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

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimensione: px
Iniziare la visualizzazioe della pagina:

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

Transcript

1 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, gestiscono e utilizzano le informazioni Trasformare i dati in informazioni Analizzare i dati nel loro complesso e dare un significato trasformandoli in informazioni utili per il business 1 Bill Gates- Business alla velocità del pensiero 2 Esigenze degli utenti (Kimball 1996) Abbiamo montagne di dati ma non possiamo accedervi. Frustrazione dei così detti Knowledge worker. Come è possibile che persone che svolgono lo stesso ruolo presentino risultati sostanzialmente diversi?. Il problema della ridondanza dei dati, per cui l ufficio vendite ha un suo archivio clienti, come anche l ufficio marketing,porta a conlcusioni incongruenti. Vogliamo selezionare, manipolare e raggruppare i dati in ogni modo possibile!. Il processo decisionale si definisce mentre si analizza una particolare situazione. L analista vuole poter andare a spasso per i dati in base alle esigenze che mano mano nascono durante l analisi. Mostratemi solo ciò che importante!. L infomazione dettagliata spesso non è utile come l informazione raggruppata. Tutti sanno che alcuni dati non sono corretti!. I sistemi informativi transazionali sono pieni di errori nei propri dati 3 Una verità attuale In una ricerca del colosso americano IBM si afferma che solo il 10 % dei dati immagazzinati dalle aziende viene realmente usato e messo a disposizione dei Decision Maker, il restante 90 % rappresenta per l azienda un costo di gestione tra hardware, software e personale specializzato alla gestione. 4 1

2 A cosa serve un Data Warehouse? In generale un Data Warehouse serve ad accrescere la conoscenza di certi fenomeni, che possono riguardare diverse aree aziendali come le vendite per un'azienda manifatturiera o le polizze per un'assicurazione. Esempi: Analisi delle vendite Analizzare le vendite del passato per capire i fattori di successo e di fallimento Individuare i trend per prodotto, zona, stagione, negozio Analizzare i risultati delle promozioni 5 6 Esempi:Customer Relationships Management (CRM) Analizzare la redditività dei clienti per età, zona, fascia di reddito Comprendere le preferenze degli utenti per inviare promozioni mirate Analisi finanziaria, Controllo di gestione Confrontare budget e risultati operativi Prevedere i flussi di cassa sulla base dei dati passati Individuare i clienti che non acquistano più e capire come riconquistarli 7 8 2

3 Ordini, fatture e consegne Andamento degli ordini e del fatturato, sconti Spedizioni e consegne: puntualità, distribuzione nel tempo e nello spazio, modalità, costi Risorse Umane (HR) Struttura organizzativa dell'azienda, mansioni e tipologie contrattuali Caratteristiche dei collaboratori (dati personali, curriculum, formazione e specializzazioni maturate, attitudini e competenze, mansione, ruolo, categoria) Giornate e ore lavorate, assenze, infortuni Costi del personale suddivisi per divisione, livello, mansione, centro di costo 9 Retribuzioni, benefit, rimborsi spese 10 Scopi di un datawarehouse Allo scopo.. Il datawarehouse è lo strumento dedicato a permettere alle organizzazioni di trarre beneficio da dati memorizzati in sorgenti eterogenee e trasformarle in informazioni attive. Se una azienda dispone di un datawarehouse ben costruito può analizzare le informazioni presenti per prendere decisioni consapevoli Usi di un datawarehouse Ad esempio si può rispondere a domande quali: Quali prodotti sono più diffusi tra le ragazze con età compresa tra anni? Quali sono i costi e i tempi impiegati per paziente nei laboratori della nostra azienda? Quanti progetti rimangono bloccati nella fase contrattuale per più di 100 giorni? Quali categorie di clienti hanno deciso di cambiare il contratto aderendo alla promozione?

4 Strumenti di datawarehouse (OLAP) OLAP, acronimo di On Line Analytical Processing, è un insieme di tecniche software per analizzare velocemente grandi quantità di dati, anche in modo complesso. Il dw supporta molteplici formati di output che consentono in modo semplice e veloce di esaminare le informazioni e navigare sui dati a qualsiasi livello. Consente di generare report su diverse variabili e di confrontare gli indicatori (KPI) in diversi intervalli temporali secondo diversi livelli di approfondimento. 13 Limiti del datawarehouse Ha una natura temporale: Il datawarehouse rappresenta una istantanea ripetuta ad intervalli di tempo predeterminati. Anche le specifiche di analisi devono essere predeterminate e ovviamente elaborate in precedenza Non è real-time: non lavora sui dati operazionali 14 per il datawarehouse non sarebbe utile determinare le relazioni nascoste tra i dati, predire gli eventi futuri, marcare i dati errati e analizzare i dati in secondo specifiche non prevedibili a priori? 15 Strumenti per il datawarehouse: DataMining datamining (letteralmente: estrazione da una miniera di dati) è l'estrazione di informazione utile, eseguita in modo automatico o semiautomatico, da grandi quantità di dati Tecnica che utilizza il datawarehouse come sorgente di informazioni per determinare i rapporti, predire gli eventi futuri, marcare i dati non corretti e analizzare i dati seguendo direzioni non prevedibili a priori 16 4

5 Scopo del datamining E possibile rispondere a domande quali: Cosa compreranno i clienti? Quali prodotti vendere insieme? Quali clienti sono a rischio di incidente? Come è possibile valutare i risultati di una campagna di marketing? Come analizzare i dati non strutturati, quale il testo della libero? Considerazioni sul datamining Oltre a fare previsioni sul futuro elaborando le informazioni del dw, il data mining consente di identificare relazioni nascoste tra i dati, calcolare le probabilità che certi prodotti vengano venduti, valutare le probabilità di perdita di clienti sulla base di offerte più vantaggiose da parte della concorrenza Caso enel gas Caso Wind Caso BancaMarche Casi Modulo 1 I Sistemi informativi aziendali OLTP OLAP Sistemi di gestione della conoscenza Evoluzione vs. il datawarehouse

