Capitolo settimo. La filosofia Data Warehouse

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Capitolo settimo. La filosofia Data Warehouse"

Transcript

1

2 7.1. Introduzione Il mercato di riferimento geografico di un'azienda non è più il paese o il continente, ma l insieme dei grandi paesi industrializzati 1. Si parla, dunque, di globalizzazione dei mercati, intendendo con questo termine il fatto che i mercati locali, essendo fra loro interdipendenti, diventano un tutt uno. Tutto ciò determina per le imprese, sia nuove opportunità, sia un aumento della pressione competitiva. La pressione competitiva aumenta anche a causa della deregolamentazione e liberalizzazione di tutti i settori. Linee aeree, ferrovie, telecomunicazioni, servizi di fornitura d'energia ed acqua hanno tutti assistito alla fine del supporto governativo delle posizioni monopolistiche permettendo a nuovi fornitori di entrare nei mercati e di scegliersi gli utenti. Le imprese, nell ambito delle strategie di Business 2, devono affrontare la competizione attraverso nuovi, più veloci, più attraenti modi che conquistarsi gli acquirenti 3. La forza della competizione è legata all efficienza del mercato. L'efficienza del mercato dipende dalla facilità d'accesso dello stesso da parte dell utente e dalla quantità d'informazioni disponibili al consumatore su tutti i prodotti del mercato. Le nuove tecnologie ampliano sia l accessibilità del mercato, sia la conoscenza dei prodotti da parte dell utente, avvicinandolo sempre più all accesso perfetto e alla perfetta informazione. In una situazione di questo tipo la competizione tende ad essere più dura 4. 1 J.J. Lambin : Marketing, McGraw-Hill. 2 La redditività di una impresa dipende da due fattori :la redditività del settore in cui opera e la capacità dell impresa di stabilire un vantaggio competitivo rispetto ai suoi rivali. La scelta del settore o dei settori riguarda la strategia a livello corporate. Stabilire un vantaggio entro un particolare settore è ciò che si propone di stabilire la strategia a livello di business. R.M. Grant : L analisi strategica nella gestione aziendale. 3 Si possono portare alcuni esempi : assistenza diretta via telefono, home-banking e shopping via cavo o tramite Internet.. The second Age of Computing Data Warehousing with Oracle. R. Stewart. 4 Un esempio : Un giocatore di golf residente a N.Y. prenderà in considerazione (e quindi è limitato) per il suo equipaggiamento da golf solo i fornitori di N.Y.. Al contrario con un PC ed un equipaggiamento internet, una carta di credito il nostro giocatore di golf può velocemente acquistare da qualsiasi fornitore nel mondo che effettui pubblicità sulla rete. 297

3 Per avere un vantaggio competitivo in un ambiente caratterizzato dall industria globale, innovativa, deregolamentata, sempre più aggressiva, le imprese devono migliorare la loro comprensione del business, dei loro clienti, dei loro mercati. Devono conoscere con esattezza chi sono i clienti, come fare a mantenerli, come e quando spendono il loro denaro, quali beni e servizi saranno acquisiti, da chi e così via. Le imprese devono focalizzare le loro energie su questi elementi in modo tale da poter sfruttare al massimo le diverse e mutevoli opportunità che si presentano. Se ciò non avverrà, i clienti andranno altrove. Nella produzione di massa ha sempre più importanza la cosiddetta personalizzazione del prodotto. Oggi non è più sufficiente per un'azienda portare un qualsiasi prodotto di massa o servizio sul mercato maturo ed aspettarsi di venderlo abbastanza bene per un certo periodo di tempo. Il cliente chiede un prodotto più personalizzato, che soddisfi meglio i suoi bisogni. Per sopravvivere in questi mercati le imprese avranno bisogno di identificare in modo più adeguato i bisogni dei consumatori, segmentando il mercato stesso, per offrire prodotti che si avvicinino il più possibile alle richieste di questo o di quel segmento. Anche se il prodotto in se stesso non può essere Questo fatto rende la vita dei fornitori di attrezzature di golf di N.K. più difficile. The second Age of Computing Data Warehousing with Oracle. R. Stewart. 4 Caratteristiche dello scenario Industriale :? Maggiore concorrenza? Diffusione/Omogeneizzazione della Tecnologia? Incertezza economica? Ritmo di crescita più basso? Minore prevedibilità dei clienti? Riduzione del Time-to Market? Re-engineering dei processi Aziendali? Aggiornamento dell offerta? Valorizzazione della base dei Clienti Esistenti Fonte :Data Warehouse, metodologia, Architettura e prodotti. Presentazione Datamat per il gruppo FIAT. 298

4 personalizzato, il modo di fornirlo e con cui si effettua il pagamento può esserlo. Questa situazione genera una maggiore richiesta di informazioni per conoscere meglio i clienti, i mercati, la concorrenza. Le fonti di queste informazioni si trovano all esterno ma innanzi tutto all interno dell impresa. La tecnologia dei computer è stata applicata fin dai primi anni di attuazione ai processi operativi di un'impresa (sistemi di fatturazione, emissione di ricevuta, prenotazioni, gestione degli ordini di vendita, controllo del magazzino, finanza, ecc..). Attraverso i sistemi operazionali attualmente in uso, una grande quantità di dati viene raccolta e conservata. Questi dati descrivono con molta precisione, e spesso implicitamente, gli aspetti critici del business : clienti, mercati, prodotti, vendita e le relazioni che intercorrono tra questi. Tali informazioni devono essere rese disponibili a coloro che ci lavorano sopra : direttori, lo staff di marketing, gli analisti di business e di prodotti, ecc.. Così come sono prodotti, questi dati operazionali non riescono a soddisfare le esigenze di chi deve lavorare con l informazione attraverso particolari applicazioni DSS, MIS o altro. Questi dati, così come sono raccolti, sono destinati a servire i sistemi operazionali per i quali sono stati creati. E non potrebbe essere altrimenti ; in altre parole non si potrebbe riconfigurare la raccolta di questi dati, che devono servire particolari operazioni per accogliere le esigenze informative, poiché verrebbe meno quello che è il loro scopo originario che deve essere senz altro soddisfatto. Una soluzione è quella di duplicare i dati liberandoli dai confini dei diversi sistemi per integrarli ed arricchirli con informazioni di provenienza esterna (ricerche di mercato, analisi industriali, notizie da agenzie, reti mondiali ed altro). Devono, inoltre, essere predisposti dei Tools (strumenti) che mettano in grado i vari utenti di analizzare le informazioni a loro disposizione. Il Data Warehouse si occupa proprio di questo. 299

