Business Intelligence: Data warehouse & Data mining

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Business Intelligence: Data warehouse & Data mining"

Transcript

1 Business Intelligence Business Intelligence: Data warehouse & Data mining Termine generico per indicare: un insieme di processi per raccogliere ed analizzare informazioni strategiche la tecnologia utilizzata per realizzare questi processi le informazioni ottenute come risultato di questi processi Per un informatico si tratta di sistemi di analisi dei dati basati su due diverse filosofie:" aggregazione di dati " " "(data warehouse)" scoperta di pattern di regolarità tra dati "(data mining)" 2 Sistema informativo aziendale (1) Il sistema informativo aziendale (SIA) raccoglie, organizza, elabora, gestisce i dati necessaria per la conduzione dell azienda. Tali dati possono: nascere direttamente all interno dell azienda durante lo svolgimento dei vari processi aziendali. essere acquisita come risultato delle relazioni con soggetti esterni. Analogamente tali dati possono essere destinata al consumo interno. essere destinata a terzi. Il sistema informativo aziendale si compone: di una parte informatizzata chiamato sistema informatico aziendale una parte non automatizzata come le conversazioni frontali e telefoniche, i documenti cartacei strutturati e non strutturati, l organigramma aziendale, la prassi operativa, la prassi decisionale ecc. 3 Sistema informativo aziendale (2) Le componenti (sia informatizzate che non) di un sistema informativo aziendale possono essere divise in due categorie a seconda della loro finalità: Componenti per il supporto dell attività operazionale. Tale parte del SIA si occupa di archiviare, gestire elaborare tutta l informazione per lo svolgimento dell attività quotidiana. Ad es. supporto informativo per le operazioni di acquisto, per le vendite, per la movimentazione del magazzino, per la registrazione di prescrizioni mediche ecc. Componenti per il supporto decisionale. Tale parte del SIA riguarda la gestione, la produzione e l archiviazione per supportare i dirigenti nelle scelte strategiche. Ad es. supporto per la scelta di quali prodotti mettere in promozione, quali prodotti aggiungere o rimuovere dal listino, a quale target rivolgere i messaggi pubblicitari quali prescrizioni cliniche sono più frequenti tra gli anziano ecc. 4 Cos è il SIA? E l insieme di strumenti hw/sw che permettono di gestire in maniera automatizzata l informazione aziendale. E composto da: Applicazionali Transazionali: Sono i sistemi e le procedure informatiche di supporto all attività operazionale quotidiana. Le applicazioni che rientrano in questa categoria sono le varie applicazioni aziendali per gestire i prodotti/servizi la contabilità l organizzazione, la logistica ecc. Decision Support System (DSS): Sono i sistemi e le procedure informatiche di supporto alle scelte strategiche dei dirigenti. In questa categoria rientrano le applicazioni di reportistica statica, le applicazioni di datawarehousing e le applicazioni di datamining. Le componeti del Sistema Informativo Aziendale Parte Operazionale Parte Decisionale Sistema Informatico Aziendale Transactional Applications: Application 1 Application 2 Decision Support System Applications: Report Data warehouse Data mining Sistema Informativo Aziendale 5 6 1

2 Come viene realizzato? Spesso si tratta di un insieme disordinato di applicazioni tra loro interdipendenti. Queste applicazioni spesso sono aggiunte con il passare del tempo. Ogni applicazione si occupa di supportare un certo processo aziendale senza interessarsi e tenere conto dell eventuale presenza di altre applicazioni. Ogni applicazione utilizza una base di dati spesso parzialmente indipendente dalle altre. L incompatibilità tra le varie applicazioni spesso è aggravata dal fatto che ognuna di esse si basa sulla migliore tecnologia disponibile al momento (quindi sistemi operativi, linguaggi, dbms differenti). 7 in entrata SIA: vecchio modello Le attività aziendali sono suddivisibili in varie categorie della figura (diagramma di Porter). Le attivita della Catena del Valore sono tra loro collegate e si influenzano a vicenda. Nei sistemi tradizionali ogni attività è gestita singolarmente. Operazioni in uscita Marketing e vendite Infrastruttura dell impresa (pianificazione, contabilità, affari legali, direzione, ) Gestione delle risorse umane (ricerca, selezione, assunzione, formazione, ) Sviluppo tecnologico (ricerca e sviluppo) Acquisizione risorse (ricerca fornitori, contatti, negoziazione, ) Servizi 8 Conseguenza: i sistemi legacy Ridondanza e mancanza di coerenza dei dati. Gli stessi dati possono essere presente in diverse applicazioni ed è rappresentata in modo diverso. Es: Male/Female o M/F o 0/1. Manca una visione d insieme dei dati, ossia una visione integrata ed univoca. I sistemi per la gestione transazionale (OLTP=OnLine Transaction Processing) e per l analisi dei dati (OLAP=OnLine Analytical Processing) non sono distinti. Sistema legacy = sistema (o applicazione) che continua ad essere utilizzato perché è troppo costoso rimpiazzarlo o risvilupparlo. Ciò comporta che il sistema è complesso, monolitico e difficile da modificare 9 in entrata SIA nuovo modello: ERP I sistemi ERP (Enterprise Resource Planning), costituiti da più moduli ma con dati centralizzati, gestiscono tutte le attività in modo integrato. Si parla in questo caso di sistemi enterprisewide. Operazioni in uscita Infrastruttura dell impresa Gestione delle risorse umane Sviluppo tecnologico Acquisizione risorse Marketing e vendite Servizi ERP Uno o più 10 Enterprise Application Solution Gli Enterprisewide Systems operazionali attualmente più diffusi sono: Supply Chain Management (SCM): gestisce in modo integrato ed orientato al processo l'approvvigionamento, la produzione, la consegna di prodotti e il servizio al cliente. Product LifeCycle Management (PLM): gestisce la concettualizzazione, il progetto e realizzazione di prodotti e servizi. Enterprise Resource Planning (ERP): gestisce in modo integrato tutte le risorse interne all azienda. Extended ERP: un ERP che supporta anche i partner aziendali. Business Process Management (BPM): comprende l analisi e il riallineamento dei processi organizzativi. Customer Relationship Management (CRM): gestisce i rapporti con i clienti. Partner Relationship Management (PRM): gestisce i rapporti con i partner aziendali. La reportistica statica E il primo tipo di applicazione di supporto alle decisioni. Di solito è costituito da un programma/script che recupera i dati operazionali attraverso un linguaggio come SQL effettuando una qualche elaborazione e presentado il risultato in modo tabellare. E definita statica perché la logica ed il formato di output è definito una volta per tutte e richiede un programmatore per essere modificato. Es. ogni settimana Volvo analizza le vendite di autoveicoli presso i suoi concessionari divisi per provincia e per regione con riferimento ai vari modelli di auto

