องค์ประกอบของระบบสนับสนุนการตัดสินใจ (DSS Component)

1. องค์ประกอบของระบบสนับสนุนการตัดสินใจองค์ประกอบของระบบสนับสนุนการตัดสินใจ (DSS Component) D S S

2. หัวข้อ (Topic) 1 องค์ประกอบของระบบสนับสนุนการตัดสินใจ 1.1 ระบบจัดการข้อมูล (Data Management Subsystem) 1.2 ระบบจัดการแบบจำลอง (Model Management Subsystem) 1.3 ระบบจัดการฐานความรู้ (Knowledge-based (Management) Subsystem) 1.4 ระบบโต้ตอบกับผู้ใช้ (User Interface Subsystem) 1.5 ผู้ใช้งานระบบ (The User) 2 คลังข้อมูล (Data Warehouse) 3 เทคโนโลยีฐานข้อมูล (Database Technology) 4 เครื่องมือในการพัฒนาระบบ DSS (DSS Hardware) D S S

3. วัตถุประสงค์การเรียนรู้ (Learning Objective) 1. อธิบายความสัมพันธ์ในการทำงานขององค์ประกอบระบบสนับสนุนการตัดสินใจ ทั้ง 5 ส่วนได้ 2. สร้างแผนภาพ (Diagram) แสดงลำดับการทำงานของระบบ DSS (DSS Component) ได้ 3.ให้เหตุผลในการนำคลังข้อมูล (Data Warehouse) มาใช้งานในปัจจุบันได้ 4. เปรียบเทียบความแตกต่างของวิวัฒนาการฐานข้อมูลในอดีตกับฐานข้อมูลสมัยใหม่ได้ 5. อธิบายเกี่ยวกับเทคโนโลยีฐานข้อมูล (Database Technology) และการนำมาใช้ประโยชน์ได้ 6. แนะนำเครื่องมือในการพัฒนาระบบ DSS ได้ D S S

4. 1 องค์ประกอบของระบบสนับสนุนการตัดสินใจ (DSS Components) D S S

5. สิ่งที่ควรพิจารณาก่อน “การพัฒนา DSS Component” 1. แผนแม่บทองค์กร 2. การตัดสินใจของผู้บริหารระดับต่าง ๆ ในองค์กร (ระดับกลยุทธ์,ระดับเทคนิค,ระดับปฏิบัติการ) 3. การตัดสินใจแก้ไขปัญหาลักษณะต่าง ๆ (มีโครงสร้าง,ไม่มีโครงสร้าง,กึ่งโครงสร้าง) 4. การทำงานของผู้บริหารระดับต่าง ๆ รวมถึงพนักงานที่มีองค์ความรู้หรือมีทักษะ 5. ลักษณะธุรกิจที่องค์กรดำเนินการอยู่ D S S

6. 1 องค์ประกอบของระบบสนับสนุนการตัดสินใจ (DSS Components) 1.ระบบจัดการข้อมูล (Data Management Subsystem) 2.ระบบจัดการแบบจำลอง (Model Management Subsystem) 3.ระบบจัดการฐานความรู้ (Knowledge-based (Management) Subsystem) 4.ระบบโต้ตอบกับผู้ใช้ (User Interface Subsystem) 5.ผู้ใช้งานระบบ (The User) D S S

7. DSS Components User 5 User Interface 4 KBS1 3 D S S DBMS MBMS 1 2 KBS2 KBS3 3 3

8. 1.1 ระบบจัดการข้อมูล (The Data Management Subsystem) ประกอบด้วยการทำงาน 4 ส่วน ได้แก่ • ฐานข้อมูล DSS (DSS database) • ระบบจัดการฐานข้อมูล (Database management system) • สารบัญข้อมูล (Data directory) • การสอบถามข้อมูล (Query facility) D S S รูป 1.2