5 In un'interpretazione più limitata un Data Warehouse è semplicemente il database o i database in cui i dati rilevanti dei sistemi operativi sono copiati e resi disponibili agli utilizzatori di informazioni attraverso strumenti analitici di indagine. In un senso più ampio rappresenta l intera struttura di estrazione di dati grezzi dai sistemi operativi, di trasformazione in informazioni affidabili, di trasporto in apposito ambiente per l utente delle informazioni e la fornitura degli strumenti on-line per analizzare questi dati (OLAP Tools, data mining, ecc..) al fine di fornire conoscenza alla Direzione del business Evoluzione dei sistemi di raccolta dati Le aziende hanno sempre cercato di raccogliere dati. In passato ciò era possibile solo tramite mezzi cartacei. Successivamente si è avuto l avvento di mezzi meccanici ed elettronici che hanno facilitato questa attività. In un primo momento (anni 60) venivano create solo applicazioni con dati legati alle applicazioni stesse. Questo faceva si che per ogni applicazione si aveva un archivio, creando così evidenti problemi di ridondanza dei dati. 5. The second Age of Computing Data Warehousing with Oracle. R. Stewart. il Data Warehouse è un processo, non un prodotto. Questa rappresenta una particolare tecnica per assemblare e gestire dati provenienti da varie sorgenti per realizzare una singola, dettagliata vista di una parte o di tutto il business. White paper di NCR Corporation : Data Warehousing :Clearing the Confusion. Il D/W nasce dalla costituzione di un ambiente, fisicamente separato dal database operazionale, ottimizzato per le interrogazioni e il supporto alle decisioni. C è, quindi, una netta distinzione tra sistema operazionale e sistema decisionale...sono differenti anche gli utenti dei due sistemi : nel primo caso è lo staff operazionale dell azienda (contabili, addetti agli sportelli..), mentre nel secondo sarà il top il middle manager a servirsi dei dati del D/W per l analisi, l accesso e la produzione di report. P. Lombardi : Nuovi strumenti per cercare i dati, Zerouno 3/1995 B. Cortona nell articolo di Zerouno del 4/1995 afferma : La nascita del concetto di warehouse (magazzino) risale alla metà degli anni 80 ma solo dai primi anni 90 ha iniziato a trovare la piena attuazione. L idea che sta alla base è molto semplice : estrarre dai database operazionali i dati significativi, compattarli e metterli infine a disposizione degli strumenti desktop, che effettuano le proprie interrogazioni sul warehouse e non più sui database operazionali. D. Sandri nell articolo :La soluzione del SAS Insititute di Zerouno del 4/1995 afferma : Il Data Warehouse è in sostanza una soluzione tecnologica con la quale i dati vengono archiviati secondo un bes determinato formato che ne facilita l accesso e la consultazione da parte degli utenti. In genere interessa non tutti gli utenti di una azienda, ma per lo più i decision maker, quelle persone che nell ambito dell impresa hanno bisogno di dati di sintesi provenienti dalle varie unità aziendali, sui quali operare ulteriori elaborazioni e grazie ai quali simulare scenari e prendere infine decisioni. 300

6 Verso gli anni 70 cominciano a diffondersi i primi gestori di basi dati in cui si realizza una separazione fra le applicazioni e gli archivi dati. Allo stesso modo si diffondono nuovi supporti fisici per la registrazione (dischi magnetici). Una singola base di dati può servire più applicazioni. Verso gli anni 80 prendono il via le tecnologie distribuite, per cui le applicazioni che erano dirette ai decisori potevano essere spostate più vicino ad essi (attraverso l uso dei PC). Si comincia a pensare di poter utilizzare i dati di questi database, costruiti però per servire specificatamente le transazioni, per sistemi MIS o DSS. Ma le difficoltà per realizzare questi sistemi erano molte. Sempre negli anni 80 si sono creati dei programmi capaci di estrarre i dati da una base di dati, secondo vari criteri, per trasferirli altrove. Questi dati a loro volta possono essere trasferiti ancora in altri database creando la possibilità di avere schemi come quelli in figura. Software per estrarre i dati Figura 7.1. Legacy system Questa ragnatela viene chiamata legacy system. 301

7 7.3. Problemi con la naturale evoluzione della architettura. L evoluzione di questa architettura pone alcuni problemi per l utilizzo diretto di applicazioni DSS, EIS ed analisi 6. I principali problemi sono :? la credibilità dei dati? la produttività? l incapacità di trasformare i dati in informazioni. Mancanza di credibilità dei dati. Il primo di questi problemi è quello della mancanza di credibilità dei dati. Inmon porta il caso di due dipartimenti che realizzano due report sullo stesso tema con i dati del legacy ottenendo due risultati differenti. Di fronte a queste incongruità il management non sa bene cosa fare. Ci sono alcune ragioni che possono causare questa incongruità :? i report non si sono effettuati nello stesso tempo? scelta di parametri differenti per l analisi dei di dati? problemi con i dati esterni? utilizzo di fonti diverse Realizzare i report in istanti di tempo differenti può portare a dei risultati diversi poiché nel tempo trascorso si sono verificate delle transazioni che possono aver mutato i dati. La scelta di parametri differenti per l analisi dei di dati può allo stesso modo produrre risultati differenti qualora, ad esempio, si decida di prendere in considerazione tutte le polizze vita o solo quelle più vecchie. I dati esterni che spesso vengono utilizzati nei report non sono coordinati fra di loro e non c è neppure coordinamento con i dati interni utilizzati. Ad esempio, per realizzare un report possono essere stati utilizzati dati del Wall Street Journal mentre in un altro i dati di Business Week. I dati dei due giornali, anche se riguardano lo stesso argomento, possono essere 6...Convinti delle promesse dei produttori che il loro sistema di gestione dati sarebbe stato in grado di soddisfare sia le necessità di produzione (l OLTP) che di supporto alle decisioni, gli EDP aziendali hanno per qualche tempo scelto di far accedere gli utenti direttamente ai database operazionali. In breve hanno dovuto fare marcia indietro dopo aver constatato che le operazioni sui dati tipiche dell analisi per il supporto decisionale sono molto diverse da quelle tipiche dell OLTP e pesanti nell esecuzione. B. Cortona :Come accedere ai patrimoni di dati, Zerouno 4/

