Автоматизированная технология проектирования модели данных и контроля качества данных при построении информационно-аналитических систем тема диссертации и автореферата по ВАК РФ 05.25.05, кандидат технических наук Ильин, Алексей Андреевич

• Ильин, Алексей Андреевич
• кандидат технических наук
• 2008

Оглавление диссертации кандидат технических наук Ильин, Алексей Андреевич

i ВВЕДЕНИЕ.

ГЛАВА ЗАДАЧА ПРОЕКТИРОВАНИЯ МОДЕЛИ ДАННЫХ И КОНТРОЛЯ КАЧЕСТВА ДАННЫХ ПРИ ПОСТРОЕНИИ ИНФОРМАЦИОННО; АНАЛИТИЧЕСКИХ СИСТЕМ.

1.1 Проектирование модели данных.

1.1.1 Логическая модель данных.

1.1.2 Физическая модель данных.

1.1.3 Классификация технологий проектирования моделей данных.

1.1.3.1 Разработка модели данных «с нуля».

1.1.3.2 Индустриальные модели данных.

1.1.3.3 Универсальная модель данных.

1.2 Обеспечение качества данных.

1.2.1 Классификация существующих технологий контроля качества данных. f< 1.2.1.1 Репозитории метаданных.

1.2.1.2 Средства профилирования информации.

1.2.1.3 Системы мониторинга данных.

1.2.1.4 Средства очистки информации.

1.2.1.5 Системы управления базами данных.

1.2.1.6 Средства управления справочниками.

1.3 Постановка задачи.

1.3.1 Недостатки существующих технологий проектирования модели данных.

1.3.2 Недостатки существующих средств повышения качества данных.

1.3.3 Требования к разрабатываемой технологии.

ГЛАВА

ФОРМАЛИЗАЦИЯ ЗАДАЧИ И РАЗРАБОТКА АВТОМАТИЗИРОВАННЫХ

МЕТОДОВ ПРОЕКТИРОВАНИЯ МОДЕЛИ ДАННЫХ И КОНТРОЛЯ

КАЧЕСТВА ИНФОРМАЦИИ.

2.1 Автоматизация проектирования модели данных.

2.1.1 Математическое моделирование модели данных.

2.1.2 Возможность автоматизации разработки модели данных. i 2.1.3 Макроязык для определения правил генерации структуры базы данных.

4 2.1.4 Шаблоны генерации структуры,базы данных.

5 2.1.5 Использование шаблонов автоматической генерации структуры

I базы данных и автоматизированная разработка модели данных.

2.2 Автоматизация контроля качества данных.

2.2.1 Контроль качества данных атрибутов. i 2.2.2 Контроль качества данных фактов.

1 2.2.3 Классы проверок качества данных.

2.2.3.1 Контроль значений колонок таблицы.

2.2.3.2 Контроль наличия в таблице всех необходимых значений.

2.2.3.3 Контроль дубликатов.

2.2.3.4 Контроль правила «3 о».

2.2.3.5 Контроль качества информации с помощью прогнозирования.

2.2.4 Контроль качества данных и ETL.

2.2.5 Абсолютное качество данных.

ГЛАВА

РАЗРАБОТКА ПРОГРАММНОГО КОМПЛЕКСА И АНАЛИЗ

РЕЗУЛЬТАТОВ ПРИМЕНЕНИЯ РАЗРАБОТАННОЙ ТЕХНОЛОГИИ.

3.1 Архитектура программного комплекса.

3.2!Подсистема проектирования модели данных.

3.3 Подсистема контроля качества данных.

3.3.1 Использование системы контроля качества данных при разработке процедур ETL.

3.4 Репозиторий метаданных.

3.4 Производительность и расширяемость системы.

3.5 Информационно-аналитическая система для анализа деятельности университета.

3.6 Снижение трудозатрат при использовании разработанной технологии и программного комплекса при создании информационно-аналитических систем.

Введение диссертации (часть автореферата) на тему «Автоматизированная технология проектирования модели данных и контроля качества данных при построении информационно-аналитических систем»

Большинство организаций оперируют с большим объемом данных, которые необходимо правильно анализировать для получения полного представления о тенденциях, изменениях, других факторов, которые влияют или могут повлиять на деятельность организации. На сегодняшний-день разработан ряд программных средств, предназначенных для облегчения задачи анализа информации. Одним из классов таких программных средств являются информационно-аналитические системы.