6 I Sistemi informativi aziendali Il sistema informativo aziendale raccoglie, organizza, elabora, gestisce ed utilizza tutta l informazione necessaria per la conduzione dell azienda. Tale informazione può: nascere direttamente all interno dell azienda durante lo svolgimento dei vari processi aziendali. essere acquisita come risultato delle relazioni con soggetti esterni. Similmente tale informazione può: 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. Il Sistema Informativo Aziendale 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 sistema informativo 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 ecc. Componenti per il supporto decisionale. Tale parte del sistemai informativo riguarda la gestione, la produzione e l archiviazione per supportare i dirigenti nelle scelte strategiche. Ad es. supporto perla scelta di quali prodotti mettere in promozione, quali prodotti, aggiungere o rimuovere dal listino, a quale target rivolgere i messaggi pubblicitari ecc Il Sistema Informatico Aziendale E costituito dall insieme di strumenti HW/SW che permettono di gestire in maniera automatizzata l informazione aziendale. Poiché le componenti del Sistema Informatico Aziendale sono un sottoinsieme del Sistema Informativo Aziendale non faremo distinzione tra i due. Anche esse divise nelle due categorie citate. Applicazionali Transazionali: Sono i sistemi e le procedure informatiche di supporto all attività operazionale quotidiana. Le applicazioni che rientrano in questa categoria sono i Sistemi Legacy e gli Enterprise Resource Planner (ERP). 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 applicazionidi DataWareHousing (o meglio le applicazioni OnLine Analitic Processing: OLAP) e le applicazioni di DataMining. 23 Le parti del Sistema Informativo Aziendale 24 6

7 Due Famiglie di Strumenti di Gestione dei Dati Data Base per l elaborazione delle transazioni On Line Transactional Processing (OLTP) Sistemi Transazionali o Operazionali( L insieme delle applicazioni che supportano in tempo reale le attività giornaliere inerenti il business dell azienda) Data Base per il Supporto alle Decisioni On Line Analytical Processing (OLAP) Sistemi di Analisi dei Dati (Sono strumenti strategici in grado di incrementare la conoscenza aziendale, supportano i manager nelle decisioni) Gestione intelligente delle informazioni I dati: sono grezzi e disadorni. Sono per esempio un singolo record in un database transazionale. L informazione: è un dato accompagnato, in una certa misura, da un contesto e da un significato economico; le informazioni sono dati filtrati, sintetizzati, aggregati, esprimono dei concetti. Sopra l informazione, se l organizzazione è in grado di gestirsi, si costruisce la conoscenza, un attitudine che è il risultato di una gestione razionale e continuativa delle interazioni tra: informazioni, azioni passate, esperienza, comprensione La piramide della conoscenza Query standard, query ad hoc e reportistica Il modo più semplice per fare analisi è poter disporre di query (interrogazioni) già preconfezionate ed eventualmente parametrizzabili. (Es. visualizza tutti i clienti che l anno scorso hanno acquistato il prodotto X) In alternativa è possibile costruire query specifiche al presentarsi di situazioni particolari. Richiedono continue riprogettazioni che l utente spesso non è in grado di fare. Per costruire una query occorre prima formulare un ipotesi di ciò che voglio ricercare. Il ruolo dell utente è principalmente passivo. La reportistica ha forma nota e aggiorna i valori alla richiesta dell utente (vendite del mese per categorie di prodotto): in genere la presentazione o la parte cosmetica del report è in forma tabellare o grafica

8 Esempio Applicativo TELLUS sistema informativo regionale per la gestione e il monitoraggio della ricostruzione Alcuni dati di riferimento Risorse finanziarie /anno Risorse finanziarie /anno Analisi Multidimensionale OLAP L analisi multidimensionale offre differenti prospettive, dimensioni o punti di vista, attraverso i quali si può letteralmente andare a spasso per i dati. Aree geografiche, tempo, prodotti, clienti, fornitori sono tipiche dimensioni di un sistema OLAP. Grazie alla loro flessibilità e facilità d utilizzo è possibile indagare per piccoli passi e scoprire le cause di particolari situazioni. Ciascun passo effettuato è conseguenza dei risultati ottenuti al passo precedente. È forse la principale modalità di fruizione di un ambiente di data warehousing

9 Esempio OLAP Analisi del materiale richiesto dagli utenti negli anni Analisi numero richieste al numero verde negli anni Modellazione Segmentazione Dai dati storici vengono elaborati dei modelli. Un modello è semplicemente una raccolta di costanti di una determinata caratteristica che come tale può essere rappresentata graficamente o mediante una serie di regole o notazioni La segmentazione suddivide i clienti o altre aree di dati in determinati gruppi aventi caratteristiche comuni e dalle quali è possibile tracciare dei comportamenti e successivamente determinare strategie appropriate

10 37 Segmentazione della clientela sulla base delle tessere fedeltà 38 Knowledge Discovery A differenza della modellazione, la Scoperta delle Conoscenza è un processo che opera autonomamente senza l intervento dell analista. Gli algoritmi di KD individuano determinati modelli e relazioni non specificate dall utente, spostando l attenzione su ciò che è stato trovato piuttosto su ciò che si stava cercando. Non esiste un ipotesi di partenza

11 Sistemi OLTP OLTP On line Trasaction Processing Sono sistemi che vengono giornalmente utilizzati per: Registrare fatture Pagare un fornitore Emettere un ordine di acquisto Registrare una bolla Calcolare gli stipendi Stampare gli ordini Sono sistemi: che effettuano operazioni in tempo reale supportano un alto carico di utenti nello stesso istante pensati e strutturati per effettuare un grande numero di piccole operazioni ripetitive (Transazioni) che si basano su Data Base relazionali e Normalizzati specializzati e verticali Sistemi Transazionali OLTP Il termine OLTP (On Line Transaction Processing, elaborazione delle transazioni in linea) indica una tipologia di sistemi di gestione dati con caratteristiche ben definite. Gli obiettivi principali di tali sistemi sono supportare tutte le attività operative e quotidiane di una organizzazione. 43 Sistemi Transazionali OLTP La maggior parte dei sistemi informativi moderni OLTP aziendali si appoggia su data base di tipo Relazionale. Dalle semplici applicazioni di registrazione fatture, emissione di un ordine, acquisto o vendita, fino ad arrivare ai più complessi ERP vengono utilizzati data base relazionali per salvare in modo efficiente le informazioni generate dalle transazioni. Non è raro trovare sistemi di generazioni passate, che generalmente girano su mainframe o minicomputer e non rispondono ai requisiti architetturali moderni (DB non relazionali). Tali sistemi, difficili da integrare e interfacciare con l esterno, sono detti sistemi Legacy 44 11

12 OLTP (On line Transaction Processing) I sistemi di gestione di basi di dati relazionali sono normalmente ottimizzati per supportare le operazioni transazionali (OLTP, On Line Transaction Processing) le transazioni sono predefinite e di breve durata i dati di interesse sono dettagliati, aggiornati e recenti i dati risiedono su una unica base di dati leggono e/o modificano pochi record le proprietà transazionali sono critiche architettura (principalmente) centralizzata Caratteristiche dei Sistemi OLTP Elaborano le transazioni che caratterizzano i processi operativi di una organizzazione Operazioni predefinite e relativamente semplici Ogni operazione coinvolge pochi dati Dati di dettaglio, aggiornati e recenti I dati risiedono, di solito, su un unica base dati Architetture (principalmente) centralizzate Il rispetto delle proprietà ACID (Atomicity, Consistency, Isolation, Durability) di ogni transazione è fondamentale Architettura OLTP Il Modello Relazionale La strutturazione dei sistemi OLTP è incentrata sui tempi di risposta delle singole transazioni e sulla precisione dell aggiornamento dei dati piuttosto che sulle query analitiche. Per questo i dati vengono fisicamente distribuiti in una moltitudine di entità chiamate Discrete (tabelle), in base al loro contenuto informativo. Ogni tabella è collegata alle altre attraverso relazioni (Join). Obiettivi dei sistemi OLTP Automatizzare i processi operativi delle imprese Consentire in tempo reale il normale svolgimento delle attività aziendali

13 Requisiti OLTP OLTP deve supportare in tempo reale tutte le attività operative di un organizzazione. Che cosa succede se un utente non riesce a immettere un nuovo ordine perché il sistema non risponde? Cosa succede se una transazione viene persa dal sistema? (non deve mai accadere! Sicurezza ed efficienza sono fondamentali) Ambito limitato e natura funzionale delle applicazioni I vari sistemi aziendali OLTP sono dipartimentali e difficilmente comunicano tra loro Enfasi sull automazione Operazione tipica (Es. immissione, modifica o cancellazione di un ordine ) Utenti OLTP Gli utenti di un sistema OLTP sono il personale operativo (gestione dei processi operativi): Acquisizione o modifica di un ordine da parte del personale dell ufficio vendite. Gestione del magazzino. Operano su dati dipartimentali e dettagliati. Le decisioni sono strutturate e basate su regole perfettamente definite Esempio Query OLTP Quali prodotti e categorie sono state acquistate dal mio cliente? Criticità Dei Sistemi OLTP S Q L SELECT NomeProdotto, NomeCategoria, Nomesocietà FROM Prodotti, Categorie, Clienti, [Dettaglio Ordini], Ordini WHERE Prodotti.idCategoria=Categorie.idCategoria AND Prodotti.idProdotto=[Dettaglio Ordini].idProdotto AND [Dettaglio Ordini].idOrdine=Ordini.idOrdine AND Ordini.idCliente=Clienti.idCliente AND NomeSocietà like xx% ; 51 Separazione degli archivi (le informazioni di tipo amministrativo sono separate da quelle della produzione) Proliferazione di ridondanze, inconsistenze e incompletezza dei dati. Viste parziali o inconsistenti delle informazioni, difficoltà di creare una visione d insieme delle informazioni aziendali

14 Criticità OLTP I sistemi OLTP non sono adatti a fare analisi per il supporto alle decisioni Query di analisi in ambiente OLTP Sono molto complesse da formulare. Hanno una alta complessità di calcolo (join su molte tabelle). Non sono interattive e non possono essere previste. Presentano delle complessità indotte anche dalla separazione degli archivi Sistemi Analitici (OLAP On Line Analytical Processing ) OLAP On Line Analytical Processing I sistemi OLAP nascono dall esigenza di valorizzare, in modo più efficiente, l enorme patrimonio informativo immagazzinato dai sistemi OLTP nello svolgere le attività aziendali

15 Perché OLAP I sistemi informativi hanno aumentato la produttività delle organizzazioni automatizzandone la gestione operativa quotidiana. Le vendite nei supermercati L instradamento e la contabilizzazione delle telefonate Questi dati, se opportunamente accumulati e organizzati, possono essere utilizzati per la pianificazione e il supporto alle decisioni: La promozione di particolari prodotti L offerta di contratti diversificati La corretta gestione dei dati storici permette, ad una organizzazione, l acquisizione ed il mantenimento di un significativo vantaggio competitivo Obiettivi dei sistemi OLAP Definire una versione dei dati aziendali consistente, pubblica, di qualità. Facilitare l accesso ai dati per un uso strategico. Supportare le decisioni e i Business Planning (finanza, marketing, vendite) della direzione aziendale OLAP (On line Analytical Processing) I sistemi di supporto alle decisioni dovrebbero invece supportare l elaborazione analitica (OLAP, On-Line Analytical Processing), che ha le seguenti caratteristiche: le interrogazioni sono complesse e casuali i dati di interesse sono tipicamente storici e aggregati i dati possono provenire da più basi di dati possibilmente non omogenee leggono un numero enorme di record non scrivono mai le risposte alle interrogazioni sono attese in linea la visualizzazione dei dati è fondamentale architettura client-server 59 Requisiti OLAP OLAP deve supportare i manager nelle decisioni tattico-strategiche, deve avere una visione d insieme interdipartimentale (livello aziendale) Sono caratterizzati: dalla disomogeneità dei dati di partenza dalla conservazione dei dati storici dalla qualità dei dati disponibili enfasi sulla generazione delle informazioni Operazione tipica (Es. report sulle vendite per regione nell anno x del prodotto y al cliente alfa) 60 15

16 Utenti OLAP Gli utenti di un sistema OLAP sono in parte il personale gestionale, ma, più ancora, il personale direttivo (gestione dei processi Gestionali o/e Direttivi): Gestione delle vendite. Campagna di marketing. Decisioni tattico strategiche. Operano su dati settoriali, aggregati o fortemente integrati (visione aziendale) Le decisioni sono semi-strutturate o non strutturate, non esistono criteri specifici, le capacità personali sonofondamentali OLTP vs OLAP È estremamente difficile far convivere i due carichi di lavoro Solo separando le due funzioni in sistemi dedicati è possibile gestire in maniera efficiente il problema Diverse ragioni: Disomogeneità di utenti, requisiti, obiettivi Ragioni tecniche Motivazioni OLTP e OLAP I sistemi OLTP sono progettati per essere efficienti nella gestione delle transazioni, ma risultano poco maneggevoli quando vengono impiegati per fini analitici. I due mondi OLTP e OLAP non sono in contrapposizione, ma sono complementari uno all altro

17 Evoluzione temporale Evoluzione dei sistemi di analisi Anni 60: rapporti batch difficile trovare ed analizzare i dati costo, ogni richiesta richiede un nuovo programma Anni 70: DSS basato su terminale non integrato con strumenti di automazione d ufficio Anni 80: strumento d automazione d ufficio strumenti di interrogazione, fogli elettronici, interfacce grafiche accesso ai dati operazionali Anni 90: data warehousing, introduzione di strumenti integrati OLAP Evoluzione dei sistemi di analisi Sigle come DSS (Decision Support System ) o EIS (Executive Information System) hanno, in passato, ricoperto ruoli significativi e mirati a fornire informazioni dettagliate e utili sia per i dirigenti operativi, i primi, sia per quelli manageriali, i secondi. Criticità dei DSS Sistemi complicati e di difficile utilizzo Sistemi proprietari Sistemi costosi e di fatto prerogativa della grande impresa Utenza non ancora pronta ad una cultura economico-informatica