8 diversi Più in generale poi, ci possono essere delle discrepanze nei risultati dovuti alla scelta di fonti diverse per realizzare lo stesso report. Il problema della produttività Un altro problema è quello relativo alla produttività, ovvero alla efficienza dovuta alla naturale evoluzione di questa struttura. Per realizzare i report occorrerà localizzare i dati che sono sparsi nel legacy, estrarli e realizzare programmi di analisi dei dati. I dati che servono in un report sono sparsi nel legacy. Questi si sono stratificati nel tempo senza pensare che un giorno si sarebbero dovuti integrare. Per cui, stessi dati potranno avere nomi diversi come dati diversi potranno avere lo stesso nome. Quindi, localizzare i dati è un processo difficile e noioso. Una volta localizzati, i dati devono essere estratti. Per ogni fonte di dati si dovrà realizzare un programma per l estrazione. Infine, si dovrà realizzare il report. Tutte queste attività occupano tempo, ed un eccessivo impiego dello stesso può portare a realizzare dei report che non hanno nessun valore perché non sono più attuali. Dai dati all informazione Un altro limite della architettura legacy è quello relativo alla capacità di fornire informazioni. I decisori hanno bisogno di informazioni di carattere complesso derivanti dall aggregazione di più fonti. Spesso questa integrazione è difficile poiché i dati vengono estratti da database che non sono stati progettati per servire questi scopi, ma per supportare delle transazioni. Inoltre, un altro limite è rappresentato dall orizzonte temporale dei dati. Mentre i decisori hanno bisogno di informazioni storiche che mostrino gli andamenti passati e le previsioni sul futuro, ai database operazionali interessa solo mantenere aggiornati i dati e, quindi, tendono ad avere la memoria più corta (perché si tengono in linea solo i dati correnti). 303

9 7.4. Il magazzino dei dati Per superare l empasse dei problemi visti fino ad ora si è trovata la soluzione Data Warehouse. Il cuore di questa architettura si basa su due tipi di dato. Quello primitivo residente nel legacy e quello derivato residente nel Warehouse. I dati derivati sono ricavati in tutto o in parte da quelli primitivi e posti nel Warehouse (o repository), vale a dire un grande database. Il Data Warehouse è di sola lettura e periodicamente viene aggiornato. Quindi, fra un aggiornamento e l altro i dati sono sempre gli stessi, al contrario dei database operazionali che sono soggetti ad un continuo mutamento. Si possono distinguere nel Data Warehouse quattro livelli. Il primo è il livello operazionale composto di dati primitivi del legacy ed eventualmente di altre fonti esterne. Il secondo è quello del Warehouse (o repository) in cui i dati, dopo una attività di acquisizione vengono inseriti a livello atomico. I dati non vengono letti direttamente da qui ma verranno ulteriormente estratti o sintetizzati nei Datamart (terzo livello, o livello dipartimentale) 7, che rappresentano database destinati a servire particolari funzioni richieste dall utente finale (analista DSS, data mining, ecc..). Il quarto livello è quello individuale, ovvero quello dell analista o del decisore che con il suo PC utilizza delle applicazioni che vanno a pescare dati dal Datamart per effettuare l attività di analisi. Se la struttura logica di un Data Warehouse si dispone su questi quattro livelli, la struttura fisica, o meglio hardware, è un Client Server. Infatti, l analista opera con le sue applicazioni da PC mentre i vari database risiedono su server. Quindi, l ambiente è quello di una rete con elaborazione distribuita 8. 7 Un Datamart rappresenta uno speciale subset di dati estratti da una unità centrale e tali dati vengono selezionati per servire una particolare funzione o applicazione. White Paper di NCR corporation : Data Warehousing :Clearing the Confusion 8 L architettura C/S può essere a due o atre livelli. I sistemi a due livelli sono piuttosto semplici. Il client spesso definito Fat client perché svolge la maggior parte della elaborazione, comunica al server le richieste di accesso al database mediante SQL o attraverso una interfaccia come ODBC. Nei sistemi a tre livelli, l elaborazione viene in buona parte affidata ad un application server distinto. In questo modo l interfaccia utente, l aspetto elaborativo e la gestione del database vengono separati. A. Dickman Zerouno 2/1996 (trasduzione da InformationWeek) 304

10 Figura 7.2. Livelli del Data Warehouse 7.5. Il costo del Data Warehouse La valutazione dell investimento in strutture Data Warehouse non può essere fatta tramite tecniche classiche come, ad esempio, il ROI. E impossibile pianificare e verificare quali siano i reali costi e benefici che questo tipo di architettura determina 9. Fortunatamente il Data Warehouse è una architettura incrementale, per cui si può costruire un primo Data Warehouse con un 9 Realizzare una soluzione di Data Warehousing ben dimensionata sulle esigenze aziendali comporta tutta una serie di difficoltà da superare ; non soltanto nei criteri e nei metodi di implementazione ma anche nella capacità dell azienda di supportare nel tempo questa scelta a fronte di una chiara valutazione dei costi diretti (software, hardware, reti) e soprattutto quelli indiretti, quali la definizione e il mantenimento della organizzazione preposta al ruolo di gestore del Data Warehouse (con figure professionali dedicate), con tutte le complesse problematiche relative all aggiornamento periodico dei dati estratti dai data base operazionali e inseriti nel Data Warehouse in funzione delle differenti esigenze di supporto decisionale sparse nell azienda S. Uberti Foppa :Quando serve un D/W, Zerouno 4/1995 Inmon in una intervista rilasciata a Giorgio Marras di Zerouno del giugno 1996 affermava che per ogni dollaro speso per soddisfare le esigenze dell executive community se ne spendono almeno 9 per acquisire dati dalle applicazioni legacy e trasferirli all ambiente EIS. Questo in assenza di un ambiente Data Warehouse. Attraverso il D/W questa componente di costo tende a scendere. 305

11 modesto impiego si denaro. Una volta che la prima porzione di D/W è stata costruita l analista può esplorarne le possibilità 10. Comunque una società di ricerche, Metrica, ha realizzato una indagine su 117 aziende Europee (non ci sono aziende italiane) al fine di valutare quale fossero i vantaggi economici e commerciali del D/W legati a sistemi DSS. Il 55% del campione ha già inserito sistemi di Data Warehouse e il 30% ha deciso di realizzarlo nei prossimi due anni. Solo 31 delle 64 aziende che hanno implementato sistemi DSS e D/W hanno potuto o saputo quantificare in termini economici il vantaggio portato dalla scelta effettuata. Le altre non sono state capaci di definire i criteri di valutazione economica o di misura dei risultati. Queste 31 aziende hanno valutato in media un guadagno attribuito all uso di un DSS basato su D/W pari a 5,4 milioni di dollari. Il settore delle telecomunicazioni mostra un guadagno maggiore (10,1 milioni), seguito dalla distribuzione (8,6 milioni), dalla finanza (7,8 milioni) e dagli altri (3,2 milioni). Il guadagno che un DSS può portare Milioni di $ Finanza Distrib Telecom Altri 10 W.H. Inmon : Building The Data Warehouse 306

