Data warehouse Casi di studio

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Data warehouse Casi di studio"

Transcript

1 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MGata warehouse: casi di studio atabase and data mining group, ata warehouse Casi di studio ATA WAREHOUSE: CASI I STUIO - 1 atabase and data mining group, Gestione vendite in una catena di supermercati ATA WAREHOUSE: CASI I STUIO - 2 Pag. 1

2 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MGata warehouse: casi di studio Tipologia di applicazione atabase and data mining group, Rivendita al dettaglio di prodotti freschi e confezionati monitoraggio delle vendite marketing Aspetti importanti i beni sono prodotti e promossi da altre entità (altre aziende o altre divisioni interne alla catena di supermercati) il marketing ha il compito di attrarre nei supermercati I clienti a cui vendere i prodotti ATA WAREHOUSE: CASI I STUIO - 3 Obiettivi del progetto Tenere sotto controllo i volumi di vendita atabase and data mining group, possibilità di effettuare varie tipologie di analisi (per prodotto, categoria, area geografica, periodo di tempo,...) Individuare promozioni in grado di attrarre clienti nei supermercati selezione del prodotto da promuovere valutazione dell efficacia della promozione ATA WAREHOUSE: CASI I STUIO - 4 Pag. 2

3 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MGata warehouse: casi di studio Sorgenti informative I dati per il data mart saranno forniti da atabase and data mining group, dati rilevati ai POS (point-of-sale) dei supermercati lettura del codice a barre di ogni prodotto venduto nessuna informazione è disponibile sull identità dei clienti informazioni sulle promozioni in una base dati gestita dal servizio marketing ATA WAREHOUSE: CASI I STUIO - 5 Monitoraggio vendite atabase and data mining group, Il data mart per il monitoraggio delle vendite conterrà la descrizione dei movimenti giornalieri in ciascun supermercato la granularità è SKU per supermercato per giorno Non è stata scelta la granularità della singola transazione di acquisto perchè la base dati avrebbe avuto una dimensione eccessiva la granularita prescelta soddisfa anche le esigenze del marketing imensioni giorno supermercato prodotto ATA WAREHOUSE: CASI I STUIO - 6 Pag. 3

4 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MGata warehouse: casi di studio atabase and data mining group, Fact schema per le vendite anno giorno festività mese dimensione confezione data settimana evento tipo confezione peso prodotto tipo VENITA quantità venduta incasso_lordo coupon_produttore coupon_negozio incasso_netto costo num. scontrini categoria marca dieta reparto responsabile negozio distretto vendita città provincia regione indirizzo telefono CAP area vendita stato ATA WAREHOUSE: CASI I STUIO - 7 imensione Giorno atabase and data mining group, Giorno escrive la dimensione temporale (quasi) sempre presente offre informazioni che vanno oltre la semplice data gerarchia temporale prima dimensione nell ordinamento fisico (dati inseriti in ordine di tempo) d_key data numero_giorno giorno_della_settimana numero_giorno_in_settimana numero_giorno_in_anno settimana_in_anno settimana_in_periodo_fiscale mese_testo mese_numero periodo_fiscale anno _feriale/festivo _festività _ultimo_giorno_del_mese evento... ATA WAREHOUSE: CASI I STUIO - 8 Pag. 4

5 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MGata warehouse: casi di studio imensione Prodotto atabase and data mining group, Prodotto escrive ogni SKU in vendita molti attributi descrittivi gerarchia merceologica p_key SKU nome marca tipo categoria reparto tipo_confezione dimensione_confezione _dietetico peso ampiezza_scaffale profondità_scaffale altezza_scaffale ATA WAREHOUSE: CASI I STUIO - 9 atabase and data mining group, imensione Supermercato Supermercato escrive ogni negozio della catena dimensione geografica gerarchia geografica classica gerarchia sull organizzazione della rete di vendita s_key codice nome indirizzo telefono CAP città provincia stato responsabile distretto_vendita regione_vendita data_apertura tipo_pianta sup_totale sup_rep_macelleria ATA WAREHOUSE: CASI I STUIO - 10 Pag. 5