9. DSS database 1. ฐานข้อมูล DSS (DSS database) ใช้จัดเก็บข้อมูล ซึ่งฐานข้อมูล DSS จะแตกต่างจากฐานข้อมูลทั่วไป คือมีการจัดเก็บ แต่ไม่มีการลบข้อมูลทิ้ง ข้อมูลที่เก็บในฐานข้อมูล DSS อาจจะมาจากหลายแผนกในองค์กร หรืออาจมาจากแหล่งข้อมูลอื่นภายนอกองค์กร ฉะนั้นก่อนจะนำเข้าจัดเก็บในฐานข้อมูลนั้นจะต้องทำการ Cleaning ข้อมูลก่อน ซึ่งฐานข้อมูล DSS จะมีขนาดใหญ่กว่าฐานข้อมูลทั่ว ๆ ไป (รายละเอียดจะกล่าวเพิ่มเดิมในหัวข้อด้านล่าง) D S S

10. ฐานข้อมูล DSS (DSS Database) ลักษณะการจัดเก็บข้อมูล ที่สามารถนำข้อมูลไปพัฒนาเป็นข้อมูล DSS มีลักษณะดังนี้ 1. Data warehouse 2. Data mining 3. Special independent DSS databases 4. Extraction of data from internal, external, and private sources 5. Web browser data access 6. Web database servers 7. Multimedia databases 8. Special GSS databases (like Lotus Notes / Domino Server) 9. Online Analytical Processing (OLAP) 10. Object-oriented databases 11. Commercial database management systems (DBMS) D S S

11. ธรรมชาติและแหล่งข้อมูล (The Nature and Sources of Data) กลุ่มของข้อมูล DSS ประกอบด้วย 1. เอกสาร (Documents) 2. รูปภาพ (Pictures) 3. แผนที่ (Maps) 4. เสียง (Sound) 5. ภาพเคลื่อนไหว (Animation) 6. วีดีโอ (Video) กลุ่มข้อมูลของ DSS อาจเป็นได้ทั้งที่อยู่ในรูปแบบ Hard Copy และ Soft Copy D S S

12. แหล่งข้อมูล (Data Sources) 1. แหล่งข้อมูลภายในองค์กร (Internal) 2. แหล่งข้อมูลภายนอกองค์กร (External) 3. แหล่งข้อมูลจากตัวบุคคล (Personal) D S S

13. วิธีการเก็บรวบรวมข้อมูลวิธีการเก็บรวบรวมข้อมูล 1. การสำรวจ (Survey) 2. สังเกตการณ์ (Observation) 3. การสัมภาษณ์ (Interview) 4. เอกสาร (Documentation) ปัญหาในการเก็บรวบรวมข้อมูล 1. แหล่งที่มาของข้อมูลหากมีไม่มากพอ อาจทำให้เกิดข้อผิดพลาดในการตัดสินใจ 2. ในการรวบรวมข้อมูล หากไม่มีการคัดเลือก เรียบเรียง และกรองข้อมูลให้ตรงประเด็น อาจก่อให้เกิดปัญหาในการตัดสินใจได้ D S S

14. ปัญหาของข้อมูล 1. ไม่มีความถูกต้อง 2. ไม่ทันต่อการใช้งาน 3. ไม่เหมาะสมกับการใช้งาน 4. ข้อมูลที่ต้องการไม่มีอยู่ในระบบ คุณภาพของข้อมูล (Data quality) 1. มีความสอดคล้องของข้อมูล 2. ครบถ้วนในเรื่องปริมาณ 3. ทันเวลาต่อความต้องการใช้ 4. ถูกต้อง น่าเชื่อถือ 5. มีความปลอดภัยในการเข้าถึงข้อมูล 5. การสื่อความหมาย ง่ายต่อการใช้ กะทัดรัดได้ใจความ D S S

15. ข้อแนะนำเกี่ยวกับข้อมูลก่อนนำเข้าสู่ DSS 1. ตรวจสอบความถูกต้องในการรวบรวมข้อมูล, รูปแบบของข้อมูล 2. ตรวจสอบการ Update ข้อมูลล่าสุด 3. ตรวจสอบความสมบูรณ์ ผลลัพธ์ของข้อมูล และแหล่งที่มา 4. ตรวจสอบปริมาณของข้อมูลว่าเพียงต่อการแก้ปัญหาในแต่ละเรื่องหรือไม่ D S S

