tổ chức dữ liệu theo mô hình real

Thông thường, các tổ chức sẽ bắt đầu với thử nghiệm quy mô nhỏ trên cơ sở dữ liệu NoSQL. Hầu hết các cơ sở dữ liệu này là nguồn mở, có nghĩa là chúng có thể được tải xuống, triển khai và mở rộng với chi phí thấp. Nhiều tổ chức bắt đầu nhận thấy những lợi thế đáng kể khi sử dụng cơ sở dữ liệu NoSQL cho các dự án. Nó hỗ trợ bố cục yêu thích / mô hình một phần và nó có siêu dữ liệu linh hoạt và các đối tượng toàn cục để duyệt qua hệ thống tệp và đưa dữ liệu tùy chỉnh vào các mẫu. Theo tùy chọn, Harp cũng có thể biên dịch dự án của bạn thành các assets tĩnh để lưu trữ Căn cứ theo quyết định 1518/QĐ-BHXH Quy định hoạt động thanh tra chuyên ngành đóng bảo hiểm xã hội, bảo hiểm thất nghiệp, bảo hiểm y tế và hoạt động kiểm tra của Bảo hiểm xã hội Việt Nam. Cụ thể mẫu biên bản giao nhận hồ sơ tài liệu dữ liệu tại mẫu 02/BB-TTKT Bạn có thể theo dõi các công bố báo cáo kinh tế tại mục Lịch kinh tế trên nền tảng xStation 5. Ngoài dữ liệu kinh tế vĩ mô, các chính sách tiền tệ do các ngân hàng trung ương công bố và thực hiện cũng là một yếu tố quan trọng của phân tích cơ bản. Tập đoàn XTB Mô hình Reit (Real Estate Investment Trust) mang nghĩa tiếng Việt là Ủy thác đầu tư bất động sản. Lần đầu tiên xuất hiện ở Mỹ vào năm 1962, Reit là một loại hình đầu tư vào các dự án bất động sản từ những cá nhân, tổ chức khác nhau thông qua việc phát hành các từ chứng từ có giá như cổ phiếu, chứng chỉ quỹ. so sánh mô hình tổ chức dữ liệu theo từng hệ thống riêng lẻ và tổ chức theo hệ quản trị cơ sở dữ liệu theo kế toán truyền theo từng ứng dụng- xl theo hệ qtcsdl thống bằng máy chỉ quan tâm dữ liệu tài tất cả dữ liệu được lưu dl được lưu phục vụ cho 1 chính và được lưu ở nhiều chung, được quản lý bởi hệ ứng dụng (1 loại hoạt động) loại sổ quản … Vay Tiền Cấp Tốc Online Cmnd. Là một bộ phận cốt lõi trong hệ thống kinh doanh thông minh BI-Business Intelligence, Data Warehouse được sử dụng để phân tích và hỗ trợ việc ra quyết định. Vậy một kho dữ liệu có đặc điểm, lợi ích gì? Hãy cùng chúng tôi tìm hiểu về kho dữ liệu qua bài viết sau Warehouse hay kho dữ liệu là một cơ sở dữ liệu được thiết kế để hỗ trợ việc truy vấn và phân tích dữ liệu cho mục đích thống kê và phân tích kinh doanh. Kho dữ liệu thường được sử dụng để lưu trữ dữ liệu lịch sử và dữ liệu hiện tại của công ty, và cho phép người dùng truy vấn và thống kê dữ liệu theo nhiều cách khác nhau. Kho dữ liệu có thể được sử dụng để phân tích doanh số, hiệu quả kinh doanh, và nhiều yếu tố khác để giúp doanh nghiệp có quyết định điều hành tốt kho dữ liệu, dữ liệu được lưu trữ trong một cách được sắp xếp và tổ chức rõ ràng, giúp cho việc truy vấn và phân tích dữ liệu trở nên dễ dàng hơn. Nó cũng có thể được kết nối với các hệ thống khác trong doanh nghiệp để lấy dữ liệu vào kho dữ liệu, và có thể được sử dụng bởi nhiều người cùng trúc kho dữ liệuKiến trúc của một kho dữ liệu phụ thuộc vào nhu cầu của tổ chức xây dựng nên chúng. Nhìn chung, một kho dữ liệu sẽ có kiến trúc ba tầng. Cụ thểTầng dữ liệu đầu vào tầng dưới cùng bao gồm một máy chủ kho dữ liệu, thường là hệ thống cơ sở dữ liệu quan hệ, thu thập, làm sạch và chuyển đổi dữ liệu từ nhiều nguồn dữ liệu thông qua một quy trình được gọi là “Trích xuất – Biến đổi -Tải”Extract-Transform-Load=ETL hoặc “Trích xuất – Tải – Biến đổi” Extract-Load-Transform = ELT.Tầng giữa bao gồm một máy chủ OLAP xử lý phân tích trực tuyến cho phép tốc độ truy vấn nhanh. Ba loại mô hình OLAP có thể được sử dụng trong tầng này, được gọi là ROLAP, MOLAP và phân tích dữ liệu Tầng trên cùng là giao diện dành cho người dùng cuối hoặc công cụ báo cáo, cho phép người dùng tiến hành phân tích dữ liệu đặc trúc phổ biến của kho dữ liệu gồm ba lược đồ trong Data WarehouseLược đồ Schema là những cách mà dữ liệu được tổ chức trong cơ sở dữ liệu hoặc kho dữ liệu. Có hai loại cấu trúc lược đồ chính, sẽ tác động đến việc thiết kế mô hình dữ liệuLược đồ sao bao gồm một bảng dữ kiện fact table có thể được nối với một số bảng thứ nguyên dimension table được chuẩn hóa. Khi được kết nối với nhau, bảng thứ nguyên sẽ giải thích cho bảng dữ kiện. Đây là loại lược đồ đơn giản nhất và phổ biến nhất, có tốc độ nhanh hơn trong khi truy ảnh mô tả lược đồ hình ngôi đồ bông tuyết tương đương với một lược đồ sao. Ở lược đồ này, bảng dữ kiện kết nối chuẩn hóa với các bảng thứ nguyên, đồng thời các bảng thứ nguyên đó lại có kết nối với các bảng con. Người dùng được hưởng lợi từ mức độ dư thừa dữ liệu thấp của nó, nhưng nó phải trả giá bằng hiệu suất truy ảnh mô tả lược đồ hình bông loại Data warehouseCloud data warehouseKho dữ liệu đám mây là một kho dữ liệu được xây dựng cụ thể để hoạt động lưu trữ điện toán đám mây và nó được cung cấp cho khách hàng như một dịch vụ được quản lý. Với kho dữ liệu đám mây, cơ sở hạ tầng kho dữ liệu vật lý được quản lý bởi công ty cung cấp dịch vụ lưu trữ đám warehouse softwareMột doanh nghiệp có thể mua giấy phép sử dụng kho dữ liệu và sau đó triển khai cơ sở hạ tầng tại trụ sở của họ. Đó là lựa chọn tốt hơn cho các tổ chức muốn kiểm soát dữ liệu hoặc cần tuân thủ các quy định bảo mật thông warehouse applianceMột thiết bị kho dữ liệu là một gói phần cứng và phần mềm tích hợp sẵn. Nó sử dụng hệ điều hành, phần mềm kho dữ liệu mà một doanh nghiệp có thể kết nối với mạng của nó và bắt đầu sử lợi ích của Data warehouseData Warehouse có nhiều lợi ích đối với doanh nghiệp, bao gồmTruy vấn và phân tích dữ liệu hiệu quả hơn Kho dữ liệu có cấu trúc được sắp xếp và tổ chức rõ ràng, giúp cho việc truy vấn và phân tích dữ liệu trở nên dễ dàng cấp thông tin chính xác và đầy đủ Kho dữ liệu lưu trữ dữ liệu từ nhiều nguồn khác nhau và được cập nhật liên tục, giúp cung cấp thông tin chính xác và đầy đủ cho người kiệm thời gian và nguồn lực Việc sử dụng kho dữ liệu giúp giảm thiểu việc tìm kiếm và truy vấn dữ liệu từ nhiều nguồn khác nhau, giúp tiết kiệm thời gian và nguồn ra quyết định điều hành hiệu quả hơn Việc phân tích dữ liệu từ kho dữ liệu giúp doanh nghiệp có thể đưa ra quyết định điều hành hiệu quả hơn dựa trên thông tin chính xác và đầy trợ việc theo dõi và đánh giá hiệu quả kinh doanh Kho dữ liệu cung cấp thông tin lịch sử và hiện tại về doanh số, hiệu quả kinh doanh và nhiều yếu tố khác, giúp doanh nghiệp có thể theo dõi và đánh giá hiệu quả kinh doanh một cách hiệu quả năng suất và hiệu quả công việc Việc sử dụng kho dữ liệu giúp gia tăng năng suất và hiệu quả công việc bởi việc truy vấn và phân tích dữ liệu trở nên dễ dàng hơn, giúp người dùng tận dụng thời gian và nguồn lực của mình tốt khác biệt giữa Data warehouse và DatabaseData Warehouse là một cơ sở dữ liệu được thiết kế để hỗ trợ việc truy vấn và phân tích dữ liệu cho mục đích thống kê và phân tích kinh doanh. Trong kho dữ liệu, dữ liệu được lưu trữ trong một cách được sắp xếp và tổ chức rõ ràng, giúp cho việc truy vấn và phân tích dữ liệu trở nên dễ dàng là một cơ sở dữ liệu được thiết kế để lưu trữ và quản lý dữ liệu cho mục đích sử dụng trong các ứng dụng công việc hoặc các hệ thống quản lý thông tin. Trong database, dữ liệu được lưu trữ trong bảng và các bảng có cấu trúc được sắp xếp và tổ chức rõ ràng, giúp cho việc truy vấn và quản lý dữ liệu trở nên dễ dàng sự khác biệt chính giữa data warehouse và database là mục đích sử dụng. Data warehouse được sử dụng để lưu trữ và phân tích dữ liệu cho mục đích thống kê và phân tích kinh doanh, trong khi database được sử dụng để lưu trữ và quản lý dữ liệu cho mục đích sử dụng trong các ứng dụng công việc hoặc hệ thống quản lý thông kết về Data warehouseData warehouse đang được sử dụng trong các ngành chăm sóc sức khỏe, bảo hiểm… cho phép người dùng truy cập dữ liệu phong phú hơn. Bài viết trên đây của chúng tôi phần nào đã giới thiệu cho các bạn sơ lược về kho dữ bạn có thắc mắc về Data warehouse, hãy để lại ở bên bình luận bên dưới, BKHOST sẽ trả lời bạn trong thời gian sớm trúc kho dữ liệudata warehouse là gìkho dữ liệu là gì Multidimensional model xem dữ liệu ở dạng khối dữ liệu. Một khối dữ liệu cho phép dữ liệu được mô hình hóa và xem theo nhiều chiều. Nó được xác định bởi các kích thước và sự kiện. Các dimensions là các quan điểm hoặc thực thể liên quan đến việc một tổ chức lưu giữ hồ sơ. Ví dụ một cửa hàng có thể tạo kho dữ liệu bán hàng để lưu giữ hồ sơ về doanh số của cửa hàng cho dimensions, mặt hàng và địa điểm. Các dimensions này cho phép lưu theo dõi mọi thứ, ví dụ doanh số bán hàng tháng của các mặt hàng và vị trí mà các mặt hàng đã được bán. Mỗi chiều có một bảng liên quan đến nó, được gọi là bảng chiều, mô tả thêm về chiều. Ví dụ, một bảng chiều cho một mặt hàng có thể chứa các thuộc tính item_name, brand và type. Các bài viết liên quan Multi-Dimensional Data Model được tổ chức xung quanh chủ đề trung tâm, ví dụ bán hàng. Chủ đề này được thể hiện bằng một bảng dữ kiện. Dữ kiện là các thước đo bằng số. Bảng dữ kiện chứa tên của các dữ kiện hoặc số đo của các bảng dimensions có liên quan. Hãy xem xét dữ liệu của một cửa hàng về các mặt hàng được bán mỗi quý ở thành phố Delhi. Dữ liệu được hiển thị trong bảng. Trong biểu diễn 2D này, doanh số bán hàng cho Delhi được hiển thị cho dimensions thời gian được sắp xếp theo quý và dimensions mặt hàng được phân loại theo loại mặt hàng đã bán. Thực tế hoặc số đo được hiển thị bằng rupee_sold hàng nghìn. Bây giờ, nếu chúng ta muốn xem dữ liệu bán hàng với dimensions thứ ba, Ví dụ giả sử dữ liệu theo thời gian và mặt hàng, cũng như vị trí được xem xét cho các thành phố Chennai, Kolkata, Mumbai và Delhi. Các dữ liệu 3D này được hiển thị trong bảng. Dữ liệu 3D của bảng được biểu diễn dưới dạng một loạt các bảng 2D. Về mặt khái niệm, nó cũng có thể được biểu diễn bằng cùng một dữ liệu dưới dạng một khối dữ liệu 3D, như thể hiện trong hình Các đặc điểm và lợi ích của Multidimensional Data Model Các đặc điểm và lợi ích của Multidimensional Data Model bao gồm Đặc điểm của Multidimensional Data Model Đa chiều Multidimensional Dữ liệu được tổ chức theo nhiều chiều khác nhau, mỗi chiều đại diện cho một thuộc tính hoặc thông tin cụ thể. Độc lập với ngữ cảnh Mô hình đa chiều không phụ thuộc vào ngữ cảnh hoặc cấu trúc của dữ liệu, cho phép linh hoạt trong việc truy cập và hiển thị dữ liệu. Tính tổ chức cấu trúc Dữ liệu được tổ chức một cách cấu trúc và có thể thể hiện sự tương quan giữa các thuộc tính và giá trị của chúng. Lợi ích của Multidimensional Data Model Hiệu suất cao Mô hình đa chiều giúp tối ưu hóa việc truy vấn và phân tích dữ liệu, giúp tăng tốc độ xử lý và hiệu suất hệ thống. Dễ dàng phân tích và truy vấn dữ liệu Mô hình đa chiều cung cấp các phương pháp truy vấn và phân tích dữ liệu phù hợp, cho phép người dùng dễ dàng khám phá và hiểu thông tin từ dữ liệu. Tính tương tác và khả năng khám phá Mô hình đa chiều cho phép người dùng tương tác trực tiếp với dữ liệu, thực hiện các hoạt động như khoan cụm, tổng hợp, lọc dữ liệu theo nhiều chiều khác nhau. Hỗ trợ quyết định và dự đoán Multidimensional Data Model cung cấp một cách tiếp cận phân tích mạnh mẽ, giúp trong quá trình ra quyết định và dự đoán xu hướng dữ liệu. Tóm lại, Multidimensional Data Model có