A WEB 2.0 JÖVŐJE ÉS A SZEMANTIKUS WEB
A 2007. április 27-i in4-konferencia tanulmányai
Szerkesztette Tóth Tünde és Vaskó Péter
Budapest, Bibliopolisz, 2007

Tóth Tünde & Vaskó Péter TÓTH Tünde & VASKÓ Péter
a kötet szerkesztői

VASKÓ Péter VASKÓ Péter, M.A.
főszerkesztő
EMIR

SZAKADÁT István, C. Sc. SZAKADÁT István, C. Sc.
egyetemi docens

BME GTK
Szociológia és Kommunikációs Tanszék – MOKK

DUDÁS Anikó, Ph.D. DUDÁS Anikó, Ph.D.
egyetemi adjunktus

PPKE BTK
Nyelvészeti Intézet

GUSZLEV Antal GUSZLEV Antal, M. S.
főiskolai adjunktus

Nyugat-Magyarországi Egyetem Geoinformatikai Kar
Térinformatikai Tanszék
LUKÁCS Lilla LUKÁCS Lilla, M. S.
tudományos segédmunkatárs

MTA Történettudományi Intézet
Történeti Atlasz

 Az adattárház-technológiáról dióhéjban
SALGÁNÉ MEDVECZKI Marianna, Ph.D. SALGÁNÉ MEDVECZKI Marianna, Ph.D.
egyetemi tanársegéd

DE IK
Komputergrafika és Könyvtárinformatikai Tanszék

FODOR János, Ph.D. FODOR János, Ph.D.
egyetemi tanársegéd

ELTE BTK
Könyvtártudományi Tanszék

Tóth Tünde, Ph.D. TÓTH Tünde, Ph.D.
egyetemi adjunktus

Pannon Egyetem BTK
Magyar Irodalomtudományi Tanszék

Salgáné Medveczki Marianna: Az adattárház- technológiáról dióhéjban

 Bevezetés

Az információ- és könyvtártudomány, illetve a könyvtárügy egyik központi és meghatározó kérdésköre az információfeldolgozási, -szervezési, -kezelési, -keresési folyamatok egységesítése, szabványosítása, azaz „nemzetköziesítése”. Hangsúlyt ez a terület már jóval a könyvtári munkafolyamatok automatizálása, az informatika térhódítása előtt kapott, vagyis ez a problémakör valójában a primer és szekunder információ(k) sokféleségéből fakad, és ehhez csak egy adalék, hogy az utóbbi néhány évben/évtizedben kezelésüket számítógépek segítségével próbáljuk megoldani.

Új fejlődési irányokat találhatunk, ha az információfeldolgozás egységes elvei mellett az információk tudatos és jól átgondolt szervezése is komoly hangsúlyt kap. Erre egy lehetséges módszert jelentenek az adattárház-rendszerek.

Az adattárház-rendszerek megismeréséhez érdemes megvizsgálni alkalmazásuk környezetét, működtetésük alapvető indítékait, céljait. S bár az adattárház-technológiák alkalmazásának mozgatórugója elsősorban a vállalati, piacgazdasági környezet, s az adattárház megoldás megvalósításával többek között gazdasági döntések információs hátterét biztosító adat- és tudásbázishoz juthatunk; mára az adattárház technológia már nem csak döntéstámogatási célokat szolgál, hanem általános adatszervezési és elemzési célokat megvalósító eszközzé fejlődött.

Az előadás célja a rohamosan terjedő adattárház-technológia rövid ismertetése, áttekintése az érdeklődés felkeltésére, valamint egy konkrét megvalósításának bemutatása.



  OLTP rendszerek

Az adatbázisok alkalmazási területeit vizsgálva olyan klasszikus alkalmazási területek jutnak az eszünkbe, mint egy könyvtári rendszer, jegynyilvántartás, számlák kezelése, termelési adatok vagy raktárszintek nyilvántartása. Ezen alkalmazások közös jellemzői, hogy e rendszerekben az adatbázis a vizsgált rendszer adminisztrálására szolgál, vagyis az adatbázisban a vizsgált rendszer leírása, a vizsgált rendszer aktuális állapota található. Egy raktári nyilvántartó rendszerben az adatbázis a raktár aktuális feltöltöttségét mutatja, megadva, hogy mely termékekből mennyi és hol helyezkedik el, vagy egy könyvtári rendszerben, hogy adott dokumentum mely olvasónál mennyi ideig lesz kölcsönzésben.

