหน ายป ย ท าให เจ าของก จการสร าง ผลประโยชน ก บธ รก จการจ าหน ายป ยได อย างด โดยใช ข อม ลการว เคราะห การส งซ อ มาวางแผน ในการบร หารจ ดการคล งข อม ลคล งส นค าอย างม ประส ทธ ภาพ ท าให ลดการส ญเส ยโอกาสของการ ท าก าไร เน องจากไม ต องส งส นค ามาเก บไว เป นจ านวนมาก เพราะการเก บส นค าไว เป นจ านวนมาก หมายถ ง ต นท นของเจ าของก จการ ส าหร บการว เคราะห ยอดขายท าให ทราบแนวโน มการใช ว า ป ย ชน ดใดท ล กค าต องม ความต องการใช เพ มข น หร อชน ดใดม ความต องการใช ลดลง ท าให เจ าของ ก จการสามารถเตร ยมการได ตรงก บความต องการของล กค า อ กท งใช ผลการว เคราะห เพ อวางแผนการ กระจายส นค าไปย งอาเภอหร อจ งหว ด และสามารถน าเสนอการขายเพ อขยายตลาดเพ มข น นอกจากน สามารถว เคราะห ต นท น ท าให ทราบถ งผลก าไรประกอบการของก จการท ได ร บในป น น เพ อให เจ าของก จการม โอกาสการขยายก จการ หร อวางแผนปร บกลย ทธ การด าเน นธ รก จตามสถานการณ หร อปร บแผนการตลาดให เหมาะสมในแต ละช วงเวลา สามารถใช ในการคาดการณ ยอดจ าหน วย สาหร บอนาคตได 5.2 ข อเสนอแนะ จากการศ กษาโครงงานผ พ ฒนาม ข อเสนอแนะในการพ ฒนาด งน 1. ควรเพ มข อม ลด านต าง ๆ ของล กค า เพ อน ามาใช ประโยชน เช น รายได ต อคร วเร อน ประเภทของ พ ชท เพาะปล ก เพ อว เคราะห หาแนวโน มการใช ป ย ปร มาณการซ อ 2. ควรเก บรวบรวมข อม ลย อนหล งหลาย ๆ ป เพ อใช ว เคราะห การขายให เก ดความแม นยามากข น 3. ควรเพ มระด บความละเอ ยดของข อม ลในระด บตาบล เพ อให สามารถว เคราะห ถ งความต องการใน แต ละพ นท ช ดเจนข น

41 33 เอกสารอ างอ ง 1. นร ล กษณ ช วรเวช, 2551, เร องควรร เก ยวก บป ยอ นทร [Online], Available : [18 ธ นวาคม 2556]. 2. Paulraj P., 2010, Data Warehousing Fundamentals for IT Professional, 2 th ed., John Wiley & Sons, Inc., New Jersey, pp Laura L. R., 2009, A Manager s Guide to Data Warehousing, Wiley Publishing, Indianapolis, pp Mohanty, S., 2006, Data Warehousing: Design, Development and Best Practices, Tata McGraw Hill Education Private, New Delhi, pp Golfarelli, M. and Rizzi, S., 2009, Data Warehouse Design Modern Principles and Methodologies, McGraw-Hill, New York, pp

42 34 ภาคผนวก ก. พจนาน กรมข อม ล ตารางท ก.1 ล กค า (Customer) เก บข อม ลช อและท อย ของล กค า No. Column Data Type Constraints Reference Table Description 1 CustId Number (5) PK รห สล กค า 2 CustTypeId Number (1) รห สประเภทล กค า 1 = ขายปล ก 2 = ขายส ง 3 CustTitle Varchar2 (6) คานาหน าช อ 4 CustName Varchar2 (25) ช อล กค า 5 AddrNo Varchar2 (7) บ านเลขท 6 Moo Varchar2 (2) หม ท 7 Tumbol Varchar2 (20) ตาบล 8 Ampur Varchar2 (20) อาเภอ 9 Province Varchar2 (20) จ งหว ด 10 ZipCode Varchar2 (5) รห สไปรษณ ย 11 Tel Varchar2 (21) หมายเลขโทรศ พท 12 Fax Varchar2 (9) หมายเลขโทรสาร ตารางท ก.2 ประเภทส นค า (ProductType) เก บข อม ลประเภทของส นค า No. Column Data Type Constraints Reference Table Description 1 PtypeId Number (5) PK รห สประเภทส นค า 2 PtypeName Varchar2 (8) ช อประเภทส นค า 0 = ป ยเคม 1 = ป ยอ นทร ย ชน ดน า 2 = ป ยอ นทร ย ชน ด เม ด

43 35 ตารางท ก.3 ส นค า (Product) เก บข อม ลของส นค า No. Column Data Type Constraints Reference Table Description 1 ProductId Number (5) PK รห สส นค า 2 PtypeId Number (5) FK ProductType รห สประเภทส นค า 3 ProductName Varchar2 (20) ช อส นค า 4 Psize Varchar2 (6) ขนาดบรรจ ภ ณฑ 1 = 50 กก. 2 = 30 กก. 3 = 5 ล ตร ตารางท ก.4 คล งส นค า (Inventory) เก บข อม ลของรายการส นค า No. Column Data Type Constraints Reference Table Description 1 InventId Number (5) PK รห สรายการส นค า 2 SellerId Number (5) FK Seller รห สผ แทนจาหน าย 3 ProductId Number (5) FK Product รห สส นค า 4 PtypeId Number (10) FK ProductType รห สประเภทส นค า 5 Qty Number (5) ปร มาณของส นค า (ถ ง) 6 UnitPrice Number (10,2) ราคาต อหน วย (บาท) ตารางท ก.5 ใบเสร จ (Invoice) เก บข อม ลการขาย No. Column Data Type Constraints Reference Table Description 1 InvId Number (5) PK รห สใบเสร จ 2 CustId Number (5) FK Customer รห สล กค า 3 RecDate Number (8) ว นท บ นท กใบเสร จ YYYYMMDD (B.E.) 4 Discount Number (2) ส วนลดราคาส นค า (เปอร เซนต )