12 Figura 7.3. Guadagno che un Dss può portare (fonte Zerouno) Più visibili dei benefici economici sono i vantaggi commerciali. Il miglioramento del servizio al cliente rappresenta uno dei risultati maggiori, seguito dall aumento dell efficienza operativa, dal miglioramento della redditività del cliente dalla migliore comprensione del mercato tramite segmentazione. Ovviamente le ricadute sul business variano da comparto a comparto. Le aree di maggiore applicazione del D/W sono oggi quelle delle vendite e marketing e (nelle società finanziarie) della gestione dei rischi e redditività. Una delle principali sfide che si presenta, ad esempio, alle banche per lo sviluppo delle attività a livello regionale è quella di garantire un servizio al giusto prezzo alle persone giuste e nel giusto modo, vale a dire in termini redditizi. L unica via per raggiungere questo scopo è possedere informazioni su ogni cliente e saperle utilizzare al momento opportuno. Utilizzi di Data Warehouse Dati totali 55% 30% Giallo :non previsto Azzurro :previsto entro due anni Granata :Dispone di un DSS 15% 307

13 Finanza Dati per settore Distribuzione 21% 33% 62% 17% 67% 0% Telecomunicazioni Altri 36% 40% 56% 33% 24% 11% Giallo : Dispone di un DSS Granata : Non previsto Azzurro :previsto entro 2 anni Figura 7.4. Data Warehouse attuali o pianificati nelle aziende europee (Fonte : METRICA) 7.6. L ambiente Data Warehouse Il vero cuore dell ambiente architetturale Data Warehouse è il warehouse o repository. Questo rappresenta una singola integrata sorgente di dati destinata a fornire materiale utile per il DSS processing. Un Data Warehouse è una collezione di dati che supporta le decisioni del management ed è orientato al soggetto, integrato, non instabile e a tempo differente 11. Orientato al Soggetto 11 W.H. Inmon Building of the Data Warehouse 308

14 Si può portare come esempio di orientamento al soggetto 12 quello di una compagnia assicuratrice. Le classiche operazioni di sistema sono organizzate intorno alle applicazioni della compagnia. Per una compagnia assicuratrice le applicazioni possono essere auto, vita, danni, ecc.. Invece le grandi aree soggetto della compagnia possono essere cliente, polizze, premi e richieste. Ambiente operazionale Auto Vita Salute Danni Applicazioni Ambiente Data Warehouse Clienti polizze premi richieste Soggetti Figura 7.5. Un esempio di orientamento al soggetto In generale il Data Warehouse è orientato su quelli che sono i grandi soggetti della organizzazione, i quali sono stati definiti nel modello dei dati. I soggetti tipici sono :? cliente? prodotto? transazione o attività? ecc.. Le tabelle presenti nella base dei dati sono strutturate sui soggetti dell azienda come si vede nell esempio in figura. 12 Sicuramente il Data Warehouse contiene solo tipi di informazioni utili al processo decisionale ; ad esempio i dati non sono organizzati per applicazione (come acquisti, spedizioni, ecc..) bensì per soggetto (per nome del cliente, piuttosto che per vendite dei maglioni in una determinata area, oppure per richieste di indennizzi, ecc..). Inoltre, i dati devono essere memorizzati in base a regole definite. Non è un problema da poco se si considera che i data base operazionali da cui provengono i dati, sono strutturati secondo 309

15 Base dei dati del Base dei dati del Attività del cliente cliente cliente Cliente ID Cliente ID Cliente ID dalla data dalla data mese Alla data Alla data Numero di transazioni nome nome medie nel mese indirizzo valutazione del Numero di transazioni telefono credito più elevate per mese sesso Impiego Numero di transazioni... indirizzo più basse per mese telefono sesso Figura 7.6. Esempio di organizzazione del D/W per soggetto cliente (Building the D/W) Un aspetto fondamentale delle tabelle riguardanti il soggetto è che queste sono tutte collegate da una chiave comune (in questo esempio Cliente ID) in modo tale da realizzare una correlazione fra tutti i dati riguardanti un cliente. Un altro aspetto fondamentale è che i dati relativi al soggetto possono risiedere anche su differenti mezzi di memorizzazione. Cliente Dati del cliente Dati del cliente Attività del cliente Attività del cliente dettagli Attività del cliente dettagli Figura 7.7. Il soggetto può essere tenuto in differenti mezzi di memorizzazione convenzioni (codici di identificazione clienti, merci) e modelli (gerarchici, relazionali, flat file). S. Umberti Foppa : Quando serve un D/W, Zerouno 4/

16 I dati che hanno una maggiore probabilità di accesso e un basso volume di immagazzinamento, risiederanno su mezzi che possono garantire un accesso più veloce e che sono relativamente più cari. Invece i dati che hanno una bassa probabilità di accesso e che sono di volume considerevole risiederanno su di un mezzo più economico e meno veloce. Un elemento importante è che esiste nel D/W un livello di sintesi ed un livello di dettaglio per gli stessi dati (granularità). Saranno, quindi, i dati dettagliati, i quali sono più voluminosi e con minore probabilità di accesso ad essere registrati su mezzi più economici, come i nastri magnetici ad esempio, mentre i dati di sintesi meno voluminosi e con maggiore probabilità di acceso saranno registrati invece su dischi fissi. Altro elemento fondamentale che deve essere sempre presente nelle tabelle è il tempo. Integrato I dati che derivano dalle varie fonti aziendali presentano delle caratteristiche differenti. Questi dati devono per questo essere integrati e resi uniformi nel D/W che li andrà ad accogliere. Integrazione Operazionale Data Warehouse Codice Applic. A Applic. B Applic. C Applic. D m,f, 1,0 x,y Maschio, femmina m,f Attributi di misura Applic. A Applic. B Applic. C Applic. D cm, pollici yards mcf cm sorgenti multiple 311