Az ilyen rendszereken nyugvó alkalmazásokra jellemző, hogy a lekérdezési funkciók mellett számos olyan funkciót is tartalmaznak, amelyek megváltoztatják az adatbázis tartalmát. Ezek a funkciók a valóságban megjelenő folyamatokat képzik le az információs rendszer szintjén. Ezeket nevezzük OLTP (On Line Transaction Processing) rendszereknek, amelyek elsődleges célja az adatok tárolása. Ma már a vállalatok gyakran használnak valamilyen ERP (Enterprise Resource Planning) informatikai rendszert, azaz integrált vállalatirányítási rendszert, vagy például könyvtárak integrált könyvtári rendszert a napi működésük támogatására.

Többek között egy könyvtári kölcsönzési modul tervezésénél például felmerülhet a kérdés, hogy egy kölcsönzési egység mit jelentsen: egy létező, élő kölcsönzést vagy egy valamikor korábban megtörtént kölcsönzést. Fontos döntés tehát, hogy az adatbázis csak az aktuális állapot nyilvántartására, vagy a korábbi állapotok megőrzésére is vonatkozzon. Ez utóbbi esetnek is van értelme és célja, hiszen a múltbeli állapotok hasznos információkat adhatnak a felhasználó számára. Technikailag pedig az adatbázis korábbi állapotainak megőrzése rendszerint nem igényel nagy programozói ráfordítást, csak a rendelkezésre álló tárolókapacitás szabhat határt az archív anyagok megőrzésének.

A hagyományos, aktuális állapot lekérdezésére vonatkozó alkalmazások mellett kialakultak az információs rendszerek új elemei, amelyek a múltbeli események elemzése alapján a jövőben várható folyamatok megtervezését segítik. Az így kialakuló alkalmazásokat szokás döntéstámogató rendszereknek (DSS, Decision Support System) nevezni.

A DSS rendszerek nemcsak az alkalmazott műveleti lépésekben, a felhasznált adatmennyiségben különböznek a hagyományos alkalmazásoktól, hanem felhasználói körükben is. Míg a hagyományos alkalmazásokat az operatív tevékenységben résztvevő dolgozók használják, addig a DSS rendszerek a vállalatok, cégek vezetői számára készülnek.

Az adattárház-technológia a döntéstámogatás fontos eleme. Célja, hogy biztosítsa a kulcsfelhasználók, különösen a vezetők számára a cég adatainak elérhetőségét; a bonyolult, összetett kérdésekre adott válaszokkal, a múltbeli események elemzésével a stratégiai döntéshozatalt támogassa.

Az adattárház adatbázisának adatai akár több tranzakciós rendszer adatbázisából, külső adatokból és nagy időtartomány összesített adataiból származnak, ezért az adatbázis mérete igen nagy is lehet. Az elsődleges művelet az olvasás, ezért a lekérdezések optimalizálására kell törekedni.

A betöltött adatok az adattárház információs adatbázisában kerülnek tárolásra. Az adatstruktúrákat leíró metaadatokat az adatszótár tárolja és rendszerezi. A tárházat adminisztráló és monitoring eszközök felügyelik.



  Adattárház kritériumok

Az adattárház fogalmának meghatározására különböző kísérletek történtek, a szakirodalomban talán leggyakrabban idézett és leginkább elfogadottá vált definíció W. H. Inmon nevéhez fűződik: „Az adattárház tárgyorientált, integrált, tartós és időfüggő adatgyűjtemény, amelyet elsősorban a döntéstámogatásban használnak”.

  • Tárgyorientált (tematikus): alkalmazásainkat annak funkcióit, feladatait szem előtt tartva tervezzük.
  • Integrált: az adattárház az adott tárgyterületekhez kapcsolódó adatokat az érintett adatforrásokból szabványosított formára alakítva egy helyre gyűjti, és egységbe rendezve kezeli.
  • Tartós: az adattárházban jelen lévő adatok alapvetően változatlanok.
  • (Ha a forrásrendszer adatai változnának, az adattárház a változást követi, de úgy, hogy a bennlévő adatot megfelelő érvényességi idővel látja el, majd felveszi az új állapotot is, megfelelő időbélyeggel. A bekerült adatok tehát tartósan meg is maradnak, így biztosítva a hosszú távú és reprodukálható elemzések lehetőségét.)
  • Időfüggő: forrásrendszereink adatai nagyrészt egy adott időpontra érvényesek – a jelenre, az adott aktuális állapotokat írják le, ehhez képest a megcélzott elemzések leginkább történeti adatokon, az adatok idősorain használatosak. Az adattárház ennek megfelelően az adatokat időfüggően, időpontok és időintervallumok szerint tárolják és kezelik, a forrásrendszerek változását nyomon követve.
  • Az adattárház fogalmat az általános technológiai értelmezésén kívül akkor használjuk, ha vállalati szinten lát el adatgyűjtő, adatszolgáltató funkciókat ehhez általában több adatforrást felhasználva.



