RAZPRAVE E9 Uporaba podatkovnih skladišč v univerzitetnem okolju: primer Univerze v Ljubljani Viljan Mah nič Marko Požene! Univerza v L|ubljani, Fakulteta za računalništvo in informatiko. Tržaška 25. Ljubljana Viljan.Mahnic@fn,uni-lj.si, Marko. Pozenel@fri.uni-l|.si Povzetek V članku opisujemo projekt izgradnje; podatkovnega skladišča, ki poLeka na Univerzi v Ljubljani z namenom, da bi vzpostavili enoten vir podatkov za razne analize študijskega procesa. V prvem delu članka je opisan namen projekta in arhitektura predlaganega podatkovnega skladiSča Noto sledi podrobna predstavitev dimenzijskih podatkovnih modelov za posamezna področna podatkovna skladišča in opis orodij, ki jili uporabljamo za realizacijo. Na koncu podajamo še pregled možnih analiz in nekaj tipičnih vzorcev poročil, ki so na voljo uporabnikom. Ključne besede; podatkovno skladišče, področno podatkovno skladišče, dimenzijski podatkovni model. Abstract Data warehousing in university environment: the case of the University of Ljubljana We describe a data warehouse project UiaL has been sLarted at the University of Ljubljana with the aim of obtaining unified and integrated source of data for various analyses of the educational process. A description of the scope of the project and the overall data warehouse design is first given, followed by a detailed description of the underlying dimensional model and implementation tools. Finally, a survey of possible analyses is given and some typical end user reports are described. Keywords: data warehouse, data mart., dimensional model. 1 Uvod Od začetka devetdesetih let prejšnjega stoletja, ko je Bili In-man [6] izoblikoval koncept podatkovnih skladišč, je skladiščenje podatkov postalo ena izmed najpomembnejših vej na področju informacijskih sistemov [2]. Mnoga velika podjetja sn pričela graditi obsežna podatkovna skladišča, ki služijo kot uir podatkov za sisteme za podporo odločanju, in mnogim izmed njih se investicije bogato obrestujejo [17]. Tudi v univerzitetnih okoljih smo priča različnim projektom s tega področja 114,1, 5, 3,11]. Medtem ko Stevenson [14] opisuje predvsem izkušnje in kritične dejavnike uspeha pri izgradnji podatkovnega skladišča na eni izmed avstralskih univerz, je v 111 predstavljen vsedržavni projekt izgradnje podatkovnega skladišča za potrebe francoskih univerz. V [3] je osrednja pozornost namenjena zgodnejšim fazam v življenjskem ciklu razvoja podatkovnega skladišča, ostati projekti pa obravnavajo podatkovna skladišča za posamezna področja. Tako je v [5] predstavljeno podatkovno skladišče za spremljanje raziskovalne dejavnosti, v [11] pa podatkovno skladišče za analizo učinkovitosti e-izobraževanja. V prispevku bomo predstavili projekt izgradnje podatkovnega skladišča, ki poteka na Univerzi v Ljubljani /, namenom, da bi vzpostavili enoten vir podatkov za razne analize Študijskega procesa. Članek je sestavljen i/, petih delov. V drugem delu opisujemo namen projekta in arhitekturo celotnega podatkovnega skladišča. V tretjem in Četrtem delu sta podrobno predstavljeni področni podatkovni skladišči s podatki o vpisanih študentih in diplomantih, ki sta bili realizirani najprej. V petem delu so opisana orodja, ki smo jih uporabili pri realiziciji, v šestem delu pa je podan pregled možnih analiz in nekaj tipičnih vzorcev poročil, ki so na voljo uporabnikom. 