các đặc điểm và lợi ích quan trọng, giúp tổ chức, truy vấn và phân tích dữ liệu một cách hiệu quả và linh hoạt trong các hệ thống phân tích và quản lý dữ liệu phân tích. Xem thêm box model trong css là gì ? Ví dụ về Multidimensional Data Model Dưới đây là một ví dụ về Multidimensional Data Model Giả sử chúng ta có một hệ thống bán hàng trực tuyến và muốn phân tích dữ liệu doanh thu theo các chiều khác nhau như thời gian, địa điểm và danh mục sản phẩm. Ta có thể sử dụng Multidimensional Data Model để tổ chức và biểu diễn dữ liệu như sau Chiều Thời gian Đại diện cho các mốc thời gian như ngày, tuần, tháng, quý hoặc năm. Chiều Địa điểm Đại diện cho các địa điểm như quốc gia, thành phố, khu vực, hoặc chi nhánh cửa hàng. Chiều Danh mục sản phẩm Đại diện cho các danh mục sản phẩm khác nhau như quần áo, giày dép, đồ điện tử, đồ gia dụng, vv. Các độ đo measures có thể bao gồm doanh thu, số lượng đơn hàng, số lượng sản phẩm bán được, vv. Sau khi dữ liệu được tổ chức theo các chiều và độ đo, chúng ta có thể thực hiện các phép truy vấn và phân tích dữ liệu như Tổng doanh thu trong một khoảng thời gian cụ thể ví dụ tháng này, quý này. So sánh doanh thu giữa các địa điểm khác nhau ví dụ doanh thu theo quốc gia, thành phố. Xem doanh thu theo danh mục sản phẩm ví dụ doanh thu từ quần áo, giày dép. Thực hiện các hoạt động drill-down phân cấp để xem chi tiết doanh thu từng ngày hoặc từng sản phẩm cụ thể. Multidimensional Data Model giúp chúng ta hiểu rõ hơn về dữ liệu doanh thu và tạo ra các báo cáo và đồ thị phân tích dữ liệu một cách dễ dàng và linh hoạt. Xem thêm Training cho Perceptron Model trong Pytorch So sánh Multidimensional Data Model với Relational Data Model Multidimensional Data Model và Relational Data Model là hai mô hình dữ liệu phổ biến trong lĩnh vực quản lý cơ sở dữ liệu. Dưới đây là sự so sánh giữa hai mô hình này Multidimensional Data Model Đặc điểm Tập trung vào tổ chức dữ liệu theo các chiều đa chiều, phù hợp cho việc phân tích và truy xuất dữ liệu phân tích. Cấu trúc Dữ liệu được tổ chức thành các “cuboid” hoặc “data cube” có các chiều và các giá trị được biểu diễn bằng các đại lượng đo measures. Quan hệ giữa các đối tượng Các đối tượng trong Multidimensional Data Model không được xác định bởi các quan hệ relationships như trong Relational Data Model, mà thường được mô tả bằng cách xác định các chiều và độ đo. Relational Data Model Đặc điểm Tập trung vào tổ chức dữ liệu thành các bảng và quan hệ giữa các bảng, phù hợp cho việc lưu trữ và truy xuất dữ liệu theo các quan hệ. Cấu trúc Dữ liệu được tổ chức thành các bảng table gồm các cột column và hàng row, mỗi bảng đại diện cho một thực thể hoặc quan hệ. Quan hệ giữa các đối tượng Quan hệ giữa các đối tượng trong Relational Data Model được xác định bằng khóa ngoại foreign key hoặc liên kết các bảng thông qua các quan hệ. So sánh Tính chất Multidimensional Data Model tập trung vào phân tích và truy xuất dữ liệu phân tích, trong khi Relational Data Model tập trung vào lưu trữ và quản lý dữ liệu dựa trên quan hệ giữa các bảng. Tổ chức dữ liệu Multidimensional Data Model tổ chức dữ liệu theo các chiều đa chiều và độ đo, trong khi Relational Data Model tổ chức dữ liệu thành các bảng và quan hệ giữa chúng. Truy vấn dữ liệu Multidimensional Data Model cung cấp phương pháp truy vấn và phân tích dữ liệu phù hợp với nhu cầu phân tích, trong khi Relational Data Model cung cấp ngôn ngữ truy vấn SQL để truy xuất và xử lý dữ liệu. Hiệu suất Multidimensional Data Model thường có hiệu suất tốt hơn khi xử lý các phép toán phân tích dữ liệu, trong khi Relational Data Model có hiệu suất tốt hơn trong việc thao tác dữ liệu truyền thống. Tùy thuộc vào mục đích và yêu cầu cụ thể của dự án, việc chọn sử dụng Multidimensional Data Model hay Relational Data Model sẽ phụ thuộc vào khả năng phân tích và quản lý dữ liệu cần thiết. Xem thêm Perceptron Model – Các bước thiết lập Perceptron Model Nghia Tran Nghia Tran Solutions Consultant at CMC Published Nov 17, 2022 Data Warehouse là gì?Định nghĩa DW tôi sẽ sử dụng của William Inmon được coi như là father of dwA data warehouse is a subject-oriented, integrated, nonvolatile, time-varian collection of data in support of management's decisionst Subject Oriented Dữ liệu trong DW được sắp xếp hướng đến tạo nên các chủ đề mà business user quan tâm đến khách hàng, sản phẩm, đơn hàng,... Qua đó mà user có thể truy vấn tìm kiếm các dữ liệu họ qua Dữ liệu trong DW được tích hợp từ nhiều nguồn và được sắp xếp vào trong DW. Việc tổ chức liên kết giữa các khối dữ liệu này còn làm cho việc theo dõi, truy vẫn hiệu quả hơn. Ví dụ Conformed dimension dimension model tạo nên 1 đối tượng chung cho, Link Datavault cho phép lưu trữ tất cả các liên kết lịch sử và có khả năng mở rộng cho tất cả tình Khi dữ liệu lưu trữ trong DW thì không thể bị xóa, update trừ trường hợp liên quan đến pháp luật ở châu âu có luật là nếu khách hàng muốn thì các dữ liệu lưu trữ có thể bị xóa .Time-varian DW phải có khả năng tái hiện lại được dữ liệu ở quá khứ ở bất kì thời điểm đề gặp phải khi xây dựng DWTheo định nghĩa này không có một từ nào nói về DW bắt buộc phải xây dựng trên 1 DB quan hệ SQLserver, Oracle, ..., Data Lake, Lakehouse, Data Mesh. Có nghĩa là không phụ thuộc vào một nền tảng cụ thể phải chỉ có 1 phương pháp thiết kế DW, có nhiều hiểu nhầm DW phải được xây dựng trên Dim/Fact theo tác giả năng mở rộng DW khi gặp các yêu các khác nhau hoặc thay đổi từ kiến / ngu kiến của người thiết kế lựa chọn chọn mô hình DW bị ảnh hưởng từ thời gian, chi