Информационно-аналитические системы не являются готовыми продуктами, а состоят из набора интегрированных средств, выбор которых зависит от конкретной задачи.

Необходимая для анализа информация может содержаться в разных источниках: реляционных базах данных, текстовых файлах, документах html. Даже если работа предприятия управляется единой информационной системой, хранящей свою информацию в реляционной базе данных (такие базы называются оперативными), в большинстве случаев подобные системы не годятся для предоставления аналитической информации, так как оперативные системы и хранилища данных работают по разным принципам. Оперативные системы содержат текущую информацию, например, состояние банковского счета клиента, хранилище данных содержит историческую информацию, то есть в случае банковского счета хранится информация о средствах в разные моменты времени. Состояние оперативной системы все время изменяется, в ней происходит огромное количество небольших транзакций, например, перевод средств с одного счета на другой. Информация в ,хранилище остается неизменной и лишь пополняется новыми данными- по определенному расписанию. Оперативные системы лежат в основе работы предприятия, в то время как хранилища данных помогают ответить на вопрос: «Как работает предприятие?» и используются при разработке стратегий, направленных на повышение эффективности работы предприятия.

Перед оперативными системами и хранилищами данных ставятся разт ные задачи, поэтому архитектуры их также различаются. При построении хранилища обычно используют,многомерную модель данных [44, 57].

Для; наполнения хранилища информацией используется программное обеспечение класса ETL (Extract Transfer Eoad) [56]. Программное обеспечение этого класса предназначено для извлечения, приведения к общему формату, преобразованию и загрузки данных в хранилище.

Информационно-аналитические системы должны включать в себя также инструменты анализа информации, содержащейся в хранилище данных, и средства представления ее в более удобном, для восприятия виде (графики, сводные таблицы, отчеты), позволяющем принимать обоснованные решения. С этой целью используют инструменты Business Intelligence.

На основе типовых задач, решаемых разработчиками, можно привести определение информационно-аналитической системы. Понятие информационно-аналитической системы определяется различными авторами по-разному. В настоящей работе используется определение, приводимое Р. Кимбаллом: «Информационно-аналитическая система - программный комплекс, предназначенный для извлечения, очистки, проверки и загрузки данных из источников в многомерное хранилище данных, а также предоставляющий средства извлечения и анализа содержащейся в хранилище информации, с целью помощи в принятии решений» [56].

Построение информационно-аналитических систем состоит из следующих этапов:

1. Проектирование модели данных.

2. Наполнение хранилища данных информацией с помощью процедур ETL.

3. Обеспечение качества данных.

4. Предоставление удобного доступа к информации пользователям и визуализация анализируемых данных.

Для задач 2 и 4 созданы специализированные универсальные программные средства, пригодные для использования в любом проекте по созданию информационно-аналитической системы, поэтому в данной работе эти задачи рассматриваться не будут. Задачи 1 и 3 являются уникальными для каждого проекта и решаются каждый раз заново [42, 69, 72]. Таким образом, ключевыми факторами, влияющими на успех проекта по созданию информационно-аналитической системы, являются задачи проектирования модели данных и обеспечения качества данных [26,66]. В результате этого, несмотря на опыт и методики, накопленные за более чем 30-летнюю историю, проекты по созданию информационно-аналитических систем остаются рискованными. Джек Олсон приводит неутешительную статистику: 37 % проектов прекращаются, не получив каких-либо результатов;

50 % проектов доводятся до логического завершения, но при этом превышаются сроки или бюджет на 20 % и более; 13 % составляют успешные системы [66].

Высокий уровень рисков, связанный с проектами по созданию информационно-аналитических систем, а также постоянно увеличивающийся спрос на системы данного класса требуют поиска и разработки новых технологий проектирования модели данных и контроля,качества данных, что обусловливает актуальность представленной работы.

Цель и задачи исследования. Целью данной работы является разработка автоматизированной технологии проектирования модели данных и контроля качества данных, позволяющей сократить трудозатраты, необходимые для создания информационно-аналитических систем.

