Üzleti intelligencia laboratórium

A tantárgy angol neve: Business Intelligence Laboratory

Adatlap utolsó módosítása: 2019. március 6.

Budapesti Műszaki és Gazdaságtudományi Egyetem
Villamosmérnöki és Informatikai Kar
Mérnökinformatikus MSc szak, Alkalmazott Informatika főspecializáció
Tantárgykód Szemeszter Követelmények Kredit Tantárgyfélév
VIAUMB00 3 0/0/3/f 4  
3. A tantárgyfelelős személy és tanszék Dr. Ekler Péter,
4. A tantárgy előadója

Név:

Beosztás:

Tanszék, Int.:

Dr. Ekler Péter

docens

Automatizálási és Alkalmazott Informatikai Tanszék

Dr. Dudás Ákos

docens

Automatizálási és Alkalmazott Informatikai Tanszék

Dr. Goldschmidt Balázs

docens

Irányítástechnika és Informatika Tanszék

5. A tantárgy az alábbi témakörök ismeretére épít

Adatbázis kezelés, webes technológiák, objektum orientált szoftverfejlesztés

6. Előtanulmányi rend
Kötelező:
NEM
(TárgyEredmény( "BMEVIAUMB09", "jegy" , _ ) >= 2
VAGY
TárgyEredmény("BMEVIAUMB09", "FELVETEL", AktualisFelev()) > 0)

A fenti forma a Neptun sajátja, ezen technikai okokból nem változtattunk.

A kötelező előtanulmányi rend az adott szak honlapján és képzési programjában található.

Ajánlott:

Kötelező előtanulmányi rend, a tárgyat csak azok a hallgatók vehetik fel, akik már teljesítették a következő tárgyakat:
BMEVIAUMA02 Üzleti intelligencia

Ajánlott tárgy:
BMEVIIIMA04 Szolgáltatásorientált rendszerintegráció

7. A tantárgy célkitűzése

A tárgy célja az Üzleti intelligencia és Szolgáltatásorientált rendszerintegráció tárgyak anyagának gyakorlása és elmélyítése laboratóriumi mérések elvégzésével.

8. A tantárgy részletes tematikája

 

Laboratórium anyaga

1.

A laboratóriumi foglalkozás során ismertetésre kerül a relációs és NoSQL alapú adatbázis készítés, kezelés és karbantartás.

2.

A laboratórium alkalmon bemutatásra kerülnek a legfőbb BI kezelő eszközök és az adatbetöltési lehetőségek. Ezt követően a résztvevők ETL folyamatok segítségével megvalósítanak adatbetöltési és adattisztítási feladatokat.

3.

Az előző laborfoglalkozás során betöltött adatokra építve ezen az alkalmon a résztvevők megismerkednek az adatmodellezéssel, további üzleti intelligencia eszközökkel és adattárházak építéssel, illetve alapvető statisztikai mérőszámok kinyerésével.

4.

A laborfoglalkozás keretében a résztvevőknek lehetőségük nyílik egy Hadoop alapú megoldás elkészítésében, megismerkedhetnek az adatbetöltéssel, tárolással és adat elérhetőséggel.

5.

Ezen alkalmon a report és dashboard készítés kerül bemutatásra, ahol a résztvevők gyakorolhatják az összetett reportok és dashboardok készítését, szűrések létrehozását, valamint az ütemezést és report kiajánlást. A laboralkalom a Hadoop alapú adatok kezelésére is kitér.

6.

A laborfoglalkozás keretében megismerkednek a hallgatók a BI rendszerek SDK-ival, melyek lehetőséget biztosítanak a megoldások kiterjesztésére. A laborgyakorlat során a feladat egy ilyen SDK felhasználása.

7.

A laborfoglalkozás keretében a résztvevők megismerkednek az üzleti folyamatok modellezésének kérdéskörével (BPEL, BPMN). A foglalkozás keretében egy összetett feladat kerül megoldásra.

8.

Az alkalom keretin belül a hallgatók megismerkedhetnek a reszponzív reporting és dashboard felületek összeállításával. Szintén a labor részét képezi reportok által előállított adatok kiajánlása és elérhetővé tétele külső kliensek, például mobil eszközök számára.

9.

Ezen alkalom során bemutatjuk a felhő alapú BigData rendszereket és a laboratóriumi alkalom keretében egy összetett feladat kerül ismertetésre. A feladat célja egy népszerű felhő szolgáltatás bemutatása az adatbetöltéstől az adatok megjelenítéséig.

9. A tantárgy oktatásának módja (előadás, gyakorlat, laboratórium)

Laboratórium.

10. Követelmények

-        Az órarend szerinti foglalkozásokon való részvétel,

-        A laboratóriumi gyakorlatok sikeres elvégzése, ennek feltétele a mérési gyakorlaton való felkészült megjelenés, amit a mérésvezető oktató szóban és/vagy írásban ellenőriz. Az elégtelen felkészültségű hallgatók a mérési gyakorlaton nem vehetnek részt, azt pótolniuk kell. További feltétel a mérés sikeres végrehajtása és az ezt dokumentáló jegyzőkönyv elfogadtatása a mérésvezető oktatóval.

-        A félévközi jegy a jegyzőkönyvek osztályzatának átlaga.

11. Pótlási lehetőségek

A TVSZ előírási szerint, két mérés pótolható a szorgalmi időszak végén.

12. Konzultációs lehetőségek

A tárgy előadójával történt egyeztetés szerint.

13. Jegyzet, tankönyv, felhasználható irodalom

-        Alex Holmes: Hadoop in Practice, Second Edition, 2014.

-        John Russel: Cloudera Impala, 2013.

-        Phil Simon: Too Big to Ignore: The Business Case for Big Data, 2013.

-        Stephen Few: Information Dashboard Design: Displaying Data for At-a-Glance Monitoring, 2013.

-        Ralph Kimball, Margy Ross, Warren Thornthwaite, Joy Mundy, Bob Becker: The Kimball Group Reader: Relentlessly Practical Tools for Data Warehousing and Business Intelligence, 2010.

-        Howard Dresner: The Performance Management Revolution: Business Results Through Insight and Action, 2007.

14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka
Kontakt óra42
Félévközi készülés órákra38
Felkészülés zárthelyire0

Mérési jegyzőkönyv elkészítése

40
Kijelölt írásos tananyag elsajátítása0
Vizsgafelkészülés0
Összesen120
15. A tantárgy tematikáját kidolgozta

Név:

Beosztás:

Tanszék, Int.:

Dr. Ekler Péter

docens

Automatizálási és Alkalmazott Informatikai Tanszék

Dr. Dudás Ákos

docens

Automatizálási és Alkalmazott Informatikai Tanszék

Dr. Goldschmidt Balázs

docens

Irányítástechnika és Informatika Tanszék