مقاله انبار داده با تکنولوژی داده های بزرگ برای آموزش عالی (2017 الزویر)

1. مقدمه

2. انبار داده سنتی و انبار داده مدرن

3. طراحی سیستم

4. پیاده سازی و تست

5. نتایج

منابع

Nowadays, data warehouse tools and technologies cannot handle the load and analytic process of data into meaningful information for top management. Big data technology should be implemented to extend the existing data warehouse solutions. Universities already collect vast amounts of data so the academic data of university has been growing significantly and become a big academic data. These datasets are rich and growing. University’s top-level management needs tools to produce information from the records. The generated information is expected to support the decision-making process of top-level management. This paper explores how big data technology could be implemented with data warehouse to support decision making process. In this framework, we propose Hadoop as big data analytic tools to be implemented for data ingestion/staging. The paper concludes by outlining future directions relating to the development and implementation of an institutional project on Big Data.

امروزه، ابزارها و تکنولوژیهای انبار داده قادر به جابجایی بار و پردازش تحلیلی داده ها در اطلاعات معنادار برای مدیریت عالی نیستند. برای توسعه راه حل های انبار داده موجود، تکنولوژی (فناوری) داده های بزرگ باید پیاده گردد. دانشگاهها از قبل مقادیر عظیمی از داده ها را جمع آوری می نمایند، به همین خاطرداده های علمی دانشگاه به طور قابل توجهی رشد کرده و به داده های علمی بزرگی تبدیل می شود. این مجموعه داده ها غنی بوده و در حال رشد هستند. مدیریت عالی دانشگاه به ابزارهایی برای تولید اطلاعات از پرونده ها نیاز دارد. انتظار می رود اطلاعات تولید شده از فرایند تصمیم گیری مدیریت عالی پشتیبانی نماید. این مقاله به کشف نحوه پیاده سازی تکنولوژی داده های بزرگ با انبار داده برای پشتیبانی از فرایند تصمیم گیری می پردازد. در این چارچوب، هادوپ را به عنوان ابزار تحلیلی داده های بزرگ پیشنهاد می کنیم که برای هضم یا مصرف/ چوب بست داده ها باید پیاده شود. این مقاله با ارائه جهات آتی مربوط به توسعه و پیاده سازی یک پروژه سازمانی در مورد داده های بزرگ (کلان داده ها) خاتمه می یابد.

توجه؛ (همانطور که در نمونه ترجمه مشاهده مینمایید، این ترجمه توسط مترجم مجرب با رشته مرتبط به صورت کاملا تخصصی انجام شده و ادامه مقاله نیز به همین صورت با کیفیت عالی در فرمت ورد و pdf آماده خریداری و دانلود میباشد.)