Для достижения поставленной цели решаются следующие задачи: 1) анализ существующих технологий в области построения информационно-аналитических систем, выявление существующих недостатков и определение требований к технологии разработки систем данного класса; 2) разработка методов проектирования модели данных и контроля качества данных при построении информационно-аналитических систем, удовлетворяющих сформулированным требованиям; 3) разработка программного комплекса, предназначенного проектировать модель данных и осуществлять контроль качества данных при построении информационно-аналитических систем в рамках разработанных методов; 4) экспериментальная проверка разработанной технологии с помощью макета информационно-аналитической системы для анализа деятельности вуза; 5) определение области применения разработанной технологии и возможности сокращения трудозатрат на основе анализа использования разработанной технологии для создания информационно-аналитических систем. •

Объект исследования: информационно-аналитические системы.

Предмет исследования: технология проектирования модели данных и контроля качества данных для построения информационно-аналитических систем.

Научная новизна. В диссертационной работе получены новые научные результаты:

1) технология разработки модели данных для информационно-аналитических систем, отличительной особенностью которой является декомпозиция общей задачи построения модели данных на независимые подзадачи разработки модели предметной области и описание правил формирования физической модели данных; такая особенность позволяет проводить решение указанной проблемы независимо специалистами в предметной области и по системам управления базами данных и средствам анализа данных, а также использовать «предыдущий опыт» и наработки предшествующих проектов для разработки данного проекта; а разработанный набор правил формирования физической модели данных позволяет автоматизировать получение ее, требуя лишь описание объектов предметной области;

2); методика автоматизированного контроля качества данных на всех этапах создания информационно-аналитической системы: в источниках данных, в приемнике, а также на всех промежуточных этапах;

3) программный комплекс, позволяющий автоматизировать решение задач проектирования модели данных и контроля качества информации и< независимый от технологий, используемых при построении информационно-аналитической системы.

На защиту выносятся следующие основные положения:

1) технология, проектирования модели данных для информационно-аналитических систем, дающая возможность автоматизировать получение физической модели данных;

2) методика контроля качества данных, позволяющая автоматизировать контроль качества информации на всех этапах создания информационно-аналитической системы;

3) структура программного комплекса, предназначенного для решения задач автоматизации проектирования модели данных и контроля- качества информации.

Практическая ценность работы заключается в снижении трудозатрат при разработке информационно-аналитических систем; в возможности использования опыта предыдущих проектов в разработке данного; в возможности разделения функций «универсального» специалиста на независимые функции специалиста предметной области и специалиста по системам управления базами данных и средствам анализа данных. Указанная технология позволяет построить компьютерно-ориентированную автоматизированную систему.

Полученные в рамках диссертационной работы результаты были использованы в работе консалтинговой компании S&T International (г. Москва) при исследованиях и разработках в области информационно-аналитических систем. Разработанная технология и программный комплекс были успешно применены при разработке информационно-аналитических систем компаний Данон, Кампомос (обе - г. Москва), Балтийский банк (г. Санкт-Петербург) и М.Видео (г. Москва).

Апробация работы. Полученные результаты докладывались и обсуждались на третьей и четвертой ежегодных конференциях Business Intelligence (Москва, 2005 и 2006) [6, 16]; конференции «XI Державинские чтения» (Тамбов, 2006); Всероссийских конференциях «XII и XIII Державинские чтения» (Тамбов, 2007 и 2008) [8, 11], XVII Международной конференции-выставке «ИТ02007» (Москва, 2007) [7] и в рамках публичных лекций для студентов и аспирантов в ходе мероприятий, посвященных 75-летию Института математики, физики и информатики ТГУ им. Г.Р. Державина. Результаты работы использовались в реализации совместного европейского проекта в ТГУ им. Г.Р. Державина по использованию информационных технологий в модернизации университетского управления - TEMPUS TACIS «Joint European Project on System Modernization of University Management (SMOOTH, UMJEP 24217-2003)».

Публикации. Основные положения диссертации опубликованы в 12 печатных работах [1, 6-16], в том числе 4 статьи опубликованы в двух журналах из Перечня рецензируемых научных журналов ВАК за 2006 г.: «Программные продукты и системы» (приложение к журналу «Проблемы теории и практики управления»), «Вестник Тамбовского университета. Серия: Естественные и технические науки».