3 Lamentele Cause delle lamentele Abbiamo montagne di dati ma non possiamo accedervi! Come è possibile che persone che svolgono lo stesso ruolo presentino risultati sostanzialmente diversi? Vogliamo selezionare, raggruppare e manipolare i dati in ogni modo possibile! Mostratemi solo ciò che è importante! Tutti sanno che alcuni dati non sono corretti! Ridondanza ed incoerenza dei dati La mancanza di strumenti di supporto alle decisioni (o analisi dei dati) Questi ci conferma che dati informazioni In realtà quello che stiamo tentando di fare è di aggregare ed interpretare i dati, di fatto trasformandoli in informazioni Stessi dati ma con più valore Vogliamo estrarre informazioni dalla vasta mole di dati operazionali presenti nei sistemi informatici aziendali utilizzando due tecniche: datawarehouse e dataming. Questo non comporta l inserimento di nuovi dati all interno del sistema informatico aziendale ma si occupa di riorganizzare, integrare, filtrare, aggregare i dati già disponibili per trarne delle informazioni strategiche (o dati di sintesi). Definizione di data warehouse Una collezione di dati di supporto al processo decisionale con le seguenti proprietà: E orientata ai soggetto (o argomenti di analisi). E integrata e consistente. E rappresentativa dell evoluzione temporale. E non volatile. Di seguito analizziamo più in dettaglio questi quattro punti Un data warehouse può essere considerato come un database in sola lettura, quindi cambiano le tecniche di progettazione Orientata ai soggetti (1) I dati sono organizzati per soggetti (o argomenti) principali. Es. Acquisti, Vendite, Diagnosi ecc. Ogni soggetto è rappresentato astrattamente come un cubo n- dimensionale (ipercubo). Per ogni determinato soggetto vi è un insieme di punti (i singoli fatti) in uno spazio n-dimensionale. Ogni cella del cubo contiene misure numeriche che quantificano i fatti da diversi punti di vista. Es. Numero di vendite o importo totale delle vendite. Ogni asse dello spazio rappresenta una dimensione di analisi (che può essere composta da gerarchie di livelli di aggregazione). Una dimensione può essere un qualsiasi insieme di valori numeri e non. Es. Tempo, Città, Prodotto ecc. Ogni singolo fatto è quindi indentificato univocamente da una n-pla di valori dimensionali (le coordinate). Orientata ai soggetti (2): multidimensionalità Ipercubo del soggetto vendite, le dimesioni sono tre: prodotto, mercato e trimestre. Una sola misura delle celle, l importo delle vendite

4 Gerarchie La granularità delle dimensioni di un fatto Nell esempio precedente una possibile gerarchia per la dimensione Mercato è: Città, Distretto, Nazione. Sono possibili gerarchie più complesse, rappresentabili come un albero o come un grafo. marca prodotto tipo categoria settore regione negozio città nazione Distretto di approvigionamento Nei sistemi operazionali i dati sono archiviati sempre ad un livello di dettaglio massimo (es. ogni singola vendita). Nei sistemi OLAP i dati vengono tipicamente acceduti in maniera collettiva; l astrazione di ipercubo può essere quindi pensato come avente un livello di granularità più alto. Ad es.: Ogni cella potrebbe contenere l importo totale delle vendite per ogni giorno, invece che l importo di una singola vendita. Ogni cella potrebbe contenere i dati relativi ad una certa marca di prodotto, invece che ad un singolo prodotto. Se i dati fossero fisicamente memorizzati in maniera aggregata avremmo: Una minore occupazione di spazio, e quindi migliori prestazioni in fase di interrogazione. Un numero minore di query soddisfacibili Ridurre la quantità di dati E integrata e consistente (1) Es. Un catena comprende 50 negozi che vendono complessivamente 1000 prodotti e si vuole coprire un periodo di 3 anni (circa 1000 giorni). Gli eventi sarebbero 50 x 1000 x 1000 = 500 milioni anche immaginando che solo il 10% dei prodotti vengono venduti si arriva a 50 milioni! Le informazioni memorizzate in un ipercubo, anche ipotizzando che siano di sintesi, sono di difficile interpretazione a causa della loro quantità. Due categorie di tecniche per ridurre la quantità di dati: Restrizione: si ritaglia una porzione del cubo, circoscrivendo il campo di analisi; in termini di algebra relazionale, corrisponde a fare selezioni/proiezioni. Aggregazione: si raggruppano in un unica macro-cella una serie di celle dell ipercubo. I dati sono il risultato dell attività di estrazione dei dati dalle sorgenti e organizzati per soggetti (o argomenti) principali. Es. Vendite, Acquisti, Diagnosi ecc. Ogni soggetto è ogni singolo fatto è quindi indentificato univocamente da una n-pla di valori dimensionali (le coordinate) E integrata e consistente (2) Le fonti dati da cui il data warehouse attinge possono essere molto differenti tra loro (es. file COBOL, RMS, file XML, fogli elettronici ecc.) e possono essere anche esterne al SIA. Di tutti questi dati il data warehouse restituisce una visione unficata, corretta e consistente. 23 E integrata e consistente (3) Partendo da diverse fonti operazionali si utilizzano gli strumenti ETL (Extraction Transformation and Loading). Tale compito può essere diviso in quattro fasi: Estrazione: in base ai fatti da caricare si scelgono e si prelevano i dati dalle varie sorgenti Pulitura: i dati originali quasi sempre contengono errori e inconsistenze, questa fase si occupa di migliorare la qualità dei dati mediante la loro correzione e omogeneizzazione. Trasformazione: Questa fase si occupa di convertire i vari formati dei dati delle sorgenti operazionali nel formato (unico) del datawarehouse effettuando le necessarie operazioni di conversione, normalizzazione, matching ed integrazione. Caricamento: i dati ottenuti vengono caricati nel datawarehouse o effettuando un refresh totale dei dati (di solito ciò viene fatto solo in fase di costruzione del datawarehouse) o mediante un update incrementale. 24 4

5 E rappresentativa dell evoluzione temporale Database operazionale Contenuto storico limitato. Il tempo solitamente non è parte delle chiavi. I dati possono e sono aggiornati di continuamente Datawarehouse Contenuto storico ampio. Es. 5/10/30 anni Il tempo è parte delle chiavi. I dati una volta raccolti non posso essere modificati da eventuali successive transazioni Non volatile I dati non vengono mai rimossi. Il data warehouse può solo crescere con il tempo. Nuovi dati vengono inseriti in blocchi prelevandoli dalle opportune sorgenti dei dati. Es. inserimento dei dati dell ultimo mese/trimestre/anno. L insieme dei dati è pertanto relativamente statico. Non ci sono modifiche frequentemente (ad esempio ogni ora) Database vs Data warehouse (1) Database vs Datawarehouse (2) Database (operazionale) Utenti: Impiegati Dirigenti Scopo Fonti dei dati Tipo di query Design Ottimizzazione Operazionale (registrazione di tutte le operazioni quotidiane). Dipende dall applicazione Data warehouse Supporto alle decisioni strategiche Direttamente dalle transazioni e/o dalle Database operazionali e altre fonti interne relative pezze d appoggio (fatture, bolle, e/o esterne filtrati dagli strumenti ETL ordini ) OLTP (OnLine Transactional Processing). Numerosissime transazioni brevi, semplici e predefinite. Read & Write Orientato alle applicazioni. Basato su ER. Normalizzato Per transazioni OLTP su una piccola parte del database OLAP (OnLine Analytical Processing). Query ad hoc molto complesse prevalentemente Read Only Orientato ai soggetti. Star Schema. Denormalizzato. Multidimensionale Per operazioni OLAP su tutti i dati 27 Database (operazionale) Data warehouse Parallelismo Inter-Query Intra-Query Integrazione dei dati Per applicazione Per soggetto Quantità di dati Centinaia/migliaia di GigaByte Centinaia/migliaia di TeraByte Tipo di dati Elementari. Sia numerici che alfanumerici. Numero di utenti (Decine di)migliaia Decine/centinaia Di sintesi. Prevalentemente numerici. Qualità dei dati In termini di integrità In termini di consistenza. Copertura temporale Solo dati correnti. (Es. anno in corso). Dati correnti e storici. (Es. ultimi cinque anni). 28 Data mining Con datamining si intende il processo di estrazione di informazione, utilizzabile e precedentemente sconosciuta, da grandi collezioni di dati e l utilizzo di queste informazioni per prendere decisioni di business. Ciò che cerchiamo sono dei pattern ossia delle forme, di regolarità tra i dati. Si cerca dunque una caratteristica dell insieme dei dati che permette di capire meglio come i dati sono fatti e/o come sono legati tra loro. Contrariamente a quanto affermano i super-ottimisti, è necessario controllare che i risultati ottenuti non siano errati. Data mining: parte del KDD Pattern Evaluation Data Mining Task-relevant Data Data Warehouse Selection Data Cleaning Data Integration 29 Databases 30 5