      OLAP rendszerek

    Az operatív adatbázisokon működő tranzakció-feldolgozó (OLTP) rendszerekkel összevetve az adattárházak más jellegű adatkezelést igényelnek. Itt az OLAP (On Line Analytical Transaction Processing)-ot támogató adatbázis-kezelőkre van szükség, amely hatékonyan valósítja meg az adatok közötti kapcsolatok kezelését, a nagytömegű adatot érintő lekérdezéseket, és analitikus műveletekkel szolgál. Az adattárházak a multidimenzionális adatmodellt támogatják, amelyben könnyebben le lehet kérdezni a különböző mennyiségek közötti összefüggéseket, mint a relációs modellben. Az OLAP rendszerek fő célja tehát az adatkinyerés, ahol hangsúlyos kérdés a komplex lekérdezések végrehajtásának minél hatékonyabb biztosítása. A lekérdezés biztosítása nemcsak a művelet optimalizálását jelenti, hanem annak eldöntését is, milyen kiegészítő információkra van szükség a hatékony kezelés megoldásához.

    Mára általánosan elfogadottá vált nézet, hogy az OLTP és OLAP rendszerek különböznek annyira céljaikban, felhasználóikban, módszereikben, hogy érdemes az online elemző alkalmazásokat és rendszereket teljesen külön, független rendszerként megvalósítani.



      Üzleti intelligencia

    Az üzleti intelligencia (Business Intelligence) Howard Dresner szerint olyan módszerek, fogalmak halmazát jelenti, amelyek a döntéshozás folyamatát javítják adatok és ún. tényalapú rendszerek használatával, amelyek a következő alrendszereket foglalják magukba:

  • Vezetői információs rendszerek (Executive Information Systems, EIS)
  • Döntéstámogató rendszerek (Decision Support Systems, DSS)
  • Vállalati információs rendszerek (Enterprise Information Systems)
  • Online Analytical Processing (OLAP)
  • Adat- és szövegbányászat
  • Adatvizualizáció
  • Az üzleti intelligencia feladatát képezi a heterogén forrásokból származó, nem összefüggő adatok azonosítása, integrálása és elemzése, vezetői információs igények kiszolgálása, megfontolt üzleti döntések és megfelelő intézkedések meghozatala az üzleti folyamatok javítása és többek között a „Mi lenne, ha ...?” típusú elemzések készítése érdekében.



      Adattárház és a multidimenzionális adatmodell

    Az adattárház, mint már korábban láttuk, egy gyűjtőhely, ahol az adatrendszer számtalan forrásból származó, integrált adatokat tartalmazhat. Az adattárház azonban több, mint egyszerű adatlerakat, mivel az adattárházban nemcsak maguk az adatelemek, hanem a köztük fennálló kapcsolatok is tárolásra kerülnek.

    Az adattárházak komponenseiként rendszerint a következők említhetők:

  • Adatok adattárházból történő kinyerését és betöltését segítő eszközök (ETL – Extraction, Transformation and Load – Tools)
  • Adatszolgáltatás az alkalmazások felé (OLAP tools)
  • Adatanalízis, elemző alkalmazások – frontend oldal
  • Felügyelet, adminisztráció és metaadat-kezelés
  • Adatbázis technológiák (MOLAP, ROLAP, HOLAP megoldások)
  • A bemeneti oldalon az adatforrások állnak, amelyek típusukat tekintve igen heterogének lehetnek. Egy vállalat tranzakciós rendszerei által kezelt adatbázisok mellett külső adatforrások is szerepelhetnek itt, ezért megfelelő eszközök szükségesek az adatok kinyeréséhez az adatforrásokból, az adatok tisztításának és transzformációjának elvégzéséhez, az összegyűjtött adatok betöltésére és frissítésére.