6 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MGata warehouse: casi di studio Tabella dei fatti Vendita atabase and data mining group, Vendita escrive gli eventi di interesse opportuno memorizzare anche misure derivate che semplifichino i calcoli incasso_netto=incasso_lordo- (coupon_produttore+coupon_negozio) guadagno=incasso_netto-costo distinzione sulle tipologie di coupon emessi dal fabbricante emessi dal supermercato numero_scontrini non è additivo sulla dimensione prodotto d_key p_key s_key quantità venduta incasso_lordo coupon_produttore coupon_negozio incasso_netto costo guadagno numero_scontrini ATA WAREHOUSE: CASI I STUIO - 11 Raccolta dei dati atabase and data mining group, Come trasferire le informazioni sulle vendite nel data mart? come singole transazioni alle casse aggregazione sul giorno calcolata durante il processo di alimentazione informazione disponibile per le preelaborazioni al livello di dettaglio a cui è creata come aggregati precalcolati dal POS si riduce la quantità di informazione da trasferire non è possibile mantenere correttamente viste materializzate sulle misure non additive ATA WAREHOUSE: CASI I STUIO - 12 Pag. 6

7 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MGata warehouse: casi di studio Osservazioni Le sorgenti supportano le informazioni richieste nel data mart? atabase and data mining group, il sistema POS supporta l associazione del coupon con il prodotto a cui fa riferimento? se no, occorre rivedere il progetto ci sono coupons associati all intera transazione di cassa? occorre aggiungere un nuovo attributo altri_sconti per allocare lo sconto globale su tutti i prodotti che fanno parte della transazione di cassa ATA WAREHOUSE: CASI I STUIO - 13 Osservazioni atabase and data mining group, Tecniche adottate per aumentare la conoscenza dei propri clienti carte fedeltà che offrono sconti e accesso a casse preferenziali sono richiesti dati anagrafici rivelano l identità dell acquirente richiesta del codice postale alla cassa rivelano informazione geografica, ma non l identità del cliente coupons per cui è necessario fornire indirizzo o numero di telefono permettono di associare il cliente alla vendita permettono di correlare la promozione con l acquisto ATA WAREHOUSE: CASI I STUIO - 14 Pag. 7

8 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MGata warehouse: casi di studio atabase and data mining group, Gestione delle promozioni Supporto per decidere quali prodotti promuovere valutare l effetto di una promozione lift: aumento delle vendite del prodotto promosso durante il periodo di promozione time shifting: il prodotto promosso mostra una caduta delle vendite dopo il termine del periodo di promozione cannibalizzazione: le vendite del prodotto in promozione sono aumentate, ma è avvenuta una riduzione delle vendite di prodotti similari crescita del mercato: tutti i prodotti nella categoria del prodotto promosso subiscono un aumento delle vendite confrontare diverse tipologie di promozione Si tralascia la gestione del costo della promozione ATA WAREHOUSE: CASI I STUIO - 15 atabase and data mining group, Gestione delle promozioni Inserimento di una nuova dimensione Promozione le promozioni durano una settimana la loro granularità è compatibile con quella del fact schema la relazione tra prodotto e promozione è stabilita mediante l evento vendita L impatto dell estensione è molto limitato non occorre modificare il fact schema relativo alle vendite è possibile svolgere verifiche puntuali sui prodotti per verificare l efficacia di una promozione ATA WAREHOUSE: CASI I STUIO - 16 Pag. 8