6 Il Processo di KDD Applicazioni del Data Mining Il data mining è solo una parte di un processo più ampio chiamato Knowledge Discovery in Databases. Il processo parte da un data warehouse o da una sorgente con caratteristiche simili. Vengono selezionati i dati rilevanti per l analisi, viene fatto il data mining e poi occorre valutare il risultato e verificare che sia corretto. Questa nuova informazione una volta validata può essere inserita nel SIA sviluppando ad esempio delle analisi OLAP ad hoc. Il processo di data mining può ripartire partendo tenendo conto di quanto si conosce già. 31 Banking: Concessione prestiti: predire l affidabilità di un cliente. Fraud Detection: predire se un acquisto è legittimo o se la carta di credito è stata rubata. Customer relationship management: In base al tipo e alla frequenza di ricorso di un cliente all assistenza predire se si rischia che il cliente passi ad un concorrente. Targeted marketing: Raggruppare gli utenti in modo da mandare cataloghi ad hoc ad ogni gruppo. Telecomunicazioni: Da una sequenza di malfunzionamenti predire se si va incontro ad un guasto grave. Medicina: Trovare se esiste una terapia più economica ma ugualmente efficace per un paziente. Astronomia: Identificare nuove galassie analizzando le immagini digitali dal telescopio. Web site/store design e promozioni: Capire gli interessi di un visitatore e proporre hyperlink ad hoc. 32 Esempio Classification: Si vuole segmentare l insieme dei dati in un numero di classi predefinite. Es. Banking: decidere se concedere un prestito o meno. In base al reddito, al tipo di lavoro, al tipo di abitazione ecc. si vuole predire se un soggetto rientra nella classe dei debitori affidabili o in quella dei debitori non affidabili. x: persone che hanno mancato la restituzione di rate o: persone che hanno rispettato le scadenze Effettuiamo la classificazione solo in base allo stipendio Risultato del data mining: se lo stipendio non superiore ad un certo valore è facile che venga mancato il pagamento di una rata 33 Riferimenti M. Golfarelli et al - Warehouse - Teoria e pratica della progettazione - McGrawHill, 2006 ISBN: P. Tan et al. - Introduction to data mining Addison Wesley, 2006 ISBN:

Data Warehouse Architettura e Progettazione

Data Warehouse Architettura e Progettazione Introduzione Data Warehouse Architettura! Nei seguenti lucidi verrà fornita una panoramica del mondo dei Data Warehouse.! Verranno riportate diverse definizioni per identificare i molteplici aspetti che

Dettagli

Data Warehousing e Data Mining

Data Warehousing e Data Mining Università degli Studi di Firenze Dipartimento di Sistemi e Informatica A.A. 2011-2012 I primi passi Data Warehousing e Data Mining Parte 2 Docente: Alessandro Gori a.gori@unifi.it OLTP vs. OLAP OLTP vs.

Dettagli

Data warehouse. Architettura complessiva con OLTP e OLAP OLTP. Sistemi di supporto alle decisioni

Data warehouse. Architettura complessiva con OLTP e OLAP OLTP. Sistemi di supporto alle decisioni Data warehouse Data warehouse La crescita dell importanza dell analisi dei dati ha portato ad una separazione architetturale dell ambiente transazionale (OLTP on-line transaction processing) da quello

Dettagli

Data warehousing Mario Guarracino Laboratorio di Sistemi Informativi Aziendali a.a. 2006/2007

Data warehousing Mario Guarracino Laboratorio di Sistemi Informativi Aziendali a.a. 2006/2007 Data warehousing Introduzione A partire dalla metà degli anni novanta è risultato chiaro che i database per i DSS e le analisi di business intelligence vanno separati da quelli operazionali. In questa

Dettagli

Introduzione alla Business Intelligence

Introduzione alla Business Intelligence SOMMARIO 1. DEFINIZIONE DI BUSINESS INTELLIGENCE...3 2. FINALITA DELLA BUSINESS INTELLIGENCE...4 3. DESTINATARI DELLA BUSINESS INTELLIGENCE...5 4. GLOSSARIO...7 BIM 3.1 Introduzione alla Pag. 2/ 9 1.DEFINIZIONE

Dettagli

Data warehouse Introduzione

Data warehouse Introduzione Database and data mining group, Data warehouse Introduzione INTRODUZIONE - 1 Pag. 1 Database and data mining group, Supporto alle decisioni aziendali La maggior parte delle aziende dispone di enormi basi

Dettagli

Introduzione alla Business Intelligence. E-mail: infobusiness@zucchetti.it

Introduzione alla Business Intelligence. E-mail: infobusiness@zucchetti.it Introduzione alla Business Intelligence E-mail: infobusiness@zucchetti.it Introduzione alla Business Intelligence Introduzione Definizione di Business Intelligence: insieme di processi per raccogliere

Dettagli

Data warehousing Mario Guarracino Data Mining a.a. 2010/2011

Data warehousing Mario Guarracino Data Mining a.a. 2010/2011 Data warehousing Introduzione A partire dagli anni novanta è risultato chiaro che i database per i DSS e le analisi di business intelligence vanno separati da quelli operazionali. In questa lezione vedremo

Dettagli

Relazione sul data warehouse e sul data mining

Relazione sul data warehouse e sul data mining Relazione sul data warehouse e sul data mining INTRODUZIONE Inquadrando il sistema informativo aziendale automatizzato come costituito dall insieme delle risorse messe a disposizione della tecnologia,

Dettagli

SISTEMI INFORMATIVI AZIENDALI

SISTEMI INFORMATIVI AZIENDALI SISTEMI INFORMATIVI AZIENDALI Prof. Andrea Borghesan venus.unive.it/borg borg@unive.it Ricevimento: Alla fine di ogni lezione Modalità esame: scritto 1 Sistemi informazionali La crescente diffusione dei