16. โครงสร้างประเภทฐานข้อมูล (Database Organization and Structure) 1. ฐานข้อมูลเชิงสัมพันธ์ (Relational databases) 2. ฐานข้อมูลแบบลำดับชั้น (Hierarchical databases) 3. ฐานข้อมูลแบบเครือข่าย (Network databases) 4. ฐานข้อมูลเชิงวัตถุ (Object-oriented databases) 5. ฐานข้อมูลมัลติมิเดีย (Multimedia-based databases) 6. ฐานข้อมูลเอกสาร (Document-based databases) 7. ฐานข้อมูลอัจฉริยะหรือฐานข้อมูลอันชาญฉลาด (Intelligent databases) 8. ฐานข้อมูลหลายมิติ (Multidimensional Database ) D S S 1.1

17. Database management system: DBMS 2. ระบบจัดการฐานข้อมูล (Database management system: DBMS) เป็นโปรแกรมที่ทำหน้าที่เป็นตัวกลาง ทำให้ผู้ใช้โต้ตอบหรือติดต่อกับฐานข้อมูลได้ ซึ่ง DBMS จะมีความสามารถในด้านสืบค้นข้อมูล สอบถามข้อมูล ปรับปรุงข้อมูล สร้างรายงาน และลบข้อมูล User สามารถใช้ DBMS ได้โดยผ่านทาง User Interface ระบบจัดการฐานข้อมูลใน DSS(Database Management Systems in DSS) DBMS ที่ใช้กับระบบ DSS ใช้เพื่อเป็นโปรแกรม (Software program) สื่อกลางในการ - จัดเก็บ นำเข้าข้อมูล ข่าวสาร เก็บลงในฐานข้อมูล (storing) - ปรับปรุงข้อมูล (updating) - ลบข้อมูล (deleting) - จัดการควบคุม( manipulating) - ดึงข่าวสารออกมาใช้มาประโยชน์ (retrieving) D S S 1.1

18. 3. สารบัญข้อมูล (Data directory) เก็บดัชนี (index) ทั้งหมดในฐานข้อมูล ซึ่ง DD นี้จะเป็นเหมือนกับการรวบรวมข้อมูลและจำแนกขอบเขตของปัญหา เมื่อมีการค้นหาตามเงื่อนไข จะทำให้การดึงข้อมูลนี้ สามารถตรวจสอบได้เร็วและง่ายขึ้น 4. การสอบถามข้อมูล (Query facility) ใช้ตรวจสอบเงื่อนไขในการค้นหา และค้นหาผลลัพธ์ให้ได้ตามเงื่อนไข D S S 1.1

19. 1.2 ระบบจัดการแบบจำลอง(The Model Management Subsystem ) ประกอบด้วย 5 ส่วนประกอบ ได้แก่ • ฐานแบบจำลอง (Model base) • ระบบจัดการฐานแบบจำลอง (Model base management system) • ภาษาในการสร้างแบบจำลอง (Modeling language) • สารบัญแบบจำลอง (Model directory) • การดำเนินการกับแบบจำลอง (Model execution, integration, and command processor) D S S รูป 1.3

20. Model base 1. ฐานแบบจำลอง (Model base) เป็นแหล่งในการเก็บรวบรวม Model ต่าง ๆ หลากหลายชนิด ซึ่งในการแก้ปัญหา หนึ่ง ๆ อาจจำเป็นต้องใช้ Model ร่วมกันมากกว่า 1 Model ซึ่งอาจประกอบไปด้วย - Model สำหรับตัดสินใจด้านกลยุทธ์ - Model การตัดสินใจด้านเทคนิค - Model การตัดสินใจด้านปฏิบัติการ - Model การวิเคราะห์ข้อมูลอื่น ๆ D S S 1.2