phí, nhân có thể xây dựng DW bắt buộc phải có sự hỗ trợ từ những người có vị trí cao nhất CEO , CTO .Tôi cho rằng có 3 phương pháp để thiết kế DWDimensional Data Warehouse Dữ liệu được tổ chức Dim, FactCorporate Information Factory Dữ liệu vẫn được tổ chức ở dạng 3NF như Datasource nhưng gắn thêm timestampt + key để lưu trữ lịch sửData Vault Dữ liệu được tổ chức Hub, Link, Starline Stand-Alone Data Marts Không cần quan tâm đến mô hình miễn là trả lời được câu hỏi của người dùng; thường chỉ có 2 yếu tố là Subject Oriented, Integrated. Khi làm dự án tôi thấy rất công ty làm cách này hoặc xây dựng Dimensional Data Warehouse nhưng không có tính chất của DW Time Variant, Non-volatile. Câu hỏi phổ biến " Tại sao phải tổ chức dữ liệu theo một mô hình để mất thời gian hơn? "Tôi trình bày các phương pháp này bằng mindmapDWH ArchitecturesKết luậnCá nhân tôi rất hứng thú trong việc sử dụng Datavault vào trong việc thiết DW vì nó đã giải quyết các vấn tôi gặp phải khi sử dụng dim/fact tính thống nhất trong việc xây dựng, real-time, parallel load đổ dữ liệu đồng thời , big-data, ... và hơn hết đó là đây là mô hình kết hợp 2 thế giới Kimball - Inmmon chứ không phải loại bỏ download Mindmap Link save as xuống trước rồi mở xem trên trình duyệt Excel Link Explore topics LOGOChương 2 Cơ Sở Dữ LiệuLớp viênLOGONội dung1Những vấn đề chung về CSDL2Thiết kế CSDL trong hệ thống TTKTLOGOI. Những vấn đề chung về CSDL1. Khái niệmCơ sở dữ liệu là một tập hợp có cấu trúccủa các dữ liệu được lưu trữ có thể thỏamãn đồng thời nhiều người sử Những vấn đề chung về CSDL2. Một số thuật ngữ trong thiết kế CSDLThựcthểCá thểThuật ngữQuanhệThuộctìnhTextLOGOI. Những vấn đề chung về CSDL2. Một số thuật ngữ trong thiết kế CSDLa Thực thể EntityLà lớp các đối tượng có cùng đặc tính chung mà người tamuốn quản lí thông tin về nóTrong thực tế có nhiều thực thể khác nhau+ Thực thể xác định+ Thực thể chức năng+ Thực thể sự kiện+ Thực thể quan hệLOGOI. Những vấn đề chung về CSDL2. Một số thuật ngữ trong thiết kế CSDLb Cá thể InstanceLà một đối tượng cụ thể trong cá thểVD Lớp KT8A1 là một cá thể của thực thể TrườngĐHKTKTCN, bút là một cá thể của thực thể đồdùng học tập...LOGOI. Những vấn đề chung về CSDL2. Một số thuật ngữ trong thiết kế CSDLc Thuộc tính AttributeLà đặc trưng riêng của tất cả các đối tượng trong thực thểCác loại thuộc tính phổ biến+ Thuộc tính định danh+ Thuộc tính mô tả+ Thuộc tính quan hệ+ Thuộc tính lặp+ Thuộc tính thứ sinhLOGOI. Những vấn đề chung về CSDL2. Một số thuật ngữ trong thiết kế CSDLd Quan hệ Relation- Quan hệ một – mộtVD 1 ổ khóa – 1 chìa khóa- Quan hệ một – nhiềuVD 1 khách hàng – Nhiều mặt hàngQuan hệ nhiều – nhiềuVD sinh viên và môn họcLOGOI. Những vấn đề chung về CSDL2. Một số thuật ngữ trong thiết kế CSDLd Quan hệ RelationBậc của quan hệ Chỉ số lượng thực thể tham gia vào quanhệ đó+ Quan hệ bậc 1 là quan hệ của một cá thể với các cá thểkhác cùng một thực thể+ Quan hệ bậc 2 là quan hệ giữa hai thực thể. Đây là quanhệ thường gặp trong thực thể.+ Quan hệ bậc 3 trở lên được gọi là quan hệ bậc cao. Mọiquan hệ bậc cao đều được biến đổi về quan hệ bậc 2LOGOI. Những vấn đề chung về CSDL2. Một số thuật ngữ trong thiết kế CSDLd Quan hệ RelationMô hình thực hiện+ Mô hình cơ sở dữ liệu thứ bậc Mô hình chính đầu tiêncó tính thương mại dành cho CSDL lớn LOGOI. Những vấn đề chung về CSDL2. Một số thuật ngữ trong thiết kế CSDLd Quan hệ Relation+ Mô hình cơ sở dữ liệu mạng Các báo cáo có thể thiếtlập từ nhiều nguồnLOGOI. Những vấn đề chung về CSDL2. Một số thuật ngữ trong thiết kế CSDLd Quan hệ Relation+ Mô hình cở sở dữ liệu quan hệ Có thêm chức năng chủkhác ~> Dễ hiểu và dễ thực hiện hơnLOGOI. Những vấn đề chung về CSDL3. Tổ chức dữ liệu theo mô hình REALa Cấu trúc mô hình RealGồm các thực thể cần lưu trữ trong mô hình, thuộc tính củathực thể, và mối liên kết giữa các thực thể này. Cấu trúcnày được mô tả về mặt lý luận dựa trên hình thức cấu trúccủa mô hình ER- Thực thể lưu trữ- Sự kiện events- Nguồn lực resources- Tác nhân agents- Vị trí locationsLOGOI. Những vấn đề chung về CSDL3. Tổ chức dữ liệu theo mô hình REALb Mô tả mô hình RealCác kí hiệu cơ bảnTên thực thểTên thuộc tính củathưc thểThuộc tính khóaLOGOI. Những vấn đề chung về CSDL3. Tổ chức dữ liệu theo mô hình REALb Mô tả mô hình RealNguyên tắc chung mô tả mô hình REAL + Nguyên tắc 1 Mỗi thực thể sự kiện phải liên kết ít nhấtmột thể nguồn lực kinh tế+ Nguyên tắc 2 Mỗi thực thể sự kiện phải liên kết ít nhấtmột thể sự kiện khác+ Nguyên tắc 3 Mỗi thực thể sự kiện phải liên kết ít nhấttới hai tác nhân tham giaLOGOI. Những vấn đề chung về CSDL3. Tổ chức dữ liệu theo mô hình REALc Các bước phân tích và xây dựng mô hình REAL- Bước 1 tìm hiểu hoạt động kinh doanh của đơnvị; cácchiến lược, chính sách, và kế hoạch phát triển cùng cácnhu cầu thông tin liên quan hoạt động kinh doanh để cómọi cái nhìn tổng quan về doanh Bước 2 Xem xét quy trình xử lý kinh doanh và xác địnhcác sự kiện quan trọng cần thu thập và lưu trữ thông tinvà trình tự của nó trong quá Bước 3 Phân tích mỗi một sự kiện đã nhận diện ở bước2 để xác minh nguồn lực sự kiện, tác nhân tham gia vàcác vị trí liên quan trong sựkiệnLOGOI. Những vấn đề chung về CSDL3. Tổ chức dữ liệu theo mô hình REALc Các bước phân tích và xây dựng mô hình REAL- Bước 4 Xác định các nhu cầu thông tin cần thu thập và lưutrữ về các nội dung đã được xác nhận ở bước 3. Xác định cácđặc điểm, chính sách liên quan tới các thực thể đã nhận diện ởbước 3 để làm căn cứ xác định các thuộc tính của thực thể vàmối liên kết giữa các thực Bước 5 Vẽ mô hình REAL