2 Namen projekta in zasnova podatkovnega skladišča Končni cilj našega projekta je izgradnja celovitega podatkovnega skladišča za področje študijske informatike, ki bo sestavljeno iz verige štirih področnih podatkovnih skladišč (angl. data marts): področnega podatkovnega skladišča za analizo prijav za vpis, 2004 - številka L - letnik XII upoHniiNi INFORMATIKA 237 Viljan Mabinič, Marko PožencL Uporaba podatkovnih skladišč v univerittetnem okolju: primer Univerze v Ljubljani področnega podatkovnega skladišča za analizo vpisnih podatkov, področnega podatkovnega skladišča za analizo opravljanja študijskih obveznosti in področnega podatkovnega skladišča za analizo podatkov o diplomantih [10]. Ker je Univerza v Ljubljani sestavljena iz 26 članic, ki imajo vsaka svoj informacijski sistem, je za izgradnjo podatkovnega skladišča potrebno najprej izločiti ustrezne podatke i/, informacijskih sistemov posameznih članic, jih prečistiti in preoblikovati ter nato naložiti v posamezna področna podatkovna skladišča. Arhitektura predlaganega podatkovnega skladišča je prikazana na sliki 1. Za realizacijo smo izbrali strategijo "od spodaj navzgor" [16, 9, 15J, ki omogoča postopno izgradnjo posameznih področnih podatkovnih skladišč, ki jih nato povežemo v celovito rešitev s pomočjo med seboj skladnih skupnih dimenzijskih tabel (angl. conformed dimensions). V primerjavi s strategijo "od zgoraj navzdol", ki jo zagovarja Inmon [7], nam ta pristop omogoča, da hitreje, 7. manj stroški in manj tveganja pridemo do otipljivih rezultatov. Seveda pa je treba že od začetka posvetiti posebno pozornost načrtovanju skupnih dimenzijskih tabel [10]. Izgradnjo celotnega podatkovnega skladišča smo tako zasnovali kot iterativen proces, v okviru katerega je moč priti do končne rešitve s pomočjo manjših 4-8-mesečnih projektov, ki dajejo otipljive rezultate takoj in (vsaj v začetni fazi) temeljijo na dobro definiranih poslovnih procesih s stabilnim virom podatkov [9]. V skladu s temi priporočili smo najprej realizirali področno podatkovno skladišče za analizo vpisnih podatkov. To področje smo izbrali iz dveh razlogov: . Obstaja enoten vir podatkov - obrazec "Vpisni list", ki je za vse članice enak, čeprav ga posamezne članice obdelujejo na različne načine in z različnimi programi. • Na ravni univerze je bila jasno izražena potreba po pregledu nad stanjem vpisa na posameznih članicah. Na ta način smo dosegli, da je bil projekt na začetku osredotočen na en sam poslovni proces z dobro definiranim virom podatkov, ki lahko pomembno prispevajo k boljšemu poslovanju univerze. Nato smo realizirali še področno podatkovno skladišče za analizo podatkov o diplomantih, medtem ko je realizacija preostalih področnih podatkovnih skladišč (za analizo prijav za vpis in opravljenih študijskih obveznosti) predvidena v nadaljevanju projekta. Ocenjujemo, da realizacija področnega podatkovnega skladišča s podatki o prijavah za vpis ne bi smela predstavljati velikih težav, saj gre za poslovni proces, ki je strogo centraliziran in enoten za celotno univerzo. Veliko več problemov pa pričakujemo pri realizaciji področnega podatkovnega skladišča za spremljanje VIRI PODATKOV PODROČJE ZA ČIŠČENJE IN PREOBLIKOVANJE PODATKOV izvleče* _ K 6anica 1 v, izvleček ^ članica 2 izvteiok ^ uvoz _ Shramba: Inkstnvm; dnlntnko. OKACLh 91 Orodja: Ornclo '.V.i.'"'v>,:'.