44 36 ตารางท ก.6 รายละเอ ยดของใบเสร จ (SaleDtl) เก บข อม ลรายละเอ ยดของการขาย No. Column Data Type Constraints Reference Table Description 1 InvDtlId Number (5) PK รห สรายการ รายละเอ ยดใบเสร จ 2 InventId Number (5) FK Inventory รห สรายการส นค า 3 InvId Number (5) FK Invoice รห สใบเสร จ 4 QtySale Number (5) จานวนส นค า (ถ ง) 5 UnitPriceSale Number (4,2) ราคาส นค าต อหน วย (บาท) ตารางท ก.7 ผ แทนจาหน าย (Seller) เก บข อม ลของผ แทนจาหน าย No. Column Data Type Constraints Reference Table Description 1 SellerId Number (5) PK รห สผ แทนจาหน าย 2 SellerTypeId Number (5) FK SellerTtype รห สประเภทผ แทน จาหน าย 3 SellerName Varchar2 (25) ช อผ แทนจาหน าย 4 SellerPayType Varchar2 (6) ประเภทการชาระ เง น 0 = เง นสด 1 = เครด ต

45 37 ตารางท ก.8 ประเภทผ แทนจ าหน าย (SellerType) เก บข อม ลประเภทของผ แทนจาหน าย No. Column Data Type Constraints Reference Table Description 1 SellerTypeId Number (5) PK รห สประเภทผ แทน จาหน าย 2 SellerType Varchar2 (20) ช อประเภทผ แทน จาหน าย 1 = ผ แทนจาหน าย ป ยเคม 2 = ผ แทนจาหน ายป ย อ นทร ย ชน ดน า 3 = ผ แทนจาหน ายป ย อ นทร ย ชน ดเม ด

46 38 ประว ต ผ จ ดทา ช อ-สก ล นายเด มพ นธ แพแสง ว น เด อน ป เก ด 15 ม ถ นายน 2518 ประว ต การศ กษา ระด บม ธยมศ กษา ระด บปร ญญาตร ระด บปร ญญาโท ม ธยมศ กษาตอนปลาย โรงเร ยน ภ.ป.ร. ราชว ทยาล ยในพระบรมราช ปถ มภ พ.ศ ว ทยาศาสตรบ ณฑ ต สาขาว ชาสถ ต ประย กต มหาว ทยาล ยราชภ ฏจ นทรเกษม พ.ศ ว ทยาศาสตรมหาบ ณฑ ต สาขาว ชาเทคโนโลย สารสนเทศ มหาว ทยาล ยเทคโนโลย พระจอมเกล าธนบ ร พ.ศ ประว ต การทางาน งานสน บสน นการสอน หน วยงานว ทยสนเทศ โรงเร ยนอ สส มช ญสม ทรปราการ พ.ศ ป จจ บ น

บทท 2 ทฤษฎ และวรรณกรรมท เก ยวข อง

บทท 2 ทฤษฎ และวรรณกรรมท เก ยวข อง 6 บทท 2 ทฤษฎ และวรรณกรรมท เก ยวข อง 2.1 ทฤษฎ ท เก ยวข อง 2.1.1 น ยามคาศ พท ท ใช ในระบบ 2.1.1.1 สมาช ก หมายถ ง ผ ม ส ทธ และม ส วนร วมในสมาคม องค กร หร อก จกรรมใด ๆ ฝากบ าน เป นต น 2.1.1.2 ฝาก หมายถ ง การมอบให

More information

DATA WAREHOUSING - OLAP

DATA WAREHOUSING - OLAP http://www.tutorialspoint.com/dwh/dwh_olap.htm DATA WAREHOUSING - OLAP Copyright tutorialspoint.com Online Analytical Processing Server OLAP is based on the multidimensional data model. It allows managers,

More information

Anwendersoftware Anwendungssoftwares a. Data-Warehouse-, Data-Mining- and OLAP-Technologies. Online Analytic Processing

Anwendersoftware Anwendungssoftwares a. Data-Warehouse-, Data-Mining- and OLAP-Technologies. Online Analytic Processing Anwendungssoftwares a Data-Warehouse-, Data-Mining- and OLAP-Technologies Online Analytic Processing Online Analytic Processing OLAP Online Analytic Processing Technologies and tools that support (ad-hoc)

More information

Data Warehouse: Introduction

Data Warehouse: Introduction Base and Mining Group of Base and Mining Group of Base and Mining Group of Base and Mining Group of Base and Mining Group of Base and Mining Group of Base and Mining Group of base and data mining group,

More information

(Week 10) A04. Information System for CRM. Electronic Commerce Marketing

(Week 10) A04. Information System for CRM. Electronic Commerce Marketing (Week 10) A04. Information System for CRM Electronic Commerce Marketing Course Code: 166186-01 Course Name: Electronic Commerce Marketing Period: Autumn 2015 Lecturer: Prof. Dr. Sync Sangwon Lee Department:

More information

Overview. Data Warehousing and Decision Support. Introduction. Three Complementary Trends. Data Warehousing. An Example: The Store (e.g.