theo đúng nguyên tắc mô tảLOGOII. Thiết kế CSDL trong HTTTKT1. Yêu cầu của hệ thống thông tin kế toána Yêu cầu cơ bản về thông tin kế toán- Một số yêu cầu cơ bản của thông tin kế toán hiện nay cóthể liệt kê đó là+ Trung thực+ Khách quan+ Đầy đủ+ Kịp thời+ Dễ hiểu+ Có thể so sánhLOGOII. Thiết kế CSDL trong HTTTKT1. Yêu cầu của hệ thống thông tin kế toánb Cơ sở hình thành thông tin kế toán- Thu thập thông tin kế toán ghi nhận ban đầu cácNVKTTC phát sinh thông qua các PP chứng từ kế Xử lý thông tin kế toán Phân loại , sắp xếp, xử lý, hệthống hóa thông tin những thông tin ban đầu qua cácphương pháp kế toán nhằm có được những thông tinphù hợp để ghi nhận vào các loại sổ kế toán, báo cáoliên Phân tích và cung cấp thông tin Phân tích những TTKTđược ghi nhận để có được những số liệu, những thôngtin đáp ứng được yêu cầu của các đối tượng liên Thiết kế CSDL trong HTTTKT1. Yêu cầu của hệ thống thông tin kế toánc Hình thức biểu hiện của thông tin kế toán- Sử dụng các thước đo giá trị, thước đo hiện vật, thướcđo thời gian. Tuy nhiên chủ yếu vẫn là thước đo giá Thiết kế CSDL trong HTTTKT1. Yêu cầu của hệ thống thông tin kế toánd Đánh giá chất lượng của thông tin kế toán- Tùy theo từng nhu cầu và mục tiêu nhất định, cũng nhưcăn cứ vào các Báo cáo kế toán khác nhau mới đánh giáđược chất lượng thông tin kế Tùy từng quy mô, lĩnh vực hoạt động mà yêu cầu cungcấp thông tin cũng khác Để đưa ra quyết định kinh tế phục vụ công tác quản lý,điều hành doanh nhiệp cần thiết và tiên quyết phải dựavào các thông tin kế toán, thông tin thuế của doanhnghiệp => hoạch định việc thu nhận – xử lý và phân tích ,cung cấp thông tin kế toán đáp ứng được vai trò đối vớitừng doanh Thiết kế CSDL trong HTTTKT2. Các bước thiết kế cơ sở dữ liệu trong hệ thống thông tinkế toán- Bước 1 Xác định nhu cầu thông tin- Bước 2 Xác định các thực thể và thuộc tính tương ứng- Bước 3 Xác định mối quan hệ giữa các thực thể- Bước 4 Tạo sơ đồ mối liên hệ thực thể- Bước 5 Chuẩn hóa mối quan hệLOGOCâu hỏi thảo luậnCâu 1 Trình bày khái niệm về CSDLCơ sở dữ liệu là một tập hợp có cấu trúc của các dữ liệuđược lưu trữ có thể thỏa mãn đồng thời nhiều người sửdụng- Với hệ thống thông tin kế toán thông thường xử lý thủcông, dữ liệu được lưu trữ trên giấy và cấu trúc của dữliệu chính là các mẫu chứng từ, sổ sách- Với các hệ thống kế toán dùng máy tính, dữ liệu đượclưu giữ dưới dạng các tệp tin và cấu trúc của dữ liệuchính là cấu trúc của các tập tin cơ sở dữ liệuLOGOCâu hỏi thảo luậnCâu 2 Khái niệm tệp và hệ thống tệp dữ liệu- Bit 1 hoặc 0- Byte- 8 bits số, kýtự , tínhiệu - Trường/ thuộc tính- Nhóm các ký tự được tổ chức nhằm mục đích lưu trữ vàxử lý- Biểu ghi / Thực thể- Nhóm các trường có liên quan tới nhau- Tập DL / Tập thực thể- Một nhóm các biểu ghi có cấu trúc giống nhau- Cơ sở dữ liệu CSDL- Một nhóm các tập dữ liệu có liên quan 1. Data modeling là gì? Data model mô hình dữ liệu là sơ đồ về cách thức tổ chức, lưu trữ dữ liệu trong doanh nghiệp và các mối liên kết giữa các thông tin đó. Ví dụ mô hình dữ liệu của cửa hàng bán ô tô Ô tô Hãng, năm sản xuất, màu sắc và kích thước của chiếc ô tô Khách hàng họ tên, chứng minh thư, số điện thoại Mối quan hệ là Mua hàng ngày mua, số lượng, thành tiền… Data Modeling mô hình hóa dữ liệu là một quy trình phân tích các yêu cầu về lưu trữ dữ liệu và xác định các dữ liệu cần thiết trong quy trình kinh doanh, hoạt động của doanh nghiệp. Mục đích của data modeling là tạo ra phương pháp hiệu quả nhất để lưu trữ thông tin, đông thời vẫn vẫn cung cấp các quy trình truy cập và báo cáo hoàn chỉnh. Các data model mô hình dữ liệu thường mang tính kỹ thuật nhưng hầu hết cũng được thiết kế đơn giản và trực quan, giúp những người dùng am hiểu kỹ thuật và cả những người không am hiểu về kỹ thuật dễ dàng nắm bắt các thuật ngữ cơ bản nhất. Nhờ các data model, mọi người trong doanh nghiệp của bạn đều có thể hiểu và làm việc với dữ liệu của bạn một cách hiệu quả hơn. Các mô hình dữ liệu được xây dựng dựa trên nhu cầu của doanh nghiệp. Không có một mô hình dữ liệu cuối cùng, bởi chúng sẽ thay đổi tuỳ theo những biến động trong nhu cầu kinh doanh và quản lý vận hành. Các quy tắc và yêu cầu khi xây dựng mô hình sẽ được thống nhất thông qua phản hồi từ các bên liên quan, sau đó chuẩn hoá thành thước đo để thiết kế mô hình mới hoặc điều chỉnh mô hình sẵn có. >>> Đọc thêm KHÓA HỌC DATA WAREHOUSE TỔNG HỢP, CHUẨN HÓA VÀ XÂY DỰNG KHO DỮ LIỆU TRONG DOANH NGHIỆP KHÓA HỌC DATA MODEL – THIẾT KẾ MÔ HÌNH DỮ LIỆU TRONG DOANH NGHIỆP LỘ TRÌNH TRỞ THÀNH DATA ENGINEER CHO NGƯỜI MỚI BẮT ĐẦU DATA ENGINEER LÀ GÌ? CÔNG VIỆC CHÍNH CỦA DE? CÁC KỸ NĂNG CẦN THIẾT 2. Data modelling bao gồm những gì? Các loại thực thể, thuộc tính Mối quan hệ Quy tắc toàn vẹn Định nghĩa của các đối tượng đó Sau đó, điều này được sử dụng làm điểm bắt đầu cho thiết kế giao diện database design hoặc cơ sở dữ liệu. 3. Các loại Data Modelling Chủ yếu có ba loại mô hình dữ liệu khác nhau 1. Mô hình dữ liệu khái niệm Conceptual data model Mô hình dữ liệu khái niệm hay trong tiếng Anh còn được gọi là Conceptual data models là mô hình xác định những gì hệ thống chứa. Đối tượng dự kiến ​​cho các mô hình dữ liệu khái niệm là phía kinh doanh của một tổ chức, doanh nghiệp. Mục đích của mô hình này là để tổ chức, phạm vi và xác định các khái niệm và quy tắc, quy trình kinh doanh. Khi mô hình dữ liệu khái niệm được tạo ra, nó có thể được điều chỉnh và chuyển thành mô hình dữ liệu logic. 