Dettagli

INDICE CONROLLO DI GESTIONE E SISTEMI INFORMATIVI AZIENDALI IL CONTROLLO DI GESTIONE E GLI ALTRI MECCANISMI OPERATIVI

INDICE CONROLLO DI GESTIONE E SISTEMI INFORMATIVI AZIENDALI IL CONTROLLO DI GESTIONE E GLI ALTRI MECCANISMI OPERATIVI INDICE PREMESSA...1 PARTE PRIMA CONROLLO DI GESTIONE E SISTEMI INFORMATIVI AZIENDALI CAPITOLO PRIMO IL CONTROLLO DI GESTIONE E GLI ALTRI MECCANISMI OPERATIVI 1. I concetti di pianificazione strategica

Dettagli

Sistemi per le decisioni Dai sistemi gestionali ai sistemi di governo

Sistemi per le decisioni Dai sistemi gestionali ai sistemi di governo Sistemi per le decisioni Dai sistemi gestionali ai sistemi di governo Obiettivi. Presentare l evoluzione dei sistemi informativi: da supporto alla operatività a supporto al momento decisionale Definire

Dettagli

Sistemi Informativi Aziendali I

Sistemi Informativi Aziendali I Modulo 6 Sistemi Informativi Aziendali I 1 Corso Sistemi Informativi Aziendali I - Modulo 6 Modulo 6 Integrare verso l alto e supportare Managers e Dirigenti nell Impresa: Decisioni più informate; Decisioni

Dettagli

Sistemi informativi aziendali

Sistemi informativi aziendali Sistemi informativi aziendali Lezione 12 prof. Monica Palmirani Sistemi informativi e informatici Sistemi informativi = informazioni+processi+comunicazione+persone Sistemi informatici = informazioni+hardware+software

Dettagli

Sistemi informativi aziendali

Sistemi informativi aziendali Operatore giuridico d impresa Informatica Giuridica A.A 2002/2003 II Semestre Sistemi informativi aziendali prof. Monica Palmirani Sistemi informativi e informatici Sistemi informativi = informazioni+processi+comunicazione+persone

Dettagli

Sistemi informativi aziendali

Sistemi informativi aziendali Sistemi informativi aziendali Lezione 12 prof. Monica Palmirani Sistemi informativi e informatici Sistemi informativi = informazioni+processi+comunicazione+persone Sistemi informatici = informazioni+hardware+software

Dettagli

Data Mining e Analisi dei Dati

Data Mining e Analisi dei Dati e Analisi dei Dati Rosaria Lombardo Dipartimento di Economia, Seconda Università di Napoli La scienza che estrae utili informazioni da grandi databases è conosciuta come E una disciplina nuova che interseca

Dettagli

Sistemi Informativi. Catena del valore di PORTER

Sistemi Informativi. Catena del valore di PORTER Sistemi Informativi Catena del valore di PORTER La catena del valore permette di considerare l'impresa come un sistema di attività generatrici del valore, inteso come il prezzo che il consumatore è disposto

Dettagli

Cosa è un data warehouse?

Cosa è un data warehouse? Argomenti della lezione Data Warehousing Parte I Introduzione al warehousing cosa è un data warehouse classificazione dei processi aziendali sistemi di supporto alle decisioni elaborazione OLTP e OLAP

Dettagli

Architetture per l analisi di dati

Architetture per l analisi di dati Architetture per l analisi di dati Basi di dati: Architetture e linee di evoluzione - Seconda edizione Capitolo 8 Appunti dalle lezioni Motivazioni I sistemi informatici permettono di aumentare la produttività

Dettagli

Introduzione data warehose. Gian Luigi Ferrari Dipartimento di Informatica Università di Pisa. Data Warehouse

Introduzione data warehose. Gian Luigi Ferrari Dipartimento di Informatica Università di Pisa. Data Warehouse Introduzione data warehose Gian Luigi Ferrari Dipartimento di Informatica Università di Pisa Data Warehouse Che cosa e un data warehouse? Quali sono i modelli dei dati per data warehouse Come si progetta

Dettagli

Sviluppo Applicazione di BI/DWH. con tecnologia Microsoft. per il supporto della catena logistica

Sviluppo Applicazione di BI/DWH. con tecnologia Microsoft. per il supporto della catena logistica UNIVERSITÀ DEGLI STUDI DI MODENA E REGGIO EMILIA Dipartimento di Ingegneria Enzo Ferrari di Modena Corso di Laurea Magistrale in Ingegneria Informatica (270/04) Sviluppo Applicazione di BI/DWH con tecnologia

Dettagli

DATA MINING E DATA WAREHOUSE

DATA MINING E DATA WAREHOUSE Reti e sistemi informativi DATA MINING E DATA WAREHOUSE Marco Gottardo FONTI Wikipedia Cineca Università di Udine, Dipartimento di fisica, il data mining scientifico thepcweb.com DATA MINING 1/2 Il Data

Dettagli

Lezione 3. Modello Multidimensionale dei Dati Metadati per il Data Warehousing Accesso ai Data Warehouses Implementazioni per il Data Warehousing

Lezione 3. Modello Multidimensionale dei Dati Metadati per il Data Warehousing Accesso ai Data Warehouses Implementazioni per il Data Warehousing Lezione 3 Modello Multidimensionale dei Dati Metadati per il Data Warehousing Accesso ai Data Warehouses Implementazioni per il Data Warehousing 27/02/2010 1 Modello multidimensionale Nasce dall esigenza

Dettagli

Introduzione al Data Warehousing

Introduzione al Data Warehousing Sistemi Informativi Avanzati Anno Accademico 2013/2014 Prof. Domenico Beneventano Introduzione al Data Warehousing Molte di queste slide sono state realizzate dal Prof. Stefano Rizzi (http://www-db.deis.unibo.it/~srizzi/)

Dettagli

Database Commerciali/ Marketing. Indice: 1. Gli elementi chiave del db commerciale/ marketing 2. Come si costruisce un db commerciale/ marketing

Database Commerciali/ Marketing. Indice: 1. Gli elementi chiave del db commerciale/ marketing 2. Come si costruisce un db commerciale/ marketing Database Commerciali/ Marketing Indice: 1. Gli elementi chiave del db commerciale/ marketing 2. Come si costruisce un db commerciale/ marketing Database Commerciali/ Marketing Gli elementi chiave del db

Dettagli

Per capire meglio l ambito di applicazione di un DWhouse consideriamo la piramide di Anthony, L. Direzionale. L. Manageriale. L.