Overview. Data Warehousing and Decision Support. Introduction. Three Complementary Trends. Data Warehousing. An Example: The Store (e.g. Overview Data Warehousing and Decision Support Chapter 25 Why data warehousing and decision support Data warehousing and the so called star schema MOLAP versus ROLAP OLAP, ROLLUP AND CUBE queries Design

More information

ก ก CODA ก ก ก ก. sukumal.i@ku.ac.th. noppapadol@hotmail.com. nova_cengin@hotmail.com. Mahadev Satyanarayanan ก ก ก ก ก ก

ก ก CODA ก ก ก ก. sukumal.i@ku.ac.th. noppapadol@hotmail.com. nova_cengin@hotmail.com. Mahadev Satyanarayanan ก ก ก ก ก ก ก ก CODA IPv6 ก ก ก ก nova_cengin@hotmail.com ก CODA[3] ก ก ( Distributed File Systems )[1] ก ก ก Server (Disconnected Operation) ก ก ก IP version 6 ( IPv6 )[2] ก ก ก ก CODA IPv4[5] IPv6 ก ก ก ก ก ก ก

More information

Data W a Ware r house house and and OLAP II Week 6 1

Data W a Ware r house house and and OLAP II Week 6 1 Data Warehouse and OLAP II Week 6 1 Team Homework Assignment #8 Using a data warehousing tool and a data set, play four OLAP operations (Roll up (drill up), Drill down (roll down), Slice and dice, Pivot

More information

Turkish Journal of Engineering, Science and Technology

Turkish Journal of Engineering, Science and Technology Turkish Journal of Engineering, Science and Technology 03 (2014) 106-110 Turkish Journal of Engineering, Science and Technology journal homepage: www.tujest.com Integrating Data Warehouse with OLAP Server

More information

Week 13: Data Warehousing. Warehousing

Week 13: Data Warehousing. Warehousing 1 Week 13: Data Warehousing Warehousing Growing industry: $8 billion in 1998 Range from desktop to huge: Walmart: 900-CPU, 2,700 disk, 23TB Teradata system Lots of buzzwords, hype slice & dice, rollup,

More information

Monitoring Genebanks using Datamarts based in an Open Source Tool

Monitoring Genebanks using Datamarts based in an Open Source Tool Monitoring Genebanks using Datamarts based in an Open Source Tool April 10 th, 2008 Edwin Rojas Research Informatics Unit (RIU) International Potato Center (CIP) GPG2 Workshop 2008 Datamarts Motivation

More information

คล งข อม ล (Data Warehouse)

คล งข อม ล (Data Warehouse) Company LOGO คล งข อม ล (Data Warehouse) อาจารย ดร.ศ ร ล กษณ อาร ร ชชก ล Email: sirilak.ar@ssru.ac.th 1 AGENDA Introduction to Data Warehouse Differences between Operational Database and Data Warehouse

More information

Dragon Medical Enterprise Network Edition Technical Note: Requirements for DMENE Networks with virtual servers

Dragon Medical Enterprise Network Edition Technical Note: Requirements for DMENE Networks with virtual servers Dragon Medical Enterprise Network Edition Technical Note: Requirements for DMENE Networks with virtual servers This section includes system requirements for DMENE Network configurations that utilize virtual

More information

Data Warehousing and Decision Support. Introduction. Three Complementary Trends. Chapter 23, Part A

Data Warehousing and Decision Support. Introduction. Three Complementary Trends. Chapter 23, Part A Data Warehousing and Decision Support Chapter 23, Part A Database Management Systems, 2 nd Edition. R. Ramakrishnan and J. Gehrke 1 Introduction Increasingly, organizations are analyzing current and historical

More information

Learning Objectives. Definition of OLAP Data cubes OLAP operations MDX OLAP servers

Learning Objectives. Definition of OLAP Data cubes OLAP operations MDX OLAP servers OLAP Learning Objectives Definition of OLAP Data cubes OLAP operations MDX OLAP servers 2 What is OLAP? OLAP has two immediate consequences: online part requires the answers of queries to be fast, the

More information

New Approach of Computing Data Cubes in Data Warehousing

New Approach of Computing Data Cubes in Data Warehousing International Journal of Information & Computation Technology. ISSN 0974-2239 Volume 4, Number 14 (2014), pp. 1411-1417 International Research Publications House http://www. irphouse.com New Approach of

More information

Data Warehousing and OLAP

Data Warehousing and OLAP 1 Data Warehousing and OLAP Hector Garcia-Molina Stanford University Warehousing Growing industry: $8 billion in 1998 Range from desktop to huge: Walmart: 900-CPU, 2,700 disk, 23TB Teradata system Lots

More information

Very Large Enterprise Network, Deployment, 25000+ Users

Very Large Enterprise Network, Deployment, 25000+ Users Very Large Enterprise Network, Deployment, 25000+ Users Websense software can be deployed in different configurations, depending on the size and characteristics of the network, and the organization s filtering

More information

DATA WAREHOUSING AND OLAP TECHNOLOGY

DATA WAREHOUSING AND OLAP TECHNOLOGY DATA WAREHOUSING AND OLAP TECHNOLOGY Manya Sethi MCA Final Year Amity University, Uttar Pradesh Under Guidance of Ms. Shruti Nagpal Abstract DATA WAREHOUSING and Online Analytical Processing (OLAP) are

More information

Data Warehouse Logical Modeling and Design (6)

Data Warehouse Logical Modeling and Design (6) Data Warehouse Logical Modeling and Design (6) Bernard ESPINASSE Professeur à Aix-Marseille Université (AMU) Ecole Polytechnique Universitaire de Marseille October 2013 Methodological framework Logical

More information

Main Memory & Near Main Memory OLAP Databases. Wo Shun Luk Professor of Computing Science Simon Fraser University

Main Memory & Near Main Memory OLAP Databases. Wo Shun Luk Professor of Computing Science Simon Fraser University Main Memory & Near Main Memory OLAP Databases Wo Shun Luk Professor of Computing Science Simon Fraser University 1 Outline What is OLAP DB? How does it work? MOLAP, ROLAP Near Main Memory DB Partial Pre