9 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MGata warehouse: casi di studio anno Fact schema modificato per le promozioni giorno festività mese dimensione confezione data settimana evento tipo confezione peso prodotto tipo VENITA quantità venduta incasso_lordo coupon_produttore coupon_negozio incasso_netto costo num. scontrini categoria marca dieta reparto responsabile negozio atabase and data mining group, distretto vendita città provincia regione stato indirizzo telefono CAP area vendita promozione data inizio data fine TV demo tipo giornale giornale ATA WAREHOUSE: CASI I STUIO - 17 imensione Promozione atabase and data mining group, Promozione pr_key nome _giornali escrive le condizioni di promozione di ogni prodotto venduto ogni tipologia di promozione è rappresentata da un e da un campo che la descrive la condizione di non promozione è rappresentata da una riga con tutti i a 0 le date possono essere semplici attributi oppure far riferimento alla dimensione Giorno ATA WAREHOUSE: CASI I STUIO - 18 tipo_giornale (domenica, infrasettimanale,...) _riduzione_prezzo tipo_riduzione (coupon, sconto, carta fedeltà,...) _demo tipo_demo (assaggio, video display,...) _radio _volantini _televisione data_inizio data_fine responsabile Pag. 9

10 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MGata warehouse: casi di studio imensione promozione atabase and data mining group, La dimensione Promozione non è normalizzata contiene una riga per ogni promozione, che rappresenta cumulativamente tutte le tecniche di promozione adottate Alternativa: dimensione Promozione normalizzata con una riga per ogni tipologia di promozione si stabilisce una relazione molti a molti tra il fatto e la dimensione Vantaggi facile aggiungere nuovi tipi di promozione Svantaggi difficile eseguire analisi sull effetto globale di una promozione in SQL occorre realizzare l interrogazione mediante una o più subquery La soluzione non normalizzata è preferibile ATA WAREHOUSE: CASI I STUIO - 19 Analisi invenduto atabase and data mining group, Quali prodotti, pur essendo stati promossi, non sono stati venduti? con lo schema attuale non è possibile rispondere a questa domanda non è stata modellata la relazione tra un prodotto e la sua promozione (è rappresentata dalla vendita) Occorre un nuovo fact schema che modelli la presenza di promozioni non ha misure poiché rappresenta solo l evento è in promozione ATA WAREHOUSE: CASI I STUIO - 20 Pag. 10

11 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MGata warehouse: casi di studio Coverage fact schema dimensione confezione tipo confezione peso prodotto tipo categoria marca dieta reparto responsabile atabase and data mining group, distretto vendita area vendita PROMOZIONE EFF. negozio CAP città provincia regione stato promozione data inizio data fine giornale tipo giornale TV demo indirizzo telefono ATA WAREHOUSE: CASI I STUIO - 21 Analisi dei dati atabase and data mining group, Lo schema progettato supporta molte tipologie di indagini Alcune analisi possibili selezione dei prodotti da promuovere uso del numero_scontrini per valutare i prodotti popolari ranking dei prodotti venduti in più scontrini (e.g., top ten) misura non additiva sulla dimensione prodotto se è necessario aggregare, occorre memorizzare viste materializzate precalcolate in alternativa si possono valutare valori medi spezzatura degli stessi dati a livello di regione/area geografica selezione del momento in cui promuovere l analisi delle vendite totali per settimana permette di riconoscere i periodi in cui le vendite globali rallentano ATA WAREHOUSE: CASI I STUIO - 22 Pag. 11

12 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MGata warehouse: casi di studio Analisi dei dati atabase and data mining group, valutazione dell effetto della promozione confronto delle vendite per il prodotto promosso/non promosso confronto tra regioni dove è avvenuta la promozione e dove non è avvenuta effetto della promozione dello stesso prodotto con media diversi confronto delle vendite tra regioni dove la promozione è avvenuta con media diversi effetto generale sulle vendite di tutti i prodotti dello stesso tipo escludendo dal totale le vendite del prodotto promosso ATA WAREHOUSE: CASI I STUIO - 23 atabase and data mining group, Marketing in un azienda telefonica ATA WAREHOUSE: CASI I STUIO - 24 Pag. 12

