Datawarehouse. Proge.azione logica
|
|
- Mattia Foti
- 5 anni fa
- Visualizzazioni
Transcript
1 Datawarehouse Proge.azione logica
2 1) Modello a stella implementato 3
3 Semplici join permettono di ricostruire i fatti. Le tabelle dimensione sono generalmente denormalizzate: contengono le dipendenze funzionali delle gerarchie. La denormalizzazione sveltisce le interrogazioni. Generalmente le gerarchie non sono soggette a modifiche, quindi la denormalizzazione è ininfluente sulle modifiche. La denormalizzazione causa ridondanza, tuttavia di norma una dimensione ha un occupazione contenuta della memoria rispetto alla fact table. La sparsità non è un problema: nella fact table vengono memorizzate solo le combinazioni di chiavi corrispondenti ad informazioni esistenti. 4
4 2) Modello a snowflake 4
5 Modello a sowflakes implementato 5
6 Schema snowflake di Vendite ChiaveNegozio ChiaveData Data Mese Trimestre Anno Giorno Settimana Vacanza VENDITA ChiaveNegozio ChiaveData ChiaveProdotto QuantitàVenduta Incasso PrezzoUnitario NumeroClienti Negozio ChiaveCittà Responsabile Distretto ChiaveProdotto ChiaveCittà CittàNegozio RegioneNegozio StatoNegozio ChiaveCategoria Categoria Reparto ChiaveTipo Tipo ChiaveCategoria GruppoMarketing Prodotto ChiaveTipo Marca CittàMarca Dieta* 6
7 Schema snowflake Lo schema snowflake attenua la denormalizzazione delle dimensioni, riducendo lo spazio delle tabelle delle dimensioni a scapito del costo dei join. La parziale normalizzazione articola meglio le dimensioni che possono essere usate con maggior facilità da più fact table. NORMALIZZATO 1) no ridondanze, occupa meno spazio in memoria 2) molti join, quesry più complesse e più lente 3) possibile aggiornamento a catena 5
8 Warehouse database Stru.ura conce.uale: Schema a stella o a fiocco di neve Stars denormalizzato Simple Flat (no gerarchia) snowflakes normalizzato More complex Gerarchico (naturale modo di pensare dei manager) (+) piu veloci le query ( ) piu spazio in memoria (-) piu lente le query (+) aggiornamenti a catena (+) occupa meno spazio Federica Cena- 6
9 Data normalisacon ObieEvo: 1. Eliminare le duplicazioni non necessarie e incontrollate di dac (ridondanze) 2. Eliminare le dipendenze funzionali tra gli a.ribuc Federica Cena- 7
10 Data normalisacon Dipendenze funzionali X! y il valore di y dipende da x ci.a! regione il valore di regione dipende da ci.a cliente(ci(a, regione) Ogni volta che due clienc vivono nella stesso ci.à, allora vivono anche la stessa regione ci.a[torino]=regione[piemonte] Federica Cena- 8
11 Warehouse database 1. Tabella al centro dei fae, sui cui vengono eseguite tu.e le query Relazione 1:m con le altre dimensioni (parte m: tabella dei fae, parte 1 dimensione) 2. Time dimension obbligatori 3. Una misura singola non interessa: Le misure devono essere sommabili, solo su alcune dimensioni ha senso:costo ha senso su prodoe, ma non su tempo (a.ribuc semisommab) 4. Aggiungere dac ai precedenc (accodarli) non sovrascriverli Federica Cena- 9
12 Modello logico Prodo.o (id_prodo.o, nome) Punto_vendita (id_punto, ci.à, regione) Tempo (id_tempo,mese, anno) Vendite (id_prodo.o, id_punto, id_tempo, quan3tà) Federica Cena 10
13 Datawarehouse Operatori OLAP
14 OLAP p Operatori per fare analisi multidimensionale dei dati p Operatori OLAP n Roll-up: diminuisce il dettaglio, esegue aggregazioni delle misure per riduzione di dimensioni o per generalizzazione su valori della gerarchia (indicatori aggregati su regione, nazione) n Drill-down: aumenta il dettaglio della dimensione (zoom su città) 2
15 OLAP p Operatori per fare analisi multidimensionale dei dati p Operatori OLAP n Roll-up: restituisci la somma dei prodotti venduti in un determinato stato n Drill-down: restituisci la somma dei prodotti venduti in una specifica regione, provincia, città 3
16 OLAP 4
17 5