More information

CHAPTER 4 Data Warehouse Architecture

CHAPTER 4 Data Warehouse Architecture CHAPTER 4 Data Warehouse Architecture 4.1 Data Warehouse Architecture 4.2 Three-tier data warehouse architecture 4.3 Types of OLAP servers: ROLAP versus MOLAP versus HOLAP 4.4 Further development of Data

More information

Encyclopedia of Database Technologies and Applications. Data Warehousing: Multi-dimensional Data Models and OLAP. Jose Hernandez-Orallo

Encyclopedia of Database Technologies and Applications. Data Warehousing: Multi-dimensional Data Models and OLAP. Jose Hernandez-Orallo Encyclopedia of Database Technologies and Applications Data Warehousing: Multi-dimensional Data Models and OLAP Jose Hernandez-Orallo Dep. of Information Systems and Computation Technical University of

More information

Vocera Voice 4.3 and 4.4 Server Sizing Matrix

Vocera Voice 4.3 and 4.4 Server Sizing Matrix Vocera Voice 4.3 and 4.4 Server Sizing Matrix Vocera Server Recommended Configuration Guidelines Maximum Simultaneous Users 450 5,000 Sites Single Site or Multiple Sites Requires Multiple Sites Entities

More information

Introduction to Data Warehousing. Ms Swapnil Shrivastava swapnil@konark.ncst.ernet.in

Introduction to Data Warehousing. Ms Swapnil Shrivastava swapnil@konark.ncst.ernet.in Introduction to Data Warehousing Ms Swapnil Shrivastava swapnil@konark.ncst.ernet.in Necessity is the mother of invention Why Data Warehouse? Scenario 1 ABC Pvt Ltd is a company with branches at Mumbai,

More information

Using Speccy to Report on Your Computer Components

Using Speccy to Report on Your Computer Components Using Speccy to Report on Your Computer Components Ronald Ross rross@spkaa.com Today we re going to have a look at what I consider to be a useful Windows reporting utility. I ll be talking about Speccy,

More information

Very Large Enterprise Network Deployment, 25,000+ Users

Very Large Enterprise Network Deployment, 25,000+ Users Very Large Enterprise Network Deployment, 25,000+ Users Websense software can be deployed in different configurations, depending on the size and characteristics of the network, and the organization s filtering

More information

Query Optimization in Cloud Environment

Query Optimization in Cloud Environment Query Optimization in Cloud Environment Cindy Chen Computer Science Department University of Massachusetts Lowell May 31, 2014 OUTLINE Introduction Our Approach Performance Evaluation Conclusion and Future

More information

The Design and the Implementation of an HEALTH CARE STATISTICS DATA WAREHOUSE Dr. Sreèko Natek, assistant professor, Nova Vizija, srecko@vizija.

The Design and the Implementation of an HEALTH CARE STATISTICS DATA WAREHOUSE Dr. Sreèko Natek, assistant professor, Nova Vizija, srecko@vizija. The Design and the Implementation of an HEALTH CARE STATISTICS DATA WAREHOUSE Dr. Sreèko Natek, assistant professor, Nova Vizija, srecko@vizija.si ABSTRACT Health Care Statistics on a state level is a

More information

Decision Support. Chapter 23. Database Management Systems, 2 nd Edition. R. Ramakrishnan and J. Gehrke 1

Decision Support. Chapter 23. Database Management Systems, 2 nd Edition. R. Ramakrishnan and J. Gehrke 1 Decision Support Chapter 23 Database Management Systems, 2 nd Edition. R. Ramakrishnan and J. Gehrke 1 Introduction Increasingly, organizations are analyzing current and historical data to identify useful

More information

CS2032 Data warehousing and Data Mining Unit II Page 1

CS2032 Data warehousing and Data Mining Unit II Page 1 UNIT II BUSINESS ANALYSIS Reporting Query tools and Applications The data warehouse is accessed using an end-user query and reporting tool from Business Objects. Business Objects provides several tools

More information

Business Intelligence & Product Analytics

Business Intelligence & Product Analytics 2010 International Conference Business Intelligence & Product Analytics Rob McAveney www. 300 Brickstone Square Suite 904 Andover, MA 01810 [978] 691 8900 www. Copyright 2010 Aras All Rights Reserved.

More information

Professional and Enterprise Edition. Hardware Requirements

Professional and Enterprise Edition. Hardware Requirements Professional and Enterprise Edition Hardware Requirements For Blackbaud FundWare 1 to 99 user environments Revised March 1, 2010 Table of Contents Supported Platforms... 3 Single-User Environment (Professional)...

More information

Data Warehousing Overview

Data Warehousing Overview Data Warehousing Overview This Presentation will leave you with a good understanding of Data Warehousing technologies, from basic relational through ROLAP to MOLAP and Hybrid Analysis. However it is necessary

More information

DATA CUBES E0 261. Jayant Haritsa Computer Science and Automation Indian Institute of Science. JAN 2014 Slide 1 DATA CUBES

DATA CUBES E0 261. Jayant Haritsa Computer Science and Automation Indian Institute of Science. JAN 2014 Slide 1 DATA CUBES E0 261 Jayant Haritsa Computer Science and Automation Indian Institute of Science JAN 2014 Slide 1 Introduction Increasingly, organizations are analyzing historical data to identify useful patterns and

More information

AP ENPS ANYWHERE. Hardware and software requirements

AP ENPS ANYWHERE. Hardware and software requirements AP ENPS ANYWHERE Hardware and software requirements Contents Server requirements 3 Hard drives 5 Virtual machines 6 AP ENPS mobile server 6 Client requirements 7 AP ENPS client on a Mac-based computer