21. Model base management system 2. ระบบจัดการฐานแบบจำลอง (Model base management system) ระบบ MBMS ทำหน้าที่เป็นตัวกลางในการติดต่อกับฐานแบบจำลอง (Model base) เพื่อใช้ Update ฐานแบบจำลอง (Model base) สามารถสร้างระบบ MBMS ได้โดยใช้ภาษาเขียนโปรแกรม หรือใช้เครื่องมือ (Tools) ต่าง ๆ ที่มีความเหมาะสม เชื่อมต่อกับผู้ใช้ผ่านทาง User Interface D S S 1.2

22. Modeling language 3. ภาษาในการสร้างแบบจำลอง (Modeling language) เป็นภาษาที่ทีมงานเลือกใช้ในการพัฒนาตัวแบบของแบบจำลอง เช่น C, C++, Visual Basic, Java, Cobol หรือสามารถใช้ โปรแกรมสำเร็จรูปด้าน Spreadsheet ได้ เช่น Excel D S S 1.2

23. Model directory 4. สารบัญแบบจำลอง (Model directory) เป็นเหมือนกับดัชนี (Index) หรือสารบัญ ที่ทำให้ระบบทราบว่า จะทำการเรียกใช้ Model ตัวใดเพื่อดึงขึ้นมาวิเคราะห์ข้อมูล ซึ่ง Model directory จะทำการเก็บรวบรวมรายชื่อ, ความหมาย และประเภทการใช้งาน Model แต่ละประเภทเอาไว้ D S S 1.2

24. Model Execution 5. การดำเนินการกับแบบจำลอง (Model execution, integration, and command processor) เป็นตัวควบคุมการทำงาน ให้ทุก Model สามารถทำงานร่วมกันได้ ถ้า หากการวิเคราะห์หนึ่ง ๆ จำเป็นต้องใช้มากกว่า 1 Model ถ้าเป็นเช่นนั้น ผลลัพธ์ (Output) ที่ได้จากModel แรกอาจจะกลายมาเป็น Input ที่ จะต้องป้อนเข้าสู่ Model ที่ 2 ก็เป็นได้ และทุกส่วนประกอบในส่วนจัดการ แบบจำลองทำงานร่วมกันได้ ในส่วนนี้จะเน้นในเรื่องของการประมวลผล (Process) นั่นก็คือการแปลคำสั่งต่าง ๆ ให้ทำงานตามต้องการ และการ ประสานงานกัน (Coordinate) D S S 1.2

25. 1.3 ระบบจัดการฐานความรู้ (Knowledge-based (Management) Subsystem) 1. จัดเตรียมผู้เชี่ยวชาญในการแก้ปัญหาแบบกึ่งโครงสร้างและไม่มีโครงสร้าง ซึ่งมีความซับซ้อน 2. นำความรู้จากผู้เชี่ยวชาญไปสร้างเป็นระบบ expert system หรือ intelligent system 3. ระบบ DSS ชนิดพิเศษจะมีระบบ “การจัดการองค์ความรู้” รวมอยู่ด้วย (knowledge based management component) 4. ระบบ DSS ชนิดพิเศษจะเป็นการพัฒนาระบบที่นำไปสู่ระบบ intelligent DSS ตัวอย่างเช่น Data mining D S S รูป 1.4