18 OLAP n Push: elimina una dimensionale, facendolo diventare una misura (es prodotto àdiventa misura: conteggio dei diversi tipi di prodotti venduti per città e mese) n Pull: inverso del push, trasforma una misura in una dimensione (poco usato) 6
19 OLAP p Slice e dice: operazioni di selezione e proiezione per estrarre piani o sottocubi 7
20 OLAP p Slice (affettare): n taglia una fetta di cubo, fissando il valore di una dimensione n valore delle vendite di un prodotto (prodotto=matite) in tutti i punti vendita in tutti i momenti 8
21 OLAP p Dice (taglia a cubetti): n n taglia il cubo fissando il valore di due o più dimensioni (sottocubo) valore delle vendite di un prodotto in un punto vendita in un particolare momento T 9
22 10
23 Esercizio n Creare lo schema concettuale e logico del data warehouse che descrive un assicurazione n Individuare Operazioni OLAP appropriate per il dw in oggetto: p Drill-down- roll-up p Dice-slice 11
Datawarehouse. Proge.azione logica
Datawarehouse Proge.azione logica 1) Modello a stella implementato 3 Semplici join permettono di ricostruire i fatti. Le tabelle dimensione sono generalmente denormalizzate: contengono le dipendenze funzionali
DettagliArchitetture per l analisi dei dati
Architetture per l analisi dei dati Esercizio 8.1 Progettare un cubo multidimensionale relativo all analisi dei sinistri per una compagnia assicurativa, basandosi sulle specifiche accennate nel paragrafo
DettagliStar Schema. Progettazione Logica ROLAP 30/05/2014
Progettazione Logica Progettazione Logica ROLAP La versione multidimensionale dei dati usata nel DW può essere realizzata usando modelli logici diversi: Modello Relazionale: realizza la visione multidimensionale
DettagliDefinizione e calcolo delle misure
Definizione e calcolo delle misure! Misure Derivate! Misure Calcolate! Misure Derivate e Progetto Logico! Calcolo delle Misure! Aggregabilità Misure Derivate " Sono misure definite a partire da altre misure
DettagliIl Dimensional Fact Model
Il Dimensional Fact Model Per le slides si ringrazia il Prof. Stefano Rizzi (http://www-db.deis.unibo.it/~srizzi/) e il Dott. Angelo Sironi Quale formalismo? Mentre è universalmente riconosciuto che un
DettagliIl modello multidimensionale. Per le slides si ringrazia il Prof. Stefano Rizzi (http://www-db.deis.unibo.it/~srizzi/) e il Dott.
Il modello multidimensionale Per le slides si ringrazia il Prof. Stefano Rizzi (http://www-db.deis.unibo.it/~srizzi/) e il Dott. Angelo Sironi Verso il modello multidimensionale Che incassi sono stati
DettagliSistemi Informativi Avanzati Anno Accademico 2013/2014 Prof. Domenico Beneventano. Archi multipli
Sistemi Informativi Avanzati Anno Accademico 2013/2014 Prof. Domenico Beneventano Archi multipli Capitoli 5.2.5 e 9.1.4 del libro Data Warehouse - teoria e pratica della Progettazione Autori: Matteo Golfarelli,
DettagliIndice. Prefazione. Capitolo 1 Introduzione al data warehousing 1
Indice Prefazione XI Capitolo 1 Introduzione al data warehousing 1 1.1 I sistemi di supporto alle decisioni 2 1.2 Il data warehousing 3 1.3 Architetture per il data warehousing 6 1.3.1 Architettura a un
DettagliSistemi Informativi Aziendali. Sistemi Informativi Aziendali. Sistemi Informativi Aziendali
DIPARTIMENTO DI INGEGNERIA INFORMATICA AUTOMATICA E GESTIONALE ANTONIO RUBERTI Introduzione al Data Warehousing per b. Progetto di Datawarehouse 1 Progetto di Data Warehouse Definizione di obiettivi e
DettagliEstensioni del linguaggio SQL per interrogazioni OLAP
Sistemi Informativi Avanzati Anno Accademico 2012/2013 Prof. Domenico Beneventano Estensioni del linguaggio SQL per interrogazioni OLAP Esempio! Esempio delle vendite con scontrino (nella tabella, per
DettagliSistemi Informativi Avanzati Anno Accademico 2012/2013 Prof. Domenico Beneventano. Archi multipli
Sistemi Informativi Avanzati Anno Accademico 2012/2013 Prof. Domenico Beneventano Archi multipli Capitoli 5.2.5 e 9.1.4 del libro Data Warehouse - teoria e pratica della Progettazione Autori: Matteo Golfarelli,