More information

M2074 - Designing and Implementing OLAP Solutions Using Microsoft SQL Server 2000 5 Day Course

M2074 - Designing and Implementing OLAP Solutions Using Microsoft SQL Server 2000 5 Day Course Module 1: Introduction to Data Warehousing and OLAP Introducing Data Warehousing Defining OLAP Solutions Understanding Data Warehouse Design Understanding OLAP Models Applying OLAP Cubes At the end of

More information

How To Test For Performance And Scalability On A Server With A Multi-Core Computer (For A Large Server)

How To Test For Performance And Scalability On A Server With A Multi-Core Computer (For A Large Server) Scalability Results Select the right hardware configuration for your organization to optimize performance Table of Contents Introduction... 1 Scalability... 2 Definition... 2 CPU and Memory Usage... 2

More information

Product: Order Delivery Tracking

Product: Order Delivery Tracking Product: Order Delivery Tracking Subject: On Premise Environment Recommendations Version: 1.7 June 1, 2015 Distribution: ODT Customers Contents 1. Introduction... 2 2. Backend Application and Database

More information

Grant Management. System Requirements

Grant Management. System Requirements January 26, 2014 This is a publication of Abila, Inc. Version 2014.x 2013 Abila, Inc. and its affiliated entities. All rights reserved. Abila, the Abila logos, and the Abila product and service names mentioned

More information

Building Data Cubes and Mining Them. Jelena Jovanovic Email: jeljov@fon.bg.ac.yu

Building Data Cubes and Mining Them. Jelena Jovanovic Email: jeljov@fon.bg.ac.yu Building Data Cubes and Mining Them Jelena Jovanovic Email: jeljov@fon.bg.ac.yu KDD Process KDD is an overall process of discovering useful knowledge from data. Data mining is a particular step in the

More information

Outline. Data Warehousing. What is a Warehouse? What is a Warehouse?

Outline. Data Warehousing. What is a Warehouse? What is a Warehouse? Outline Data Warehousing What is a data warehouse? Why a warehouse? Models & operations Implementing a warehouse 2 What is a Warehouse? Collection of diverse data subject oriented aimed at executive, decision

More information

Data warehouse life-cycle and design

Data warehouse life-cycle and design SYNONYMS Data Warehouse design methodology Data warehouse life-cycle and design Matteo Golfarelli DEIS University of Bologna Via Sacchi, 3 Cesena Italy matteo.golfarelli@unibo.it DEFINITION The term data

More information

System Requirements for Microsoft Dynamics GP 9.0

System Requirements for Microsoft Dynamics GP 9.0 Requirements for Microsoft Dynamics GP 9.0 Last Modified 7/5/2007 Posted 4/7/2007 This document describes client system requirements, server recommendations and Terminal Server system requirements for

More information

PERFORMANCE ENHANCEMENTS IN TreeAge Pro 2014 R1.0

PERFORMANCE ENHANCEMENTS IN TreeAge Pro 2014 R1.0 PERFORMANCE ENHANCEMENTS IN TreeAge Pro 2014 R1.0 15 th January 2014 Al Chrosny Director, Software Engineering TreeAge Software, Inc. achrosny@treeage.com Andrew Munzer Director, Training and Customer

More information

Data Warehousing. Read chapter 13 of Riguzzi et al Sistemi Informativi. Slides derived from those by Hector Garcia-Molina

Data Warehousing. Read chapter 13 of Riguzzi et al Sistemi Informativi. Slides derived from those by Hector Garcia-Molina Data Warehousing Read chapter 13 of Riguzzi et al Sistemi Informativi Slides derived from those by Hector Garcia-Molina What is a Warehouse? Collection of diverse data subject oriented aimed at executive,

More information

For designers and engineers, Autodesk Product Design Suite Standard provides a foundational 3D design and drafting solution.

For designers and engineers, Autodesk Product Design Suite Standard provides a foundational 3D design and drafting solution. Autodesk Product Design Suite Standard 2013 System Requirements Typical Persona and Workflow For designers and engineers, Autodesk Product Design Suite Standard provides a foundational 3D design and drafting

More information

Sage 300 ERP 2014 Compatibility guide

Sage 300 ERP 2014 Compatibility guide Sage 300 ERP 2014 Compatibility guide 03 17 2014 Table of contents 1.0 Overview 3 1.1 Overview 3 1.1.1 Unlisted platforms are not supported 3 1.1.2 Product updates and program fixes 3 1.1.3 Compatibility

More information

Ignify ecommerce. Item Requirements Notes

Ignify ecommerce. Item Requirements Notes wwwignifycom Tel (888) IGNIFY5 sales@ignifycom Fax (408) 516-9006 Ignify ecommerce Server Configuration 1 Hardware Requirement (Minimum configuration) Item Requirements Notes Operating System Processor

More information

1. OLAP is an acronym for a. Online Analytical Processing b. Online Analysis Process c. Online Arithmetic Processing d. Object Linking and Processing

1. OLAP is an acronym for a. Online Analytical Processing b. Online Analysis Process c. Online Arithmetic Processing d. Object Linking and Processing 1. OLAP is an acronym for a. Online Analytical Processing b. Online Analysis Process c. Online Arithmetic Processing d. Object Linking and Processing 2. What is a Data warehouse a. A database application

More information

Preparing a SQL Server for EmpowerID installation

Preparing a SQL Server for EmpowerID installation Preparing a SQL Server for EmpowerID installation By: Jamis Eichenauer Last Updated: October 7, 2014 Contents Hardware preparation... 3 Software preparation... 3 SQL Server preparation... 4 Full-Text Search

More information

OLAP and Data Warehousing! Introduction!

