ВКР Разработка информационно-аналитической системы для анализа отчетности банков

На 1 февраля 2023 года оригинальность более 80%

Могу проверить вам актуальную оригинальность работы перед покупкой, пишите в личку.

Оригинал документа в pdf, конвертация в Word автоматическая (в word могут быть недочеты, которые вы легко исправите самостоятельно)

Выпускная квалификационная работа содержит 62 страницы, 55 рисунков, 17 источников.

БАЗА ДАННЫХ, МНОГОМЕРНАЯ МОДЕЛЬ, OLAP-КУБ, ИНФОРМАЦИОННО-АНАЛИТИЧЕСКАЯ СИСТЕМА, БАНК, РЕЛЯЦИОННЫЕ ТЕХНОЛОГИИ OLAP, АНАЛИЗ МНОГОМЕРНЫХ ИНФОРМАЦИОННЫХ СИСТЕМ.

Целью выпускной квалификационной работы является разработка многомерной информационно-аналитической системы для анализа отчетности банков с применением технологии ROLAP.

Объектом исследования являются технологии обработки больших данных.

Предмет исследования – структура многомерной информационноаналитической системы для обеспечения работы банка.

Для формирования реляционной схемы OLAP использована СУБД Microsoft Access 2016

Анализ структуры многомерной информационно-аналитической системы в разработанной многомерной модели выполнен с помощью программы Microsoft Excel 2016 и ее средства построения сводных таблиц.

Информационные технологии (ИТ) произвели революцию в работе индийских почтовых служб, сделали очень много для развития бизнеса и получения прибыли. Используя ИТ-инфраструктуру, индийские почтовые отделения начали оказывать различные виды услуг, такие как электронные денежные переводы, Онлайн-оплата премий по различным схемам и т.д. В Индии функционирует более десяти тысяч почтовых отделений, и в настоящее время 8263 почтовых отделений уже компьютеризированы, но в остальных индийских почтовых отделениях все еще требуется большая работа по компьютеризации. Схема сберегательного банка почтового отделения является крупнейшим сберегательным банком в стране с точки зрения сети и имеет более 164,3 миллиона счетов.

Наряду с развитием информационных технологий важную роль в операционном процессе банка играет бизнес-аналитика. Bank Intelligence – это метод хранения и представления ключевых бизнес-данных банка, чтобы любой сотрудник банка мог быстро и легко задать вопросы о точных и своевременных данных. В сети банка ежедневно создаются сотни миллионов записей данных о клиентах. Растущая конкуренция и увеличивающаяся скорость бизнес-изменений резко продемонстрировали необходимость в банковской информации.

В данной исследовательской работе предлагается методика хранения банковских данных в виде кубов OLAP. Решение OLAP позволяет пользователям иметь быстрый доступ к обобщенным данным, которые генерируются из большого объема подробной информации.

В частности, предлагается применение хранилища данных для анализа вкладов клиентов банка и данных по банковскому кредитованию.

Куб OLAP выполняет многомерный анализ бизнес-данных. Эти кубы данных также обеспечивают возможность сложных вычислений, моделей и тенденций. Он обеспечивает интеллектуальное решение, которое может быть связано с прогнозированием, финансовой отчетностью, составлением

Методы исследования: абстрактно-логический, монографический, статистические, расчётно-конструктивный, аналитический.

Выпускная квалификационная работа состоит из введения, трёх глав, заключения и списка используемых источников.

Во введении обоснована актуальность темы, определены цель и задачи исследования, выделены объект и предмет исследования, перечислены методы исследования.

Первая глава посвящена истории возникновения, фундаментальным понятиям OLAP систем.

Вторая глава посвящена описанию использования баз данных в технологии OLAP, охарактеризованы принципы OLAP, дано описание применения инструментов OLAP в деятельности постовых отделений Индии по предоставлению банковских услуг.

Третья глава посвящена реализации проектирования и разработки информационно-аналитической системы для обеспечения банковской деятельности по выдаче кредитов в виде OLAP-куба и анализу структуры ее аналитического пространства с применением технологии ROLAP.

В заключении сформулированы основные выводы и результаты проведённых исследований.