DettagliBasi di Dati Direzionali
Basi di Dati Direzionali Angelo Chianese, Vincenzo Moscato, Antonio Picariello, Lucio Sansone Basi di dati per la gestione dell'informazione 2/ed McGraw-Hill Capitolo 9 Appunti dalle lezioni SQL come DDL
DettagliData warehouse Analisi dei dati
DataBase and Data Mining Group of DataBase and Data Mining Group of DataBase and Data Mining Group of Database and data mining group, D MG B Data warehouse Analisi dei dati DATA WAREHOUSE: OLAP - 1 Database
DettagliData Warehousing. Esercitazione 2
Esercitazione 2 Reminder In laboratorio è presente un installazione Enterprise di DB2. Per accedere richiedere un account come specificato sul sito del corso 1 Riepilogo Esercitazione 1: Descrizione dello
Dettagli! Un arco multiplo corrisponde ad un associazione molti-a-molti: il padre (libro) non determina funzionalmente il figlio (autore)
Arco Multiplo! Schema di fatto contenente un arco multiplo: genere autore libro VENDITA numero incasso data mese anno arco multiplo (AM) " Per illustrare il concetto di arco multiplo si parte da uno schema
DettagliUn arco multiplo corrisponde ad un associazione molti-a-molti: il padre (libro) non determina funzionalmente il figlio (autore)
Arco Multiplo Schema di fatto contenente un arco multiplo: genere autore libro VENDITA numero incasso data mese anno arco multiplo (AM) Per illustrare il concetto di arco multiplo si parte da uno schema
DettagliData warehouse Introduzione
DataBase and Data Mining Group of DataBase and Data Mining Group of DataBase and Data Mining Group of Database and data mining group, D MG B Data warehouse Introduzione INTRODUZIONE - 1 Database and data
DettagliData warehouse Analisi dei dati
atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati atabase and data mining group, M B G ata warehouse Analisi dei dati
DettagliBasi di dati attive. Una base di dati è ATTIVA quando consente la definizione e la gestione di regole di produzione (regole attive o trigger).
Basi di dati attive Una base di dati è ATTIVA quando consente la definizione e la gestione di regole di produzione (regole attive o trigger). Tali regole vengono attivate in modo automatico al verificarsi
DettagliData warehouse: analisi dei dati
atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of atabase and
DettagliIntroduzione ad OLAP Metodi e Modelli per il Supporto alle Decisioni Paolo Avallone IT Specialist Sr Consulting DB2, Data Management
OLAP Data Management Software Introduzione ad OLAP Metodi e Modelli per il Supporto alle Decisioni Paolo Avallone IT Specialist Sr Consulting DB2, Data Management Dicembre 2004 Obiettivo L obiettivo che
DettagliData warehouse Introduzione
D M B G Data warehouse Introduzione INTRODUZIONE - 1 Supporto alle decisioni aziendali La maggior parte delle aziende dispone di enormi basi di dati contenenti dati di tipo operativo queste basi di dati
DettagliIntroduzione 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
DettagliBasi di Dati e Sistemi Informativi. Analisi dei Dati: OLAP, Data Warehousing, Data Mining
Analisi dei Dati: OLAP, Data Warehousing, Data Mining Giuseppe Loseto Corso di Laurea in Ing. Informatica Ing. Gestionale Magistrale 1 of 12 Analisi dei Dati Introduzione La maggior parte delle aziende
DettagliAnalisi dei dati. analisi dei dati 1
Analisi dei dati analisi dei dati 1 Il problema... Limitazioni della tecnologia relazionale - Difficoltà d'uso - Rigidità Conseguenze - Uso operativo: buono - Uso strategico: scarso Soluzioni: tecniche,
DettagliData warehouse. Progettazione di un data warehouse
Data warehouse Progettazione di un data warehouse Architettura di un dw 2 Componenti di un dw Due funzioni principali: 1. Prendere le informazioni dai sistemi operazionali, pulirle e metterle dentro il
DettagliLe organizzazioni da sempre hanno archiviato i da7 di business ma l'incompleto sfru<amento del loro potenziale ha sempre rappresentato un problema.