26. ส่วนประกอบของ KBMS 1. แหล่งองค์ความรู้จากผู้เชี่ยวชาญ (Expert Source) ทำการจัดเก็บรวบรวมองค์ความรู้จากผู้เชี่ยวชาญในแต่ละด้าน หรือจากแหล่งข้อมูลอื่น ๆ และส่งข้อมูลเหล่านั้นเข้าสู่กระบวนการ Knowledge Representation 2. จัดรูปแบบองค์ความรู้ (Knowledge Representation) เป็นการจัดรูปแบบองค์ความรู้ที่นำเข้ามาเก็บในคอมพิวเตอร์ให้อยู่ในรูปแบบที่สามารถใช้งานได้ อาจจะต้องมีการแทนความรู้ที่ได้นั้น ให้เป็นรูปสัญลักษณ์ต่าง ๆ เพื่อให้ทำงานได้ง่ายขึ้น และง่ายต่อการตีความ และนำเข้าไปจัดเก็บในฐานองค์ความรู้ 3. ฐานองค์ความรู้ (Knowledge Base) จะติดต่อกับส่วนตรวจสอบองค์ความรู้ ว่าความรู้ที่ผ่านการแทนด้วยสัญลัษณ์ หรือที่นำเข้ามาเก็บนั้นถูกต้องหรือไม่ 4. ตรวจสอบองค์ความรู้ (Knowledge Validation) ส่วนผลลัพธ์ที่ได้จากการตรวจสอบความถูกต้องของข้อมูลกลับไปยังฐานองค์ความรู้ 5. การอธิบาย (Explanation) ทำหน้าที่ในการอธิบายความองค์รู้นั้น ๆ ให้ผู้ใช้นั้นสามารถเข้าใจถึงคำตอบแล้วส่งข้อมูลนี้ไปยัง ส่วนของการสรุปความ 6. การสรุปความ (Inferencing) เป็นตัวบอกความหมายของข้อมูล D S S

27. 1.4 ระบบโต้ตอบกับผู้ใช้ (User Interface (Dialog) Subsystem) 1. ประกอบไปด้วยการสื่อสาร (communication)ระหว่างผู้ใช้กับระบบ 2. โต้ตอบโดยใช้ GUI (Graphical user interfaces) 3. ใช้ระบบรู้จำเสียง (Voice recognition) และสังเคราะห์ความเร็วของเสียง (speech synthesis possible) 4. ผู้ใช้โต้ตอบกับระบบ D S S รูป 1.5

28. User Interface Subsystem ขั้นตอนการทำงานของระบบ User Interface เป็นดังนี้ • ผู้ใช้นำเข้าข้อมูลผ่านทาง Input Device • นำข้อมูลนั้นไปผ่านการแปลภาษา (Translation) • ส่งต่อไปยังระบบจัดการ User Interface (User Interface Management System) • ระบบจะส่งข้อมูลไปทำงานยังส่วนของ DBMS หรือ Knowledge Base หรือ MBMS (Model Base Management System) เมื่อระบบทั้ง 3 ทำงานได้คำตอบจะส่งผลลัพธ์ย้อนกลับ เพื่อแสดงผลให้กับผู้ใช้ทราบผ่านสื่อ Output Device Note :ความสามารถของ User Interface จะต้องรองรับเทคโนโลยีด้าน graphic รองรับอุปกรณ์นำเข้าข้อมูล (Input Device) รองรับการแสดงผลแบบ graphic แสดงข้อมูลพร้อมกันหลายหน้าต่าง มีระบบให้คำแนะนำ และ user ปรับแต่งหน้าตาของ user interface ได้ D S S

29. 1.5.ผู้ใช้งานระบบ (The User) การใช้งานระบบ DSS จะมีรูปแบบที่แตกต่างกันตามผู้ใช้แต่ละระดับ เช่น user, manager, หรือผู้ที่ทำการตัดสินใจ (decision maker) 1. Managers 2. Staff specialists ผู้ใช้ที่เป็นอยู่ระหว่างกลาง (Intermediaries) ระหว่างระบบกับ decision maker1. Staff assistant2. Expert tool user3. Business (system) analyst 4. GSS Facilitator D S S รูป

30. 2 คลังข้อมูล (Data Warehouse) D S S

31. 2 คลังข้อมูล (Data Warehouse) - คือ หลักการหรือวิธีการเพื่อรวบรวม IS เพื่อการประมวลผลรายการข้อมูลที่เกิดขึ้น ในแต่ละวันของสายงาน (Transaction record) มารวมกันเป็นหน่วยเดียว เพื่อสนับสนุนกระบวนการตัดสินใจของผู้ตัดสินใจ คลังข้อมูล ไม่ใช่ผลิตภัณฑ์ หรือระบบสำเร็จรูปที่สามารถหาซื้อมาใช้งานได้จากท้องตลาด แต่คลังข้อมูลเป็นหลักการวิธีการและแนวทางแก้ปัญหา การพัฒนาคลังข้อมูลต้องการความรู้ที่ชัดเจน เกี่ยวกับกิจกรรมและธุรกิจขององค์กร องค์ประกอบของ Data Warehouse 1. ฐานข้อมูลเชิงกายภาพขนาดใหญ่ 2. คลังข้อมูลเชิงตรรกะ 3. Data mart 4. DSS และ EIS D S S