Структура диссертационной работы. Диссертационная работа состоит из введения, трех глав и заключения, изложенных на 136 страницах, содержит 33 рисунка, 4 таблицы и библиографический список из 73 наименований.

Заключение диссертации по теме «Информационные системы и процессы, правовые аспекты информатики», Ильин, Алексей Андреевич

Основные результаты диссертационной работы:

1. Проанализированы существующие решения в области построения информационно-аналитических систем, выявлены их сильные и слабые стороны и определены требования к технологии разработки систем данного класса.

2. Разработаны методы проектирования модели данных и контроля качества данных при построении информационно-аналитических систем, удовлетворяющих сформулированным требованиям.

3. Разработан программный комплекс, позволяющий проектировать модель данных и осуществлять контроль качества данных при построении информационно-аналитических систем в рамках разработанных методов.

4. Проведена экспериментальная проверка разработанной технологии, для этого разработан макет информационно-аналитической системы для анализа деятельности вуза.

5. На основе анализа результатов опытной эксплуатации макета определены возможности по сокращению трудозатрат и область применения разработанной технологии.

ЗАКЛЮЧЕНИЕ

Список литературы диссертационного исследования кандидат технических наук Ильин, Алексей Андреевич, 2008 год

1. Бондаренко, А.В. Доработка алгоритма прогнозирования объема продаж / А.В. Бондаренко. Электронный ресурс. - Режим доступа: http://www.cfin.ru/finanalysis/math/addtokosh.shtml, свободный. Загл. с экрана.

2. Вирт, Н. Алгоритмы + структуры данных = программы / Н. Вирт. -М.: Мир, 1977.-406 с.

3. Ильин, А.А. BI-решения компании S&T International на основе уникальных технологий Sunopsis / А.А. Ильин // Business Intelligence: результативность использования технологий и приложений: материалы 3 конф. Москва, 30 нояб. 2005 г. - М., 2005. - С. 13.

4. Ильин, А.А. Будущее КИС. Общемировые тенденции / Алексей Ильин, Илья Малиновский // Connect! Мир связи. 2007. - № 11 (141). - С. 128-131.

5. Ильин, А.А. Инструменты Extract-Transform-Load (ETL) для создания хранилищ данных / М.С. Головкин, А.А. Ильин // Машиностроитель. 2006. - № 11. - С. 26-29.

6. Ильин, А.А. Контроль качества данных при построении информационно-аналитической системы / А.А. Ильин // Вестн. Тамб. ун-та. Сер. Естеств. и техн. науки. XII Державинские чтения. — Тамбов, 2007.-Т. 12, вып. 1.-С. 119-120.

7. Ильин, А.А. Некоторые проблемы построения корпоративных храни-• лищ данных / А.А. Ильин // Программные продукты и системы (междунар. науч.-практ. приложение к междунар. журналу «Проблемы теории и практики управления»). 2005. - № 3 (71). - С. 29-32.

8. Ильин, А.А. Перспективы использования информационно-аналитических систем для управления в системе образования / А.А. Ильин,i

9. A.А. Арзамасцев // Вестн. Тамб. ун-та. Сер. Естеств. и техн. науки. -Тамбов, 2006. Т. 11, вып. 2. - С. 181-184.

10. Ильин, А.А. Построение систем Business Intelligence и Enterprise Application Integration на основе средства интеграции данных Sun-opsis / А.А. Ильин // Business Intelligence: материалы 4 конф. 23 нояб. 2006 г., г. Москва. М., 2006. - С. 13.

11. Касьянов, В.Н. Практикум по программированию / В.Н. Касьянов, Е.В. Касьянова. — Новосибирск, 2004 Электронный ресурс. — Режим доступа: Ьйр://рсол18.п8к.зиЯСР/Ргасйсе/ёёО/тёех.Мш1, свободный. Загл. с экрана.

12. Ким, В. Три основных недостатка современных хранилищ данных /

13. B. Ким // Открытые Системы. 2003. - № 2 Электронный ресурс. - Режим доступа: http://www.osp.ru/os/ 2003/02/069.html, свободный. Загл. с экрана.