OLAP and Data Warehousing! Introduction! The image cannot be displayed. Your computer may not have enough memory to open the image, or the image may have been corrupted. Restart your computer, and then open the file again. If the red x still

More information

CS6905 - Programming OLAP

CS6905 - Programming OLAP CS6905 - Programming OLAP DANIEL LEMIRE Research Officer, NRC Adjunct Professor, UNB CS6905 - Programming OLAP DANIEL LEMIRE Research Officer, NRC Adjunct Professor, UNB These slides will be made available

More information

vrealize Business System Requirements Guide

vrealize Business System Requirements Guide vrealize Business System Requirements Guide vrealize Business Advanced and Enterprise 8.2.1 This document supports the version of each product listed and supports all subsequent versions until the document

More information

Dimensional Modeling for Data Warehouse

Dimensional Modeling for Data Warehouse Modeling for Data Warehouse Umashanker Sharma, Anjana Gosain GGS, Indraprastha University, Delhi Abstract Many surveys indicate that a significant percentage of DWs fail to meet business objectives or

More information

Abila Grant Management. System Requirements

Abila Grant Management. System Requirements Abila Grant Management This is a publication of Abila, Inc. Version 2015 2014 Abila, Inc. and its affiliated entities. All rights reserved. Abila, the Abila logos, and the Abila product and service names

More information

Qualified Apple Mac Workstations for Avid Media Composer v5.0.x

Qualified Apple Mac Workstations for Avid Media Composer v5.0.x Qualified Apple Mac Workstations for Media Composer v5.0.x Qualified Workstation Two 2.66GHz 6-Core Intel Xeon Westmere (12 cores) 6 GB Ram (6x1GB) ATI Radeon HD 5770 1GB ^ Nitris Mojo Mojo Mojo SDI or

More information

https://login.microsoftonline.com

https://login.microsoftonline.com MICROSOFT OFFICE 365 PRO PLUS Through an EES agreement that is maintained with Microsoft, Calumet College of St. Joseph is able to provide Microsoft Office 365 Pro Plus for currently active students, faculty

More information

LabStats 5 System Requirements

LabStats 5 System Requirements LabStats Tel: 877-299-6241 255 B St, Suite 201 Fax: 208-473-2989 Idaho Falls, ID 83402 LabStats 5 System Requirements Server Component Virtual Servers: There is a limit to the resources available to virtual

More information

Adonis Technical Requirements

Adonis Technical Requirements Information Sheet Adonis Technical Requirements CONTENTS Contents... 1 Adonis Project Implementation... 1 Host Installation / Onboard Installation Full replication (LARGER Vessels):... 1 Onboard installation

More information

Customer-Centric Data Warehouse, design issues. Announcements

Customer-Centric Data Warehouse, design issues. Announcements CRM Data Warehouse Announcements Assignment 2 is on the subject web site Students must form assignment groups ASAP: refer to the assignment for details 2 -Centric Data Warehouse, design issues Data modelling

More information

System Requirements for Microsoft Dynamics GP 2015

System Requirements for Microsoft Dynamics GP 2015 System Requirements for Microsoft Dynamics GP 2015 This document contains the minimum client hardware requirements, server recommendations and Terminal Server minimum hardware requirements supported by

More information

Platform Compatibility...1 Known Issues...4 Resolved Issues...4 Installation Information...5 Related Technical Documentation...6

Platform Compatibility...1 Known Issues...4 Resolved Issues...4 Installation Information...5 Related Technical Documentation...6 GMS/ViewPoint/UMA SonicWALL GMS/ViewPoint/UMA 6.0 Service Pack 1 Contents Platform Compatibility...1 Known Issues...4 Resolved Issues...4 Installation Information...5 Related Technical Documentation...6

More information

Data Warehousing: Data Models and OLAP operations. By Kishore Jaladi kishorejaladi@yahoo.com

Data Warehousing: Data Models and OLAP operations. By Kishore Jaladi kishorejaladi@yahoo.com Data Warehousing: Data Models and OLAP operations By Kishore Jaladi kishorejaladi@yahoo.com Topics Covered 1. Understanding the term Data Warehousing 2. Three-tier Decision Support Systems 3. Approaches

More information

Report Model (SMDL) Alternatives in SQL Server 2012. A Guided Tour of Microsoft Business Intelligence

Report Model (SMDL) Alternatives in SQL Server 2012. A Guided Tour of Microsoft Business Intelligence Report Model (SMDL) Alternatives in SQL Server 2012 A Guided Tour of Microsoft Business Intelligence Technical Article Author: Mark Vaillancourt Published: August 2013 Table of Contents Report Model (SMDL)

More information

IST722 Data Warehousing

IST722 Data Warehousing IST722 Data Warehousing Components of the Data Warehouse Michael A. Fudge, Jr. Recall: Inmon s CIF The CIF is a reference architecture Understanding the Diagram The CIF is a reference architecture CIF

More information

Data Warehouse Design

Data Warehouse Design Data Warehouse Design Modern Principles and Methodologies Matteo Golfarelli Stefano Rizzi Translated by Claudio Pagliarani Mc Grauu Hill New York Chicago San Francisco Lisbon London Madrid Mexico City

More information

How to Install and Set Up the FASTER Dashboard

How to Install and Set Up the FASTER Dashboard How to Install and Set Up the FASTER Dashboard for Win & Web Steven Opetaia-Williamson FASTER Dashboard What you will know when you leave this session Understanding of what is the FASTER Dashboard Knowledge

More information

บทค ดย อ พวงทอง นาพ จ ตร สาขาการบร หารการศ กษา มหาว ทยาล ยพ ษณ โลก

บทค ดย อ พวงทอง นาพ จ ตร สาขาการบร หารการศ กษา มหาว ทยาล ยพ ษณ โลก การปฏ บ ต งานตามมาตรฐานว ชาช พคร ในโรงเร ยนเทศบาล โพธ ประท บช าง อ าเภอโพธ ประท บช าง จ งหว ดพ จ ตร Performance in accordance with teacher profession standard in school under Pho Prathap Chang Municipality,

More information

Sage ERP Accpac. Compatibility Guide Version 6.0. Revised: November 18, 2010. Version 6.0 Compatibility Guide

Sage ERP Accpac. Compatibility Guide Version 6.0. Revised: November 18, 2010. Version 6.0 Compatibility Guide Sage ERP Accpac Compatibility Guide Version 6.0 Revised: November 18, 2010 Version 6.0 Compatibility Guide i Contents Overview... 1 Version 6.0 Compatibility... 2 All Environments... 2 Virtual Environments...