    A betöltött adatok az adattárház információs adatbázisában kerülnek tárolásra, ahol az adatstruktúrákat leíró metaadatokat az adatszótár tárolja és rendszerezi.

    A kliens oldalon az adatok kiaknázása lekérdező, jelentéskészítő, analizáló, adatbányászati eszközökkel történik.

    Az adattárház a vizsgált adatok együttese, a normál és metaadatokkal, a kapcsolatokkal és az integritási szabályokkal együtt. Az adatszótár az adattárház része, amelyben a tárolt adatrendszer leírása, az adatrendszer struktúrája foglal helyet. Az adatszótárban tárolják a funkcionálisan teljes adattárház megvalósításához szükséges metaadatokat, például az adatok típusairól, kapcsolatairól vagy az adatok forrásáról. A felhasználónak úgy kell tudnia hozzáférni az adattárházban tárolt adatokhoz, hogy ne kelljen ismernie az adatok elsődleges forrását és struktúráját. A metaadat-szótárat megvalósító komponensek kulcsfontosságú szerepet játszanak az adattárház adminisztrációjában, de egyben az adattárház használhatósága is nagyban múlik minőségükön.

    Az adattárház működéséhez elengedhetetlen valamilyen adatbázis-kezelő használata. Az adatbázis-kezelők lehetnek általános célú, hagyományos adatbázis-kezelők, vagy lehetnek speciálisan multidimenzionális adattárolásra kifejlesztett adatbázis-kezelők.

    A multidimenzionális adatmodellben az adatokat úgy tárolják, hogy minél könnyebben le lehessen kérdezni a különböző adatok, értékek közötti kapcsolatot, szemben a relációs modellel, ahol a különböző adatok szeparált táblákban kerülnek elhelyezésre.

    A multidimenzionális modell szemantikai rétegének alapfogalmai a következők:

    Tényadatok (~mutatószámok): azok a mérhető, numerikus adatok, amelyeket elemezni és ehhez tárolni szeretnénk. Ilyenek például az árbevétel, súly, eladott darabszám, nyereség, raktárkészlet stb.

    Dimenzió (~jellemző): azok a tulajdonságok, amelyek szerint a tényadatokat csoportosítani, jellemezni tudjuk. A dimenziók egymástól független (bár nem feltétlenül teljesen független, ortogonális) jellemzői egy-egy tényadatnak. Dimenzió lehet például idő, hely, termék, alapanyag, szállító neve, raktár, költségnem, költséghely stb.

    Tag: a dimenzió egy érték-előfordulása, azaz egy koordináta érték a dimenzió él mentén.

    Hierarchia: a dimenziók elemei hierarchiákba rendezhetők, adott dimenzió esetén az egyes tagok közötti hierarchikus kapcsolatrendszert írja le. Ilyen hierarchikus szerkezet lehet például idő dimenzió esetén egy év – hónap – nap felbontás vagy egy irodai szoba esetén egy épületegyüttes – épület – emelet – szoba felbontás. A dimenziók számára csak a kiválasztott adattárház-rendszer ad megszorítást.

    Felbontás: az a legkisebb adategység, amely egységekben az adatot még elérhetővé szeretnénk tenni, tehát amikor az adat jellemzéséhez minden dimenziót felhasználunk. Adatkockánként több típusú tényadat is szerepelhet egymás mellett, ekkor azonban mindegyikük granularitása (felbontása) meg kell egyezzen.

    A következő példa egy nagyon leegyszerűsített háromdimenziós változatát ábrázolja egy nemzetközi kereskedő cég eladási adataiból alkotott adatkockának. A mutatószámok (tényadatok) a kocka celláiban helyezkednek el, és egyértelműen azonosíthatók egy idő-termék-hely hármassal. Ennek következménye, hogy a kocka legkisebb felbontásként a következő adatot tartalmazza: egy adott napon egy adott fióküzletben mennyi fogyott egy adott termékből, és ebből mennyi árbevétel keletkezett.

    A multidimenzionális modellben tehát azt a tárolási egységet, mely a kapcsolódó mennyiségeket összefogja, kockának nevezik. A kocka minden éle egy-egy önálló mennyiségnek felel meg, míg a kocka belsejében azon mennyiség előfordulásai foglalnak helyet, melynek az élekben megadott mennyiségektől való függését vizsgáljuk. A kockában az adatok, értékek több más mennyiség függvényében jelennek meg.