14. Костяков, С. По карточкам дешевле и эффективнее / Сергей Костяков // Intelligent Enterprise. 2006. - № 14 (146). - 22 авг. Электронный ресурс. — Режим доступа: http://www.iemag.ru/?ID=613640, свободный. Загл. с экрана.

15. Кузнецов, С. Дубликаты, неопределенные значения, первичные и возможные ключи и другие экзотические прелести языка SQL / С. Кузнецов. Электронный ресурс. Режим доступа: http://www.citforum.ru/database/articles/art5 .shtml, свободный. Загл. с экрана.

16. Кузнецов, С.Д. Основы баз данных. Курс лекций / С.Д. Кузнецов. -М.: Интернет-университет информационных технологий, 2005. -488 с.

17. Линючев, П. ClaraBridge мост между неструктурированной и структурированной информацией / Павел Линючев. Электронный ресурс. - Режим доступа: http://clarabridge.ru/analytics/bridge.html, свободный. Загл. с экрана.

18. Линючев, П. Clarabridge Document Analytics инновационный инструмент для ситуационного анализа национальных проектов / Павел Линючев. Электронный ресурс. — Режим доступа: http://clarabridge.ru/ analytics/clarabridge.html, свободный. Загл. с экрана.

19. Линючев, П. Анализ: Business Intelligence (BI) видит неструктурированную информацию / Павел Линючев. Электронный ресурс. — Режим доступа: http://clarabridge.ru/analytics/bi.html, свободный. Загл. с экрана.

20. Построение хранилищ данных IBM Data Warehouse для различных индустрий. IBM, 2007. - 111 с.

21. Самохвалов, Р. Интеграция данных о клиентах: миссия выполнима? / Р. Самохвалов // PCWeek. 2004. - 39 Электронный ресурс.

22. Режим доступа: http://kis.pcweek.ni/Year2004/N39/CP 1251/Strategy/ chaptl.html, свободный. Загл. с экрана.

23. Умапати, С. Успешное прохождение Java сертификации. Ч. 4: SCEA / С. Умапати. Электронный ресурс. Режим доступа: http://www.ibm.com/ developerworks/ru/edu/j-scea/ section3.html, свободный. Загл. с экрана.

24. Французов, Д. Оценка производительности вычислительных систем / Д. Французов // Открытые системы. 1996. - № 02. Электронный ресурс. - Режим доступа: http://www.osp.ru/os/1996/02/ 178845/, свободный. Загл. с экрана.

25. Хеллер, П. Oracle Customer Data Hub: От качества информации к системе знаний о клиентах / П. Хеллер. Oracle, 2004. — 16 с.

26. Хоббс, JI. Oracle 9iR2: разработка и эксплуатация хранилищ баз данных / JI. Хоббс, С. Хилсон, Ш. Лоуенд. М.: Кудиц-образ, 2004. -586 с.

27. Шапошников, И. Web-сервисы Microsoft.NET / И. Шапошников. — СПб.: BHV, 2002.-336 с.

28. Ширяев, А.Н. Вероятность / А.Н. Ширяев. 2-е изд. - М.: Наука, 1989.-640 с.

29. Adelman, S. Data Warehouse Project Management / S. Adelman, L. Moss. Addison-Wesley, 2002. - P. 255-286.

30. Ambler, S. The Unified Process Elaboration Phase Best Practices in Implementing the UP / S. Ambler. - CMP Books, 2000.

31. Ballard, C. Data Modeling Techniques for Data Warehousing / C. Ballard, D. Herreman, D. Schau, R. Bell, E. Kim, A. Valencic. Электронный ресурс. — Режим доступа: http://www.redbooks.ibm.com/pubs/ pdfs/redbooks/sg242238.pdf, свободный. Загл. с экрана.

32. Brackett, М. Data Resource Quality: Turning Bad Habits into Good Practices / M. Brackett. Addison-Wesley, 2000. - 354 p.

33. Burleson, D. Oracle data warehouse date transformation / Don Burleson. Электронный ресурс. Режим доступа: http://www.dba-oracle.com/ twarehousedatetransformation.htm, свободный. Загл. с экрана.