2. Mô hình dữ liệu logic Logical data model Mô hình dữ liệu logic hay trong tiếng Anh còn được gọi là Logical data models. Mô hình này xác định cách hệ thống sẽ được triển khai bất kể hệ quản lý cơ sở dữ liệu. Mô hình dữ liệu logic thường được tạo bởi kiến trúc sư dữ liệu và nhà phân tích kinh doanh. Mục đích chính của mô hình là phát triển bản đồ kỹ thuật của các quy tắc và cấu trúc dữ liệu. Mô hình dữ liệu logic sẽ làm cơ sở cho việc tạo ra một mô hình dữ liệu vật lý. 3. Mô hình dữ liệu vật lý Physical data model Mô hình dữ liệu vật lý hay trong tiếng Anh còn được gọi là Physical data models là mô hình dành riêng cho ứng dụng và cơ sở dữ liệu sẽ được triển khai. Mô hình này mô tả cách hệ thống sẽ được triển khai bằng cách sử dụng một hệ thống quản lý cơ sở dữ liệu cụ thể. Mô hình này thường được tạo ra bởi chuyên viên quản trị dữ liệu và các nhà phát triển với mục đích chính là triển khai thực tế cơ sở dữ liệu. 4. Các dạng mô hình hóa dữ liệu phổ biến Mô hình phân cấp – Hierarchical model Mô hình dữ liệu này sử dụng hệ thống phân cấp để cấu trúc dữ liệu theo định dạng giống như mô hình cây. Tuy nhiên, việc truy xuất và truy cập dữ liệu khá khó khăn trong cơ sở dữ liệu phân cấp. Đây là lý do tại sao nó hiếm khi được sử dụng ngày nay. Mô hình quan hệ – Relation model Được đề xuất như là một thay thế cho mô hình phân cấp bởi một nhà nghiên cứu của IBM. Ở đây dữ liệu được biểu diễn dưới dạng bảng. Nó làm giảm sự phức tạp và cung cấp một cái nhìn tổng quan rõ ràng về dữ liệu. Mô hình hướng đối tượng – Object-oriented model Data Modeliing này bao gồm một tập hợp các đối tượng, mỗi đối tượng có các tính năng và phương thức riêng. Kiểu mô hình cơ sở dữ liệu này còn được gọi là mô hình cơ sở dữ liệu hậu quan hệ. Mô hình mối quan hệ thực thể – Entity relationship model Mô hình mối quan hệ thực thể, còn được gọi là mô hình ER, đại diện cho các thực thể và các mối quan hệ của chúng ở định dạng đồ họa. Một thực thể có thể là bất cứ thứ gì – một khái niệm, một phần dữ liệu hoặc một đối tượng Mô hình dữ liệu ngữ nghĩa – Semantic data model Mô hình dữ liệu ngữ nghĩa SDM là mô tả cơ sở dữ liệu cấp cao dựa trên ngữ nghĩa và cấu trúc hình thức mô hình cơ sở dữ liệu cho cơ sở dữ liệu. Mô hình cơ sở dữ liệu này được thiết kế để nắm bắt nhiều ý nghĩa của môi trường ứng dụng hơn là khả năng có thể có với các mô hình cơ sở dữ liệu hiện đại. Dimensional data model Mô hình này được phát triển bởi Ralph Kimball và được thiết kế để tối ưu hóa tốc độ truy xuất dữ liệu cho các mục đích phân tích trong kho dữ liệu. Mô hình chiều dữ liệu Trong khi các mô hình quan hệ và ER nhấn mạnh đến khả năng lưu trữ hiệu quả, các mô hình chiều dữ liệu tăng khả năng dự phòng để giúp định vị thông tin nhằm mục đích báo cáo và truy xuất dễ dàng hơn. Mô hình này thường được sử dụng nhiều trên các hệ thống OLAP. 5. Lợi ích mà data modeling mang lại cho doanh nghiệp? 1. Cải thiện khả năng khám phá, tiêu chuẩn hóa và tài liệu hóa các nguồn dữ liệu. Đảm bảo các đối tượng dữ liệu dành cho các database được trình bày một cách chính xác. Việc bỏ sót các dữ liệu có thể dẫn đến sai lệch thông số trong các báo cáo vào tạo ra các kết quả sai lệch. 2. Giúp doanh nghiệp có thể thiết kế và áp dụng database một cách hiệu quả Khi doanh nghiệp có thể triển khai data modeling hiệu quả, thì các mô hình dữ liệu có thể giúp thiết kế các database chính xác hơn, hiệu quả hơn và logic hơn. Data modeling cung cấp cho doanh nghiệp một bức tranh tổng thể về nền tảng dữ liệu và là nguyên liệu để tạo ra các database. 3. Quản lý doanh nghiệp hiệu quả hơn Quản lý các nhóm mô hình dữ liệu, các quy trình, danh mục đầu tư và vòng đời của khách hàng, sản phẩm, hiệu quả Marketing giúp doanh nghiệp quản lý triệt để được các hoạt động trong công ty. **4. Hỗ trợ nâng cấp BI của doanh nghiệp ** Nâng cấp BI của doanh nghiệp và giúp doanh nghiệp xác định các cơ hội mới, bằng việc mở rộng khả năng xử lý và lưu trữ, khả năng nắm bắt và các trách nhiệm về các nguồn dữ liệu trong công ty. 5. Tăng khả năng tích hợp trong hệ thống doanh nghiệp Data modeling giúp hỗ trợ doanh nghiệp có thể tích hợp chặt chẽ hơn các hệ thống thông tin hiện có với các hệ thống mới được triển khai. Từ đó, giúp doanh nghiệp có được góc nhìn rộng hơn về trạng thái hiện tại của tổ chức. 6. Các quy tắc để ứng dụng data modeling hiệu quả 1. Hiểu đúng và rõ ràng mục tiêu cuối cùng Mục tiêu chính của mô hình hóa dữ liệu là trang bị và tạo lợi thế cạnh tranh, cũng như thúc đẩy KPI của doanh nghiệp. Để lập được mô hình dữ liệu hiệu quả, bạn cần phải biết chính xác nhu cầu của doanh nghiệp là gì. Bạn cũng cần hiểu về các nhu cầu của doanh nghiệp để biết nên ưu tiên những nhu cầu nào và những nhu cầu nào không cần thiết. Lời khuyên của INDA Hiểu rõ các yêu cầu của tổ chức và sắp xếp dữ liệu của bạn đúng cách. 2. Giữ cho các cấu trúc thật đơn giản và dễ hiểu khi doanh nghiệp phát triển Mọi thứ sẽ vô cùng dễ dàng lúc ban đầu ban đầu, nhưng khi doanh nghiệp bắt đầu phát triển thì các dữ liệu sẽ trở nên nhiều hơn và nhiều thuộc tính hơn. Đây là lý do tại sao bạn nên bắt đầu với các mô hình dữ liệu của bạn thật đơn giản và dễ hiểu. Khi bạn chắc chắn về các mô hình ban đầu của mình về độ chính xác, bạn có thể dần dần xây dựng và hệ thống nhiều bộ dữ liệu hơn. Lời khuyên của INDA Giữ mô hình dữ liệu của bạn đơn giản. Thực hành mô hình hóa dữ liệu tốt nhất ở đây là sử dụng một công cụ có thể bắt đầu nhỏ và có khả năng mở rộng quy mô khi cần thiết. 