(i Buildor OEM C'iionje podatkov, odstranjevanje duptlkaiov, pmvnrjanjn kakovosti, preoblikovanja podatkov, afuriranje dimenzil Polnjenju podroCnih podatkovnih skladiič PODATKOVNO SKLADIŠČE PREDSTAVITVENA PLAST Področno pod sklad iä£o ttl1 Prijavo ¿a vpis polnjenje, prenos Področno pod. skladišče U2: Vpisni podatki ROI.AP adiitoklura, /va/dna shema Soc pouvodba Uporabn&ke aplikacijo (SOL ORACLE Portal) poizvedba Standardna porodila -*■ (ORACLE Disnjvmur i Repasitoiy) ponudba Orodja za ad hoc poizvedovanje (ORACLE Uiacovflfor Draklopl Področno pod. skladišče "3 Izpitna evidenca Področno pod. skladiSčo prehrana ti prehrana id prehrana Ime ' 1 fact vpis # Jetnik (izroj) # Studijskolsto (izroj) n studentjd tt naeinsludijaid S vrstavpisald tf studijski p rogram id # zavodjd P bivanje_id # prehranajd # skupina_vpisa_id # slopnja_iti solnina_SIT datumplacila placnik_solnine študent M atudenljd ime naslov postna številka država datumrojstva srednja_sola u speti_v_sred_soli poklic <:d rug i atributi^ NAČIN_ŠTUD!JA U nacin_studijajd način ime VRSTAVPISA # vrslavpisajd vrsla ime ZAVOD # zavod id zavod ime naslov Slika 2: Zvezdna shema področnega podatkovnega skladišča ta analizo podatkov a vpisu 2004 - številka U - letnik XII u P D i a n N t INFORMATIKA 239 Viljan Mihntč. Marko Poženel. Uporaba podatkovnih ikladlič v univerzitetnem okolju: primer Unlverte v Ljubljani nina plačana. To pomeni, da večina aplikacij, ki uporabljajo to področno podatkovno skladišče, izvaja samo štetje zapisov. Kljub majhnemu številu merljivih dejstev (tabele dejstev, ki ponazarjajo dogodke, običajno nimajo merljivih dejstev) pa lahko s pomočjo te tabele dobimo odgovore na Številna vprašanja, npr.: • Koliko študentov se je vpisalo na posamezno članico ali v posamezen študijski program? ■ Kakšna je struktura vpisanih študentov glede na končano srednjo šolo, poklic (ki ga imajo po končani srednji šoli), uspeh v srednji šoli, način študija, vrsto vpisa ipd.? • Se Število študentov na posameznih Članicah oziroma študijskih programih povečuje ali zmanjšuje? ■ Kako napreduje v višje letnike izbrana generacija študentov? ■ Iz katerih krajev prihajajo študentje, ki so vpisani na posamezno članico ali študijski program? - Kje študentje prebivajo in se hranijo v Času študija (v študentskem domu, pri starših, v podnajemniškem stanovanju itd.)? Dimenzija študent Dimenzijska tabela študent vsebuje podatke o vseh študentih, ki so vpisani na Univerzo v Ljubljani. Vsaka vrstica ustreza enemu študentu in vsebuje njegove osebne podatke. Podatki o končani srednji šoli (ime srednje šole, uspeli v zadnjem letniku in na maturi, poklic po končani srednji šoli) omogočajo, da primerjamo uspešnost študentov na univerzi z njihovim srednješolskim profilom. Po drugi strani pa podatki, kot so poštna številka, občina stalnega bivališča in regija predstavljajo hierarhijo, ki je koristna pri analizah geografskega izvora študentov. Dimenzija čas Gledano samo s stališča področnega podatkovnega skladišča za analizo vpisnih podatkov je samostojna dimenzijska tabela čas nepotrebna, ker zadostuje, da imamo študijsko leto kot ključ izrojene dimenzije v tabeli dejstev. Dimenzija študijski program Ker so Študijski programi navadno sestavljeni tako, da se (praviloma v višjih letnikih) lahko delijo na več smeri, vsaka smer pa še na več izbirnih skupin, je ta dimenzija zasnovana