Ένα από τα βασικότερα εργαλεία υποστήριξης αποφάσεων σήμερα αποτελούν οι αποθήκες δεδομένων (datawarehouses), οι οποίες περιέχουν έτοιμα συγκεντρωτικά δεδομένα για διάφορα σημαντικά μεγέθη (π.χ. πωλήσεις, προμήθειες, παραγωγή, δαπάνες) ως προς διάφορες διαστάσεις (π.χ. χρόνο, γεωγραφική περιοχή), τα οποία αποθηκεύονται σε σκληρούς δίσκους (όπως επίσης και τα αντίστοιχα λεπτομερειακά πρωτογενή επιχειρησιακά δεδομένα από τα οποία προήλθαν). Πρόσφατα έχουν αρχίσει να αναπτύσσονται και να χρησιμοποιούνται από τις επιχειρήσεις για τους παραπάνω σκοπούς οι τεχνολογίες in-memory, οι οποίες χαρακτηρίζονται από αποθήκευση των λεπτομερειακών δεδομένων (π.χ. των υποσυστημάτων πωλήσεων, προμηθειών, οικονομικών, παραγωγής, μεταφορών) σε μνήμη RAM (αντί σκληρών δίσκων), η οποία παρέχει πολύ υψηλότερες ταχύτητες, και δυνατότητες απ’ ευθείας υπολογισμού από αυτά σε πραγματικό χρόνο (real time) οποιωνδήποτε συγκεντρωτικών στοιχείων (aggregate data), επιχειρησιακών δεικτών (business analytics) ή μελλοντικών προβλέψεων (predictive analytics) χρειάζονται οι χρήστες. Τα παραπάνω οδηγούν σε σημαντικά επιχειρησιακά πλεονεκτήματα.Στην Διπλωματική αυτή Εργασία, αρχικά πραγματοποιείται μελέτη σχετικής βιβλιογραφίας, παρακολούθηση σχετικών video από το YouTube, αλλά και σχετικών μαθημάτων από το e-learning σύστημα opensap της SAPΜε βάση τις σχετικές πληροφορίες που συλλέχθηκαν πραγματοποιείται επισκόπηση των τεχνολογιών in-memory και της αξιοποίησής του για την δημιουργία προηγμένων συστημάτων υποστήριξης αποφάσεων, με κύρια έμφαση στην σχετική πλατφόρμα SAP HANA.Με βάση τα παραπάνω μαθήματα έχει γίνει ένα σχετικό Tutorial για το πώς δουλεύει η cloud πλατφόρμα της SAP HANA, και στην συνέχεια αναλύονται κάποια βασικά παραδείγματα χρήσης του SAP HANA υποστήριξη λήψης αποφάσεων (π.χ. μέσω υπολογισμού συγκεντρωτικών στοιχείων (aggregate data), επιχειρησιακών δεικτών (business analytics) ή μελλοντικών προβλέψεων (predictive analytics)). Τέλος, καταλήγουμε πως μπορεί αυτή η τεχνολογία που μελετάμε να επηρεάσει τον δημόσιο τομέα, καθώς και σε κάποια χρήσιμα συμπεράσματα.
Today, the main decision support tool are data warehouses, containing ready aggregated data for various important figures (eg sales, purchasing, production, costs) on several dimensions (eg time, geographical area ), which is stored on hard disks (as well as the corresponding primary detailed operational data that generated).Recently, companies have begun to grow and use in-memory technologies for the above purposes, which are characterized by storage of detailed data (eg sales subsystems, procurement, finance, production, transport) in the RAM (instead of hard disks), which provides much higher speeds, and direct calculation of these in real time in any aggregate data, business analytics or predictive analytics, which needed by the users. This leads to significant operational advantages.In this thesis, initially, we studied the relevant literature, we watched relevant videos from YouTube, and attended lessons from the e-learning opensap system SAP. According to these courses we will deploy a relative Tutorial on how the cloud platform of SAP HANA works and then we will give some basic examples of the use of SAP HANA decision support (eg through calculation of aggregate data business analytics or predictive analytics. Finally, we will conclude how in-memory technology can influence the public sector.