17 Applic. A Applic. B Applic. C Applic. D descrizione descrizione descrizione descrizione? Descrizione conflitti di chiavi Applic. A Key char (12) Applic. B Key dec fixed (9,2) Applic. C pic Applic. D Key char (10) Key char (12) Figura 7.8. Esempi di integrazione Non instabile L ambiente operazionale è soggetto ad una regolare attività di accesso e manipolazione. Si effettua un continuo aggiornamento dei dati nell ambiente operazionale. Invece nel D/W i dati vengono tutti caricati (solitamente in massa) nel Warehouse, e poi una volta caricati si accede ad esso. Ma l aggiornamento dei dati (in senso lato) non viene effettuato nell ambiente D/W. Tempo differente L ultima caratteristica rilevante è quella della differenza di tempo rispetto all ambiente operazionale. La differenza di tempo si può verificare in diversi modi :? L orizzonte temporale del D/W solitamente è molto più lungo di quello operazionale. Ad esempio, l orizzonte temporale di un ambiente operazionale può essere dai 60 ai 90 giorni mentre quello D/W può essere dai 5 ai 10 anni.? I database operazionali contengono solo valori correnti i quali possono essere in ogni momento acceduti e modificati, mentre il D/W rappresenta niente altro che una sofisticata serie di istantanee prese in un dato istante di tempo. 312

18 ? La struttura delle chiavi nell ambiente operazionale può avere come non avere alcuni elementi di tempo (giorno, mese, anno) mentre nell ambiente D/W la struttura della chiave deve sempre contenere un elemento temporale Il Data Warehouse come evoluzione Inmon afferma che il Data Warehouse non è una rivoluzione ma bensì una evoluzione nel tempo. Quindi, il D/W si costruisce gradualmente. Questo permette di poter realizzare delle modifiche in corsa e di poter verificare qual è l utilità nelle varie parti per le quali è stato creato. Questo può spingere l azienda ad estendere la positiva esperienza anche ad altre parti della stessa. In un primo momento il popolamento del Warehouse sarà limitato ad una sola area soggetto. In momenti successivi anche i dati riguardanti le altre aree soggetto identificate dall azienda popoleranno il Warehouse (detto anche repository). Una volta popolato il repository, si collegheranno ad esso alcuni Datamart i quali estrarranno dal repository stesso i dati necessari alle specifiche analisi DSS e saranno sistemati in una forma (modello) più consono al tipo di funzione che si dovrà svolgere. L esperienza positiva a livello dipartimentale potrà a questo punto essere ripetuta per altre parti dell azienda realizzando altri Datamart per finalità differenti. Tutto questo processo si svolgerà in un arco di tempo che può essere molto lungo che di norma si aggira intorno a qualche anno Due elementi concettuali del Data Warehouse I due elementi concettuali di maggior peso in un Data Warehouse sono la granularità dei dati e la partizione dei dati. Con la granularità dei dati ci si riferisce ai diversi livelli di dettaglio che caratterizzano il D/W, mentre con partizione dei dati ci si riferisce invece ad 313

19 una separazione dei dati in diverse unità fisiche e che possono essere maneggiati in maniera indipendente La granularità In una architettura D/W esistono solitamente diversi livelli di dettaglio dei dati. Questo, ovviamente, riflette gli usi che si dovrà fare di quei dati. In questo ambito si possono stabilire solo una serie di indicazioni riguardo le scelte del livello di dettaglio da realizzare nel D/W ma ogni caso fa storia a se. Un esempio di diversi livelli di dettaglio può essere dato dalla figura sottostante. In questo caso viene mostrata una struttura D/W in cui a livello più basso si trovano i dettagli relativi alle vendite di un certo periodo molto indietro nel tempo. A livello più elevato si pone il repository, cioè il nostro Warehouse, in cui si trova quello che, in questo caso, viene detto livello di dettaglio corrente delle vendite. Da questo magazzino dei dati saranno poi estratti e portati al livello più elevato di Datamart dei dati che verranno ulteriormente sintetizzati (vendite di un particolare prodotto per mese o per settimana) ed utilizzati per le varie ricerche DSS o DataMining. M E T A D A T A Dati sintetici (Datamart) ES : vendite mensili per linea di prodotto Dati sintetici (Datamart) ES : vendite settimanali per linea di prodotto Dettaglio corrente ES : vendite W.H. Inmon : Building of the Data warehouse 314

20 Vecchio dettaglio ES : vendite Figura 7.9. Esempio di struttura del Data Warehouse Questo rappresenta solo uno dei tanti esempi di struttura D/W il quale non deve però essere minimamente considerato come regola. Diversa all interno dei livelli esaminati può essere l articolazione del dettaglio, come può essere diverso anche il tipo di informazioni residenti, ad esempio, nei mezzi di registrazione più economici. Possono essere inserite non solo delle informazioni di dettaglio più vecchie ma anche informazioni di minor importanza che vengono tenute per motivi ad esempio legali, oppure hanno un grado di dettaglio maggiore che nel repository e costituiscono quello che viene chiamato true archival. L importanza della granularità (cioè del livello di sintesi dei dati) si pone in rapporto all uso che si deve effettuare dei dati nelle analisi DSS, MIS o altro. Ad esempio, cercare delle informazioni ad un livello di dettaglio più basso può essere più laborioso che cercare le stesse informazioni ad un livello di dettaglio meno elevato poiché si dovrà ricercarle in un minor numero di record i quali, inoltre, occuperanno anche un minore spazio in memoria. Granularità Basso livello di dettaglio Alto livello di dettaglio ESEMPIO : ESEMPIO : dettaglio delle chiamate sintesi delle chiamate telefoniche per mese dei telefoniche per mese dei clienti clienti bytes per mese 200 records per mese 200 bytes 1 record per mese Figura Esempio di diversi livelli di sintesi 315

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

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

Dettagli

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

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

Dettagli

Data Warehousing e Data Mining

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

Dettagli

Data 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

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 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

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

Architettura dei sistemi di database

Architettura dei sistemi di database 2 Architettura dei sistemi di database 1 Introduzione Come si potrà ben capire, l architettura perfetta non esiste, così come non è sensato credere che esista una sola architettura in grado di risolvere

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

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

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 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

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

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

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

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

Introduzione al Data Warehousing

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

Dettagli

Introduzione ai database I concetti fondamentali Database e DBMS Per comprendere appieno cos'è un Database e quali sono i vantaggi legati al suo impiego, soprattutto nel settore gestionale, è necessario

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 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

Criteri fondamentali per un sistema CRM

Criteri fondamentali per un sistema CRM Criteri fondamentali per un sistema CRM Definizione di C.R.M. - Customer Relationship Management Le aziende di maggiore successo dimostrano abilità nell identificare, capire e soddisfare i bisogni e le