3. Sắp xếp dữ liệu của bạn dựa trên fact, dimensions, filters, and order Bạn có thể tìm thấy câu trả lời cho hầu hết các câu hỏi kinh doanh bằng cách sắp xếp dữ liệu của mình theo bốn yếu tố Fact Dimensions Filters Order. Ví dụ. Giả sử rằng bạn điều hành bốn cửa hàng thương mại điện tử ở bốn địa điểm khác nhau trên. Bây giờ là cuối năm, và bạn muốn phân tích cửa hàng thương mại điện tử nào có doanh số cao nhất. Trong trường hợp như vậy, bạn có thể tổ chức dữ liệu của mình trong năm qua. Fact sẽ cung cấp dữ liệu bán hàng tổng thể của 1 năm qua, dimensions sẽ là vị trí cửa hàng, filter sẽ kéo dài 12 tháng và đơn hàng sẽ là cửa hàng hàng đầu theo thứ tự giảm dần order. Bằng cách này, bạn có thể sắp xếp tất cả dữ liệu của mình đúng cách và định vị bản thân để trả lời một loạt các câu hỏi về chiến lược mà không phải đổ mồ hôi. Lời khuyên của INDA khuyến khích tổ chức dữ liệu của bạn đúng cách bằng cách sử dụng các bảng riêng lẻ cho các fact, dimensions để cho phép phân tích nhanh. 4. Giữ những thứ cần thiết Mặc dù bạn có thể muốn giữ tất cả dữ liệu mình thu thập được từ big data, nhưng đây là một việc không hề tốt! Mặc dù lưu trữ không phải là vấn đề trong thời đại kỹ thuật số, nhưng hiệu suất của việc lưu trữ khối lượng lớn như vậy sẽ khiến doanh nghiệp tốn thêm nhiều chi phí. Chỉ một phần nhỏ dữ liệu hữu ích là đủ để trả lời tất cả các câu hỏi liên quan đến kinh doanh. Lời khuyên của INDA Biết rõ khối lượng bộ dữ liệu bạn muốn giữ. Việc duy trì nhiều hơn những gì thực sự cần thiết làm lãng phí mô hình dữ liệu của bạn và dẫn đến các vấn đề về hiệu suất. 5. Luôn kiểm tra chéo các mô hình trước khi tiếp tục các bước tiếp theo Mô hình hóa dữ liệu là một dự án lớn, đặc biệt là khi bạn đang xử lý một lượng dữ liệu khổng lồ của doanh nghiệp. Đó chính là lý do mà bạn phải, bạn cần phải thận trọng trong các công việc này.. Luôn luôn kiểm tra chéo kỹ càng các mô hình dữ liệu của bạn trước khi tiếp tục các bước tiếp theo. Ví dụ nếu bạn cần chọn khóa chính để xác định đúng từng bản ghi trong tập dữ liệu, hãy đảm bảo rằng bạn đang chọn đúng thuộc tính. ID sản phẩm có thể là một thuộc tính như vậy. Do đó, ngay cả khi hai số đếm khớp nhau, ID sản phẩm của họ có thể giúp bạn phân biệt từng bản ghi. Tiếp tục kiểm tra nếu bạn đang đi đúng hướng. ID sản phẩm có giống nhau không? Lời khuyên của INDA kiểm tra chéo là cách tốt nhất để duy trì các mối quan hệ 1-1 hoặc 1-n. Mối quan hệ n-n chỉ giới thiệu sự phức tạp trong hệ thống. 6. Hãy để dữ liệu phát triển Mô hình dữ liệu không bao giờ đứng yên, nó sẽ luôn mở rộng ra về cả mặt khối lượng và thuộc tính. Vậy nên, khi doanh nghiệp của bạn phát triển, bạn cần phải tùy chỉnh mô hình dữ liệu của bạn cho phù hợp với quy mô của doanh nghiệp. Vì vậy, điều quan trọng là bạn phải giữ cho các mô hình dữ liệu được cập nhật theo thời gian, tốt nhất là theo thời gian thực. Cách thực hành tốt nhất ở đây là lưu trữ các mô hình dữ liệu của bạn trong kho lưu trữ, để có thể dễ dàng quản lý và điều chỉnh dễ dàng khi cần thiết. Lời khuyên của INDA Các mô hình dữ liệu trở nên lỗi thời nhanh hơn bạn mong đợi. Bạn cần phải cập nhật chúng liên tục theo thời gian >>> Đọc thêm KHÓA HỌC DATA WAREHOUSE TỔNG HỢP, CHUẨN HÓA VÀ XÂY DỰNG KHO DỮ LIỆU TRONG DOANH NGHIỆP KHÓA HỌC DATA MODEL – THIẾT KẾ MÔ HÌNH DỮ LIỆU TRONG DOANH NGHIỆP LỘ TRÌNH TRỞ THÀNH DATA ENGINEER CHO NGƯỜI MỚI BẮT ĐẦU DATA ENGINEER LÀ GÌ? CÔNG VIỆC CHÍNH CỦA DE? CÁC KỸ NĂNG CẦN THIẾT Nội dung Text Chuyên đề 2 Tổ chức dữ liệu hệ thống kế toán - Nguyễn Bích Liên LOGO Chuyên đề 2 Tổ chức dữ liệu hệ thống kế toán Nguyễn Bích Liên Ch2. Tổ chức dữ liệu 1 Nguyễn Bích Liên Mục tiêu You can briefl y add outl ine of this slide pa ge in this text box. 1. Hiểu các cách tổ chức dữ liệu kế toán 2. Hiểu nguyên tắc tổ chức dữ liệu & tích hợp dữ liệu theo cấu trúc quan hệ 3. Hiểu các phương pháp mã hóa dữ liệu 4. Ảnh hưởng của tổ chức dữ liệu tới kế toán Ch2. Tổ chức dữ liệu 2 Nguyễn Bích Liên Nội dung Tổ chức dữ liệu kế toán I II Qui trình Xử lý dữ liệu Tích hợp mô hình tổ chức dữ liệu - sơ đồ III REA IV Mã hóa dữ liệu V Thảo luận ảnh hưởng của tổ chức dữ liệu tới hệ thống thông tin kế toán Ch2. Tổ chức dữ liệu 3 Nguyễn Bích Liên I. Tổ chức dữ liệu kế toán 1 Khái niệm tổ chức dữ liệu 2 Các mô hình tổ chức dữ liệu kế toán 3 Tổ chức dữ liệu mô hình E-R- REA Ch2. Tổ chức dữ liệu 4 Nguyễn Bích Liên Khái niệm tổ chức dữ liệu Tổ chức dữ liệu là việc sắp xếp các dữ liệu của hệ thống theo những nguyên tắc nhất định tại các nơi lưu trữ dữ liệu. • Dữ liệu • Cơ sở dữ liệu là tất cả các dữ liệu của một tổ chức hay một phạm vi nào đó được sử dụng trong hệ thống xử lý thông tin của tổ chức hay phạm vi đó Trong môi trường KT bằng tay, dữ liệu được lưu trữ ở đâu? Trong môi trường bằng máy, dữ liệu được lưu ở đâu? Theo nguyên tắc nào? Ch2. Tổ chức dữ liệu 5 Nguyễn Bích Liên Tổ chức dữ liệu  Về mặt logic các dữ liệu trong CSDL được sắp xếp Ký tự -> vùng dữ liệu -> mẩu tin- tập tin dữ liệu -> CSDL Kế toán Kế toán Ví dụ bằng tay bằng máy Ký tự Vùng dữ liệu Tập tin dữ liệu Cơ sở dữ liệu  Các tập tin trong CSDL có quan hệ với nhau theo những nguyên tắc nhất định. Ví dụ ? Ch2. Tổ chức dữ liệu 6 Nguyễn Bích Liên Sự phát triển của kỹ thuật CSDL Mốc Sự kiện Kỹ thuật CSDL trích William 1960s Máy tính lớn Hệ thống tập tin Máy tính như một nơi chứa mainframe các tập tin. 1960s Hệ quản trị CSDL Quản trị CSDL Chuẩn hóa lưu trữ, xử lý và DBMS database management truy cập dữ liệu 1960s Dịch vụ thông tin trực Quản trị văn bản CSDL gồm các văn bản, từ tuyến text managemant tạp chí, báo, hình ảnh, giọng Người sử dụng truy cập qua HT dịch vụ mạng trực tuyến 1970s Hệ chuyên gia expert Suy luận, suy đoán CSDL về các qui luật ra systems quyết định, logic ra quyết định 1970s Lập trình