Data warehouse DW Le organizzazioni da sempre hanno archiviato i da7 di business ma l'incompleto sfru
DettagliLezione 10. Basi di dati direzionali Parte II
Tecnologie dei sistemi informatici: Basi di Dati e Reti Lezione 10 Basi di dati direzionali Parte II Prof. Gabriella Carrozza ga.carrozza@unina.it Fonti e riferimenti o Cap. 9 o Par. 9.4 in poi o Approfondimenti
DettagliBasi di dati - Architetture e linee di evoluzione Paolo Atzeni, Stefano Ceri, Piero Fraternali, Stefano Paraboschi, Riccardo Torlone
Capitolo 8 Esercizio 8.1 Progettare un cubo multidimensionale relativo all analisi dei sinistri per una compagnia assicurativa, basandosi sulle specifiche accennate nel paragrafo 8.2.1. Per la progettazione
DettagliPROGETTI DI SISTEMI INFORMATIVI DIREZIONALI
PROGETTI DI SISTEMI INFORMATIVI DIREZIONALI SI supporto att. Operative VS SI direzionali Per un SI supporto att. Operative si deve Identificare e analizzare processi e procedure Procedere alla loro informatizzazione
DettagliRassegna 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
DettagliData warehouse: introduzione
atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of atabase and
DettagliSistemi Informativi Avanzati
Anno Accademico 2012/2013 Sistemi Informativi Avanzati Corso di Laurea Magistrale in Ingegneria Gestionale Domenico Beneventano Andrea Scavolini Introduzione 1 Obiettivi Il corso si propone di fornire
DettagliI DATI E LA LORO INTEGRAZIONE 63 4/001.0
I DATI E LA LORO INTEGRAZIONE 63 4/001.0 L INTEGRAZIONE DEI DATI INTEGRAZIONE DEI DATI SIGNIFICA LA CONDIVISIONE DEGLI ARCHIVI DA PARTE DI PIÙ AREE FUNZIONALI, PROCESSI E PROCEDURE AUTOMATIZZATE NELL AMBITO
DettagliData Warehousing. Sommario. Luca Cabibbo, Riccardo Torlone, Paolo Atzeni. Processi. Processi, dati e decisioni. Processi presso una banca
Sommario Data Warehousing Luca Cabibbo, Riccardo Torlone, Paolo Atzeni Introduzione Basi di dati integrate, sì, ma OLTP e OLAP Data warehousing Data warehouse e data warehousing Dati multidimensionali
DettagliElementi di Normalizzazione
Elementi di Normalizzazione Corso di Informatica Aziendale Prof. Crescenzio Gallo c.gallo@unifg gallo@unifg.itit Introduzione! La normalizzazione puo essere vista come un processo sistematico basato sull
DettagliAnalisi 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
DettagliData 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
DettagliCorso integrato di Sistemi di Elaborazione. Modulo I. Prof. Crescenzio Gallo.