Per capire meglio l ambito di applicazione di un DWhouse consideriamo la piramide di Anthony, L. Direzionale. L. Manageriale. L. DATA WAREHOUSE Un Dataware House può essere definito come una base di dati di database. In molte aziende ad esempio ci potrebbero essere molti DB, per effettuare ricerche di diverso tipo, in funzione del

Dettagli

Informatica Industriale Modello organizzativo Enterprise Resource Planner

Informatica Industriale Modello organizzativo Enterprise Resource Planner DIIGA - Università Politecnica delle Marche A.A. 2006/2007 Informatica Industriale organizzativo Enterprise Resource Planner Luca Spalazzi spalazzi@diiga.univpm.it www.diiga.univpm.it/~spalazzi/ Informatica

Dettagli

Introduzione al Data Warehousing

Introduzione al Data Warehousing Il problema - dati IPERVENDO Via Vai 111 P.I.11223344 Vendite II Trim. (Milioni!) Introduzione al Data Warehousing tecnologia abilitante per il data mining ACQUA MIN 0.40 LATTE INTERO 1.23 SPAZZ.DENTI

Dettagli

Tecnologie dell informatica per l azienda SISTEMA INFORMATIVO E SISTEMA INFORMATICO NEI PROCESSI AZIENDALI

Tecnologie dell informatica per l azienda SISTEMA INFORMATIVO E SISTEMA INFORMATICO NEI PROCESSI AZIENDALI Tecnologie dell informatica per l azienda SISTEMA INFORMATIVO E SISTEMA INFORMATICO NEI PROCESSI AZIENDALI IL SISTEMA INFORMATIVO AZIENDALE Un azienda è caratterizzata da: 1. Persone legate tra loro da

Dettagli

Data warehouse (parte 1)

Data warehouse (parte 1) Data warehouse (parte 1) La maggior parte delle aziende dispone di enormi basi di dati contenenti dati di tipo operativo: queste basi di dati costituiscono una potenziale miniera di informazioni utili.

Dettagli

Business Intelligence CRM

Business Intelligence CRM Business Intelligence CRM CRM! Customer relationship management:! L acronimo CRM (customer relationship management) significa letteralmente gestione della relazione con il cliente ;! la strategia e il

Dettagli

Il Data Warehousing. Prof. Stefano Rizzi Alma Mater Studiorum - Università di Bologna

Il Data Warehousing. Prof. Stefano Rizzi Alma Mater Studiorum - Università di Bologna Il Data Warehousing Prof. Stefano Rizzi Alma Mater Studiorum - Università di Bologna 1 Sommario Il ruolo della business intelligence e del sistema informativo 9 Il ruolo dell informatica in azienda 9 La

Dettagli

slogan Datawarehouse e Datamining Una verità attuale Esigenze degli utenti (Kimball 1996) a.a. 2006/2007 Introduzione

slogan Datawarehouse e Datamining Una verità attuale Esigenze degli utenti (Kimball 1996) a.a. 2006/2007 Introduzione Datawarehouse e Datamining a.a. 2006/2007 Introduzione slogan Conoscere i propri numeri per modellare il proprio business Il successo o il fallimento di una impresa dipendono dal modo in cui si raccolgono,

Dettagli

Sistemi direzionali e modello multidimensionale. Prof. Piercarlo Giolito

Sistemi direzionali e modello multidimensionale. Prof. Piercarlo Giolito Sistemi direzionali e modello multidimensionale Prof. Piercarlo Giolito 1 Data warehousing e tecnologia OLAP Argomenti trattati. Evoluzione dei Sistemi Informativi Decisionali Il modello dei dati multidimensionale

Dettagli

DATA WAREHOUSING CON JASPERSOFT BI SUITE

DATA WAREHOUSING CON JASPERSOFT BI SUITE UNIVERSITÁ DEGLI STUDI DI MODENA E REGGIO EMILIA Dipartimento di Ingegneria di Enzo Ferrari Corso di Laurea Magistrale in Ingegneria Informatica (270/04) DATA WAREHOUSING CON JASPERSOFT BI SUITE Relatore

Dettagli

25/11/14 ORGANIZZAZIONE AZIENDALE. Tecnologie dell informazione e controllo

25/11/14 ORGANIZZAZIONE AZIENDALE. Tecnologie dell informazione e controllo ORGANIZZAZIONE AZIENDALE 1 Tecnologie dell informazione e controllo 2 Evoluzione dell IT IT, processo decisionale e controllo Sistemi di supporto al processo decisionale IT e coordinamento esterno IT e

Dettagli

Breve introduzione ai data warehouse (per gli allievi che non hanno seguito BD2)

Breve introduzione ai data warehouse (per gli allievi che non hanno seguito BD2) Tecnologie per i sistemi informativi Breve introduzione ai data warehouse (per gli allievi che non hanno seguito BD2) Letizia Tanca lucidi tratti dal libro: Atzeni, Ceri, Paraboschi, Torlone Introduzione

Dettagli

Integrazione dei processi aziendali Sistemi ERP e CRM. Alice Pavarani

Integrazione dei processi aziendali Sistemi ERP e CRM. Alice Pavarani Integrazione dei processi aziendali Sistemi ERP e CRM Alice Pavarani Un ERP rappresenta la maggiore espressione dell inseparabilità tra business ed information technology: è un mega-package di applicazioni

Dettagli

Introduzione alle basi di dati. Gestione delle informazioni. Gestione delle informazioni. Sistema informatico

Introduzione alle basi di dati. Gestione delle informazioni. Gestione delle informazioni. Sistema informatico Introduzione alle basi di dati Introduzione alle basi di dati Gestione delle informazioni Base di dati Modello dei dati Indipendenza dei dati Accesso ai dati Vantaggi e svantaggi dei DBMS Gestione delle

Dettagli

Supporto alle decisioni e strategie commerciali/mercati/prodotti/forza vendita;

Supporto alle decisioni e strategie commerciali/mercati/prodotti/forza vendita; .netbin. è un potentissimo strumento SVILUPPATO DA GIEMME INFORMATICA di analisi dei dati con esposizione dei dati in forma numerica e grafica con un interfaccia visuale di facile utilizzo, organizzata

Dettagli

CAPITOLO CAPIT Tecnologie dell ecnologie dell info inf rmazione e controllo

CAPITOLO CAPIT Tecnologie dell ecnologie dell info inf rmazione e controllo CAPITOLO 8 Tecnologie dell informazione e controllo Agenda Evoluzione dell IT IT, processo decisionale e controllo Sistemi di supporto al processo decisionale Sistemi di controllo a feedback IT e coordinamento

Dettagli

Introduzione a data warehousing e OLAP

Introduzione a data warehousing e OLAP Corso di informatica Introduzione a data warehousing e OLAP La Value chain Information X vive in Z S ha Y anni X ed S hanno traslocato Data W ha del denaro in Z Stile di vita Punto di vendita Dati demografici

Dettagli

INDICE. Domande di riepilogo... 28 Esercizi di riepilogo... 28 Domande tematiche... 29. Prefazione... XI

INDICE. Domande di riepilogo... 28 Esercizi di riepilogo... 28 Domande tematiche... 29. Prefazione... XI 1138A_03 Prime pagine 1-03-2004 17:16 Pagina v INDICE Prefazione.......................................................................... XI Capitolo 1 L era dell informazione in cui viviamo. Il nuovo

Dettagli

REALIZZARE UN MODELLO DI IMPRESA

REALIZZARE UN MODELLO DI IMPRESA REALIZZARE UN MODELLO DI IMPRESA - organizzare e gestire l insieme delle attività, utilizzando una piattaforma per la gestione aziendale: integrata, completa, flessibile, coerente e con un grado di complessità

Dettagli

Sistemi Informativi Aziendali. Sistemi Informativi Aziendali. Sistemi Informativi Aziendali

