Učni načrt predmeta

Predmet:
Podatkovna skladišča
Course:
Data Warehouses
Študijski program in stopnja /
Study programme and level
Študijska smer /
Study field
Letnik /
Academic year
Semester /
Semester
Informacijske in komunikacijske tehnologije, 2. stopnja Digitalna transformacija 1 2
Information and Communication Technologies, 2nd cycle Digital Transformation 1 2
Vrsta predmeta / Course type
Izbirni / Elective
Univerzitetna koda predmeta / University course code:
IKT2-707
Predavanja
Lectures
Seminar
Seminar
Vaje
Tutorial
Klinične vaje
work
Druge oblike
študija
Samost. delo
Individ. work
ECTS
15 15 15 105 5

*Navedena porazdelitev ur velja, če je vpisanih vsaj 15 študentov. Drugače se obseg izvedbe kontaktnih ur sorazmerno zmanjša in prenese v samostojno delo. / This distribution of hours is valid if at least 15 students are enrolled. Otherwise the contact hours are linearly reduced and transfered to individual work.

Nosilec predmeta / Course leader:
prof. dr. Bojan Cestnik
Sodelavci / Lecturers:
Jeziki / Languages:
Predavanja / Lectures:
slovenščina, angleščina / Slovenian, English
Vaje / Tutorial:
Pogoji za vključitev v delo oz. za opravljanje študijskih obveznosti:
Prerequisites:

Zaključen študijski program prve stopnje s področja naravoslovja, tehnike ali računalništva.

Student must complete first-cycle study programmes in natural sciences, technical disciplines or computer science.

Vsebina:
Content (Syllabus outline):

Od baz podatkov do podatkovnih skladišč:
- Transakcijske in analitične baze podatkov
- OLTP in OLAP
- Značilnosti podatkovnih skladišč: predmetna orientiranost, integriranost, nespremenljivost, časovna dimenzija

Modeli upravljanja podatkovnih skladišč:
- Konceptualni, logični in fizični model podatkovnih skladišč
- Zvezdna shema, tabele dejstev, dimenzijske tabele, galaksijska shema

Podatkovni vidik podatkovnih skladišč:
- Arhitektura podatkovnih skladišč
- Podrobni modeli podatkovnih skladišč
- Tipični modeli podatkovnih skladišč

Procesni vidik podatkovnih skladišč:
- Polnjenje, agregacija, arhiviranje, uporaba, upravljanje meta podatkov
- Proces zagotavljanja kakovosti podatkov
- Uporaba podatkovnih skladišč za podatkovno rudarjenje in podporo odločanja

Varnost in zaščita podatkovnih skladišč:
- Varnostne zahteve pri podatkovnih skladiščih
- Orodja in tehnologije za zagotavljanje varnosti in zaščite

Področja uporabe:
DSS, CRM, e-poslovanje, maloprodaja, računovodstvo, upravljanje s tveganji

From databases to data warehouses:
- Transactional and analytical databases
- OLTP and OLAP
- Characteristics of data warehouses: subject oriented, integrated, nonvolatile, time variant

Models for data warehouses management:
- Conceptual, logical and physical model of data warehouses
- Star schema, fact tables, dimension tables, galaxy schema

Data view of data warehouses:
- Data warehouse architecture
- Detailed models of data warehouses
- Typical models of data warehouses

Process view of data warehouses:
- In-flow, up-flow, down-flow, out-flow, meta-flow
- Data quality in data warehouses
- Using data warehouses for data mining and decision support

Data security and protection of data warehouses:
- Security requirements for data warehouses
- Tools and technologies for ensuring data
security and protection

Application areas:
DSS, CRM, e-business, retail sales,
accounting, risk assessment and
management

Temeljna literatura in viri / Readings:

Kimball, R., Ross, M.: The Data Warehouse Toolkit: The Complete Guide to Dimensional Modeling,
3rd Edition, Wiley, 2013.
Anahory, S., Murray, D.: Data warehouses in the real world, Addison Wesley, 1998.

Cilji in kompetence:
Objectives and competences:

Študentje pridobijo teoretično in praktično znanje
s področja podatkovnih skladišč. Seznanijo se s teoretičnimi osnovami OLAP in OLTP in njihovo
praktično uporabo v sistemih za podporo
odločanja.

Cilj je usposobiti študente za razumevanje najnovejših rešitev na področju podatkovnih skladišč.

Pridobljeno znanje bo omogočilo uporabo podatkovnih skladišč za podporo odločanja v različnih situacijah. V poslovnem svetu je cilj uporabe podatkovnih skladišč revitalizacija, modernizacija in povečanje proizvodnje.