    1. ábra: Háromdimenziós adatkocka kialakítása

    Az adatkocka modellel jelentősen javítható az összetartozó mennyiségek közötti kapcsolatok feltárása is, hiszen a kockában nem a puszta értékeken keresztül kapcsolódik a kocka belsejében tárolt és a kocka élein elhelyezkedő mennyiség, hanem egy bonyolult pointer láncolatot hoznak létre, mely lehetővé teszi, hogy egy adott értékből közvetlenül elérjük a hozzá kapcsolódó független mennyiségeket.

    Egy adattárház adatbázisa relációs DBMS-en is megvalósítható, ha az rendelkezik multidimenzionális adatmodellt és OLAP támogatást biztosító kiterjesztésekkel (ROLAP). A multidimenzionális OLAP szerverek (MOLAP) az adatmodellnek megfelelő formában tárolják és kezelik az adatokat.



      Adattárház-műveletek

    Az adatkockákon végzett elemzésekhez kockák közti műveleteket, operátorokat használhatunk. Ezek a műveletek az adatkockához egy új adatkockát rendelnek, céljuk általában az, hogy az új adatkocka az adatok egy olyan nézetét biztosítsa, ami az elemzési szempontunknak megfelel, esetleg táblázatként meg is jeleníthető. A legelterjedtebb műveletek a következők:

  • Aggregáció (roll up): csoportosításokat végzünk valamely dimenzió mentén (például városok helyett országok szerint nézzük adatainkat).
  • Lefúrás (drill-down) : az előzővel ellentétes művelet, amely csökkenti a csoportosítás szintjét, és egyre részletezettebben nézhetjük az adatokat.
  • Elforgatás (pivoting): az adatkocka elforgatását értjük alatta, az adatok multidimenzionális képét alakítja át például kétdimenziós táblázatba.
  • Szelekció (selection, filtering): egy adott dimenzió egy adott elemét kiválasztjuk, és a hozzá tartozó adatokat dolgozzuk fel, míg a többi adatot figyelmen kívül hagyjuk.
  • Szeletelés (slicing and dicing): a kocka szeletekre bontása. A szelekcióhoz hasonlóan azt értjük alatta, amikor egy adott dimenziót fix értékkel lekötünk, és ily módon vizsgáljuk a kocka egy nézetét, egy szeletét. Dicing alatt a kocka egy részkockájának kivágását értjük.


  •   Az MIS

    Az MIS napjaink egyik meghatározó adattárház-megoldása, korábban a Systems Union, ma az amerikai Infor Global Solutions égisze alatt fut. Az MIS vállalati teljesítmény menedzsment megoldásai lefedik az összes vállalati operatív, tervezési és elemzési szükségleteket, lehetőséget teremtve az egyes tevékenységek eredményeinek vállalaton belüli áramoltatására. Lényege: a szigetszerű megoldások helyett egy innovatív, moduláris, rugalmasan bővíthető üzleti intelligencia megoldás kialakítása.

    Az MIS üzleti intelligencia szoftvercsomagjának neve MIS DecisionWare. Fő komponensei:

  • a felhasználói felületek:
  • a tervezés, elemzés eszköze, az MIS Excel Integration,
    a vezetőség számára jelentéseket bemutató MIS onVision,
    az adatok módszeres elemzését végző MIS DeltaMiner; továbbá
  • az előre elkészített, később testre szabható alkalmazások:
  • az integrált pénzügyi tervezést végző MIS Enterprise Planning,
    a konszolidációt végző MIS Consolidation,
    a leányvállalatokat vagy telephelyeket kezelő MIS Package;
  • és a közös platformjuk, az MIS Alea multidimenzionális adatbázis-kezelő és a sokféle adatforrásból (pl. SAP, MS SQL Server) adatbetöltést végző MIS ImportMaster.
  • Minden MIS alkalmazás az MIS DecisionWare technológiára épül. Ez a megoldás képes kapcsolódni bármely vállalati forrásrendszerhez.

    Az alapadatok megbízhatósága és elérhetősége minden tervezés, beszámolás, elemzés alapja. Ezek az adatok leggyakrabban különböző forrásrendszerekben találhatók, és szerkezetileg a legritkább esetben felelnek meg a felhasználók követelményeinek. Az MIS Application Server, vagyis az MIS Alea konzisztens módon fogja össze ezeket az adatokat, és a tervezés, jelentés, elemzés egységes platformját képezi. Az MIS DecisionWare-ben valamennyi – akár előre elkészített, akár egyedi – alkalmazás, felhasználói felület azonos platformot, egyazon adatbázist használ.