32. 2 คลังข้อมูล (Data Warehouse) คุณลักษณะของ Data Warehouse ประกอบด้วย 1. Subject-Oriented : การจัดกลุ่มข้อมูลตามประเด็นหลักขององค์กร เช่น ลูกค้าสินค้า ยอดขาย 2. Integrated : การจัดข้อมูลให้เป็นรูปแบบเดียวกัน สร้างความสอดคล้องของข้อมูลก่อนการนำเสนอ 3. Time-valiant:เก็บข้อมูลไว้ในคลังเพื่อใช้งานในระยะเวลาภายภาคหน้า เช่น 5-10 ปีข้างหน้า เพื่อทำนายแนวโน้มหรือเปรียบเทียบค่าข้อมูลในแต่ละปี ข้อมูลจะต้องมีความถูกต้องอยู่เสมอ 4. None-Volatile: เมื่อมีการเปลี่ยนแปลงข้อมูลจากคลังที่ไปดึงมาข้อมูลในคลังจะไม่ได้รับการเปลี่ยนแปลงในทันที จะเปลี่ยนแปลงในภายหลัง D S S

33. 2 คลังข้อมูล (Data Warehouse) ข้อดีของ Data Warehouse 1. ให้ผลตอบแทนจากการลงทุนสูง 2. เกิดความได้เปรียบในการแข่งขัน 3. เพิ่มประสิทธิภาพในการตัดสินใจ ข้อเสียของ Data Warehouse 1. การกรองข้อมูลและ load ข้อมูลเข้าสู่คลังใช้เวลานาน 2. แนวโน้มความต้องการข้อมูลมีเพิ่มมากขึ้นเรื่อย ๆ 3. ใช้เวลาในการพัฒนาคลังข้อมูลนาน 4. ระบบคลังข้อมูลมีความซับซ้อน D S S

34. สถาปัตยกรรม Data Warehouse (Data Warehouse Architecture) D S S แสดงภาพตัวอย่าง Multi-Tiered Architecture

35. การวิเคราะห์ข้อมูลใน Data Warehouse แบ่งข้อมูลออกเป็น 2 ส่วน 1. ข้อมูลเพื่อการปฏิบัติงาน เกิดขึ้นจากการสะสม ในการปฏิบัติงานต่าง ๆ ขององค์กร ซึ่งผ่านระยะเวลา ที่ ยาวนาน การนำข้อมูลไปใช้งานต้องผ่านการประมวลผลอย่างใดอย่างหนึ่ง (จะถูกนำไปวิเคราะห์ข้อมูลแบบ Query and Reporting) 2. ข้อมูลเพื่อการวิเคราะห์ จะใช้เครื่องมือ (Tools) ที่มีอยู่ในการจัดการวิเคราะห์และคำนวน รวบรวมข้อมูลที่มีประโยชน์ให้อยู่ในรูปแบบพร้อมใช้งาน ไม่มีการประมวลผลอีกครั้ง (จะถูกนำมาไปใช้งานแบบ Multidimensional Data Analysis) Note: ข้อมูลทั้ง 2 ประเภทสามารถนำมาใช้วิเคราะห์ร่วมกับแบบ Data Mining ได้ D S S