Students gain basic theoretical and practical knowledge in the field of Data warehousing. The emphasis is on OLAP and OLTP technologies and their practical application in the context of Decision Support Systems.

The goal is to educate students for understanding the most recent solutions in the field of Data warehousing.

Obtained knowledge will enable the use of Data warehousing technology to support decisions in various situations. In the context of business decision- making the expected gain of using the Data warehousing technology is the revitalization,
modernization and growth of production.

Predvideni študijski rezultati:
Intendeded learning outcomes:

Študent, ki bo uspešno končal ta predmet, bo pridobil znanje in razumevanje:
- o arhitekturi in uporabnosti podatkovnih skladišč,
- osnovah dela s podatkovnimi skladišči.

Prav tako bo pridobil:
- Sposobnost analize, sinteze in predvidevanja rešitev ter posledic
- Obvladanje raziskovalnih metod, postopkov in procesov, razvoj kritične in samokritične presoje
- Sposobnost uporabe znanja v praksi
- Avtonomnost v strokovnem delu
- Razvoj komunikacijskih sposobnosti in spretnosti, posebej komunikacije v mednarodnem okolju
- Etična refleksija in zavezanost profesionalni etiki
- Kooperativnost, delo v skupini (in v mednarodnem okolju)

Students who complete this course successfully will know and understand:
- Architecture and usability of Data warehouses,
- Basic process of constructing and using Data warehouses.

They will also acquire:
- An ability to analyse, synthesise and anticipate solutions and consequences
- To gain the mastery over research methods, procedures and processes, a development of the critical judgement
- An ability to apply the theory in to a practice
- An autonomy in the professional work
- Communicational-skills development; particularly in international environment
- Ethical reflexion and obligation to a professional ethics
- Cooperativity, team work (in international environment)

Metode poučevanja in učenja:
Learning and teaching methods:

Predavanja, seminar, konzultacije, individualno
delo.

Lectures, seminar, consultations, individual work.

Načini ocenjevanja:
Delež v % / Weight in %
Assesment:
Seminar
50 %
Seminar
Ustni izpit
50 %
Oral exam
Reference nosilca / Lecturer's references:
1. PEROVŠEK, Matic, VAVPETIČ, Anže, KRANJC, Janez, CESTNIK, Bojan, LAVRAČ, Nada. Wordification : propositionalization by unfolding relational data into bags of words. Expert systems with applications, ISSN 0957-4174. [Print ed.], 2015, vol. 42, no. 17/18, str. 6442-6456, doi: 10.1016/j.eswa.2015.04.017.
2. PEROVŠEK, Matic, CESTNIK, Bojan, URBANČIČ, Tanja, COLTON, Simon, LAVRAČ, Nada. Towards narrative ideation via cross-context link discovery using banded matrices. V: TUCKER, Allan (ur.). Advances in intelligent data analysis XII : IDA 2013 : 12th International Symposium, London, UK, October 17-19, 2013 : proceedings, (Lecture notes in computer science, ISSN 0302-9743, 8207). Berlin; Heidelberg: Springer, 2013, vol. 8207, str. 333-344.
3. PEROVŠEK, Matic, VAVPETIČ, Anže, CESTNIK, Bojan, LAVRAČ, Nada. A wordification approach to relational data mining. V: FÜRNKRANZ, Johannes (ur.), et al. Discovery science : 16th International Conference, DS 2013, Singapore, October 6-9, 2013. proceedings, (Lecture notes in computer science, ISSN 0302-9743, Lecture notes in artificial intelligence, 8140). Berlin, Heidelberg: Springer, 2013, vol. 8140, str. 141-154.
4. JURŠIČ, Matjaž, CESTNIK, Bojan, URBANČIČ, Tanja, LAVRAČ, Nada. HCI empowered literature mining for cross-domain knowledge discovery. V: HOLZINGER, Andreas (ur.), PASI, Gabriella (ur.). Humancomputer interaction and knowledge discovery in complex, unstructured, big data : proceedings, Third International Workshop, HCI-KDD 2013, Held at SouthCHI 2013, Maribor, Slovenia, July 1-3, 2013, (Lecture notes in computer science, ISSN 0302-9743, Lecture notes in artificial intelligence, vol. 7947). Berlin; Heidelberg: Springer, 2013, vol. 7947, str. 124-135.
5. PETRIČ, Ingrid, CESTNIK, Bojan, LAVRAČ, Nada, URBANČIČ, Tanja. Outlier detection in cross-context link discovery for creative literature mining. The Computer journal, ISSN 0010-4620, 2012, vol. 55, no. 1, str. 47-61, doi: 10.1093/comjnl/bxq074.