Sistemi Informativi Aziendali. Sistemi Informativi Aziendali. Sistemi Informativi Aziendali DIPARTIMENTO DI INGEGNERIA INFORMATICA AUTOMATICA E GESTIONALE ANTONIO RUBERTI Introduzione al Data Warehousing per a. Modello Multidimensionale & OLAP 1 Cos è il Data Warehousing Collezione di metodi,

Dettagli

INFORMATICA. Prof. MARCO CASTIGLIONE ISTITUTO TECNICO STATALE TITO ACERBO - PESCARA

INFORMATICA. Prof. MARCO CASTIGLIONE ISTITUTO TECNICO STATALE TITO ACERBO - PESCARA INFORMATICA Prof. MARCO CASTIGLIONE ISTITUTO TECNICO STATALE TITO ACERBO - PESCARA Informatica per AFM 1. SISTEMA INFORMATIVO AZIENDALE E SISTEMA INFORMATICO ITS Tito Acerbo - PE INFORMATICA Prof. MARCO

Dettagli

Basi di Dati Complementi Esercitazione su Data Warehouse

Basi di Dati Complementi Esercitazione su Data Warehouse Sommario Basi di Dati Complementi Esercitazione su Data Warehouse 1. Riassunto concetti principali dalle slide della lezione di teoria 2.Studio di caso : progettazione di un Data Warehouse di una catena

Dettagli

SQL Server 2005. Introduzione all uso di SQL Server e utilizzo delle opzioni Olap. Dutto Riccardo - SQL Server 2005.

SQL Server 2005. Introduzione all uso di SQL Server e utilizzo delle opzioni Olap. Dutto Riccardo - SQL Server 2005. SQL Server 2005 Introduzione all uso di SQL Server e utilizzo delle opzioni Olap SQL Server 2005 SQL Server Management Studio Gestione dei server OLAP e OLTP Gestione Utenti Creazione e gestione DB SQL

Dettagli

Introduzione al data warehousing

Introduzione al data warehousing Introduzione al data warehousing, Riccardo Torlone aprile 2012 1 Motivazioni I sistemi informatici permettono di aumentare la produttività delle organizzazioni automatizzandone la gestione quotidiana dei

Dettagli

Data Warehousing: concetti base e metodologie

Data Warehousing: concetti base e metodologie Data Warehousing: concetti base e metodologie Paolo Atzeni (con la collaborazione di Luca Cabibbo e Riccardo Torlone) Università di Roma Tre Dipartimento di Informatica e Automazione atzeni@dia.uniroma3.it

Dettagli

Introduzione ad OLAP (On-Line Analytical Processing)

Introduzione ad OLAP (On-Line Analytical Processing) Introduzione ad OLAP (On-Line Analytical Processing) Metodi e Modelli per il Supporto alle Decisioni 2002 Dipartimento di Informatica Sistemistica e Telematica (Dist) Il termine OLAP e l acronimo di On-Line

Dettagli

Data warehousing con SQL Server

Data warehousing con SQL Server Data warehousing con SQL Server SQL Server è un RDBMS (Relational DataBase Management System) Analysis Services è un componente di SQL Server che offre un insieme di funzionalità di supporto al data warehousing

Dettagli

Governo Digitale a.a. 2011/12

Governo Digitale a.a. 2011/12 Governo Digitale a.a. 2011/12 I sistemi di supporto alle decisioni ed il Data Warehouse Emiliano Casalicchio Agenda Introduzione i sistemi di supporto alle decisioni Data warehouse proprietà architettura

Dettagli

Organizzazione delle informazioni: Database

Organizzazione delle informazioni: Database Organizzazione delle informazioni: Database Laboratorio Informatico di base A.A. 2013/2014 Dipartimento di Scienze Aziendali e Giuridiche Università della Calabria Dott. Pierluigi Muoio (pierluigi.muoio@unical.it)

Dettagli

SQL Server BI Development Studio

SQL Server BI Development Studio Il Data warehouse SQL Server Business Intelligence Development Studio Analysis Service Sorgenti dati operazionali DB relazionali Fogli excel Data warehouse Staging Area e dati riconciliati Cubi Report

Dettagli

SISTEMI INFORMATIVI. Definizione, classificazioni

SISTEMI INFORMATIVI. Definizione, classificazioni SISTEMI INFORMATIVI Definizione, classificazioni IL SISTEMA INFORMATIVO AZIENDALE A cosa serve una definizione? a identificare i confini del SI a identificarne le componenti a chiarire le variabili progettuali

Dettagli

Data Warehousing (DW)

Data Warehousing (DW) Data Warehousing (DW) Il Data Warehousing è un processo per estrarre e integrare dati storici da sistemi transazionali (OLTP) diversi e disomogenei, e da usare come supporto al sistema di decisione aziendale

Dettagli

INDICE 22-02-2005 15:25 Pagina V. Indice

INDICE 22-02-2005 15:25 Pagina V. Indice INDICE 22-02-2005 15:25 Pagina V Indice Gli autori XIII XVII Capitolo 1 I sistemi informativi aziendali 1 1.1 INTRODUZIONE 1 1.2 IL MODELLO INFORMATICO 3 1.2.1. Il modello applicativo 3 Lo strato di presentazione

Dettagli

Data Mining: Applicazioni

Data Mining: Applicazioni Sistemi Informativi Universitá degli Studi di Milano Facoltá di Scienze Matematiche, Fisiche e Naturali Dipartimento di Tecnologie dell Informazione 1 Giugno 2007 Data Mining Perché il Data Mining Il Data

Dettagli

E-Mail. Scheduling. Modalità d invio. E-Mail

E-Mail. Scheduling. Modalità d invio. E-Mail BI BI Terranova, azienda leader in Italia per le soluzioni Software rivolte al mercato delle Utilities, propone la soluzione Software di Business Intelligence RETIBI, sviluppata per offrire un maggiore

Dettagli

Rassegna sui principi e sui sistemi di Data Warehousing

Rassegna sui principi e sui sistemi di Data Warehousing Università degli studi di Bologna FACOLTA DI SCIENZE MATEMATICHE, FISICHE E NATURALI Rassegna sui principi e sui sistemi di Data Warehousing Tesi di laurea di: Emanuela Scionti Relatore: Chiar.mo Prof.Montesi

Dettagli

1. BASI DI DATI: GENERALITÀ

1. BASI DI DATI: GENERALITÀ 1. BASI DI DATI: GENERALITÀ BASE DI DATI (DATABASE, DB) Raccolta di informazioni o dati strutturati, correlati tra loro in modo da risultare fruibili in maniera ottimale. Una base di dati è usualmente

Dettagli

SOMMARIO. 9- Basi di dati direzionali. Tipi di sistemi direzionali SISTEMI INFORMATIVI DIREZIONALI. Basi di Dati per la gestione dell Informazione

SOMMARIO. 9- Basi di dati direzionali. Tipi di sistemi direzionali SISTEMI INFORMATIVI DIREZIONALI. Basi di Dati per la gestione dell Informazione 1 SOMMARIO 2 9- Basi di dati direzionali Basi di Dati per la gestione dell Informazione A. Chianese, V. Moscato, A. Picariello, L. Sansone Sistemi Informativi Direzionali (SID) Architettura dei SID La