36. 3 เทคโนโลยีฐานข้อมูล (Database Technology) D S S

37. 3 เทคโนโลยีฐานข้อมูล (Database Technology) เป็นเทคโนโลยีที่พัฒนาขึ้นเพื่อตอบสนองความต้องการในการวิเคราะห์ข้อมูลของ ผู้ ตัดสินใจ (Decision Maker) ส่วนใหญ่จะเป็นการตัดสินใจเชิงธุรกิจ ตัวอย่างของ “เทคโนโลยีฐานข้อมูล” ได้แก่ 1. คลังข้อมูล (Data Warehouse) 2. Data Mart 3. ฐานข้อมูลหลายมิติ (Multidimensional Database) ตัวอย่าง “เทคนิคการวิเคราะห์ข้อมูล ” ได้แก่ การประมวลผลข้อมูลเชิงวิเคราะห์แบบออนไลน์ (Online Analytical Processing:OLAP), การทำเหมืองข้อมูล (Data Mining) D S S

38. ฐานข้อมูลหลายมิติ (Multidimensional Database ) เป็นฐานข้อมูลที่ใช้ในการจัดเก็บข้อมูลที่แสดงผลตามมิติต่าง ๆ ของข้อมูลได้ พัฒนาต่อจากฐานข้อมูลเชิงสัมพันธ์ (Relational database) ให้มีความสามารถมากยิ่งขึ้นเพื่อรองรับการ ประมวลผลเชิงวิเคราะห์ออนไลน์ (OLAP) D S S

39. ความสามารถของ OLAP 1. Roll up (drill-up): การดูข้อมูลแบบหยาบ การเปลี่ยนแปลงระดับความละเอียดของการพิจารณาข้อมูล ตรงกันข้ามกับ Drill down นั่นก็คือ ดูข้อมูลแบบหยาบ ๆ 2. Drill down (roll down): การดูข้อมูลแบบละเอียด เพิ่มความละเอียดในการพิจารณาข้อมูล เจาะลึกข้อมูลเฉพาะส่วนได้ 3. Slice and dice: slice แยกข้อมูลออกเป็นส่วนเพื่อพิจารณาเฉพาะข้อมูลผลลัพธ์ที่เราสนใจ dice กระบวนการพลิกแกนหรือมิติข้อมูล ให้ตรงตามความต้องการใช้งาน 4. Pivot (rotate): แสดงข้อมูลในลักษณะลูกบาศก์ (cube), visualization และแสดงข้อมูลจาก 2 มิติให้เป็น 3 มิติ D S S

40. ประโยชน์ของ OLAP 1. ช่วยวิเคราะห์เปรียบเทียบข้อมูลในมุมมองต่าง ๆ 2. ช่วยให้ผู้ใช้หรือผู้ตัดสินใจสามารถคัดเลือกข้อมูลได้อย่างมีประสิทธิภาพ 3. แต่ละคนสามารถสร้างข้อมูลตามมุมมองของตนเองได้ 4. สามารถสอบถามข้อมูลได้อย่างรวดเร็ว 5. ทำให้ได้รับข้อมูลในมุมมองใหม่ ๆสำหรับประกอบการตัดสินใจ และเพิ่มทาง เลือกในการตัดสินใจ D S S

41. ประโยชน์ของ OLAP D S S แสดงตัวอย่างของ Data Cube

42. ประโยชน์ของ OLAP D S S ตัวอย่างการแสดงผลของ Data Cube

43. Data Visualization เทคโนโลยี Data Visualization ได้แก่ 1. Digital images 2. Geographic information systems 3. Graphical user interfaces 4. Multidimensions 5. Tables and graphs 6. Virtual reality 7. Presentations 8. Animation D S S

44. 4 เครื่องมือในการพัฒนาระบบ DSS (DSS Hardware) D S S

45. 4 เครื่องมือในการพัฒนาระบบ DSS (DSS Hardware) เครื่องมือหรือ Tools ที่ใช้พัฒนาระบบ DSS จะประกอบด้วย computer hardware และเทคโนโลยีทางด้าน software ,ทางด้าน Hardware จะ ประกอบด้วย 1. Mainframe 2. Workstation 3. Personal computer 4. Web server system - Internet - Intranets - Extranets D S S

46. ..The End.. D S S