hướng đối tượng 1980s Hypetext systems Tìm kiếm thông qua các kết nối trong CSDL 1990s chức dữ li ệu Ch2. Tổ Intelligent database Kết hợp 7tất cả các Nguyễn Bích Liên systems kỹ thuật trên Các kỹ thuật CSDL trong kế toán Kế toán đã sử dụng các mô hình tổ chức dữ liệu nào? Trong điều kiện ứng dụng CNTT ra sao? Hệ quản trị CSDL Phần mềm ứng dụng & dữ liệu độc lập Hệ quản trị CSDL Phần mềm ứng dụng Hệ thống máy & dữ liệu gắn chặt tinh lớn Tập tin thông thường với nhau; trùng lặp, mainframe không chuẩn hóa . Sử dụng kế Sổ theo thời toán thủ công Mô hình sổ kế toán gian- đối tượng  Tổ chức dữ liệu kế toán thủ công thế nào? Tập trung loại dữ liệu gì? Ch2. Tổ chức dữ liệu 8 Nguyễn Bích Liên Tổ chức tập tin thông thường theo từng ứng dụng Sự kiện A VD đặt hàng  Được sử dụng Đối tượng B Chương trình ứng trong môi trường VD hàng tồn kho dụng 1- ví Dữ liệu lưu trữ dụ bán hàng riêng biệt theo Đối tượng C VD từng ứng dụng. Nhược điểm? Đối tượng B Người VD HTK sử dụng Sự kiện D Chương VD nhập trình ứng kho dụng 2- ví Sự kiện E dụ hàng tồn kho vd xuất kho Ch2. Tổ chức dữ li ệu 9 Nguyễn Bích Liên Tổ chức theo hệ quản trị CSDL Cơ sở dữ liệu Đặc điểm của mô Sự kiện A, đối tượng B, C. Sự kiện D, E, F … hình tổ chức dữ liệu này Module bán Module gửi Module….. hàng hàng …. Ch2. Tổ chức dữ li ệu 10 Nguyễn Bích Liên Hệ quản trị cơ sở dữ liệu Thế nào là hệ quản trị CSDL? Nó thực hiện những công việc gì? Tại sao cần hệ quản trị CSDL? DBMS là phần mềm quản lý dữ liệu. Chức năng Truy vấn dữ Tổ chức dữ liệu Xử lý dữ liệu liệu DQL- DDL- Data DML- data Data Query Description manipulation Language Language language • Tạo thông Định nghĩa cấu • Cập nhật dữ tin, báo cáo trúc CSDL liệu theo yêu • Tên của DL • Sửa dữ liệu cầu người • Kiểu dữ liệu • Nhập dữ liệu sử dụng • Độ dài DL • Trích dữ liệu Ch2. Tổ chức dữ liệu 11 Nguyễn Bích Liên Hệ quản trị Cơ sở dữ liệu CSDL- DBMS Người sử Người sử Người sử dụng 1 dụng 2 dụng 3 DBMS kế DBMS kế DBMS kế toán toán toán Schema or database model Database Ch2. Tổ chức dữ liệu 12 Nguyễn Bích Liên Kiến trúc của Cơ sở dữ liệu Có 3 mức độ kiến trúc của Cơ sở dữ liệu Sử dụng công cụ hỗ trợ mô tả tùy mô Khái niệm CSDL hình cấu trúc dữ Sử dụng CSDL liệu E-R; OMT Báo cáo mong muốn object orientation Thông tin cần hiển thị modeling technique… Mô hình cấu trúc dữ liệu • Hình cây hay gọi là phân cấp • Mạng • Quan hệ • Hướng đối tượng DL lưu trữ thực sự theo cách để có Phương pháp truy cập • Trình tự • Trình tự có chỉ mục indexed sequencial Ch2. Tổ chức dữ liệu • Trực tiếp 13 Nguyễn Bích Liên Mô hình dữ liệu khái niệm mối liên kết thực thể - entities relationship  Mô hình mối liên kết thực thể là công cụ mô tả mối quan hệ giữa các thực thể các đối tượng cần thu thập và lưu trữ thông tin trong CSDL. Mô hình dữ liệu Mối quan Thực thể gì? hệ/liên kết Đối tượng cần thu Thuộc tính của thực giữa các thập và lưu trữ thể tính chất của thực thực thể thông tin thể 11 • Thuộc tính mô tả 1- nhiều • Thuộc tính tên gọi- nhiều - nhiều khóa chính duy nhất Để phân biệt • Thuộc tính liên kết- khóa ngoại Dùng liên kết giữa các tập thực thể. Ch2. Tổ chức dữ liệu 14 Nguyễn Bích Liên Mô hình dữ liệu cấp khái niệm mối liên kết thực thể entities relationship  Ký hiệu Thuộc Thuộc Thuộc Thuộc Thuộc Thuộc tính 1 tính 2 tính … tính 1 tính 2 tính … Thực thể 1 Thực thể 2 Ch2. Tổ chức dữ liệu 15 Nguyễn Bích Liên Mô hình E-R ứng dụng trong kinh tế/kế toán  Trong kinh tế và kế toán, các thực thể entities được phân thành các nhóm theo mô hình REAL • Nguồn lực Resources TS DN sở hữu • Sự kiện Events • Tác nhân/đối tượng tham gia Agents • Vị trí Locations xẩy ra sự kiện, nơi lưu nguồn lực, nơi/vị trí tác nhân Ch2. Tổ chức dữ liệu 16 Nguyễn Bích Liên Mô hình E-R ứng dụng trong kinh tế/kế toán Tác nhân bên Nguồn lực Sự kiện trong Tác nhân bên Vị trí ngoài nếu nếu cần cần Tác nhân bên Nguồn lực Sự kiện trong Tác nhân bên ngoài nếu cần Ch2. Tổ chức dữ liệu 17 Nguyễn Bích Liên Cấu trúc dữ liệu cấp logic – cấu trúc quan hệ - relational structures  Các dữ liệu trong CSDL được lưu trữ dưới dạng bảng dữ liệu 2 chiều cột, dòng KHAÙ CH HAØ NG Costomer Relation M AÕ KH T EÂ KH N ÑÒ CHÆ A SOÁ DÖ 01 Nguy eã Vaê A n n xx xx 300 02 cty TNHH Hoa Huyeàn xx xx 500 BAÙ HAØ N NG Sale Relation SO HÑ Á M AÕ KH NGAØ BAÙ HAØ Y N NG ÑK T HANH T OAÙ N 101 01 15/09 1 102 02 20/9 2 103 01 25/10 1 CHI T I EÁ BAÙ HAØ T N NG Det ail Sale Relation S HÑ OÁ M AÕ HAØ NG SO L Ö NG Á ÔÏ 101 216 100 101 218 200 101 217 150 102 218 420 103 216 300 103 217 200 HAØ NG HOÙ -GI AÙ A VOÁ NgoodsRelation HAØ GÕ T EÂ HAØ M AÕ N N NG HOÙ A ÑÔ GÍA N 216 Vaû luï i a 100,000 217 Vaaû coton i 40,000 218 Vaû boá i 20,000 Ch2. Tổ chức dữ liệu 18 Nguyễn Bích Liên Mô hình E-R ứng dụng trong kinh tế/kế toán  Mối liên kết giữa các thực thể mô tả vấn đề gì? Tập trung vào các khía cạnh hoạt động kinh tế hay tập trung vào ảnh hưởng tới TK kế toán?  Dựa vào đâu xác định các thực thể? Dựa vào đâu xác định các thuộc tính thực thể? Dựa vào đâu xác định mối liên kết giữa các thực thể?  Cách tiếp cận để phân tích HĐ kinh tế nhằm xây dựng mô hình REA? Ch2. Tổ chức dữ liệu 19 Nguyễn Bích Liên Cấu trúc dữ liệu cấp vật lý  Ở cấp độ vật lý, các bảng dữ liệu được lưu trữ trong hình thức các files dữ liệu phù hợp với các kiểu truy cập dữ liệu  Trình tự  Trình tự có chỉ mục  Truy cập trực tiếp  Các files dữ liệu sự kiện gọi các tập tin nghiệp vụ transaction files, các files đối tượng, nguồn lực, vị trí được gọi là tập tin chính master file. Ch2. Tổ chức dữ liệu 20 Nguyễn Bích Liên

tổ chức dữ liệu theo mô hình real