18 Evoluzione tecnologica Evoluzione dei sistemi di analisi La diffusione e lo sviluppo delle nuove tecnologie dell informazione Costi hardware e software sempre più bassi Aumento costante della potenza computazionale L avvento di internet e delle tecnologie web poter condividere informazioni ad un costo decisamente basso tramite applicazioni di uso quotidiano interfacce familiari, come quella di un browser internet 69 Nascono i sistemi OLAP e la scienza della Business Intelligence per il supporto decisionale. Questi nuovi strumenti di analisi promettono una intrinseca semplicità d uso e una flessibilità senza precedenti (a prezzi accessibili ) 70 Verso il Data Warehousing Le difficoltà ad alimentare con dati certificati e coerenti gli strumenti di analisi OLAP hanno contribuito allo sviluppo delle tecniche di Data Warehousing (la gestione intelligente di un unico magazzino dati ) Introduzione al data warehousing

19 Motivazioni Considerazioni I sistemi informatici permettono di aumentare la produttività delle organizzazioni automatizzandone la gestione quotidiana dei processi operativi vendite nelle catene di supermercati instradamento e la contabilizzazione delle telefonate Questi dati se opportunamente accumulati e analizzati possono essere utilizzati per supportare i processi gestionali e direzionali, ovvero per la pianificazione e il supporto alle decisioni promozioni dei prodotti offerta di contratti diversificati Una corretta gestione dei dati storici può essere occasione di un grande vantaggio competitivo La funzione svolta dalle basi dati in ambito aziendale è stata fino a qualche anno fa solo quella di memorizzare dati operazionali svolte all interno dei processi gestionali Per ogni azienda è fondamentale poter disporre in maniera rapida e completa delle informazioni necessare al processo decisionale. Le indicazioni strategiche sono estrapolate principalmente dalla mole dei dati operazionali contenute nei database aziendali attraverso un processo di selezione e sintesi Considerazioni Valore dei dati L informazione è un bene a valore crescente necessario per pianificare e controllare le attività aziendali con efficacia L equazione dati = informazione non è sempre corretta: spesso la disponibilità di troppi dati rende arduo se non impossibile estrapolare le informazioni veramente importanti

20 I sistemi di supporto alle decisioni Insieme di tecniche e strumenti informatici atti ad estrapolare informazioni da un insieme di dati memorizzati su supporti elettronici Tra le problematiche da affrontare: Gestione di grandi moli di dati Accesso a diverse fonti dati da piattaforme eterogenee Multiutenza Gestione storico dei dati 77 Il Datawarehousing Una collezione di metodi, tecnologie e strumenti di ausilio al cosidetto lavoratore della conoscenza (knowledge worker) per condurre analisi dei dati finalizzate all attuazione dei processi decisionali e al miglioramento del patrimonio informativo knowledge worker:dirigente, amministratore, gestore, analista,.. 78 Analisi dei dati Il datawarehousing ha lo scopo di supportare le decisioni direzionali, ad esempio permettendo di calcolare (in modo efficiente) le seguenti interrogazioni quali sono stati i volumi di vendita dello scorso anno per regione e categoria di prodotto? quali prodotti hanno aumentato il livello delle vendite a fronte di una certa offerta promozionale? qual è stata la profittabilità delle campagne promozionali degli ultimi cinque anni? quali prodotti vanno pubblicizzati e venduti in offerta nella prossima campagna promozionale estiva? Che cos è Il datawarehouse

21 Il Datawarehouse Un DataWarehouse (letteralmente magazzino dei dati) è un contenitore (repository) con requisiti di accessibilità, integrazione, flessibilità di interrogazione, sintesi, multidimensionalità, correttezza Considerazioni Un data warehouse è una base di dati - collezione di dati di grandi dimensioni, persistente e condivisa gestita in maniera efficace, efficiente ed affidabile con delle caratteristiche peculiari utilizzata principalmente per il supporto alle decisioni direzionali - integrata aziendale e non dipartimentale - con dati storici - con un ampio orizzonte temporale - con dati tipicamente aggregati per effettuare stime - fuori linea - aggiornata periodicamente -mantenuta separatamente dalle basi di dati operazionali Il Data Warehouse: Definizione Base di dati orientata ai soggetti Una collezione di dati orientata ai soggetti, integrata, non volatile e correlata alla variabile tempo costruita in supporto alle decisioni manageriali (W.H.Inmon 1996). Multidimensionale Una base di dati di supporto al processo decisionale che: E orientata ai soggetti (o argomenti). E integrata e consistente. E rappresentativa dell evoluzione temporale. E non volatile. 83 Si incentra sui concetti di interesse dell azienda quali i clienti, i prodotti, le vendite, gli ordini Viceversa i database operazionali sono organizzati intorno alle differenti applicazioni del dominio aziendale 84 21

22 Orientata ai sogetti I dati contenuti hanno interessi generali legati alle entità e ai soggetti e non ai singoli processi operativi. l applicazione gestione clienti ha informazioni anagrafiche (CF indirizzo, data di nascita), mentre l applicazione gestione ordini ha informazioni sugli ordini del cliente l insieme dei vari dati dei due sistemi confluisce nel DW come informazione a 360 sull entità o soggetto Cliente Integrata e consistente Il DW si appoggia a fonti dati eterogenee: dati estratti dall ambiente di produzione, e quindi originariamente archiviati in basi dati aziendali, o addirittura provenienti da sistemi informativi esterni all azienda. Di tutti questi dati il DW si impegna a restituire una visione unificata Integrata I dati provengono da più sorgenti informative Sorgenti spesso eterogenee (fogli elettronici, base, web, ) Il DW rappresenta e immagazzina i dati in modo univoco, riconciliando e riallineando le eterogeneità delle diverse rappresentazioni: nomi codifica struttura rappresentazione multipla 87 E rappresentativa dell evoluzione temporale Il DW deve consentire analisi che spazino sulla prospettiva di alcuni anni. Il DW è aggiornato ad intervalli regolari a partire dai dati operazionali ed è in crescita continua. Volendo fare un paragone, possiamo dire che a intervalli regolari venga scattata una fotografia istantanea dei dati operazionali. La progressione delle fotografie viene memorizzata ne DW dove genera un film che documenta la situazione aziendale dall istante zero fino al tempo attuale 88 22