Dettagli

Customer Relationship Management. Eleonora Ploncher 3 aprile 2006

Customer Relationship Management. Eleonora Ploncher 3 aprile 2006 Customer Relationship Management Eleonora Ploncher 3 aprile 2006 1. Gli obiettivi Gli obiettivi della presentazione sono volti a definire: 1. gli elementi fondamentali e strutturali di una strategia di

Dettagli

Lezione 1. Introduzione e Modellazione Concettuale

Lezione 1. Introduzione e Modellazione Concettuale Lezione 1 Introduzione e Modellazione Concettuale 1 Tipi di Database ed Applicazioni Database Numerici e Testuali Database Multimediali Geographic Information Systems (GIS) Data Warehouses Real-time and

Dettagli

Laboratorio di Progettazione e Sviluppo di Sistemi Informatici

Laboratorio di Progettazione e Sviluppo di Sistemi Informatici 1 Laboratorio di Progettazione e Sviluppo di Sistemi Informatici 2 Laboratorio di Progettazione e Sviluppo di Sistemi Informatici Parte del corso intersettoriale "Laboratorio di Progettazione e Sviluppo

Dettagli

SISTEMA INFORMATIVO AZIENDALE. Definizione, classificazioni

SISTEMA INFORMATIVO AZIENDALE. Definizione, classificazioni SISTEMA INFORMATIVO AZIENDALE Definizione, classificazioni IL SISTEMA INFORMATIVO AZIENDALE A cosa serve una definizione? Esistono diverse prospettive tecnica, organizzativa, della comunicazione e quindi

Dettagli

Basi di dati. Corso di Laurea in Ingegneria Informatica Canale di Ingegneria delle Reti e dei Sistemi Informatici - Polo di Rieti

Basi di dati. Corso di Laurea in Ingegneria Informatica Canale di Ingegneria delle Reti e dei Sistemi Informatici - Polo di Rieti Basi di dati Corso di Laurea in Ingegneria Informatica Canale di Ingegneria delle Reti e dei Sistemi Informatici - Polo di Rieti Anno Accademico 2008/2009 Introduzione alle basi di dati Docente Pierangelo

Dettagli

UNIVERSITÀ DEGLI STUDI DI PADOVA

UNIVERSITÀ DEGLI STUDI DI PADOVA UNIVERSITÀ DEGLI STUDI DI PADOVA Facoltà di Scienze MM. FF. NN. Dipartimento di Matematica pura e applicata LAUREA TRIENNALE IN INFORMATICA Conversione di un datawarehouse SAS e dei relativi processi di

Dettagli

Data mining e rischi aziendali

Data mining e rischi aziendali Data mining e rischi aziendali Antonella Ferrari La piramide delle componenti di un ambiente di Bi Decision maker La decisione migliore Decisioni Ottimizzazione Scelta tra alternative Modelli di apprendimento

Dettagli

LABORATORIO di INFORMATICA

LABORATORIO di INFORMATICA Università degli Studi di Cagliari Corso di Laurea Magistrale in Ingegneria per l Ambiente ed il Territorio LABORATORIO di INFORMATICA A.A. 2010/2011 Prof. Giorgio Giacinto INTRODUZIONE AI SISTEMI DI BASI

Dettagli

B C I un altro punto di vista Introduzione

B C I un altro punto di vista Introduzione Bollicine Community B C Intelligence B C I un altro punto di vista Introduzione Graziano Guazzi General Manager Data Flow Settembre 2007 pag, 1 Cosa misurare La definizione di quale domanda di mercato

Dettagli

TECNOLOGIE DELL INFORMAZIONE E DELLA COMUNICAZIONE PER LE AZIENDE

TECNOLOGIE DELL INFORMAZIONE E DELLA COMUNICAZIONE PER LE AZIENDE TECNOLOGIE DELL INFORMAZIONE E DELLA COMUNICAZIONE PER LE AZIENDE Materiale di supporto alla didattica Tecnologie dell informazione e della comunicazione per le aziende CAPITOLO 4 Sistemi informativi e

Dettagli

Data Mining a.a. 2010-2011

Data Mining a.a. 2010-2011 Data Mining a.a. 2010-2011 Docente: mario.guarracino@cnr.it tel. 081 6139519 http://www.na.icar.cnr.it/~mariog Informazioni logistiche Orario delle lezioni A partire dall 19.10.2010, Martedì h: 09.50 16.00

Dettagli

IL SISTEMA INFORMATIVO AZIENDALE

IL SISTEMA INFORMATIVO AZIENDALE IL SISTEMA INFORMATIVO AZIENDALE CL. 5ATP - A.S. 2006/2007 L azienda e i suoi elementi PERSONE AZIENDA BENI ECONOMICI ORGANIZZAZIONE L azienda è un insieme di beni organizzati e coordinati dall imprenditore

Dettagli

Data Warehousing. Argomenti della lezione. Rappresentazioni dei dati. Rappresentazione dei dati. Parte II Analisi multidimensionale

Data Warehousing. Argomenti della lezione. Rappresentazioni dei dati. Rappresentazione dei dati. Parte II Analisi multidimensionale Argomenti della lezione Data Warehousing Parte II Analisi multidimensionale richiami sul data warehousing organizzazione di un data warehouse l analisi multidimensionale data warehousing e internet strumenti

Dettagli

INFORMATICA PER LE APPLICAZIONI ECONOMICHE PROF.SSA BICE CAVALLO

INFORMATICA PER LE APPLICAZIONI ECONOMICHE PROF.SSA BICE CAVALLO Basi di dati: Microsoft Access INFORMATICA PER LE APPLICAZIONI ECONOMICHE PROF.SSA BICE CAVALLO Database e DBMS Il termine database (banca dati, base di dati) indica un archivio, strutturato in modo tale

Dettagli

Introduzione ai sistemi di basi di dati

Introduzione ai sistemi di basi di dati Introduzione ai sistemi di basi di dati Basi di dati 1 Introduzione ai sistemi di basi di dati Angelo Montanari Dipartimento di Matematica e Informatica Università di Udine Introduzione ai sistemi di basi

Dettagli

ISIS Giordano Bruno Sistemi Informativi Aziendali. Lezione del Prof. Gianluigi Roveda

ISIS Giordano Bruno Sistemi Informativi Aziendali. Lezione del Prof. Gianluigi Roveda ISIS Giordano Bruno Sistemi Informativi Aziendali Lezione del Prof. Gianluigi Roveda Sommario 1. Sistema Informativo e Sistema Informatico 2. Professionalità 3. Applicazioni aziendali 4. Problemi di sicurezza

Dettagli

LA BUSINESS INTELLIGENCE - DEFINIZIONI

LA BUSINESS INTELLIGENCE - DEFINIZIONI LA BUSINESS INTELLIGENCE - DEFINIZIONI A cura di Giorgio Giussani Milano, 16.06.2010 Fonte: Internet Cos'è il Business Intelligence? Il termine business intelligence si applica ai prodotti che hanno come

Dettagli

Lorenzo Braidi. Database design. Libro_datadesign.indb 1 23-11-2004 10:06:17

Lorenzo Braidi. Database design. Libro_datadesign.indb 1 23-11-2004 10:06:17 Lorenzo Braidi Database design Libro_datadesign.indb 1 23-11-2004 10:06:17 Sommario Introduzione...XI Capitolo 1 Le basi di dati relazionali... 1 Le basi di dati... 1 Un po di storia... 2 I database gerarchici...