    Az MIS Alea multidimenzionális, valós idejű OLAP adatbázis technológia érdeme, hogy az adatok és struktúrák importálása tetszőleges forrásrendszerből megoldható (például SAP R/3-ból, BW-ből).


    3. ábra: Dimenziók kialakítása az MIS Alea-ban

    Az MIS Enterprise Planning rugalmas elemző alkalmazás, amely szabványos technológiai megoldásokra épül (többek között adattárház-technológiára) felhasználóbarát testreszabhatósággal ötvözve. Az üzleti felhasználók IT ismeretek nélkül létre tudnak hozni igényeik szerint egyedi struktúrákat, szabályokat, részletes lekérdezéseket, terveket és jelentéseket.

    Az MIS Enterprise Planning beépített része az üzleti intelligencia, képes többdimenziós táblák, grafikonok készítésére, tetszés szerinti számú paraméter (dimenzió) rugalmas ábrázolására.


    4. ábra: Riport definiálás MIS Enterprise Planning-ben

    A különböző vállalati felhasználók specifikusan a számukra szükséges mennyiségű és részletességű információt kapják, illetve dolgozhatják fel. Tudásszintjüknek és érdeklődésüknek megfelelő funkciókkal ellátott felhasználói felületet tudnak kialakítani és használni az MIS Excel Integration, az MIS onVision vagy az MIS DeltaMiner valamelyikének alkalmazásával.

    Az MIS Excel Integration a tervezés, jelentéskészítés és ad hoc elemzés céljára egyaránt alkalmas. A megszokott Excel környezetet használja egy új menüponttal bővítve, amelynek hatására a felhasználó az MIS DecisionWare közös adatbázis adataival dolgozhat, sokdimenziós elemzéseket, tervezést végezhet. Az elemzések egy adatkocka-varázsló segítségével a közös adatbázissal való folyamatos kapcsolat nélkül, offline is elvégezhetők, saját helyi adatterületek létrehozásával. Az elemzések közzétehetők weben, importálhatók és közzétehetők más felhasználói felületen, az MIS onVisionben is.


    5. ábra: MIS Excel Integration-ben végzett tervezés és elemzés

    Az MIS onVision nagy és kis mennyiségű adatokat érintő jelentéskészítő eszköz, amely dinamikusan tájékoztatja címzettjeit a legfrissebb adatokról. Gyors, közvetlen hozzáférést biztosít például SAP-ben, Microsoft SQL Serverben és más adatforrásokban tárolt adatokhoz. A jelentések automatikusan alkalmazkodnak az adatok és a struktúrák módosításaihoz, ezért karbantartási szükségletük minimális. Az elkészült jelentések a hálózaton (intranet, internet) éppúgy rendelkezésre állhatnak, mint Windows-kliens közvetítésével. Az Excelben létrehozott jelentések szintén importálhatók és közzétehetők a hálózaton.


    6. ábra: Adatközzététel MIS on Vision-ben

    Az MIS DeltaMiner olyan eszköz, amely lehetővé teszi megfelelő elemzési módszerek kiválasztásával az irányítás és az eredmények figyelemmel kísérését, a trendek korai felismerését és a minél gyorsabb reagálást. Segítségével felfedezhetők az adatok, az adattömeg mögötti jelenségek, folyamatok és összefüggések. A MIS DeltaMiner automatizált, rugalmas adatelemző-rendszer, amelyet a felhasználó messzemenően a saját arculatára szabhat igényeinek megfelelően.


    7. ábra: Elemzés a MIS DeltaMiner segítségével






     Irodalom

    1. R. ELMASRI, S. B. NAVATHE, Fundamentals of Database Systems, Benjamin Cummings, 19942.

    2. W. H. INMON, Building the Data Warehouse, 19962

    3. R. KIMBALL, M. ROSS, The Data Warehouse Toolkit, John Wiley & Sons, Inc., 20022.

    4. MIS DecisionWareManuals, MIS, 2006.

    5. SIDLó Csaba, Összefoglaló az adattárházak témeköréről, ELTE, 2004.



    Utolsó frissítés: 2008. 06. 12.

    © A Szerzők, 2007–2008
    © Bibliopolisz, 2007–2008
    Minden jog fenntartva!
    All rights reserved!
    ISBN 978-963-87640-1-0 (online verzió)