More information

Why your next Phone System should be software based and running on a mainstream operating system

Why your next Phone System should be software based and running on a mainstream operating system Whitepaper The benefits of software based PBX Why your next Phone System should be software based and running on a mainstream operating system This whitepaper explains the benefits of having a software

More information

LAPTOP EXAMS FALL 2015

LAPTOP EXAMS FALL 2015 LAPTOP EXAMS FALL 2015 Please find below instructions for taking laptop exams. General information about laptop exams at CLS Laptop examinees are NOT required to sign up since we expect the majority of

More information

Performance Management Scorecards and Dashboards for IT Operations Data

Performance Management Scorecards and Dashboards for IT Operations Data Performance Management Scorecards and Dashboards for IT Operations Data A framework for creating IT Operations scorecards, dashboards, and analytics with Microsoft SQL Server, Systems Center Operations

More information

Application Tool for Experiments on SQL Server 2005 Transactions

Application Tool for Experiments on SQL Server 2005 Transactions Proceedings of the 5th WSEAS Int. Conf. on DATA NETWORKS, COMMUNICATIONS & COMPUTERS, Bucharest, Romania, October 16-17, 2006 30 Application Tool for Experiments on SQL Server 2005 Transactions ŞERBAN

More information

Data Testing on Business Intelligence & Data Warehouse Projects

Data Testing on Business Intelligence & Data Warehouse Projects Data Testing on Business Intelligence & Data Warehouse Projects Karen N. Johnson 1 Construct of a Data Warehouse A brief look at core components of a warehouse. From the left, these three boxes represent

More information

Enterprise Edition. Hardware Requirements

Enterprise Edition. Hardware Requirements Enterprise Edition Hardware Requirements For Blackbaud FundWare 6 to 100+ user environments Revised August 6 th, 2008 Table of Contents Supported Platforms... 3 6 to 25 User Environment... 4 26 to 35 User

More information

Enterprise Network Deployment, 10,000 25,000 Users

Enterprise Network Deployment, 10,000 25,000 Users Enterprise Network Deployment, 10,000 25,000 Users Websense software can be deployed in different configurations, depending on the size and characteristics of the network, and the organization s filtering

More information

Database Management System Dr. S. Srinath Department of Computer Science & Engineering Indian Institute of Technology, Madras Lecture No.

Database Management System Dr. S. Srinath Department of Computer Science & Engineering Indian Institute of Technology, Madras Lecture No. Database Management System Dr. S. Srinath Department of Computer Science & Engineering Indian Institute of Technology, Madras Lecture No. # 31 Introduction to Data Warehousing and OLAP Part 2 Hello and

More information

Checklist Florin / Calacsy 6.x / 7.x Small Business model. Document versie: 0.2

Checklist Florin / Calacsy 6.x / 7.x Small Business model. Document versie: 0.2 6.x / 7.x Small Business model Document versie: 0.2 Status: Final Datum: Januari 2012 Table of Contents 1 Preparations... 4 1.1 Optional Deliverables... 4 2 Requirements... 5 2.1 Hardware and Software

More information

BUILDING OLAP TOOLS OVER LARGE DATABASES

BUILDING OLAP TOOLS OVER LARGE DATABASES BUILDING OLAP TOOLS OVER LARGE DATABASES Rui Oliveira, Jorge Bernardino ISEC Instituto Superior de Engenharia de Coimbra, Polytechnic Institute of Coimbra Quinta da Nora, Rua Pedro Nunes, P-3030-199 Coimbra,

More information

OLAP Systems and Multidimensional Expressions I

OLAP Systems and Multidimensional Expressions I OLAP Systems and Multidimensional Expressions I Krzysztof Dembczyński Intelligent Decision Support Systems Laboratory (IDSS) Poznań University of Technology, Poland Software Development Technologies Master

More information

INFO 321, Database Systems, Semester 2 2012

INFO 321, Database Systems, Semester 2 2012 References References INFO 321 Chapter 3: Decision Support Systems Department of Information Science Semester 2, 2012 General Kifer Chapter 17 Silberschatz (5th ed.) Chapter 18 Data Warehousing for Cavemen

More information

CASE PROJECTS IN DATA WAREHOUSING AND DATA MINING

CASE PROJECTS IN DATA WAREHOUSING AND DATA MINING CASE PROJECTS IN DATA WAREHOUSING AND DATA MINING Mohammad A. Rob, University of Houston-Clear Lake, rob@uhcl.edu Michael E. Ellis, University of Houston-Clear Lake, ellisme@uhcl.edu ABSTRACT This paper

More information

THOMSON REUTERS EIKON PC REQUIREMENTS THOMSON REUTERS EIKON 4.0

THOMSON REUTERS EIKON PC REQUIREMENTS THOMSON REUTERS EIKON 4.0 THOMSON REUTERS EIKON PC REQUIREMENTS THOMSON REUTERS EIKON 4.0 Document Version 0.6 Date of issue: 12 February 2014 CHAPTER 1 PC REQUIREMENTS Windows 7 Windows 8 OPERATING SYSTEM Enterprise Basic Professional