tako, da vsaka vrstica tabele predstavlja eno izbirno skupino. Več izbirnih skupin, ki pripadajo isti smeri, lahko povežemo med seboj na nivoju smeri, več smeri, ki pripadajo istemu študijskemu programu, pa na nivoju študijskega programa. Opisana hierarhija študijski program - smer - izbirna skupina omogoča enostavno izdelavo poročil na različnih ravneh podrobnosti, ki je v terminologiji podatkovnih skladišč znana pod imenom vrtanje navzdol (angl. drill down) oziroma vrtanje navzgor (angl. drill up). Dimenzija zavod Dimenzija zavod opisuje posamezne članice ljubljanske univerze. Trenutno univerzo sestavlja 26 članic. Dimenzija letnik Dimenzija letnik je izrojena dimenzija, saj je atribut letnik študija, ki je sestavni del primarnega ključa v tabeli dejstev, edini atribut te dimenzije. Uporablja se kot ključ za grupiranje tistih študentov, ki so vpisani v isti letnik. Dimenzija način študija Dimenzija način študija je majhna dimenzija, ki opisuje vse možne načine študija, npr. redni, izredni (v preteklosti tudi iz dela, ob delu). Dimenzija vrsta vpisa Dimenzija vrsta vpisa opisuje vse možne vrste vpisa, npr. prvi vpis v letnik, ponovni vpis v letnik, evidenčni vpis itd. Dimenzija stopnja študija Dimenzija stopnja študija opisuje vse možne stopnje študija (npr. visokošolski strokovni, univerzitetni, magistrski, doktorski študij) in s tem določa vrsto diplome, ki jo študent dobi po končanem študiju. Dimenzija skupina Dimenzija skupina omogoča podrobnejši opis različni h skupin študentov v okviru istega letnika in študijskega programa. Skupine so odvisne od organizacije Študija na posameznih članicah in jih lahko definiramo na podlagi različnih kriterijev, npr. glede na kraj izvajanja študija (v Ljubljani ali v različnih dislociranih oddelkih), glede na vrsto študija (redni, izredni), glede na predhodni potek Študija (običajno študij, nadaljevalni študij) itd. Dimenzija prehrana v času študija Dimenzija prehrana v času Študija opisuje različne možnosti, ki so na voljo študentom za prehranjevanje 240 upomabna INFORMATIKA 20UC - šlevilkai ■ letnik XII Viljan Mahmč. Marko Poženel: Uporabq podatkovnih skladišč v univerzitetnem okolju: primer Univerie v Ljubljani v času študija, npr. v študentskem domu, pri starših, v lastnem gospodinjstvu itd. Dimenzija bivanje u času študija Dimenzija bivanje v Času študija opisuje različne vrste nastanitve v času študija, npr. v Študentskem domu, pri starših, v podnajemniškem stanovanju itd. 4 Področno podatkovno skladišče za analizo podatkov o diplomantih Logični načrt področnega podatkovnega skladišča za analizo podatkov o diplomantih je prikazan na sliki 3. Sestavljajo ga tabela dejstev in 9 dimenzijskih tabel. Zrno tabele dejstev predstavlja diploma enega študenta, ki je prikazana kot dogodek na presečišču devetih dimenzij. Tabela dejstev vsebuje naslednja merljiva dejstva: številko diplome, datum zagovora, oceno diplomske naloge, oceno zagovora, povprečno oceno izpitov in vaj, leto pričetka študija itd. Dimenzijske tabele pa predstavljajo dimenzije študent, zavod, Študijski program, način študija, stopnja študija, poklic, vrsta zaposlitve, nameravana zaposlitev in družinske razmere. S pomočjo tega področnega podatkovnega skladišča lahko dobimo odgovore na različna vprašanja, povezana s podatki o diplomantih, npr.: « Koliko študentov je diplomiralo