Dettagli

Sistemi di supporto alle decisioni Ing. Valerio Lacagnina

Sistemi di supporto alle decisioni Ing. Valerio Lacagnina Cosa è il DSS L elevato sviluppo dei personal computer, delle reti di calcolatori, dei sistemi database di grandi dimensioni, e la forte espansione di modelli basati sui calcolatori rappresentano gli sviluppi

Dettagli

REALIZZARE UN MODELLO DI IMPRESA

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

Dettagli

SISTEMI INFORMATIVI AZIENDALI

SISTEMI INFORMATIVI AZIENDALI SISTEMI INFORMATIVI AZIENDALI 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

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

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

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

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

Dettagli

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

Architetture per l analisi di dati

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

Dettagli

Introduzione al data base

Introduzione al data base Introduzione al data base L Informatica è quella disciplina che si occupa del trattamento automatico dei dati con l ausilio del computer. Trattare i dati significa: raccoglierli, elaborarli e conservarli

Dettagli

Archivi e database. Lezione n. 7

Archivi e database. Lezione n. 7 Archivi e database Lezione n. 7 Dagli archivi ai database (1) I dati non sempre sono stati considerati dall informatica oggetto separato di studio e di analisi Nei primi tempi i dati erano parte integrante

Dettagli

SOLUZIONE ICT: SOFTWARE GESTIONALE INTRODUZIONE SINTESI DEL CASO AZIENDALE

SOLUZIONE ICT: SOFTWARE GESTIONALE INTRODUZIONE SINTESI DEL CASO AZIENDALE SOLUZIONE ICT: SOFTWARE GESTIONALE INTRODUZIONE Non vi è dubbio che nello scenario economico attuale per incrementare il proprio vantaggio competitivo sia importante focalizzare l attenzione sugli aspetti

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

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

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

DEFINIZIONI FONDAMENTALI

DEFINIZIONI FONDAMENTALI Consorzio per la formazione e la ricerca in Ingegneria dell'informazione DEFINIZIONI FONDAMENTALI Per vincere ci vuole una buona partenza... Docente: Cesare Colombo CEFRIEL colombo@cefriel.it http://www.cefriel.it

Dettagli

Ciclo di vita dimensionale

Ciclo di vita dimensionale aprile 2012 1 Il ciclo di vita dimensionale Business Dimensional Lifecycle, chiamato anche Kimball Lifecycle descrive il framework complessivo che lega le diverse attività dello sviluppo di un sistema

Dettagli

Data warehousing con SQL Server

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

Dettagli

Customer Relationship Management. Eleonora Ploncher 3 aprile 2006

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

Dettagli

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

GUIDA ALLA REDAZIONE DEL BUSINESS PLAN

GUIDA ALLA REDAZIONE DEL BUSINESS PLAN GUIDA ALLA REDAZIONE DEL BUSINESS PLAN Il Business Plan è il principale strumento per valutare la convenienza economica e la fattibilità di un nuovo progetto di impresa. Documento indispensabile per accedere

Dettagli

LA GESTIONE INFORMATIZZATA DELL ORGANIZZAZIONE

LA GESTIONE INFORMATIZZATA DELL ORGANIZZAZIONE LA GESTIONE INFORMATIZZATA DELL ORGANIZZAZIONE Ioanis Tsiouras 1 (Rivista Gli speciali di Qualità - Qualità Informatica suppl. n.1 al n.3 di QUALITÀ, Maggio/Giugno 1998) 1. L organizzazione: dalle funzioni

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

Guida alle offerte di finanziamento per le medie imprese

Guida alle offerte di finanziamento per le medie imprese IBM Global Financing Guida alle offerte di finanziamento per le medie imprese Realizzata da IBM Global Financing ibm.com/financing/it Guida alle offerte di finanziamento per le medie imprese La gestione

Dettagli

LEZIONE 3 CUSTOMER RELATIONSHIP ICT GOVERNANCE. ECONOMIA dell ICT ECONOMIA DELL ICT 1. Facoltà di Ingegneria Università di Roma Tor Vergata

LEZIONE 3 CUSTOMER RELATIONSHIP ICT GOVERNANCE. ECONOMIA dell ICT ECONOMIA DELL ICT 1. Facoltà di Ingegneria Università di Roma Tor Vergata LEZIONE 3 CUSTOMER RELATIONSHIP MANAGEMENT (CRM) ICT GOVERNANCE ECONOMIA dell ICT ECONOMIA DELL ICT 1 Sviluppo storico del CRM 50 60 Avvento dei brand items e delle agenzie di pubblicità 70 Avvento del

Dettagli

SOLUZIONE ICT: SOFTWARE GESTIONALE INTRODUZIONE SINTESI DEL CASO AZIENDALE

SOLUZIONE ICT: SOFTWARE GESTIONALE INTRODUZIONE SINTESI DEL CASO AZIENDALE SOLUZIONE ICT: SOFTWARE GESTIONALE INTRODUZIONE Non vi è dubbio che nello scenario economico attuale per incrementare il proprio vantaggio competitivo sia importante focalizzare l attenzione sugli aspetti

Dettagli

Modulo Campaign Activator

Modulo Campaign Activator Modulo Campaign Activator 1 Che cosa è Market Activator Market Activator è una suite composta da quattro diversi moduli che coprono esigenze diverse, ma tipicamente complementari per i settori marketing/commerciale

Dettagli

Basi di Dati. Introduzione ai sistemi di basi di dati. K.Donno - Introduzione ai sistemi di basi di dati

Basi di Dati. Introduzione ai sistemi di basi di dati. K.Donno - Introduzione ai sistemi di basi di dati Basi di Dati Introduzione ai sistemi di basi di dati Introduzione ai sistemi di basi di dati Gestione dei Dati Una prospettiva storica File system verso DBSM Vantaggi di un DBMS Modelli dei dati Utenti

Dettagli

SOLUZIONE ICT: SOFTWARE GESTIONALE INTRODUZIONE SINTESI DEL CASO AZIENDALE

SOLUZIONE ICT: SOFTWARE GESTIONALE INTRODUZIONE SINTESI DEL CASO AZIENDALE SOLUZIONE ICT: SOFTWARE GESTIONALE INTRODUZIONE Non vi è dubbio che nello scenario economico attuale per incrementare il proprio vantaggio competitivo sia importante focalizzare l attenzione sugli aspetti