23 E non volatile I dati non vengono mai rimossi. La base di dati può solo crescere. Nuovi dati vengono inseriti in blocco prelevandoli da basi storiche (es. inserimento dei dati dell ultimo esercizio o dell ultimo trimestre ecc.). L insieme dei dati è quindi relativamente statico. In linea di principio i dati non vengono mai eliminati dal DW, gli aggiornamenti vengono eseguiti a freddo fa si che il dw possa essere considerato come un DB a sola lettura. 89 Sintetizzando Un data warehouse è una base di dati utilizzata principalmente per il supporto alle decisioni direzionali integrata aziendale e non dipartimentale con dati storici con un ampio orizzonte temporale, e indicazione di almeno un elemento di tempo con dati tipicamente aggregati per effettuare stime fuori linea i dati sono aggiornati periodicamente mantenuta separata dalle basi di dati operazionali 90 Il Data Mart Con il termine Data Mart si intende un sottoinsieme o una aggregazione dei dati presente nel dw primario contenente l insieme delle informazioni rilevanti per una particolare area del business, una particolare divisione dell azienda, una particolare categoria di soggetti 91 Data Mart I data mart alimentati dal dw primario sono spesso detti dipendenti. Sebbene non siano strettamente necessari, su sistemi medio-grandi costituiscono una utilissima risorsa: Come blocchi costruttivi durante la realizzazione incrementale del DW Delineano i contorni delle informazioni necessarie a un particolare tipo di utenti per le loro interrogazioni Essendo di dimensioni inferiori al dw primario, permettono di raggiungere prestazioni migliori 92 23

24 Data Mart In alcuni contesti i data Mart vengono alimentati addirittura dalle sorgenti. In tal caso vengono detti indipendenti Data mart Un DW rappresenta spesso l unione di più data mart Data mart: restrizione data warehouse ad un singolo processo o ad un gruppo di processi aziendali (es. Marketing) Multidimensionalità Il Modello Concettuale Il paradigma di rappresentazione dei dati nel Datawarehouse è il modello multidimensionale ed è fondamentalmente legato alla sua semplicità e intuitività

25 Il Modello Multidimensionale Alla base del modello Multidimensionale c è l idea che l organizzazione grafica delle informazioni ha un influenza notevole su comprensione, reperibilità e facilità di memorizzazione delle informazioni da parte dell uomo. Multidimensionalità L idea di base è quella di vedere i dati come punti in uno spazio le cui dimensioni corrispondono ad altrettante possibili dimensioni di analisi: ciascun punto, rappresentativo di un evento accaduto nell azienda viene descritto tramite un insieme di misure di interesse per il processo decisionale Rappresentazione multidimensionale dei dati Gli analisti sono abituati a ragionare in termini di dimensioni e misure non di schemi, tabelle e record Dati multidimensionali L analisi dei dati avviene su dati rappresentati in forma multidimensionale, ovvero organizzati mediante i seguenti concetti: fatto (o processo) un concetto sul quale centrare l analisi misura una proprietà atomica o misura di un fatto da analizzare le misure sono solitamente valori numerici e additivi su un dominio continuo dimensione una prospettiva rispetto alla quale effettuare l analisi le dimensioni descrivono domini discreti, solitamente organizzati in livelli di aggregazione

26 La metafora del cubo Il concetto di dimensione ha dato origine alla metafora del cubo per la rappresentazione dei dati multidimensionali. Secondo questa metafora gli eventi corrispondo a celle di un cubo i cui spigoli rappresentano le dimensioni di analisi (se le dimensioni sono più di 3 si tratta più propriamente di un ipercubo) La metafora del data cube Secondo la metafora del data cube gli eventi corrispondono a celle di un cubo i cui spigoli rappresentano le dimensioni di analisi Ogni cella del cubo contiene valori per ogni singola misura Multidimensionalità Il data cube Orientata ai soggetti

27 Dati multidimensionali Ipercubo 3 dimensioni cubo delle vendite fatto: vendite dei prodotti, giornaliere, per negozio dimensioni: prodotto, tempo (giorno), negozio, promozione misure: quantità venduta, incasso, costo, conteggio dei clienti cubo delle telefonate fatto: telefonata dimensioni: chiamante, chiamato, tariffa, tempo (giorno), tempo (ora del giorno) Considerazioni Il modello multidimensionale si basa sulla constatazione che gli oggetti che influenzano il processo decisionale sono fatti del mondo aziendale, quali ad esempio le vendite, le spedizioni, i ricoveri, gli interventi chirurgici. Le occorrenze di un fatto corrispondono ad eventi accaduti: ogni singola vendita o spedizione effettuata è un evento Per ciascun fatto interessano in particolare i valori di un insieme di misure che descrivono quantitativamente gli eventi: l incasso, la vendita, la quantità spedita, il costo di un ricovero, la durata di un intervento chirurgico Gli eventi che accadono nell azienda sono tanti troppi per essere analizzati singolarmente. Per poterli selezionare e raggruppare, vengono collocati in un spazio n-dimensionale i cui assi chiamati dimensioni di analisi definiscono diverse prospettive per la loro identificazione. 107 La Multidimensionalità Parole Chiave Un fatto è un evento di interesse per l impresa (vendite, spedizioni, acquisti) Le misure sono attributi che descrivono quantitativamente il fatto da diversi punti di vista (num di unità vendute, prezzo unitario) Una dimensione determina la granularità minima di rappresentazione dei fatti (il prodotto,il negozio, la data) Una gerarchia determina come le istanze di un fatto possono essere aggregate e selezionate - descrive una dimensione

28 Considerazioni Il modello multidimensionale Per esempio le vendite in una catena di negozi possono essere rappresentate in uno spazio tridimensionale le cui dimensioni sono i prodotti, i negozi, le date. Per le spedizioni le dimensioni possono essere il prodotto, la data di spedizione, l ordine, la destinazione e la modalità Per i ricoveri, si possono identificare dalla terna reparto, data e paziente Alcune terminologie Gli oggetti che influenzano il processo decisionale sono fatti del mondo aziendale Le occorrenze di un fatto corrispondono a eventi accaduti Per ciascun fatto interessano i valori di un insieme di misure che descrivono quantitativamente gli eventi Dimensioni: sono le coordinate dell analisi Analisi del fatturato Se assegno un valore a tutte le N dimensioni del Data Mart, individuo un punto a N dimensioni che contiene uno o più fatti

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

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

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

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

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 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

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

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

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

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

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

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

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 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

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

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

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

Sistemi di supporto alle decisioni

Sistemi di supporto alle decisioni Sistemi di supporto alle decisioni Introduzione I sistemi di supporto alle decisioni, DSS (decision support system), sono strumenti informatici che utilizzano dati e modelli matematici a supporto del decision