na posameznih članicah univerze? ■ Kolikšno je število diplomantov na posameznih Študijskih programih, smereh in izbirnih skupinah? ■ Kolikšen je povprečen čas študija pri posameznih generacij h študentov (na posameznih članicah oziroma študijskih programih)? Studijski program # stud ij ski_prograrn J d s lud_prog ram i me s mer J me i?hima_skupinajme vrsta_zapo$litve # vrslajraposlitveJcJ vre la_zaposli Ive ime poklic U poklicjd poklic i me nameravana zapos! it f-v H nartiera_zapO$ljd namerama posljme STOPNJA t) stopnja id stopnja _i me FACT DIPLOME # slu do nt Jd # način studijaid # druz_razmerejd K studijski program jd # zavod Jd K # vrstazaposlitveid -K it poklicjd U namera_zaposlJd l- # stopnja id stevilka_dlplome povprecjejzpitov povprecje_vaj ocena_zakIj študija d atu m_zak I j_studija ocen a_d i pl_na loge leto p ricetka st ud i ja ŠTUDENT tt študent id ime naslov postna številka država dalum_rojstva srednja_sola uspeh v sred soli poklic START LJTXT_FILES CHECK DATA L DIMENSIONS ERR_LDIMS Hf, ERR_FACT / / ' I / WARN_FACT -B- FACT VPIS MAP Siika 4: Postopek preoblikovanja in nalaganja podatkov ENDSUCCESS 200i - številka i - Letnik XII upohabha INFORMATIKA 243 t- Viljan Mahnič, Marka Poženel: Uporaba podatkovnih skladišč v univerzitetnem okolju: primer Univerze v Ljubljani 5.3 Dostop da podatkov Podatkovno skladišče samo po sebi ni koristno, če ne moremo na primeren način prikazati podatkov, ki so shranjeni v njem. V našem primeru so poročila, ki jih potrebujejo končni uporabniki, realizirana na tri načine: • kot vnaprej definirane uporabniške aplikacije, napisane v jeziku PI7SQL; ■ kot vnaprej definirana poročila, zgrajena z orodjem Oracle Discoverer in shranjena v repozitorijuj • kot ad hoc poizvedbe, ki jih po potrebi generiramo z Oracle Discoverer jem. Prvo možnost uporabljamo za zahtevna poizvedovanja, ki jih je težko realizirati z običajnimi orodji za povpraševanje in generiranje poročil. Druga možnost je primerna za večino standardnih poročil, medtem ko se tretje možnosti poslužujemo v primeru, ko se zahteve za neko poročilo pojavijo spontano. Orodje /a dostop do podatkov Oracle Discoverer 113] sestavljata dve komponenti: Discoverer Administrator in Discoverer Desktop. Discoverer Administrator je namenjen računalniškim strokovnjakom in se uporablja za vrsto nalog, kot so npr. vzdrževanje meta podatkov (tj. določanje dimenzij in kock), nadzor nad dostopom in vzdrževanje agregatov. Vsi metapodatki so shranjeni repozitoriju, imenovanem Discoverer End User Layer, ki predstavlja jedro sistema za dostop do podatkov v podatkovnem skladišču. Končni uporabniki in analitiki uporabljajo Discoverer Desktop. Le-ta dostopa do metapodatkov repo-zitoriju, ki jih je pripravil Discoverer Administrator. Analitiki lahko generirajo poročila, ne da bi znali programirali, in jih shranijo v repozitoriju, od koder jih lahko ponovno uporabijo, kadarkoli želijo. Poročila, ki jih generira Discoverer Desktop so parametrizirana, z vrtanjem navzgor in navzdol pa lahko spreminjamo stopnjo podrobnosti podatkov, vrtimo dimenzije ter spreminjamo izgled poročila. Rezultate poročila lahko predstavimo tudi v grafični obliki in jih Izvozimo v druga orodja (npr. Excel, glej sliko 9) za nadaljnjo obdelavo. 