34. Chatfield, С. The Analysis of Time Series. An Introduction / C. Chatfield // Chapman&Hall/CRC, 1995. 283 p.

35. Clarabridge. Converging Text and BI: The Case for a Content Mining Platform. Электронный ресурс. — Режим доступа: http://www.clarabridge.com/resources/downloadwhitepaper.php?where= fi*omform, свободный. Загл. с экрана.

36. Dyche, J. Customer Data Integration. Reaching a Single version of the Truth. / J. Dyche, E. Levy. Wiley, 2006. - 294 p.

37. Glass, R. Facts and Fallacies of Software Engineering / R. Glass. Addison Wesley, 2002. - 224 p.

38. Hayes, S. Tunning up for OLTP and Data Warehouse / S. Hayes, P. Gunning // DB2 Magazine. 2002. - Vol. 7, № 3. - P. 25-34.

39. Hays, J. Forecasting Computer Usage / J. Hays // J. of Statistics Education. 2003. - № 1 Электронный ресурс. - Режим доступа: http://www.amstat.org/publications/jse/vl lnl/datasets.hays.html, свободный. Загл. с экрана.

40. Hedin, М. Quality Manager. Methodology and Application Guide / M. Hedin. Ascential, 2001. - 61 p.

41. IBM Banking Data Warehouse. Transforming financial services Information into Business Intelligence. Электронный ресурс. Режим доступа: http://www.nouxbi.com/PDFs/BDW%20Brochure.pdf, свободный. Загл. с экрана.

42. Imhoff, С. Mastering Data Warehouse Design. Relational and Dimensional Techniques / C. Imhoff, N. Galemmo, J. Geiger. Wiley, 2003. -438 p.

43. Inmon, W.H. Summary Data in the Data Warehouse / W.H. Inmon // Operational Data Store Environment Электронный ресурс. Режим доступа: http://inmoncif.com/library/whiteprs/earlywp/ttsumm.pdf, свободный. Загл. с экрана.

44. Jacobson, R. Microsoft SQL Server 2000 Analysis Services Step by Step / R. Jacobson. Microsoft Press, 2000. - 368 p.

45. Kimball, R. Combining SCD Techniques / R. Kimball // Design Tips.- 2000. №15. Электронный ресурс. - Режим доступа: http://www.ralphkimball.com/html/designtipsPDF/ Design-Tips2000%20/ KimballDT15CombiningSCD.pdf, свободный. Загл. с экрана.

46. Kimball, R. Dealing with Dirty Data / R. Kimball // DBMS Magazine.- 1996. 14 Электронный ресурс. - Режим доступа: http://www.dbmsmag.com/9609dl4.html/, свободный. Загл. с экрана.

47. Kimball, R. Meta Meta Data Data / R. Kimball // DBMS Magazine. -1998. 5 Электронный ресурс. — Режим доступа: http://www.dbmsmag.com/9803d05.html/, свободный. Загл. с экрана.

48. Kimball, R. Surprising Value of Data Profiling / R. Kimball // Kimball Design Tip. — 2004. 59 Электронный ресурс. - Режим доступа:http://www.Mmballgroup.com/html/designtipsPDF/

49. KimballDT59SurprisingValue.pdf, свободный. Загл. с экрана.

50. Kimball, R. The Data Warehouse ETL Toolkit: Practical Techniques for Extracting, Cleaning and Delivering Data / R. Kimball, J. Caserta. Wiley, 2004, -492 p.

51. Kimball, R. The Data Warehouse Toolkit: The Complete Guide to Dimensional Modeling / R. Kimball, M. Ross. Wiley, 2002. - 421 p.

52. Kleppc, A. MDA Explained: The Model Driven Architecture™: Practice and Promise 7 A. Kleppe, J. Warmer, W. Bast. Addison Wesley, 2003. -192 p.

53. Marco, D. Building and Managing the Meta Data Repository: A Full Li-fecycle Guide / D. Marco. Willey&Sons, 2000: - 392 p.

54. Melnyk, R. DB2: The Complete Reference / R. Melnyk and P. Zikopoulos. -McGrew-Hill, 2002. ISBN 0072133449.-P. 559-571.

55. Microsoft Technet. Working with Large Levels in MS SQL Server 7.0 OLAP Services. Электронный ресурс. — Режим* доступа: http ://www.microsoft.com/technet/prodtechnol/sql/70/maintain/rferring.ms px, свободный. Загл. с экрана.