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

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

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

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

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

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

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

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

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

Galileo Assistenza & Post Vendita

Galileo Assistenza & Post Vendita Galileo Assistenza & Post Vendita SOMMARIO PRESENTAZIONE... 2 AREE DI INTERESSE... 2 PUNTI DI FORZA... 2 Caratteristiche... 3 Funzioni Svolte... 4 ESEMPI.7-1 - PRESENTAZIONE Sempre più spesso ci si riferisce

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

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

Business Intelligence, OLAP e il monitoraggio del proprio Business

Business Intelligence, OLAP e il monitoraggio del proprio Business Business Intelligence, OLAP e il monitoraggio del proprio Business Con il termine business intelligence (BI) ci si può solitamente riferire a: 1. un insieme di processi aziendali per raccogliere ed analizzare

Dettagli

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

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: 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

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

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

TEORIA sulle BASI DI DATI

TEORIA sulle BASI DI DATI TEORIA sulle BASI DI DATI A cura del Prof. Enea Ferri Cos è un DATA BASE E un insieme di archivi legati tra loro da relazioni. Vengono memorizzati su memorie di massa come un unico insieme, e possono essere

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

InfoTecna ITCube Web

InfoTecna ITCube Web InfoTecna ITCubeWeb ITCubeWeb è un software avanzato per la consultazione tramite interfaccia Web di dati analitici organizzati in forma multidimensionale. L analisi multidimensionale è il sistema più

Dettagli

In particolare ITCube garantisce:

In particolare ITCube garantisce: InfoTecna ITCube Il merchandising, ossia la gestione dello stato dei prodotti all interno dei punti vendita della grande distribuzione, è una delle componenti fondamentali del Trade Marketing e per sua

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

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

L E I N F O R M A Z I O N I P E R F A R E

L E I N F O R M A Z I O N I P E R F A R E L E I N F O R M A Z I O N I P E R F A R E C E N T R O Con InfoBusiness avrai Vuoi DATI CERTI per prendere giuste DECISIONI? Cerchi CONFERME per le tue INTUIZIONI? Vuoi RISPOSTE IMMEDIATE? SPRECHI TEMPO

Dettagli

www.pitagora.it www.pitagora.it La terza dimensione del controllo di gestione www.pitagora.it

www.pitagora.it www.pitagora.it La terza dimensione del controllo di gestione www.pitagora.it www.pitagora.it www.pitagora.it www.pitagora.it Via Fiume Giallo, 3-00144 Roma tel 06.52244040 - fax 06.52244427 - info@alfagroup.it La filosofia di Pitagora Fornire gli strumenti che permettono di misurare

Dettagli

Convegno 6 giugno 2013 Federlazio Frosinone

Convegno 6 giugno 2013 Federlazio Frosinone Convegno 6 giugno 2013 Federlazio Frosinone pag. 1 6 giugno 2013 Federlazio Frosinone Introduzione alla Business Intelligence Un fattore critico per la competitività è trasformare la massa di dati prodotti

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

Business Intelligence Revorg. Roadmap. Revorg Business Intelligence. trasforma i dati operativi quotidiani in informazioni strategiche.

Business Intelligence Revorg. Roadmap. Revorg Business Intelligence. trasforma i dati operativi quotidiani in informazioni strategiche. soluzioni di business intelligence Revorg Business Intelligence Utilizza al meglio i dati aziendali per le tue decisioni di business Business Intelligence Revorg Roadmap Definizione degli obiettivi di

Dettagli

CRM / WEB CRM CUSTOMER RELATIONSHIP MANAGEMENT

CRM / WEB CRM CUSTOMER RELATIONSHIP MANAGEMENT CRM / WEB CRM CUSTOMER RELATIONSHIP MANAGEMENT CUSTOMER RELATIONSHIP MANAGEMENT Il CRM di NTS Informatica Una fidelizzazione del cliente realmente efficace, ed i principi fondamentali alla base della sua

Dettagli

Offerta tecnica. Allegato III Modelli di documentazione

Offerta tecnica. Allegato III Modelli di documentazione Offerta tecnica Allegato III Modelli di documentazione Gestione, sviluppo e manutenzione dell architettura software di Business Intelligence in uso presso Cestec S.p.A. Redatto da Omnia Service Italia

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

PBI Passepartout Business Intelligence

PBI Passepartout Business Intelligence PBI Passepartout Business Intelligence TARGET DEL MODULO Il prodotto, disponibile come modulo aggiuntivo per il software gestionale Passepartout Mexal, è rivolto alle Medie imprese che vogliono ottenere,

Dettagli

DoK! Business Solutions IDEAL SOLUTIONS FOR SALES, MARKETING AND CRM.

DoK! Business Solutions IDEAL SOLUTIONS FOR SALES, MARKETING AND CRM. DoK! Business Solutions IDEAL SOLUTIONS FOR SALES, MARKETING AND CRM. DoK! Business Solutions Accesso alle piùimportanti informazioni e comunicazioni aziendali attraverso una combinazione di applicazioni

Dettagli

2. e i risultati che si vogliono conseguire

2. e i risultati che si vogliono conseguire L obiettivo di questo intervento consiste nel mostrare come trarre la massima efficienza nelle operazioni multi-canale di vendita e sincronizzazione online. Per efficienza si intende la migliore coniugazione

Dettagli

Modelli matematici avanzati per l azienda a.a. 2010-2011

Modelli matematici avanzati per l azienda a.a. 2010-2011 Modelli matematici avanzati per l azienda a.a. 2010-2011 Docente: Pasquale L. De Angelis deangelis@uniparthenope.it tel. 081 5474557 http://www.economia.uniparthenope.it/siti_docenti P.L.DeAngelis Modelli

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

Conoscere Dittaweb per:

Conoscere Dittaweb per: IL GESTIONALE DI OGGI E DEL FUTURO Conoscere Dittaweb per: migliorare la gestione della tua azienda ottimizzare le risorse risparmiare denaro vivere meglio il proprio tempo IL MERCATO TRA OGGI E DOMANI

Dettagli

SOLUZIONE Web.Orders online

SOLUZIONE Web.Orders online SOLUZIONE Web.Orders online Gennaio 2005 1 INDICE SOLUZIONE Web.Orders online Introduzione Pag. 3 Obiettivi generali Pag. 4 Modulo di gestione sistema Pag. 5 Modulo di navigazione prodotti Pag. 7 Modulo

Dettagli

Corso di Access. Prerequisiti. Modulo L2A (Access) 1.1 Concetti di base. Utilizzo elementare del computer Concetti fondamentali di basi di dati