5.4 Integracija s pomočjo Oracle Portala Slaba stran orodja Discoverer Desktop je, da mora bili nameščeno lokalno na uporabnikovem računalniku, poročila, ki jih izdelamo z drugimi orodji (npr, v Piy SQL), pa moramo poganjati iz drugih programov. Da bi lahko dali končnim uporabnikom celovito rešitev, ki bi omogočala dostop do podatkovnega skladišča prek ene same vstopne točke, smo se odločili za integracijo v okolju Oracle 9iAS Portal [4]. V okviru portala smo izdelali aplikacijo, ki omogoča dostop do podatkovnega skladišča prek svetovnega spleta in povezuje v enovito rešitev vsa poročila ne glede na to, s katerim orodjem so bila izdelana. Vsa poročila {vnaprej sprogramirana v PL/SQL i p avtomatično generira na z orodjem Discoverer) so dostopna prek enotnega uporabniškega vmesnika, tako da uporabniku ni treba vedeti, kakšna je njihova dejanska realizacija. Oracle 9iAS Discoverer uporablja iste melapodat-ke kol Discoverer Desktop, zato lahko do poročil, ki so shranjena v repozitoriju, dostopamo prek svetovnega spleta, ne da bi jih spreminjali. Analitiki in programerji lahko pripravljajo poročila in jih shranjujejo v repo-zitorju s pomočjo ustrezne okenske aplikacije, medtem kt) jih končni uporabniki lahko uporabljajo prek svetovnega spleta. Zahtevna poročila pa lahko realiziramo kot dinamične strani v PIVSQL. G Pregled analiz in tipičnih poročil za končne uporabnike V tem delu podajamo pregled najpomembnejših analiz, ki jih omogoča naše podatkovno skladišče. Zaradi večje preglednosti smo analize grupirali v 4 skupine: • analize, ki omogočajo pregled nad številom vpisanih študentov in Številom diplomantov na posameznih članicah, ■ podrobne analize vpisnih podatkov s poudarkom na analizi prehodnosti i/, letnika v letnik in trendih vpisa, ■ podrobne analize podatkov o diplomantih s poudarkom na dolžini Študija in ocenah, doseženih med študijem, • ad hoc analize, ki nastajajo zaradi specifičnih potreb posameznih članic. Analize iz prve skupine so razmeroma enostavne in se jih da učinkovito realizirati z Oracle Discovere rjem, vendar so za vodstvo univerze zelo pomembne, saj je šele izgradnja podatkovnega skladišča omogočila celovit pregled nad vsemi članicami. Glede na avtonomijo, ki jo imajo posamezne članice, in dejstvo, da ima vsaka od njih svoj informacijski sistem, to prej ni bilo možno. Kot primer le vrste analiz navajamo poročita, ki prikazujejo število vpisanih na posameznih članicah v določenem študijskem letu in omogočajo vrtanje navzdol, tako da lahko dobimo podatke o vpisu na različnih stopnjah podrobnosti: 2a elektrotehniko JIJ5 sb 2.1H ELEKTft0TD*»> 1 102 1.107 > £L£I-7R0TEHN*«V9 1023 58 IJ0W7 Fakulteta za fiiumlniitvo In Informatiko t 404 49 1.453 RMlUNAL IN iMfORKMIKAllN j m 34 «2 k R¿UÍl*4*L IIUHF0OIMTLIÍAV3 25 671 Me ditlmka Fakulteta LJubljana t cas t . te j i_»t , «CPICINA-Vte 1321 i 3TOIKJOLÚ&LH - VIS 3B1 XI r.kupaj vil 5J1I It» 5.372 Slika 6 Primer vrtanja navzdol: števila vpisanih v posamezne študijske programe na itbranih članicah IMton Število vpisanih po ílanicnti in itudljsklh programih rljtMjarp ^mmmmm i St. vpiianlh - i 1 Fakulteta za a lakirata h nI k a i _M 2.1W ELEKTROTEHNIKA UN I.1C2. 