13 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MGata warehouse: casi di studio Applicazione atabase and data mining group, Gestione marketing dell utenza residenziale di un azienda telefonica conoscenza discreta dei clienti ricevono la bolletta ogni mese più difficile conoscere a quali servizi sono interessati le informazioni sono disperse in numerose basi di dati gestione linee telefoniche altri servizi (ISN, web,...) pubblicità nelle guide del telefono gestione guasti esigenze simili per utenza residenziale e utenza affari ATA WAREHOUSE: CASI I STUIO - 25 atabase and data mining group, Aspetti fondamentali evidenziati Necessità di analizzare una combinazione di servizi forniti ad un cliente integrazione di dati provenienti da sistemi diversi possibile esigenza di modificare anche i sistemi OLTP per migliorare la raccolta di informazioni Intenzione di usare il data mart per studiare variazione nelle richieste di servizi nel tempo Esigenze molto simili per utenza residenziale e affari considerare per future espansioni la compatibilità della granularità e delle dimensioni ATA WAREHOUSE: CASI I STUIO - 26 Pag. 13

14 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MGata warehouse: casi di studio Obiettivi del progetto atabase and data mining group, Fornire un quadro composito di tutti i servizi forniti ad ogni cliente Facilitare l analisi cross-sell Tenere sotto controllo variazioni nelle richieste di servizi Seguire gli spostamenti (traslochi) di singoli clienti ATA WAREHOUSE: CASI I STUIO - 27 Fatti custom e core atabase and data mining group, La dimensione cliente può rappresentare privati utenza affari Per tener conto di entrambe le tipologie di clienti la dimensione cliente ha attributi diversi nei due casi i fatti sono descritti da misure diverse nei due casi È opportuno avere un fatto core caratterizzato dalle misure comuni a entrambe le tipologie due fatti custom, uno per tipologia, con le misure comuni quelle specifiche per la tipologia considerata due dimensioni custom, oltre alla dimensione core Si progetta per primo uno schema custom (privati) valutando la granularità appropriata per entrambi ATA WAREHOUSE: CASI I STUIO - 28 Pag. 14

15 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MGata warehouse: casi di studio Sorgenti informative I dati per il data mart saranno forniti da atabase and data mining group, due sistemi diversi di fatturazione delle bollette fatturazione ISP fatturazione consumo cellulari proveniente dall azienda controllante fatturazione servizi ISN ATA WAREHOUSE: CASI I STUIO - 29 Selezione granularità atabase and data mining group, Le sorgenti informative operano su ciclo mensile la granularità della dimensione tempo sarà mese Il data mart fornirà un istantanea mensile dei servizi per cliente imensioni mese cliente servizio status ATA WAREHOUSE: CASI I STUIO - 30 Pag. 15

16 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MGata warehouse: casi di studio atabase and data mining group, Fact schema per il marketing descrizione codice anno periodo e anno numero nome mese periodo fiscale mese e anno mese servizio ATTIVITà CLIENTE incasso numero_linee num_chiamate_urbane min_chiamate_urbane num_chiamate_interurb min_chiamate_interurb min_collegamento codice cliente numero telefono città provincia regione nome indirizzo CAP stato ATA WAREHOUSE: CASI I STUIO - 31 imensione Mese atabase and data mining group, Mese escrive la dimensione temporale stessa granularità delle bollette gerarchia temporale m_key nome_mese numero_mese periodo_fiscale anno mese_e_anno periodo_e_anno... ATA WAREHOUSE: CASI I STUIO - 32 Pag. 16

17 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MGata warehouse: casi di studio atabase and data mining group, imensione Cliente residenziale Cliente residenziale escrive i clienti dell azienda specificamente dedicata alle informazioni importanti per i clienti residenziali gerarchia geografica cardinalità tipicamente elevata c_key codice_cliente nome indirizzo città provincia CAP numero_telefono codice_fiscale ATA WAREHOUSE: CASI I STUIO - 33 imensione Servizio atabase and data mining group, Servizio escrive i servizi offerti dall azienda ogni elemento descrive un servizio (segreteria telefonica, chiamata in attesa, ISN,...) s_key codice_servizio descr_servizio ATA WAREHOUSE: CASI I STUIO - 34 Pag. 17