Dettagli

Analisi dei Dati. Lezione 10 Introduzione al Datwarehouse

Analisi dei Dati. Lezione 10 Introduzione al Datwarehouse Analisi dei Dati Lezione 10 Introduzione al Datwarehouse Il Datawarehouse Il Data Warehousing si può definire come il processo di integrazione di basi di dati indipendenti in un singolo repository (il

Dettagli

Economia e gestione delle imprese

Economia e gestione delle imprese Anno accademico 2008-2009 Economia e gestione delle imprese Prof. Arturo Capasso 1 2 1 Ciclo dell informazione PROGRAMMAZIONE Decisioni ESECUZIONE Informazioni CONTROLLO Risultati 3 Organizzazione e Sistema

Dettagli

Facoltà di Farmacia - Corso di Informatica

Facoltà di Farmacia - Corso di Informatica Basi di dati Riferimenti: Curtin cap. 8 Versione: 13/03/2007 1 Basi di dati (Database, DB) Una delle applicazioni informatiche più utilizzate, ma meno conosciute dai non informatici Avete già interagito

Dettagli

Introduzione alle tecniche di Data Mining. Prof. Giovanni Giuffrida

Introduzione alle tecniche di Data Mining. Prof. Giovanni Giuffrida Introduzione alle tecniche di Data Mining Prof. Giovanni Giuffrida Programma Contenuti Introduzione al Data Mining Mining pattern frequenti, regole associative Alberi decisionali Clustering Esempio di

Dettagli

On Line Analytical Processing

On Line Analytical Processing On Line Analytical Processing Data integra solitamente Warehouse(magazzino dati) èun sorgenti un unico schema globalel informazione estratta da piu puo replicazioneai puo essere èinterrogabile, non modificabile

Dettagli

Miriam Gotti m.gotti@cineca.it

Miriam Gotti m.gotti@cineca.it Cenni sul Dat a Warehouse Ravenna 5 Novembre 2007 Miriam Gotti m.gotti@cineca.it www. cineca.it Agenda Fondamenti di Data Warehouse Modello Multidimensionale Analisi OLAP Introduzione a Statportal www.cineca.it

Dettagli

Le Basi di dati: generalità. Unità di Apprendimento A1 1

Le Basi di dati: generalità. Unità di Apprendimento A1 1 Le Basi di dati: generalità Unità di Apprendimento A1 1 1 Cosa è una base di dati In ogni modello di organizzazione della vita dell uomo vengono trattate informazioni Una volta individuate e raccolte devono

Dettagli

Introduzione al Data Mining

Introduzione al Data Mining Introduzione al Data Mining Sistemi informativi per le Decisioni Slide a cura di Prof. Claudio Sartori Evoluzione della tecnologia dell informazione (IT) (Han & Kamber, 2001) Percorso evolutivo iniziato

Dettagli

Sistemi Informativi La Modellazione Dimensionale dei Fatti. Obiettivi Concetti Base Operazioni OLAP DFM Casi Modellazione Logica Esercizi

Sistemi Informativi La Modellazione Dimensionale dei Fatti. Obiettivi Concetti Base Operazioni OLAP DFM Casi Modellazione Logica Esercizi Sistemi Informativi La Modellazione Dimensionale dei Fatti Obiettivi Concetti Base Operazioni OLAP DFM Casi Modellazione Logica Esercizi Obiettivi Nelle lezioni precedenti abbiamo modellato i processi

Dettagli

CAPITOLO 9 Piattaforme di Business Intelligence e DSS

CAPITOLO 9 Piattaforme di Business Intelligence e DSS CAPITOLO 9 Piattaforme di Business Intelligence e DSS Lucidi di Gianmario Motta 2010 OBIETTIVI DI APPRENDIMENTO Identificare quali sono le applicazioni d uso dei sistemi di BI Spiegare quali sono le caratteristiche

Dettagli

SAP AG. Gabriele Monfardini Anno Accademico 2013-2014

SAP AG. Gabriele Monfardini Anno Accademico 2013-2014 Software ERP SAP AG Multinazionale tedesca Fatturato 2012: oltre 16 mld euro Numero dipendenti 2012: oltre 64000 Ha uffici in tutte le parti del mondo e un network di 115 aziende consociate Prodotti di

Dettagli

Introduzione al Datamining. Francesco Passantino francesco@iteam5.net www.iteam5.net/francesco

Introduzione al Datamining. Francesco Passantino francesco@iteam5.net www.iteam5.net/francesco Introduzione al Datamining Francesco Passantino francesco@iteam5net wwwiteam5net/francesco Cos è il datamining Processo di selezione, esplorazione e modellazione di grandi masse di dati, al fine di scoprire

Dettagli

4 Introduzione al data warehousing

4 Introduzione al data warehousing Che cosa è un data warehouse? Introduzione al data warehousing 22 maggio 2001 Un data warehouse è una base di dati collezione di dati di grandi dimensioni, persistente e condivisa gestita in maniera efficace,

Dettagli

Data warehousing con SQL Server

Data warehousing con SQL Server Data warehousing con SQL Server! SQL Server è un RDBMS (Relational DataBase Management System)! Analysis Services è un componente di SQL Server che offre un insieme di funzionalità di supporto al data

Dettagli

Economia e gestione delle imprese

Economia e gestione delle imprese Anno accademico 2007-2008 Economia e gestione delle imprese Prof. Arturo Capasso 1 2 Ciclo dell informazione PROGRAMMAZIONE Decisioni ESECUZIONE Informazioni CONTROLLO Risultati 3 1 Organizzazione e Sistema

Dettagli

PIANO DI LAVORO (a.s. 2014/2015) Prof.ssa Andrea Luppichini Prof. Marco Fiorentini DISCIPLINA Informatica

PIANO DI LAVORO (a.s. 2014/2015) Prof.ssa Andrea Luppichini Prof. Marco Fiorentini DISCIPLINA Informatica lllo Istituto Tecnico Commerciale Statale e per Geometri E. Fermi Pontedera (Pi) Via Firenze, 51 - Tel. 0587/213400 - Fax 0587/52742 http://www.itcgfermi.it E-mail: mail@itcgfermi.it PIANO DI LAVORO (a.s.

Dettagli

Data Warehouse: una collezione di dati in supporto al processo decisionale del management

Data Warehouse: una collezione di dati in supporto al processo decisionale del management Data Warehouse Data Warehouse: una collezione di dati in supporto al processo decisionale del management Orientata al soggetto Integrata Dipendente dal tempo Non volatile Bill Inmon ORIENTATA AL SOGGETTO:

Dettagli

Progettaz. e sviluppo Data Base

Progettaz. e sviluppo Data Base Progettaz. e sviluppo Data Base! Introduzione ai Database! Tipologie di DB (gerarchici, reticolari, relazionali, oodb) Introduzione ai database Cos è un Database Cos e un Data Base Management System (DBMS)

Dettagli