1.102 » Avtomatika 1Stl 191 EMatMtt* I24I__ IZ4 láefnoeira elf ktinlclinikj SB * NI cmeri 536 ne Telekomunikacij* I42; 142 ELEKTROTEHNIKA VS 1.023 ■ 1.017 Avtomatika tto ti IWI f lokBonika 133 26 159 tneigetrka teli. In evL pm. 145 1W Nltmeil JW Telekomunikacije _ 137 149 . Zagotavljanja kakovetil B4l M 1 Fakulteta za ratunalniltvo in Informatiko 1 1 404 49 1.4SÍ KAUINAL, IN IWUKUtAIIKAUN ao8| m tJl: Slik^ 7 Nadaljevanje vrtanja nauirial: število vpisanih po posameznih smereh Študija V to skupino sodijo tudi posebne analize števila vpisanih na Filozofsko fakulteto, za katero je značilen dvopredmetni študij, ki omogoča, da študenti izberejo poljubno kombinacijo dveh študijskih programov. Te analize omogočajo pregled nad vsemi izbranimi kombinacijami in vrtanje navzdol po obeh študijskih programih. Analize iz druge skupine skušajo dati odgovore na dve vrsti vprašanj: • Kako določena generacija študentov, ki so vpisani v neki študijski program, napreduje iz letnika v letnik? • Kako se spreminjajo trendi vpisa oziroma zanimanje študentov za .študij na posameznih fakultetah? Primer analize, ki daje odgovor na prvo vprašanje, je prikazan na sliki 8.1/, slike je jasno razviden tipičen problem univerzitetnega študija v Sloveniji, to je izredno velik osi p študentov na prehodu iz prvega v drugi letnik. l'lHltr,! Spremljanj* napredovanj* ganaraeijo Inad raku*té rttuntfvM*!*« «I litfarnuMie Slike 8 Napredovanje izbrane generacije študentov 200Í Številka L - letnik XII ipükxn informatika 245 Viljan Mahriič. Marko Poienel Uporaba podatkovnih skladišč v univerzitetnem okolju: primer Univerze v Ljubljani Primer analize, ki daje odgovor na drugo vprašanje, pa je na sliki 9. Slika jasno kaže na upad zanimanja za študij tehnike po osamosvojitvi Slovenije in spremembi družbenega sistema. Šele v zadnjih leteh se je situacija nekoliko popravila. V tretjo skupino spadajo analize, ki prikazujejo podatke o dolžini študija in uspešnosti posameznih generacij diplomantov. Primer take analize je prikazan na sliki 10. Stavilo vpisanih na Studijski program ELEKTROTEHNIKA 400 350 300 «H — _ 250 — 2O0 ✓ 150 j — 100 S oo S - 0 i 1993/94 1395/96 1997/98 1999/00 2001/02 2003/04 Studijsko lato Slika 9 Števila vpisanih na univerzitetni Študij elektrotehnike v letih 1933 2003 _ ' "I™ Čas trajanja iluriljn 9 Laiadif1amJiMja:2«li- Um Rudiju vtutoi. (iinK' l ti. - Bj * . j'11 |ilM|.,n , '1 1 vt ./ fj , t'. OLASBLm PECUOOCKA-VIS &CGALA W Lfl MCTR 3 3T*> -VTS 6£i( «STPt MfclJU i TPK4MI VtE , . .'JU 1* ', TE l'.VI-- Si» PETJE-V13 r-lhAlA, TROSILA iN ''Xl-AL*vL. ? f*vpf«i r 1.1} ALadaralJa la gUd.JMa.flim 1.. IV eji c RMi M iwt ee-j 7 Ji f*,wEKA IM TELiVIZU»» SEOJ-> (■■JJilin. n ftHOUSKAndu* rji Slika 10 Trajanje študija v letih ja posamezne študijske programe na it-branih članicah Zadnjo skupino tvorijo analize, ki nastajajo spontano kot rezultat zahtev, ki se pojavljajo med vsakodnevnim poslovanjem. Te analize skušamo realizirati takoj, ko se pojavi tovrstna potreba, z uporabo Oracle Discovererja. Primer take analize prikazuje slika 11. Analiza je nastala kot posledica zahteve Fakultete za računalništvo in informatiko, ki je želela podrobneje analizirati strukturo vpisanih v prvem letniku visokošolskega strokovnega študija glede na poklic, ki ga t on™ Štttfllo vpinnth itudtntov gisij« nt »«drittoliki poklic ■ - | Hi imrf rihJttt«i4rtfm)aAv«l«iM«iiMtlic «j few*vfc* tmm MU4 ▼ j VtR IU£UUJ \ M. vptMitih ■ 1 1 ---r v/m t» ittOMliaslUl JUMiflf.riltMlad 1f91 : 1 Si V A. 01 HJUtUNJUM^M TCimn S i 1 ¿5 vrt.HI fiiHirujiiiMKCirKiiHmtn ID J za vn.1l IJMNA/IJSKllUtlUKANI 70 ; Vt Milit II SJU4MU fllMM ) \rx TO« UVM!ltMl