Mocne plati SURS-a

1
SURS ZBIRANJE IN UREJANJE STATISTICNIH
PODATKOV mag. Pavle Kozjek Sektor za
informacijsko tehnologijo in infrastrukturo-
Služba za razvoj aplikacij za zbiranje in
urejanje podatkov
2
Uvod

• Zbiranje in urejanje statisticnih podatkov vhod
  v statisticni proces
• Informacijski sistem Statisticnega urada RS
  postopen prehod z okolja osrednjega racunalnika
  na lokalno omrežje - priložnost za prenovo
  podsistema za zbiranje in urejanje podatkov
• Cilj integriran podsistem s standardiziranimi
  rešitvami
• Pomen fleksibilnosti
• podpora obstojecim aplikacijam tudi v novem
  okolju
• možnost nadaljnjega vkljucevanje novih metod in
  tehnik zbiranja in urejanja podatkov

3
Shema 1 Tok podatkov in metapodatkov v procesu
statisticnega raziskovanja (Sundgren, 1999)
4
(No Transcript)
5
(No Transcript)
6
Procesiranje podatkov na SURS in uporabljena
orodja (zbiranje in urejanje podatkov)
Globalni metapodatki, vkljucno s
klasifikacijami in šifranti
KONCNE VECDIMENZIONALNE STATISTIKE
SUROVI PODATKI
CISTI KONCNI PODATKI
kazala
Katalogi vsebine
KONCNI UPORABNIKI
El .dok.
DW
OLAP
Publ. tabele

• Osrednji racunalnik
• VSAM datoteke, Cobol, PL-1
• DBMS Rapid,Godar

REGISTRI

• Lokalno omrežje
• Blaise,VB
• Edisent
• SAS

7
PRIPRAVA PODATKOV
STATISTICNE OBDELAVE
DISEMINACIJA
VIRI
P O Ž A R N A S T E N A
URADNI A R H I V
A R H I V podatkov in procesov
A R H I V podatkov in procesov
A R H I V podatkov in procesov
PREVZEM OD URADNIH USANOV ZGOLJ ZA OBJAVO
Vhodni register
Vhodni register
kazala
Katalogi vsebine
Vhodni register
OLAP
Mikro Podatki
Disemi- nacijski strežnik
Vhodni statisticni register
STATISTICNA KONTROLA, ANALIZE IMPUTACIJE,
PREFORMACIJE
POROCANJE SEKUNDA- RNIH VIROV
ANALIZE, AGREGACIJE, OCENJEVANJA
EKSTRAKCIJA, ZAUPNOST
Mikro baza
Publikacije
Makro baza
DISEMINACIJA
PRIDOBIVANJE PODATKOV
EKSTRAHIRANJE PODATKOV
Podatki Iz virov
ZUNANJI UPORABNIKI
Elektronsko izmenjevanje podatkov
Vhodna baza

• RAZVIJALCI
• RDBMS Oracle ,Pl-SQL
• Designer,Developer,
• SAS, MS Access,TPL, TPL
• MS SQL OLAP

POROCANJE PRIMARNIH VIROV

• STATISTIKI/
• RAZVIJALCI
• SAS

Podatkovno skladišce
Internet
UREJANJE PODATKOV

• RAZVIJALCI
• MS SQL,IIS, Visual Interdev
• PC-Axis

• RAZVIJALCI - HOST
• Cobol,TPL, Rapid, BO
• DBMS Oracle, SQL

• TISKARNA
• Corel Draw
• Photoshop (psp)
• Pagemaker,
• Framemaker
• Ventura
• MS Office
• .

• UPORABNIKI
• Oracle Discoverer
• MS Access, Excel,Word
• SAS
• MS SQL OLAP

METIS

• UPORABNIKI
• PC-Axis orodja
• Beta - host (interno)
• BSP -host

Dokumentacija v izdelanih šablonah
KLASJE

• RAZVIJALCI
• DMBS Oracle, PL-SQL
• Designer,Developer,
• MS Access, MS SQL,IIS,Visual Int.

UREJANJE DOKUMENTACIJE
UREJANJE METAPODATKOV

• GIS
• Imagine (sat.)
• ArcInfo, MapInfo
• Idrisi

PRIPRAVLJANJE METODOLOGIJE, OKVIRJA, STAT.
GRADIVA, VPRAŠALNIKA Z VPRAŠANJI, OBJEKTOV
OPAZOVANJA, STAT. SPREMENLJIVK, KLASIFIKACIJ,
DOVOLJENIH VREDNOSTI, STAT. KARAKTERISTIK ...
UPORABNIKI (SLOVENIJA, EU ...)

• UPORABNIKI
• Aplikaciji Klasje, Metis
• MS Excel,Word

C I L J N A S H E M A G L A V N E G A T O K
A P O D A T K O V N A S U R S
V okviru skupine P/STAT2000 osnovno shemo
izdelala ga. Julija KUTIN
8
Zbiranje in urejanje podatkov - uporabljena
orodja

• Blaise VB
• Vnos z urejanjem podatkov - s klasicnih
  obrazcev na papirju - anketiranje (kontakt
  z respondenton) CAPI, CATI
• Hitri vnos podatkov (urejanje naknadno, paketno
  ali interaktivno)
• Urejanje podatkov
• Edisent elektronsko porocanje
• SAS (v procesu zbiranja pod.) - priprava
  vzorcev
• Godar, Cobol, PL-1 urejanje podatkov

9

• GEntry (generator aplikacij za hitri zajem
  podatkov) ekran za specifikacijo podatkovnega
  modela

10
Primer ekrana za vnos podatkov za anketno
raziskovanje (CAPI, CATI)
11
Primer uporabniškega vmesnika za anketno
raziskovanje s kombiniranim zbiranjem podatkov
12
Primer ekrana za urejanje podatkov (raziskovanje
IND-M)
13
Primer splošnega uporabniškega vmesnika (urejanje
podatkov)
14
Smernice

• Enostavnost, robustnost in fleksibilnost
  arhitekture (Sundgren, 2000 smernice za relacijo
  med statisticnim IS in njegovimi elementi)
• Prisotnost metapodatkov v celotnem procesu
• Razvoj in vkljucevanje novih rešitev (kombinirano
  zbiranje pod., elektronsko porocanje, Internet
  itd). Cilj izboljšati kvaliteto dela in
  rezultatov
• Upoštevanje in usklajevanje potreb vseh
  udeležencev v statisticnem procesu