ВВЕДЕНИЕ .............................................................................................................. 4 ГЛАВА 1 ИСТОРИЯ OLAP СИСТЕМ И ИХ ФУНДАМЕНТАЛЬНЫЕ ПОНЯТИЯ ................................................................................................................ 9

1.1 Базовые понятия и операции OLAP .......................................................... 9 1.2 Основные этапы развития OLAP систем ............................................... 12 1.3 Различия между OLTP и OLAP ............................................................... 17

ГЛАВА 2 БАЗЫ ДАННЫХ, ИХ ЗНАЧЕНИЕ ДЛЯ OLAP СИСТЕМ ............. 20 2.1 Хранилище данных и его архитектура ................................................... 20 2.2 Концептуальное моделирование OLAP на примере индийских

почтовых служб .............................................................................................. 30 ГЛАВА 3 РАЗРАБОТКА МНОГОМЕРНОЙ ИНФОРМАЦИОННО-АНАЛИТИЧЕСКОЙ СИСТЕМЫ ДЛЯ ОБЕСПЕЧЕНИЯ РАБОТЫ БАНКА 36

3.1 Многомерная модель в области работы банка ...................................... 36 3.2 Разработка реляционной схемы хранилища данных OLAP ................. 38 3.3 Работа в многомерной информационно-аналитической системе ........ 43

Заключение ............................................................................................................ 59 Список использованных источников .................................................................. 61

1. «Indian Post Offices to go Hi-Tech,» 25 November 2010.

www.indiapost.gov.in (Accessed on 12th August 2011).

2. S. Chaudhuri and U. Dayal, «An Overview of Data Warehousing and OLAP

Technology,» In SIGMOD Record, Vol. 26, Issue 1, pp. 65-74, March 1997.

3. L. Cabibbo and R. Torlone, «A Logical Approach to Multidimensional

Databases,» 6th International Conference on Extending Database Technology (EDBT’98, Valencia, Spain), G. Alonso (eds.), LNCS, Vol. 1377, Springer, 1998.

4. W. Lehner, J. Albrecht and H. Wedekind, «Normal Forms for Multidimensional Databases,» In Proceedings of the 10th International Conference on Scientific and Statistical Data Management (SSDBM’98), Capri, Italy, 1998.

5. E. Thomsen, G. Spofford and D. Chase, Microsoft OLAP Solutions, John

Wiley and Sons, 1999.

6. R. Kimball, The Data Warehouse Toolkit, 2nd ed., John Wiley & Sons, 1998,

pp 63-70.

7. R. Barquin and S. Edelstein, Planning and Designing the Data Warehouse,

Prentice Hall, 1997.

8. V. Harinarayan, A. Rajaraman, and J. Ulman, «Efficient Implementation of

Data Cube via Materialized Views,» In Proceedings of ACM SIGMOD Conference, Vol. 25(2), Montreal, Canada, 1996.

9. J. Han and M. Kamber, Data Mining: Concepts and Techniques, 2nd ed.,

Morgan Kaufmann Publishers, , March 2006.

10. V. Saxena, N.M.P. Verma and A. Pratap, «A Data Mining Technique for a

Secure Electronic Payment Transaction,» International Journal of Economics and Finance, Vol. 2(4), pp. 12-17, 2010.

11. J. S. Vitter, M. Wang, and B. Iyer. «Data Cube Approximation and Histograms via Wavelets,» In Proceedings of the 7th International Conference on

Information and Knowledge Management, pages 96–104, November 1998.

12. C. Aggarwal and P. Yu, «Outlier Detection for High Dimensional Data,»

Proceedings of the 2001 ACM SIGMOD international conference on Management of data (SIGMOD '01), Volume 30 Issue 2, June 2001.

13. J. Rumbaugh, I. Jacobson, and G. Booch., The Unified Modeling Language

Reference Manual, 2nd ed. Addison-Wesley, Boston, 2005.

14. S. Bernardi, S. Donatelli, and J. Merseguer, «From UML Sequence Diagrams

and Statecharts to Analysable Petri Net Models,» In Proceedings of the Third International Workshop on Software and Performance, pages 35–45, New York, USA, ACM Press, 2002.

15. F. Martin., UML Distilled: A Brief Guide to the Standard Object Modeling

Language, 3rd Edition, Addison- Wesley, Boston, 2000.

16. P.K. Chaurasia and V. Saxena, «Mobile Based Electricity Bill Deposit System

Through UML,» Journal of Software Engineering and Applications, Vol. 4(3), 187-190, 2011.

17. Черняев, А. С. ETL: обзор инструментов / А. С. Черняев, М. А. Балова. – Текст : непосредственный // Молодой ученый. – 2019. – № 1 (239). — С. 23-26. – URL: https://moluch.ru/archive/239/55368/ (дата обращения: 20.05.2021).