Corso di Access. Prerequisiti. Modulo L2A (Access) 1.1 Concetti di base. Utilizzo elementare del computer Concetti fondamentali di basi di dati Corso di Access Modulo L2A (Access) 1.1 Concetti di base 1 Prerequisiti Utilizzo elementare del computer Concetti fondamentali di basi di dati 2 1 Introduzione Un ambiente DBMS è un applicazione che consente

Dettagli

PASSEPARTOUT PLAN PLANNING E AGENDA I PLANNING LA MAPPA INTERATTIVA LA GESTIONE DEI SERVIZI LA PRENOTAZIONE

PASSEPARTOUT PLAN PLANNING E AGENDA I PLANNING LA MAPPA INTERATTIVA LA GESTIONE DEI SERVIZI LA PRENOTAZIONE PASSEPARTOUT PLAN Passepartout Plan è l innovativo software Passepartout per la gestione dei servizi. Strumento indispensabile per una conduzione organizzata e precisa dell attività, Passepartout Plan

Dettagli

LA PIANIFICAZIONE DELLE ATTIVITÀ AZIENDALI E.R.P. (ENTERPRISE RESOURCE PLANNING)

LA PIANIFICAZIONE DELLE ATTIVITÀ AZIENDALI E.R.P. (ENTERPRISE RESOURCE PLANNING) LA PIANIFICAZIONE DELLE ATTIVITÀ AZIENDALI E.R.P. (ENTERPRISE RESOURCE PLANNING) EVOLUZIONE DEFINIZIONI SISTEMI INFORMATIVI E SISTEMI ERP I SISTEMI TRADIZIONALI I SISTEMI AD INTEGRAZIONE DI CICLO I SISTEMI

Dettagli

Gestione di ordini (studio di caso)

Gestione di ordini (studio di caso) (studio di caso) aprile 2012 1 Il processo di gestione degli ordini La gestione degli ordini intesi come ordini di vendita, e non di acquisto comprende diversi processi aziendali critici compresa l elaborazione

Dettagli

H1 Modulo Budget Sintesi delle funzioni

H1 Modulo Budget Sintesi delle funzioni H1 Modulo Budget Sintesi delle funzioni Versione 3.2 21 aprile 2009 EBC Consulting www.ebcconsulting.com Pagina 1 di 9 BUDGET DEL PERSONALE BUDGET DEL PERSONALE Il budget delle risorse umane è in sintesi

Dettagli

DSCube. L analisi dei dati come strumento per i processi decisionali

DSCube. L analisi dei dati come strumento per i processi decisionali DSCube L analisi dei dati come strumento per i processi decisionali Analisi multi-dimensionale dei dati e reportistica per l azienda: DSCube Introduzione alla suite di programmi Analyzer Query Builder

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

Business Intelligence: Data warehouse & Data mining

Business Intelligence: Data warehouse & Data mining 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

Dettagli

WebBi S.r.l offre consulenza e soluzioni per le seguenti aree: Data Warehousing. Business Intelligence. Disegno di architetture integrate

WebBi S.r.l offre consulenza e soluzioni per le seguenti aree: Data Warehousing. Business Intelligence. Disegno di architetture integrate Migliorare l organizzazione per migliorare la qualità delle decisioni. Migliorare la qualità dei collaboratori per migliorare il servizio alla clientela. WebBi S.r.l offre consulenza e soluzioni per le

Dettagli

Lo strumento Excel, il problema, i dati e il data mining. Brugnaro Luca

Lo strumento Excel, il problema, i dati e il data mining. Brugnaro Luca Lo strumento Excel, il problema, i dati e il data mining Brugnaro Luca Prima di stampare pensa all ambiente think to environment before printing Sistema informativo e Organizzazione Un Sistema Informativo

Dettagli

CRM / WEB CRM CUSTOMER RELATIONSHIP MANAGEMENT

CRM / WEB CRM CUSTOMER RELATIONSHIP MANAGEMENT CRM / WEB CRM CUSTOMER RELATIONSHIP MANAGEMENT CUSTOMER RELATIONSHIP MANAGEMENT Il CRM di NTS Informatica Una fidelizzazione del cliente realmente efficace, ed i principi fondamentali alla base della sua

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

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

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

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

Base Dati Introduzione

Base Dati Introduzione Università di Cassino Facoltà di Ingegneria Modulo di Alfabetizzazione Informatica Base Dati Introduzione Si ringrazia l ing. Francesco Colace dell Università di Salerno Gli archivi costituiscono una memoria

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

NOTE E.R.P. (ENTERPRISE RESOURCE PLANNING) LA PIANIFICAZIONE DELLE ATTIVITÀ AZIENDALI STRATEGIA E FUNZIONALITÀ

NOTE E.R.P. (ENTERPRISE RESOURCE PLANNING) LA PIANIFICAZIONE DELLE ATTIVITÀ AZIENDALI STRATEGIA E FUNZIONALITÀ LA PIANIFICAZIONE DELLE ATTIVITÀ AZIENDALI E.R.P. (ENTERPRISE RESOURCE PLANNING) STRATEGIA E FUNZIONALITÀ L INTEGRAZIONE DELLE ATTIVITÀ LA COMUNICAZIONE TRA LE UNITA AZIENDALI I PROCESSI DECISIONALI RILEVANZA

Dettagli

Analisi funzionale della Business Intelligence

Analisi funzionale della Business Intelligence Realizzazione di un sistema informatico on-line bilingue di gestione, monitoraggio, rendicontazione e controllo del Programma di Cooperazione Transfrontaliera Italia - Francia Marittimo finanziato dal

Dettagli

LE SOLUZIONI PER L'INDUSTRIA AMMINISTRARE I PROCESSI

LE SOLUZIONI PER L'INDUSTRIA AMMINISTRARE I PROCESSI LE SOLUZIONI PER L'INDUSTRIA AMMINISTRARE I PROCESSI (ERP) Le soluzioni Axioma per l'industria Le soluzioni di Axioma per l'industria rispondono alle esigenze di tutte le aree funzionali dell azienda industriale.

