セクション: 情報資産の保護
説明
Explanation:
データとアプリケーションシステムの両方の多様化により、データとアプリケーションの実際の所有者は、
アプリケーションを確立するのが難しい場合があります。

セクション: 情報資産の保護
Explanation:
ライブラリ制御ソフトウェアは、ソース コードを読み取り専用アクセスに制限します。

セクション: 情報システムの取得、開発、実装
説明/参照:
プレゼンテーション/デスクトップアクセス層は、エンドユーザーが情報を直接扱う場所です。この層には以下が含まれます。
スプレッドシート、直接クエリツール、レポート作成および分析スイートなどの使い慣れたデスクトップツールは、
Congasやビジネスオブジェクトなどのベンダー、バランスソースなどの専用アプリケーション
カードとデジタルダッシュボード。
CISA 試験では、ビジネス インテリジェンスに関する以下の情報を知っておく必要があります。
ビジネスインテリジェンス（BI）は、ITの広範な分野であり、情報の収集と分析を網羅しています。
意思決定を支援し、組織のパフォーマンスを評価します。
効果的なBIを実現するには、組織はデータアーキテクチャを設計し、実装する必要があります。完全なデータ
アーキテクチャは2つのコンポーネントで構成されています
エンタープライズ データ フロー アーキテクチャ (EDFA)
論理データアーキテクチャ
このデータ フロー アーキテクチャのさまざまなレイヤー/コンポーネントは次のとおりです。
プレゼンテーション/デスクトップアクセス層 - エンドユーザーが情報を直接扱う場所です。この層
スプレッドシート、直接クエリツール、レポートおよび分析スイートなどの使い慣れたデスクトップツールが含まれています
Congasやビジネスオブジェクトなどのベンダーが提供するものや、バランスのとれた専用アプリケーションなど
ソースカードとデジタルダッシュボード。
データ ソース レイヤー - エンタープライズ情報はさまざまなソースから取得されます。
運用データ - 組織の既存のシステムによって収集および維持され、通常は
システム固有のデータベースまたはフラット ファイル。
外部データ - 外部ソースから組織に提供されるデータ。これには次のようなデータが含まれます。
顧客の人口統計および市場シェア情報。
非運用データ - エンドユーザーが必要とするが、現在コンピュータに保持されていない情報
アクセス可能な形式。
コアデータウェアハウス -組織にとって重要なすべてのデータが収集され、整理される場所です。
レポート作成と分析を支援します。DWは通常、大規模なリレーショナルデータベースとして導入されます。
構成された DW は、3 つの基本的な形式の調査をサポートする必要があります。
ドリルアップとドリルダウン - ビジネスに関心のあるディメンションを使用して、
データを集約したり、ドリルダウンしたりすることができます。ウェアハウスのより細かいレベルで利用可能な属性は、
分析を改良するためにも使用できます。
ドリルアクロス - 共通属性を使用して、ウェアハウス内のさまざまな情報にアクセスします。
顧客および顧客グループ別に、関係の長さに応じてすべての製品ラインの売上を合計します。
会社と一緒に。
履歴分析 - ウェアハウスは、履歴や時間変動データを保持することでこれをサポートする必要があります。
履歴分析の例としては、月ごとの店舗売上を報告し、次に分析を繰り返すことが挙げられます。
実質的な新規顧客を区別するために、年初に既存していた顧客のみを対象とする。
既存顧客とのリピートビジネスを生み出す能力から。
データマート層 - データマートは、コアDWから選択され整理された情報のサブセットを表します。
特定の事業部門や事業ラインのニーズを満たすためにデータマートはリレーショナルデータベースまたは
何らかの形式のオンライン分析処理 (OLAP) データ構造。
データステージングおよび品質層 - この層はデータのコピー、DW形式への変換を担当します。
品質管理。特に、信頼できるデータだけがコアDWに入力されることが重要です。このレイヤーは
口座番号の変更など、運用システムによって定期的に発生する問題に対処できる
古いアカウントと顧客番号をフォーマットして再利用します。
データアクセス層 - この層は、データストレージと品質層をデータストアに接続するために機能します。
データソース層と、その過程で、これらのデータストアがどのように機能するかを正確に知る必要性を回避する。
整理されています。テクノロジーにより、リレーショナル データベースに保存されていない場合でも、データへの SQL アクセスが可能になりました。
データ準備層 - この層は、データをロードするための組み立てと準備に関係しています。
データマート。通常は、OLAPデータリポジトリにロードされる値を事前に計算して、
アクセス速度の向上。データマイニングは、大量のデータを探索してパターンを特定することに関係しています。
情報と傾向。データマイニングでは、数や傾向によって直感に反するパターンが特定されることが多い。
データ関係の複雑さ。結果を損なわないようにするには、データの品質を非常に高くする必要があります。
メタデータリポジトリ層 - メタデータはデータに関するデータです。メタデータ層に保持される情報は、
データ構造の名前や形式を超えて、ビジネスの目的やコンテキストの詳細を提供します。
メタデータ層は、さまざまな層間を流れるデータを網羅する包括的な範囲を持つ必要があります。
変換および検証ルールの文書化を含みます。
倉庫管理層 - この層の機能は、倉庫を建設するために必要なタスクのスケジュールです。
DW を維持し、データ マートを作成します。このレイヤーは、セキュリティの管理にも関与します。
アプリケーションメッセージング層 - この層は、さまざまなアプリケーション間で情報を転送する役割を担っています。
レイヤー。ビジネスデータに加えて、このレイヤーには生成、保存、ターゲットを絞った
制御メッセージの通信。
インターネット/イントラネット層 - この層は基本的なデータ通信に関係しています。ブラウザが含まれます。
ベースのユーザー インターフェイスと TCP/IP ネットワーク。
データ アーキテクト/分析で使用されるさまざまな分析モデルは次のとおりです。
アクティビティまたはスイムレーン図 - ビジネス プロセスを分解します。
エンティティ関係図 - データエンティティとそれらの関係を描写します。これらのデータ分析方法は
エンタープライズデータモデルの開発において重要な役割を果たすことは明らかです。しかし、
知識豊富なビジネス担当者がプロセスに関与することで、適切な理解が
データのビジネス目的とコンテキストに基づいて取得されます。これにより、データの複製のリスクも軽減されます。
既存のシステムとデータベースから DW への最適でないデータ構成。
誤った回答は次のとおりです。
データマート層 - データマートは、コアDWから選択され整理された情報のサブセットを表します。
特定の事業部門や事業ラインのニーズを満たすためにデータマートはリレーショナルデータベースまたは
何らかの形式のオンライン分析処理 (OLAP) データ構造。
データアクセス層 - この層は、データストレージと品質層をデータストアに接続するために機能します。
データソース層と、その過程で、これらのデータストアがどのように機能するかを正確に知る必要性を回避する。
整理されています。テクノロジーにより、リレーショナル データベースに保存されていない場合でも、データへの SQL アクセスが可能になりました。
データ準備層 - この層は、データをロードするための組み立てと準備に関係しています。
データマート。通常は、OLAPデータリポジトリにロードされる値を事前に計算して、
アクセス速度を向上します。
この質問を作成するために、以下の参考資料が使用されました:
CISA レビューマニュアル 2014 ページ番号 188