Dettagli

Introduzione ai sistemi di basi di dati

Introduzione ai sistemi di basi di dati Basi di Dati Introduzione ai sistemi di basi di dati Alessandro.bardine@gmail.com alessandro.bardine@iet.unipi.it Introduzione ai sistemi di basi di dati Gestione dei Dati Una prospettiva storica File

Dettagli

KNOWLEDGE MANAGEMENT. Knowledge Management. Knowledge: : cos è. Dispense del corso di Gestione della Conoscenza d Impresa

KNOWLEDGE MANAGEMENT. Knowledge Management. Knowledge: : cos è. Dispense del corso di Gestione della Conoscenza d Impresa KNOWLEDGE MANAGEMENT Pasquale Lops Giovanni Semeraro Dispense del corso di Gestione della Conoscenza d Impresa 1/23 Knowledge Management La complessità crescente della società, l esubero di informazioni

Dettagli

Corso di Informatica

Corso di Informatica Corso di Informatica Modulo T2 A2 Introduzione ai database 1 Prerequisiti Concetto di sistema File system Archivi File e record 2 1 Introduzione Nella gestione di una attività, ad esempio un azienda, la

Dettagli

Informatica Introduzione alle basi di dati

Informatica Introduzione alle basi di dati Informatica Introduzione alle basi di dati Prof. Giovanni Giuffrida e-mail: giovanni.giuffrida@dmi.unict.it 27 November 2014 Basi di Dati - Introd. - Prof. G. Giuffrida 1 Materiale didattico Atzeni,Ceri,Paraboschi,Torlone,

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

Direzione Commerciale Via Boschetti, 1 20121 Milano Tel. +39 02 2901 7449

Direzione Commerciale Via Boschetti, 1 20121 Milano Tel. +39 02 2901 7449 INDICE 1. PROBLEMATICA... 3 2. RAMSES (Ricerche Armonizzate Statistiche)... 5 3. Posizionamento di RAMSES... 8 4. Come si presenta RAMSES... 10 5. FASE di ETL... 11 6. SICUREZZA (utente)... 11 7. ARCHITETTURA...

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

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

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

09 L Informatica nel mondo del lavoro. Dott.ssa Ramona Congiu

09 L Informatica nel mondo del lavoro. Dott.ssa Ramona Congiu 09 L Informatica nel mondo del lavoro Dott.ssa Ramona Congiu 1 L informatica in azienda Al giorno d oggi la quantità di informazioni in circolazione è talmente vasta che senza il supporto delle tecnologie

Dettagli

Database. Francesco Tapparo Informatica e Bioinformatica 2013-14 1/16

Database. Francesco Tapparo Informatica e Bioinformatica 2013-14 1/16 Database Francesco Tapparo Informatica e Bioinformatica 2013-14 1/16 Trend attuali CPU sempre più potenti Memorie di massa di dimensioni sempre maggiori Eniac: 180m 2 Memoria: 20 numeri di 10 cifre, meno

Dettagli

Ingegneria del Software - applicazioni: Introduzione ai Sistemi Informativi. Introduzione ai sistemi informativi. Cosa è un Sistema Informativo

Ingegneria del Software - applicazioni: Introduzione ai Sistemi Informativi. Introduzione ai sistemi informativi. Cosa è un Sistema Informativo Ingegneria del Software - applicazioni: Introduzione ai Sistemi Informativi Obiettivi La struttura di un sistema informativo di una organizzazione, negli aspetti che permettono di comprenderne la relazione

Dettagli

ERP Commercio e Servizi

ERP Commercio e Servizi ERP Commercio e Servizi Sistema informativo: una scelta strategica In questi ultimi anni hanno avuto grande affermazione nel mercato mondiale i cosiddetti sistemi software ERP. Tali sistemi sono in grado

Dettagli

L ottimizzazione dei processi con Microsoft Office System: come generare e misurare il valore per le aziende

L ottimizzazione dei processi con Microsoft Office System: come generare e misurare il valore per le aziende MICROSOFT BUSINESS DESKTOP MICROSOFT ENTERPRISE CLUB Disponibile anche sul sito: www.microsoft.com/italy/eclub/ L ottimizzazione dei processi con Microsoft Office System: come generare e misurare il valore

Dettagli

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

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

Dettagli

Data warehousing con SQL Server

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

Dettagli

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

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

Quando si opera in un mercato

Quando si opera in un mercato Controllo ALLA RICERCA DELL EFFICIENZA: UN SISTEMA INTEGRATO DI PIANIFICAZIONE E CONTROLLO Quando si opera in un mercato competitivo, attraverso un organizzazione complessa, è fondamentale disporre di

Dettagli

Le Basi di Dati. Le Basi di Dati

Le Basi di Dati. Le Basi di Dati Le Basi di Dati 20/05/02 Prof. Carlo Blundo 1 Le Basi di Dati Le Base di Dati (database) sono un insieme di tabelle di dati strutturate in maniera da favorire la ricerca di informazioni specializzate per

Dettagli

Introduzione. La misurazione dei sistemi di Data Warehouse. Definizioni & Modelli. Sommario. Data Warehousing. Introduzione. Luca Santillo (CFPS)

Introduzione. La misurazione dei sistemi di Data Warehouse. Definizioni & Modelli. Sommario. Data Warehousing. Introduzione. Luca Santillo (CFPS) Introduzione La misurazione dei sistemi di Data Warehouse Luca Santillo (CFPS) AIPA, 17/5/01 In pratica I concetti generali, le definizioni e le regole di conteggio possono essere difficili da applicare

Dettagli

Sistemi Informativi e Basi di Dati

Sistemi Informativi e Basi di Dati Sistemi Informativi e Basi di Dati Laurea Specialistica in Tecnologie di Analisi degli Impatti Ecotossicologici Docente: Francesco Geri Dipartimento di Scienze Ambientali G. Sarfatti Via P.A. Mattioli

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 Documentale

Informatica Documentale Informatica Documentale Ivan Scagnetto (scagnett@dimi.uniud.it) Stanza 3, Nodo Sud Dipartimento di Matematica e Informatica Via delle Scienze, n. 206 33100 Udine Tel. 0432 558451 Ricevimento: giovedì,

Dettagli

LABORATORIO di INFORMATICA

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

Dettagli

Introduzione alle basi di dati (prima parte)

Introduzione alle basi di dati (prima parte) Introduzione alle basi di dati (prima parte) Università degli Studi di Salerno Corso di Laurea in Scienze della Comunicazione Informatica generale (matr. Dispari) Docente: Angela Peduto A.A. 2007/2008