18 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MGata warehouse: casi di studio atabase and data mining group, Tabella dei fatti Attività cliente Attività cliente escrive gli eventi di interesse una riga per ogni servizio fatturato a ogni utente per lo stesso mese, un utente può avere più righe nella tabella dei fatti le misure devono essere note al livello di dettaglio della granularità scelta m_key c_key se_key incasso numero_linee numero_chiamate_urbane minuti_chiamate_urbane numero_chiamate_interurbane minuti_chiamate_interurbane minuti_collegamento ATA WAREHOUSE: CASI I STUIO - 35 atabase and data mining group, Analisi critica del progetto La dimensione servizio è normalizzata contiene una riga per ogni servizio erogato la tabella dei fatti contiene una riga per ogni servizio fatturato ad ogni cliente difficile eseguire analisi cross-sell Per alcuni servizi, non sono definite alcune misure previste nella tabella dei fatti Esempio: numero_di_linee per servizio Internet Alcuni servizi sono venduti insieme difficile scorporare i dati di costo e separarli per i diversi servizi ATA WAREHOUSE: CASI I STUIO - 36 Pag. 18

19 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MGata warehouse: casi di studio atabase and data mining group, Esempio di analisi cross-sell Quali utenti hanno ISN, ma non servizio Internet? in SQL occorre realizzare l interrogazione mediante una subquery utenti che non hanno servizio Internet con NOT IN correlazione sullo stesso periodo di tempo complesso scrivere l interrogazione inefficiente eseguire l interrogazione ATA WAREHOUSE: CASI I STUIO - 37 Fact schema alternativo atabase and data mining group, anno periodo e anno numero nome mese periodo fiscale mese e anno ISN chiamata in attesa segreteria mese servizio Internet ATTIVITà CLIENTE cellulare incasso numero_linee num_chiamate_urbane min_chiamate_urbane num_chiamate_interurb min_chiamate_interurb min_collegamento codice cliente numero telefono città provincia regione nome indirizzo CAP stato ATA WAREHOUSE: CASI I STUIO - 38 Pag. 19

20 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MGata warehouse: casi di studio atabase and data mining group, Analisi critica dell alternativa Riduzione della granularità della tabella dei fatti ogni utente ha una riga al mese i servizi diversi di ogni cliente sono rappresentati mediante una serie di La dimensione servizio non è più normalizzata le interrogazioni per analisi cros-sell non richiedono più l uso di subquery non è più necessario separare pacchetti di servizi le misure della tabella dei fatti sono associate all insieme completo di servizi ATA WAREHOUSE: CASI I STUIO - 39 atabase and data mining group, imensione Servizio (alternativa) Servizio escrive i servizi offerti dall azienda ogni elemento descrive un pacchetto di servizi ogni attributo è booleano (S/N) e indica se il servizio è offerto potenzialmente tutte le combinazioni sono possibili la cardinalità è elevata se_key _chiamata_in_attesa _identificazione_chiamante _segreteria _cellulare _internet _ISN ATA WAREHOUSE: CASI I STUIO - 40 Pag. 20

21 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MGata warehouse: casi di studio Osservazioni atabase and data mining group, È necessario poter seguire il cliente che trasloca numero di telefono o indirizzo nella dimensione cliente non sono adatti per riconoscere lo stesso cliente si usa il codice cliente assegnato dall azienda oppure il codice fiscale è necessario riconoscere il momento temporale in cui avviene la transizione (il trasloco) nuova dimensione status (del cliente) che consenta di indicare varie tipologie di stato esempi: nuovo cliente, nuova residenza ATA WAREHOUSE: CASI I STUIO - 41 atabase and data mining group, Fact schema con stato cliente anno periodo e anno numero nome mese periodo fiscale mese e anno ISN chiamata in attesa segreteria mese servizio Internet ATTIVITà CLIENTE cellulare incasso numero_linee num_chiamate_urbane min_chiamate_urbane num_chiamate_interurb min_chiamate_interurb min_collegamento codice cliente numero telefono città provincia regione nome indirizzo CAP stato status nuovo cliente nuova residenza ATA WAREHOUSE: CASI I STUIO - 42 Pag. 21