Dettagli

L [ERP] PER IL MERCATO DEL [WINE & BEVERAGE] WINE BEVERAGE

L [ERP] PER IL MERCATO DEL [WINE & BEVERAGE] WINE BEVERAGE L [ERP] PER IL MERCATO DEL [ & ] ERP per il settore Wine&Beverage Enterprise Resource Planning Wine&Beverage for Sap Business One è un ERP, appositamente parametrizzato per il commercio del vino, alcolici,

Dettagli

uadro Business Intelligence Professional Gestione Aziendale Fa quadrato attorno alla tua azienda

uadro Business Intelligence Professional Gestione Aziendale Fa quadrato attorno alla tua azienda Fa quadrato attorno alla tua azienda Professional Perché scegliere Cosa permette di fare la businessintelligence: Conoscere meglio i dati aziendali, Individuare velocemente inefficienze o punti di massima

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

LA SOLUZIONE SME.UP PER LE AZIENDE METALLURGICHE E SIDERURGICHE

LA SOLUZIONE SME.UP PER LE AZIENDE METALLURGICHE E SIDERURGICHE LA SOLUZIONE SME.UP PER LE AZIENDE METALLURGICHE E SIDERURGICHE SCEGLIERE PER COMPETERE : Soluzione Sme.UP per i processi metallurgici e siderurgici La logica Bringing Light per il governo dell azienda

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

INFORMATICA. Applicazioni WEB a tre livelli con approfondimento della loro manutenzione e memorizzazione dati e del DATABASE.

INFORMATICA. Applicazioni WEB a tre livelli con approfondimento della loro manutenzione e memorizzazione dati e del DATABASE. INFORMATICA Applicazioni WEB a tre livelli con approfondimento della loro manutenzione e memorizzazione dati e del DATABASE. APPLICAZIONI WEB L architettura di riferimento è quella ampiamente diffusa ed

Dettagli

Alfresco ECM. La gestione documentale on-demand

Alfresco ECM. La gestione documentale on-demand Alfresco ECM La gestione documentale on-demand Alfresco 3.2 La gestione documentale on-demand Oltre alla possibilità di agire sull efficienza dei processi, riducendone i costi, è oggi universalmente conosciuto

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

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 Sistema informativo. Prima definizione Un sistema

Dettagli

CORSO ACCESS PARTE II. Esistono diversi tipi di aiuto forniti con Access, generalmente accessibili tramite la barra dei menu (?)

CORSO ACCESS PARTE II. Esistono diversi tipi di aiuto forniti con Access, generalmente accessibili tramite la barra dei menu (?) Ambiente Access La Guida di Access Esistono diversi tipi di aiuto forniti con Access, generalmente accessibili tramite la barra dei menu (?) Guida in linea Guida rapida Assistente di Office indicazioni

Dettagli

II Modulo Organizzazione dei Sistemi Informativi

II Modulo Organizzazione dei Sistemi Informativi II Modulo Organizzazione dei Sistemi Informativi DA CHE COSA E COMPOSTO COME SI ACCEDE CHI LO USA A CHE COSA SERVE Risorse hardware e software: - Server - LAN (router, HUB Firewall,..) - Storage - pacchetti

Dettagli

TECNICO SUPERIORE DEI TRASPORTI E DELL INTERMODALITÀ

TECNICO SUPERIORE DEI TRASPORTI E DELL INTERMODALITÀ ISTRUZIONE E FORMAZIONE TECNICA SUPERIORE SETTORE TRASPORTI TECNICO SUPERIORE DEI TRASPORTI E DELL INTERMODALITÀ STANDARD MINIMI DELLE COMPETENZE TECNICO PROFESSIONALI TECNICO SUPERIORE DEI TRASPORTI E

Dettagli

Il Marketing Definizione di marketing cinque fasi

Il Marketing Definizione di marketing cinque fasi 1 2 3 Definizione di marketing: il marketing è l arte e la scienza di conquistare, fidelizzare e far crescere clienti che diano profitto. Il processo di marketing può essere sintetizzato in cinque fasi:

Dettagli

La soluzione erp PeR La gestione integrata della PRoduzione industriale

La soluzione erp PeR La gestione integrata della PRoduzione industriale J-Mit La soluzione ERP per la gestione integrata della produzione industriale J-Mit La soluzione ERP per la gestione e il controllo della produzione J-Mit di Revorg è la soluzione gestionale flessibile

Dettagli

Sistemi centralizzati e distribuiti

Sistemi centralizzati e distribuiti Sistemi centralizzati e distribuiti In relazione al luogo dove è posta fisicamente la base di dati I sistemi informativi, sulla base del luogo dove il DB è realmente dislocato, si possono suddividere in:

Dettagli

Alcune persone guardano le cose accadere. Altre fanno in modo che accadano!

Alcune persone guardano le cose accadere. Altre fanno in modo che accadano! 2013 Alcune persone guardano le cose accadere. Altre fanno in modo che accadano! Nel mondo economico dei nostri tempi, la maggior parte delle organizzazioni spende migliaia (se non milioni) di euro per

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

Dominio applicativo. Analisi e ricognizione delle fonti dati

Dominio applicativo. Analisi e ricognizione delle fonti dati Dominio applicativo La Società chiamata StraSport, si occupa di vendite all ingrosso di articoli sportivi. Ha agenzie distribuite sul territorio italiano che gestiscono le vendite, ognuna di esse gestisce

Dettagli

Analisi e catalogazione automatica dei Curriculum Vitae

Analisi e catalogazione automatica dei Curriculum Vitae Analisi e catalogazione automatica dei Curriculum Vitae CV Manager è lo strumento di Text Mining che automatizza l analisi, la catalogazione e la ricerca dei Curriculum Vitae L esigenza Quanto tempo viene

Dettagli

Introduzione Ai Data Bases. Prof. Francesco Accarino IIS Altiero Spinelli Via Leopardi 132 Sesto San giovanni

Introduzione Ai Data Bases. Prof. Francesco Accarino IIS Altiero Spinelli Via Leopardi 132 Sesto San giovanni Introduzione Ai Data Bases Prof. Francesco Accarino IIS Altiero Spinelli Via Leopardi 132 Sesto San giovanni I Limiti Degli Archivi E Il Loro Superamento Le tecniche di gestione delle basi di dati nascono

Dettagli

Infor Ming.le Social Business

Infor Ming.le Social Business TM Social Business 1 Nuove modalità per risolvere vecchi problemi Una singola piattaforma per social collaboration e business process management I mezzi che utilizziamo per comunicare non sono perfetti.

Dettagli

Gestione dell Informazione Aziendale prof. Stefano Pedrini. Sistemi integrati ERP Addendum 2 Giorgio Cocci, Alberto Gelmi, Stefano Martinelli

Gestione dell Informazione Aziendale prof. Stefano Pedrini. Sistemi integrati ERP Addendum 2 Giorgio Cocci, Alberto Gelmi, Stefano Martinelli UNIVERSITÀ DEGLI STUDI DI BERGAMO Gestione dell Informazione Aziendale prof. Stefano Pedrini Sistemi integrati ERP Addendum 2 Giorgio Cocci, Alberto Gelmi, Stefano Martinelli I sistemi informativi Il processo

Dettagli