Corso integrato di Sistemi di Elaborazione Modulo I Prof. Crescenzio Gallo crescenzio.gallo@unifg.it La normalizzazione di una base di dati 2 La normalizzazione delle tabelle Una forma normale è una proprietà
DettagliSistemi Informativi Avanzati Anno Accademico 2011/2012 Prof. Domenico Beneventano. OLAP - Analysis Services
Sistemi Informativi Avanzati Anno Accademico 2011/2012 Prof. Domenico Beneventano OLAP - Analysis Services OLAP: cubi multidimensionali OLAP : insieme di tecniche software per l'analisi interattiva e veloce
DettagliPROGETTI DI SISTEMI INFORMATIVI DIREZIONALI
PROGETTI DI SISTEMI INFORMATIVI DIREZIONALI Punti chiave di un progetto di SID 1. Progettare il database direzionale (scelta dei dati elementari, struttura del db) 2. Scegliere e confezionare le informazioni
DettagliData warehouse Progettazione
D MG B Data warehouse Progettazione DATA WAREHOUSE: PROGETTAZIONE - 1 Fattori di rischio Aspettative elevate degli utenti il data warehouse come soluzione dei problemi aziendali Qualità dei dati e dei
DettagliIntroduzione al Data Warehousing
Introduzione al Data Warehousing Molte di queste slide sono state realizzate dal Prof. Stefano Rizzi (http://www-db.deis.unibo.it/~srizzi/) e sono state tratte dal suo libro Data Warehouse - teoria e pratica
DettagliData warehouse Progettazione
Database and data mining group, Data warehouse Progettazione DATA WAREHOUSE: PROGETTAZIONE - 1 Pag. 1 Fattori di rischio Database and data mining group, Aspettative elevate degli utenti il data warehouse
DettagliData 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
DettagliModellazione concettuale
Sistemi Informativi Avanzati Anno Accademico 2013/2014 Prof. Domenico Beneventano Modellazione concettuale Dal Capitolo 5 del libro Data Warehouse - teoria e pratica della Progettazione Autori: Matteo
DettagliData Warehouse e OLAP
Data Warehouse e OLAP Gianluca Amato Corso di Laurea Specialistica in Economia Informatica Università G. D'Annunzio di Chieti-Pescara ultimo aggiornamto: 03/04/09 1 Knowledge Discovery in Databases ci
DettagliProgettazione Logica. Sviluppo di un Database/DataWarehouse
Sistemi Informativi Avanzati Anno Accademico 2013/2014 Prof. Domenico Beneventano Progettazione Logica Dal Capitolo 8 e 9 del libro Data Warehouse - teoria e pratica della Progettazione Autori: Matteo
DettagliPROGETTI DI SISTEMI INFORMATIVI DIREZIONALI
PROGETTI DI SISTEMI INFORMATIVI DIREZIONALI Punti chiave di un progetto di SID I SID sono differenti dai SI di supporto alle attività operative QUINDI richiedono approcci alla progettazione diversi Gli
DettagliData warehouse Progettazione
DataBase and Data Mining Group of Database and data mining group, D M B G Data warehouse Progettazione DATA WAREHOUSE: PROGETTAZIONE - 1 DataBase and Data Mining Group of Fattori di rischio Database and
DettagliData warehouse: progettazione
atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of atabase and
Dettagli8. Architetture per l analisi dei dati
SOMMARIO 8. Architetture per l analisi dei dati Sistemi informativi e data warehouse Architettura di un Data Warehouse Rappresentazione multidimensionale dei dati Realizzazione di un Data Warehouse Indici
DettagliAppunti della lezione di Database del 17 Novembre 2016 (mattina) Studenti: D Amuri Giuseppe, De Luca Federico Professore: Mario Bochicchio
Appunti della lezione di Database del 17 Novembre 2016 (mattina) Studenti: D Amuri Giuseppe, De Luca Federico Professore: Mario Bochicchio DATA WAREHOUSE Introduzione Finora abbiamo parlato dei database
DettagliData warehousing e OLAP (tratti da slides di C.Renso e C.Gozzi)