Dettagli

Sistemi Informativi Aziendali II

Sistemi Informativi Aziendali II Modulo 2 Sistemi Informativi Aziendali II 1 Corso Sistemi Informativi Aziendali II - Modulo 2 Modulo 2 La gestione delle informazioni strutturate nell impresa: La progettazione di un Data Base; Le informazioni

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

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

Basi di Dati. Programmazione e gestione di sistemi telematici

Basi di Dati. Programmazione e gestione di sistemi telematici Basi di Dati. Programmazione e gestione di sistemi telematici Coordinatore: Prof. Paolo Nesi Docenti: Prof. Paolo Nesi Dr.sa Michela Paolucci Dr. Emanuele Bellini Cosa e l informatica? Scienza del trattamento

Dettagli

Docente di Impianti di Elaborazione presso il Politecnico di Milano e ricercatore di Politecnico Innovazione

Docente di Impianti di Elaborazione presso il Politecnico di Milano e ricercatore di Politecnico Innovazione I sistemi gestionali e le Piccole Medie Imprese A cura di Fabrizio Amarilli Docente di Impianti di Elaborazione presso il Politecnico di Milano e ricercatore di Politecnico Innovazione Articoli Sono noti

Dettagli

Informatica 2 Basi di dati

Informatica 2 Basi di dati Informatica 2 Basi di dati Prof. Giovanni Giuffrida e-mail: giovanni.giuffrida@dmi.unict.it DB - Introduzione 1 Recapiti Prof. Giuffrida Giovanni Email: giovanni.giuffrida@dmi.unict.it Info sul corso:

Dettagli

Area Marketing. Approfondimento

Area Marketing. Approfondimento Area Marketing Approfondimento ANALISI DEL MERCATO COMPETITIVO ANALISI DEL MERCATO COMPETITIVO CONOSCENZE L AREA STRATEGICA D AFFARI (ASA) IN RAPPORTO ALLE STRATEGIE AZIENDALI Nella definizione del comportamento

Dettagli

B-B DATAMAN. Conoscere per decidere.

B-B DATAMAN. Conoscere per decidere. B-B DATAMAN Conoscere per decidere. Trasformare i dati aziendali in informazioni utili ed avere un pannello di controllo duttile e sempre disponibile è fondamentale per guidare l azienda su una strada

Dettagli

Cosa è un Sistema Informativo. Introduzione ai sistemi informativi. Tipici esempi di sistemi informativi. Cosa è un Sistema Informatico

Cosa è un Sistema Informativo. Introduzione ai sistemi informativi. Tipici esempi di sistemi informativi. Cosa è un Sistema Informatico Introduzione ai sistemi informativi Cosa è un Sistema Informativo Insieme degli strumenti, risorse e procedure che consentono la gestione delle informazioni aziendali è essenziale per il funzionamento

Dettagli

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

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

Dettagli

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

MODELLI DEI DATI PER DW DAI DATI ALLE DECISIONI. Per definire la struttura di un DW si usano i seguenti formalismi, detti modelli dei dati:

MODELLI DEI DATI PER DW DAI DATI ALLE DECISIONI. Per definire la struttura di un DW si usano i seguenti formalismi, detti modelli dei dati: DAI DATI ALLE DECISIONI MODELLI DEI DATI PER DW Le aziende per competere devono usare metodi di analisi, con tecniche di Business Intelligence, dei dati interni, accumulati nel tempo, e di dati esterni,

Dettagli

Laboratorio di Progettazione e Sviluppo di Sistemi Informatici

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

Dettagli

Introduzione a data warehousing e OLAP

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

Dettagli

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

Project Portfolio Management e Program Management in ambito ICT: la verifica di fattibilità del Piano.

Project Portfolio Management e Program Management in ambito ICT: la verifica di fattibilità del Piano. Project Portfolio Management e Program Management in ambito ICT: la verifica di fattibilità del Piano. di: Enrico MASTROFINI Ottobre 2004 Nella formulazione iniziale del Piano Ict sono di solito inseriti

Dettagli

DATA MINING E DATA WAREHOUSE

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

Dettagli

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

The new outsourcing wave: multisourcing

The new outsourcing wave: multisourcing EVOLUZIONE DEI MODELLI DI OUTSOURCING La pratica dell outsourcing, cioè del trasferire all esterno dell azienda singole attività, processi o infrastrutture è in voga da tempo, e negli anni ha dimostrato

Dettagli

CREA VALORE DALLE RELAZIONI CON I TUOI CLIENTI

CREA VALORE DALLE RELAZIONI CON I TUOI CLIENTI Ideale anche per la tua azienda CREA VALORE DALLE RELAZIONI CON I TUOI CLIENTI La soluzione CRM semplice e flessibile MarketForce CRM è una soluzione di Customer Relationship Management (CRM) affidabile,

Dettagli

Mantenere i sistemi IT sempre attivi: una guida alla continuità aziendale per piccole e medie imprese

Mantenere i sistemi IT sempre attivi: una guida alla continuità aziendale per piccole e medie imprese Mantenere i sistemi IT sempre attivi: una guida alla continuità aziendale per piccole e medie imprese Mantenere le applicazioni sempre disponibili: dalla gestione quotidiana al ripristino in caso di guasto

Dettagli

7 GESTIONE DELL INFORMAZIONE

7 GESTIONE DELL INFORMAZIONE Donatella Sciuto 7 GESTIONE DELL INFORMAZIONE L introduzione delle tecnologie software in azienda risale agli anni 60, quando iniziò l utilizzo del calcolatore per archiviare dati contabili e generare

Dettagli

Basic Standard Suite WEB. Contatto. fidelizzare

Basic Standard Suite WEB. Contatto. fidelizzare Basic Standard Suite WEB organizzare collaborazione Memorizzare Comunicare CONDIVISIONE QuALSIASI Contatto fidelizzare Dovunque Gestione ricerca Attività File è la soluzione software di nuova concezione

Dettagli

1. Orientamento al prodotto 2. Orientamento alle vendite 3. Orientamento al mercato 4. Orientamento al marketing

1. Orientamento al prodotto 2. Orientamento alle vendite 3. Orientamento al mercato 4. Orientamento al marketing L ATTIVITA COMMERCIALE DELL AZIENDA: MARKETING Attività e processi mediante i quali l azienda è presente sul mercato reale su cui colloca i propri prodotti. Solitamente il marketing segue un preciso percorso,

Dettagli