Содержание
Введение
Глава 1. Анализ и исследование существующих способов хранения данных и принятия решений в банковской сфере
1.1. Организация электронного документооборота в Сберегательном банке без использования единой базы данных.
1.2. Концепция принятия решений без использования технологии хранилищ данных
1.3. Использование реляционных моделей баз данных
1.3Л. Аномалии реляционных баз данных
1.3.2. Декомпозиция отношений
1.3.3. Функциональные зависимости как способ устранения информационной избыточности
1.3.4. Применение ограничений ссылочной целостности в реляционных моделях
1.3.5. Другие ограничения реляционной модели.
1.3.6. Проблемы нормализации.
1.4. Централизация баз данных
1.4.1. Организация единого хранения баз данных.
1.4.2. Сравнение быстродействия работы систем с территориально разрозненными и централизованными базами данных
1.4.3. Сравнение пригодности разных типов СУБД для централизации ресурсов.
1.5. Концепция хранилищ данных.
1.5.1. Отличия хранилищ данных от традиционных баз данных
1.5.2. Обзор имеющихся решений в области создания хранилищ данных и банковского программного обеспечения
1.6. Технология АР.
1.6.1. Многомерная модель данных.
1.6.1.1. Срез
1.6.1.2. Вращение
1.6.1.3. Консолидация и детализация
1.6.2. Типы архитектур АРсистем
1.6.2.1. .
1.6.2.2. .
1.6.2.3. .
1.6.3. Применение технологии в кредитном мониторинге банка Сосье Женераль Восток
Выводы
Глава 2. Методы интеллектуального анализа, применяемые в создании систем поддержки принятия решений, основанных на хранилищах данных
2.1. Интеллектуальный анализ данных
2.2. Классификация.
2.2.1. Алгоритм покрытия
2.2.2. Метод iv
2.3. Поиск ассоциативных правил
2.3.1. Применение задачи поиска ассоциативных правил
2.3.2. Алгоритмы выявления часто встречающихся наборов
2.3.3. Визуальное представление ассоциативных правил
2.4. Вероятностные методики Байеса и методы нейросетей.
2.4.1. Модель использования сети Байеса для принятия решения
об изменении процентной ставки.
2.4.2. Примеры применений вероятностных сетей Байеса в различных сферах деятельности человека.
2.4.3. Нейросетевые методики
2.4.4. Построение модели, основанной на картах Кохонена, для определения неблагонаджных предприятийзамщиков
Выводы.
Глава 3. Проектирование архитектуры хранилища данных.
3.1. Уровни абстракции при разработке архитектуры.
3.2. Состав архитектуры хранилища данных
3.3. Концептуальное моделирование.
3.3.1. Математические модели тематических хранилищ данных
3.3.2. Классификация видов архитектур хранилищ данных в зависимости от использования витрин данных
3.3.3. Классификация архитектурных решений хранилищ данных
по Спирли.
3.3.4. Выбор архитектуры.
3.4. Выбор программных средств создания хранилища данных.
3.5. Логическое моделирование
3.6. Физическая архитектура хранилища данных.
3.6.1. Выбор варианта физической архитектуры.
3.6.2. Управление физической памятью.
3.7. Обеспечение безопасности в Огас1е.
Выводы
Глава 4. Повышение производительности работы с данными в хранилищах и реализация алгоритмов
4.1. Загрузка данных в хранилище.
4.1.1. Периодичность загрузки данных для некоторых направлений банковской деятельности
4.1.2. Способы реализации первоначальной загрузки
4.1.3. Параллельная обработка в процессах загрузки.
4.2. Применение индексов при работе с отношениями небольших размеров.
4.3. Влияние количества получаемых атрибутов на производительность системы.
4.4. Влияние длины ключа в Вдереве на коэффициент
ветвления
4.5. Алгоритм определения благонаджности предприятий, основанный на картах Кохонена
4.6. Использование индексов при работе с многомерными данными
4.7. Интерфейс запросов.
4.8. Оценка автоматизированной банковской системы, основанной на использовании хранилища данных, при помощи показателей теории массового обслуживания
4.9. Проектирование базы данных подсистемы учта операций по международным банковским картам
Выводы.
Заключение.
Список литературы
- Київ+380960830922