Data warehousing e OLAP (tratti da slides di C.Renso e C.Gozzi) Introduzione Il contesto, processi aziendali Decision Support Systems Sistemi di Data Warehousing Data mart Architettura Modellazione Concettuale
DettagliL ANALISI DEI DATI. EuroConsulting S.r.l. Consulenza di Direzione e Organizzazione Aziendale
L ANALISI DEI DATI L analisi di un fenomeno su più dimensioni. Negli anni 80 e 90 lo sviluppo dei modelli di database relazionali e di applicazioni specifiche per la loro gestione, insieme all aumento
DettagliSistemi Informativi Avanzati Anno Accademico 2011/2012 Prof. Domenico Beneventano SQL-OLAP. Estensioni OLAP in SQL
Sistemi Informativi Avanzati Anno Accademico 2011/2012 Prof. Domenico Beneventano SQL-OLAP Estensioni OLAP in SQL Estensioni OLAP in SQL SQL99 è stato il primo standard SQL ad offrire soluzioni per l analisi
DettagliData 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
DettagliData Warehousing e Business Intelligence
Data Warehousing e Business Intelligence Urbino 15 maggio 2008 Prof. Matteo Golfarelli Alma Mater Studiorum - Università di Bologna 1 Introduzione al Data Warehousing 1 L evoluzione dei sistemi informativi
Dettagli02/mag/2012. Il Modello Multidimensionale. Il Modello Multidimensionale. Il Modello Multidimensionale. Il Modello Multidimensionale
Modello semplice ed intuitivo Si presta bene a descrivere dei FATTI in modo grafico (CUBO o IPERCUBO) Es. di FATTI: Vendite Spedizioni Ricoveri Interventi chirurgici Andamento borsistico 62 Un cubo multidimensionale
DettagliIntroduzione al Data Warehousing
Sistemi Informativi Avanzati Anno Accademico 2012/2013 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/)
DettagliAnalysis Service. Dutto Riccardo IPSI - tel Dutto Riccardo - SQL Server 2008.
SQL Server Business Intelligence Development Studio Analysis Service Dutto Riccardo riccardo.dutto@polito.it IPSI - tel.7991 http://dbdmg.polito.it/ Il Data warehouse Sorgenti dati operazionali DB relazionali
DettagliLezione basi di dati 26 gennaio NORMALIZZAZIONE
Lezione basi di dati 26 gennaio NORMALIZZAZIONE Serve perché nelle tabelle possono verificarsi delle anomalie (come delle ridondanze ad esempio) Immaginiamo questa tabella: 1 La chiave non può contenere
DettagliProgettazione Logica
Sistemi Informativi Avanzati Anno Accademico 2011/2012 Prof. Domenico Beneventano Progettazione Logica Versione semplificata rispetto alle dispense originali realizzate dal Prof. Stefano Rizzi (http://www-db.deis.unibo.it/~srizzi/)
DettagliMETODOLOGIE DI PROGETTAZIONE DI BD E DI DW. Gli eventi (fenomeni) di interesse, detti fatti. La granularità dei fatti da analizzare.
METOOLOGIE I PROGETTAZIONE I B E I W ANALISI EI REQUISITI PER W B Progettare una B per agevolare le attività operative di un organizzazione. OBIETTIVO ANALISI EI REQUISITI W Progettare un W per agevolare
DettagliIntroduzione al Data Warehousing
Sistemi Informativi Avanzati Anno Accademico 2015/2016 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/)
DettagliI sistemi di reporting e i rapporti direzionali
I sistemi di reporting e i rapporti direzionali Reporting - Sintesi dei fenomeni aziendali secondo modelli preconfezionati e con frequenza e aggiornamento prestabiliti - contabile (dati economici) - extracontabile
DettagliMaschere e Query. C. Marrocco. Università degli Studi di Cassino
Maschere e Query Le Maschere Per visualizzare e immettere i dati in una tabella è possibile utilizzare le maschere. Le maschere sono simili a moduli cartacei: ad ogni campo corrisponde un etichetta ed
DettagliOLAP On Line Analytical Processing
OLAP On Line Analytical Processing Alfredo Cuzzocrea DEIS Dipartimento di Elettronica, Informatica e Sistemistica Università della Calabria cuzzocrea@si.deis.unical.it Testo di Riferimento: J. Han, M.