56. MicroStrategy Advanced Data Warehousing. MicroStrategy University, 2004. - 272 p.

57. MicroStrategy Architect. Project Desigm MicroStrategy. University, 2007.-362 p.

58. Mundy, J. The Microsoft Data Warehouse Toolkit: With SQL Server 2005 and the Microsoft Business Intelligence Toolset / J. Mundy, W. Thornthwaite, R. Kimball. Wiley (February 13, 2006).-P. 129-175.

59. Niemiec, R. Oracle9i Performance Tuning Tips & Techniques / R. Niemiec. Oracle Press, 2003. - 820 p.

60. Olson, J. Data Quality Accuracy Dimension / J. Olson. Morgan Kauffinann Publishers, 2003. - 293 p.

61. Oracle Data Integrator Knowledge Modules Reference Guide. Электронный ресурс. Режим доступа: http://www.oracle.com/ technology/products/oracle-data-integrator/10. 1.3/htdocs/documentation/ ora-cledikmreference.pdf, свободный. Загл. с экрана.

62. Stodder, D. The State of Business Intelligence / David Stodder // Intelligent Enterprise. 2007. № 30. Электронный ресурс. - Режим доступа: http://www.intelligenten-teфrise.com/channels/Ъi/ showArticle.jhtml;jsessionid= N3K05DN41Y3VGQSNDLPSKHS

63. Диаграмма классов серверной части программного комплекса1. Checkg$>SReader: Stream Reader ^.log : stringg*Parse() ^CreateSQL()

64. Автоматически сгенерированная физическая модель данныхдля анализа деятельности университета

65. PublicActivitiesID int, PublicActivitiesName varchar(3 0) ) CREATE TABLE tAnketMarks ( StudentID int, SpecMark decimal(3,2), MathMarks decimal(3,2), CSJMarks decimal(3,2), HumanitiesMarks decimal(3,2), ForeignLangMarks decimal(3,2),

66. PhysTrainingMarks decimal(3,2), ExtraStadyID int, ScienceID int, MindID int, ConferenceID int ) CREATE TABLE tArt ( ArtID int,

67. ArtName varchar(30) ) CREATE TABLE tAuthority ( AuthorityID int, AuthorityName varchar(30) ) CREATE TABLE tConferences ( ConferenceID int, ConferenceName varchar(3 0) ) CREATE TABLE tConvinient ( ConvinientID int,t

68. MaterialFutureName varchar(3 0) ) CREATE TABLE tMaterialStatus ( MaterialStatusID int, MaterialStatusName varchar(30) ) CREATE TABLE tMind ( MindID int, MindName varchar(3 0) ) CREATE TABLE tNecessary ( NecessaryID int,

69. Директор Института математики, физики и информатики ТГУ им. Г.Р. Державинаювин Ю.И.16чревраля 2007 г.1. АКТ ВНЕДРЕНИЯ

70. Руководитель проекта TEMPUS TACIS от ТГУ им. Г.Р. Державина д.т.н., профессор1. Исполнитель работ

71. Арзамасцев А.А. Ильин А.А.eiPS*вс .тть бы1гария crna бонд сeska republj* hrvatskalatyija ■ шс македонии toldovft osufiw polska romania' slovenija slovcnska republic a sr8ija укрд1нд1. Информационное письмо

72. Jwi: [phone]B 33. fax: +7 495} 155 38 351&4M4, S -PeMisbiiig Vyborgtkayj nib., 43. ot. 104

73. Tel.: [phone], fix: H (812)703 1 5 59it SQienoHS a smim1. УТВЕРЖДАЮ»

74. Директор Института математики, физики и информатики ТГУ им. Г.Р. Державинад.ф.-м.н., профессор Жуковский Е.С.25 января 2008 г.1. АКТ ВНЕДРЕНИЯ

75. В период обучения в аспирантуре Ильиным А.А. был прочитан курс «Информационно-аналитические системы» для преподавателей и аспирантов кафедры компьютерного и математического моделирования.

76. Заведующий кафедрой компьютерного и математического моделирования ИМФИ ТГУ им. Г.Р. Державина д.т.н., профессор1. Исполнитель

77. Арзамасцев А.А. Ильин А.А.