More information

The integrated CRM & office management solution The valuable tool to optimize, control and streamline your business The complete solution for your

The integrated CRM & office management solution The valuable tool to optimize, control and streamline your business The complete solution for your The integrated CRM & office management solution The valuable tool to optimize, control and streamline your business The complete solution for your administrative, marketing, sales and finance department

More information

System Requirements. SAS Profitability Management 2.21. Deployment

System Requirements. SAS Profitability Management 2.21. Deployment System Requirements SAS Profitability Management 2.2 This document provides the requirements for installing and running SAS Profitability Management. You must update your computer to meet the minimum requirements

More information

PREFACE INTRODUCTION MULTI-DIMENSIONAL MODEL. Chris Claterbos, Vlamis Software Solutions, Inc. dvlamis@vlamis.com

PREFACE INTRODUCTION MULTI-DIMENSIONAL MODEL. Chris Claterbos, Vlamis Software Solutions, Inc. dvlamis@vlamis.com BUILDING CUBES AND ANALYZING DATA USING ORACLE OLAP 11G Chris Claterbos, Vlamis Software Solutions, Inc. dvlamis@vlamis.com PREFACE As of this writing, Oracle Business Intelligence and Oracle OLAP are

More information

Dualog Connection Suite Hardware and Software Requirements

Dualog Connection Suite Hardware and Software Requirements Dualog Connection Suite Hardware and Software Requirements Author Kristian Olsen Date 29.Mar 2012 Description Revision Number 2.0 Environmental requirements and recommendations running Dualog Connection

More information

Unit -3. Learning Objective. Demand for Online analytical processing Major features and functions OLAP models and implementation considerations

Unit -3. Learning Objective. Demand for Online analytical processing Major features and functions OLAP models and implementation considerations Unit -3 Learning Objective Demand for Online analytical processing Major features and functions OLAP models and implementation considerations Demand of On Line Analytical Processing Need for multidimensional

More information

System Requirements for Microsoft Dynamics GP 10.0

System Requirements for Microsoft Dynamics GP 10.0 Requirements for Dynamics GP 10.0 Last Modified 5/21/2007 Posted 5/21/2007 This document contains the minimum client hardware requirements, server recommendations and Terminal Server minimum hardware requirements

More information

Data Warehouse design

Data Warehouse design Data Warehouse design Design of Enterprise Systems University of Pavia 21/11/2013-1- Data Warehouse design DATA PRESENTATION - 2- BI Reporting Success Factors BI platform success factors include: Performance

More information

Virtualization in Linux a Key Component for Cloud Computing

Virtualization in Linux a Key Component for Cloud Computing Virtualization in Linux a Key Component for Cloud Computing Harrison Carranza a and Aparicio Carranza a a Computer Engineering Technology New York City College of Technology of The City University of New

More information

Be sure to connect the USB cable from TonePort into your computer s USB port, and then proceed with the following steps

Be sure to connect the USB cable from TonePort into your computer s USB port, and then proceed with the following steps GearBox/TonePort setup for Line 6 Monkey Compatibility Check Mac OS X This document is designed to provide information for using the Line 6 Monkey compatibility utility. One of the very useful functions

More information

Database Performance with In-Memory Solutions

Database Performance with In-Memory Solutions Database Performance with In-Memory Solutions ABS Developer Days January 17th and 18 th, 2013 Unterföhring metafinanz / Carsten Herbe The goal of this presentation is to give you an understanding of in-memory

More information

The operating system requirements listed in this document include the most current patches and service packs.

The operating system requirements listed in this document include the most current patches and service packs. System requirements The Quark Publishing Platform system requirements listed below are baseline requirements, but your number of users, number of assets, and number of asset revisions affect system performance.

More information

OLAP OLAP. Data Warehouse. OLAP Data Model: the Data Cube S e s s io n

OLAP OLAP. Data Warehouse. OLAP Data Model: the Data Cube S e s s io n OLAP OLAP On-Line Analytical Processing In contrast to on-line transaction processing (OLTP) Mostly ad hoc queries involving aggregation Response time rather than throughput is the main performance measure.

More information

A Technical Review on On-Line Analytical Processing (OLAP)

A Technical Review on On-Line Analytical Processing (OLAP) A Technical Review on On-Line Analytical Processing (OLAP) K. Jayapriya 1., E. Girija 2,III-M.C.A., R.Uma. 3,M.C.A.,M.Phil., Department of computer applications, Assit.Prof,Dept of M.C.A, Dhanalakshmi

More information

AQUA Private Registry Cloud Technical Overview

AQUA Private Registry Cloud Technical Overview AQUA Private Registry Cloud Technical Overview Contents 1. Summary... 3 2. Technical Overview... 4 3. Technical Specifications... 5 A. VM01 Stack Details... 5 B. VM02 Stack Details... 6 C. Bi-Directional

More information

The Cubetree Storage Organization

The Cubetree Storage Organization The Cubetree Storage Organization Nick Roussopoulos & Yannis Kotidis Advanced Communication Technology, Inc. Silver Spring, MD 20905 Tel: 301-384-3759 Fax: 301-384-3679 {nick,kotidis}@act-us.com 1. Introduction

More information

BUILDING BLOCKS OF DATAWAREHOUSE. G.Lakshmi Priya & Razia Sultana.A Assistant Professor/IT

BUILDING BLOCKS OF DATAWAREHOUSE. G.Lakshmi Priya & Razia Sultana.A Assistant Professor/IT BUILDING BLOCKS OF DATAWAREHOUSE G.Lakshmi Priya & Razia Sultana.A Assistant Professor/IT 1 Data Warehouse Subject Oriented Organized around major subjects, such as customer, product, sales. Focusing on

More information