DettagliSistemi 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
DettagliIl ciclo di sviluppo del Data Warehouse
Il ciclo di sviluppo del Data Warehouse Sistemi Informativi L Corso di Laurea in Ingegneria dei Processi Gestionali A.A. 2003/2004 Docente: Prof. Wilma Penzo Perché? Molte organizzazioni mancano della
DettagliFilippo Geraci DATA WAREHOUSING
Filippo Geraci DATA WAREHOUSING Data warehouse Bill Inmon (seconda metà anni 80) [ ] collezione di dati, a supporto del processo decisionale manageriale orientata al soggetto, integrata, non volatile e
DettagliModellazione concettuale
Sistemi Informativi Avanzati Anno Accademico 2011/2012 Prof. Domenico Beneventano Modellazione concettuale Versione estesa rispetto alle dispense originali realizzate dal Prof. Stefano Rizzi e state tratte
DettagliData 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
DettagliSQL Server BI Development Studio. SQL Server Business Intelligence Development Studio. Analysis Services
SQL Server Business Intelligence Development Studio Analysis Service Dutto Riccardo Analysis Services Operazioni OLAP Creazione di dimensioni Creazione e interrogazione di cubi Operazioni di Data Mining
DettagliProgettazione logica. Prof. Stefano Rizzi
Progettazione logica Prof. Stefano Rizzi Modelli logici per il Data Mart Mentre la modellazione concettuale è indipendente dal modello logico prescelto per l implementazione, evidentemente lo stesso non
DettagliGestione informatica dei dati. Dal database al Datawarehouse. Roberto Foderà Dipartimento di Giurisprudenza Corso di laurea in Economia e commercio
Anno accademico 2018/2019 Dal database al Datawarehouse \ Roberto Foderà Dipartimento di Giurisprudenza Corso di laurea in Economia e commercio 1) il sistema informatico è al centro della capacità di prendere
DettagliProgettazione Logica. T. Catarci, M. Scannapieco, Corso di Basi di Dati, A.A. 2008/2009, Sapienza Università di Roma
Progettazione Logica 1 Da concettuale a logico Traduzione di uno schema concettuale (E-R) in uno schema (relazionale) logico Fare attenzione ai vincoli di integrità! La prima ottimizzazione si basa sulla
DettagliSQL Server Business Intelligence Development Studio. SQL Server BI Development Studio. SQL Server BI Development Studio *Analysis Services*
SQL Server Business Intelligence Development Studio Analysis Service Dutto Riccardo http://dbdmg.polito.it/ SQL Server BI Development Studio Analysis Services Operazioni OLAP Creazione di dimensioni Creazione
DettagliSommario. Introduzione... 13
Sommario Introduzione... 13 1. Database pro e contro... 19 A cosa serve conoscere i database?...19 Le alternative alla gestione manuale...22 Quando non serve un database?...24 Domande ed esercizi...26
DettagliSistemi Informativi L. Corso di Laurea in Ingegneria dei Processi Gestionali A.A. 2003/2004. Docente: Prof. Wilma Penzo
Data Warehousing Sistemi Informativi L Corso di Laurea in Ingegneria dei Processi Gestionali A.A. 2003/2004 Docente: Prof. Wilma Penzo Sommario Il ruolo della business intelligence e del sistema informativo
DettagliSQL Server Business Intelligence Development Studio
SQL Server Business Intelligence Development Studio Analysis Service Dutto Riccardo http://dbdmg.polito.it/ SQL Server BI Development Studio Analysis Services Operazioni OLAP Creazione di dimensioni Creazione
DettagliPrefazione. Parte Prima Basi di dati relazionali: modello e linguaggi 15
Prefazione xi 1 Introduzione 1 1.1 Sistemi informativi, informazioni e dati... 1 1.2 Basi di dati e sistemi di gestione di basi di dati... 3 1.3 Modelli dei dati... 6 1.3.1 Schemi e istanze... 8 1.3.2
DettagliBusiness Intelligence HR
Business Intelligence HR Business Intelligence Termine generico per indicare: Un insieme di processi per raccogliere ed analizzare informazioni strategiche mirate a prendere le migliori decisioni La tecnologia
DettagliUniversità del Salento
Università del Salento Corso di Laurea Magistrale in Computer Engineering Database Professore del Corso: Prof. Mario Bochicchio Studenti: Marco Chiarelli Paolo Panarese Analisi Multidimensionale & Data
DettagliBusiness Intelligence & Data Warehousing
Business Intelligence & Data Warehousing prof. Stefano Rizzi DISI - Università di Bologna stefano.rizzi@unibo.it Sommario! La BI! Il data warehouse Architetture L ETL Il modello multidimensionale Reportistica
DettagliSistemi di Elaborazione dell Informazione
Magazzino Sistemi di Elaborazione dell Informazione Parte Quarta L Elaborazione della Conoscenza Sistema Informativo Integrato e Business Intelligence Conoscenza Struttura di un azienda di Produzione Dati
DettagliI S.I. DIREZIONALI (BUSINESS INTELLIGENCE)
I S.I. DIREZIONALI (BUSINESS INTELLIGENCE) LE ESIGENZE INFORMATIVE DIREZIONALI IL LIVELLO DELLE FONTI IL LIVELLO DI TRASFORMAZIONE IL LIVELLO DI MEMORIZZAZIONE IL LIVELLO DI ELABORAZIONE IL MODELLO INFORMATICO
DettagliControllo degli accessi. Controllo degli accessi. Controllo degli accessi. Controllo degli accessi
SQL prevede la definizione di utenti, a ciascuno dei quali sono assegnati privilegi diversi. Gli utenti possono essere gli stessi del sistema su cui è attivo il server SQL, oppure indipendenti dal sistema.
DettagliControllo degli accessi
Controllo degli accessi SQL prevede la definizione di utenti, a ciascuno dei quali sono assegnati privilegi diversi. Gli utenti possono essere gli stessi del sistema su cui è attivo il server SQL, oppure
DettagliMisure. Definizione delle misure. Sistemi Informativi Avanzati Anno Accademico 2015/2016 Prof. Domenico Beneventano. Glossario delle Misure
Sistemi Informativi Avanzati Anno Accademico 2015/2016 Prof. Domenico Beneventano Misure In parte dal Capitolo 5 del libro Data Warehouse - teoria e pratica della Progettazione Autori: Matteo Golfarelli,
DettagliArchitetture di Data Warehouse. PDF created with pdffactory trial version
Architetture di Data Warehouse L aspetto architetturale del DW o L aspetto architetturale è estremamente importante: il dw deve essere dotato della capacità di eseguire operazioni complesse e pesanti dal
DettagliRistrutturazione di schemi E-R. Ridondanze. Analisi delle ridondanze. Vantaggi semplificazione delle interrogazioni
Ristrutturazione di schemi E-R Ridondanze Può essere divisa in più passi successivi: Analisi delle ridondanze: si decide se mantenere o eliminare le eventuali ridondanze Eliminazione delle generalizzazioni:
DettagliData Warehousing. Esercitazione 2
Esercitazione 2 Riepilogo Esercitazione 1: Descrizione dello strumento IBM DB2 UDB Centro di controllo Centro Data Warehouse Esempio di realizzazione di un Data Warehouse Traccia d esempio Star schema
DettagliESEMPIO DI PROVA PRATICA
ESEMPIO DI PROVA PRATICA Sono dati Schema di Fatto VENDITA QTY: misura normale ADDITIVA PU: misura calcolata come PU_TOTALE/NVENDITE dove a) PU_TOTALE misura normale additiva b) NVENDITE misura normale
DettagliDATA WAREHOUSE E KNOWLEDGE DISCOVERY
DATA WAREHOUSE E KNOWLEDGE DISCOVERY Prof. Fabio A. Schreiber Dipartimento di Elettronica e Informazione Politecnico di Milano DATA WAREHOUSE (DW) TECNICA PER ASSEMBLARE E GESTIRE CORRETTAMENTE DATI PROVENIENTI
DettagliSelect From Where...
Select From Where... SELECT Le colonne che saranno mostrate e in che ordine. Calcoli su colonne FROM La tabella o le tabelle usate dall interrogazione WHERE Condizione che deve essere soddisfatta dalle
DettagliDecomposizione senza perdita
Decomposizione senza perdita Data una relazione r su X, se X 1 e X 2 sono due sottoinsiemi di X la cui unione è X stesso, allora il join delle due relazioni ottenute per proiezione di r su X 1 e X 2 è
DettagliBasi di Dati Corso di Laura in Informatica Umanistica
Basi di Dati Corso di Laura in Informatica Umanistica Appello del 28/06/2010 Parte 1: Algebra Relazionale e linguaggio SQL Docente: Giuseppe Amato Sia dato il seguente schema di base di dati per la gestione
Dettagli