22 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MGata warehouse: casi di studio imensione Status atabase and data mining group, Status escrive lo stato attuale dei clienti gli attributi sono booleani (S/N) non è storicizzata st_key nuovo_cliente nuova_residenza ATA WAREHOUSE: CASI I STUIO - 43 Variazioni nelle richieste di servizio ATA WAREHOUSE: CASI I STUIO - 44 atabase and data mining group, La dimensione Status rappresenta la situazione attuale di ogni cliente può essere utilizzata per tener traccia delle variazioni di richieste di servizi Per ogni tipo di servizio, si aggiunge una nuova colonna per rappresentare richiesta attivazione disattivazione La dimensione Status non è normalizzata possibile identificare facilmente le nuove richieste di servizi e gli abbandoni Pag. 22

23 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MGata warehouse: casi di studio anno periodo e anno Fact schema finale numero nome mese periodo fiscale mese e anno ISN chiamata in attesa segreteria mese servizio Internet ATTIVITà CLIENTE cellulare incasso numero_linee num_chiamate_urbane min_chiamate_urbane num_chiamate_interurb min_chiamate_interurb min_collegamento codice cliente atabase and data mining group, numero telefono città provincia regione stato nome indirizzo CAP status nuovo cliente nuova residenza status Internet status ISN status chiamata in attesa status cellulare ATA WAREHOUSE: CASI I STUIO - 45 imensione Status atabase and data mining group, Status escrive lo stato attuale dei clienti gli attributi status possono assumere i valori attivato immutato disattivato st_key nuovo_cliente nuova_residenza status_chiamata_in_attesa status_identificazione_chiamante status_voice_mail status_cellulare status_internet status_isn ATA WAREHOUSE: CASI I STUIO - 46 Pag. 23

24 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MGata warehouse: casi di studio atabase and data mining group, Tabella dei fatti Attività cliente Attività cliente m_key c_key se_key st_key incasso numero_linee numero_chiamate_urbane minuti_chiamate_urbane numero_chiamate_interurbane minuti_chiamate_interurbane minuti_collegamento ATA WAREHOUSE: CASI I STUIO - 47 Analisi dei dati atabase and data mining group, Lo schema progettato supporta molte tipologie di indagini Alcune analisi possibili analisi per cross-selling analisi della tendenza di crescita/decrescita del numero di clienti con numero alto di servizi semplificata dalla denormalizzazione della dimensione Servizio il numero di clienti è un count per servizi correlati (per esempio, ISN e accesso Internet), analisi del numero di clienti che ne hanno uno solo o entrambi offerta di nuovi servizi per gli utenti che traslocano semplificata dal indicatore di nuova residenza nella dimensione Status ATA WAREHOUSE: CASI I STUIO - 48 Pag. 24

25 atabase and ata Mining Group of atabase and ata Mining Group of B MGata warehouse: casi di studio data mining Analisi dei dati atabase and data mining group, cross-selling: ricerca delle correlazioni più frequenti (tra servizi) itemsets, regole di associazione riconoscimento della propensione all abbandono (customer attrition o customer churn) classificazione utile una dimensione cliente molto ricca il monitoraggio dettagliato del consumo permette la profilazione dei clienti segmentazione dei clienti clustering ATA WAREHOUSE: CASI I STUIO - 49 Pag. 25

Data warehouse: casi di studio DataBase and Data Mining Group of Politecnico di Torino

Data warehouse: casi di studio DataBase and Data Mining Group of Politecnico di Torino DataBase and Data Mining Group of Database and data mining group, Database and data mining group, DataBase and Data Mining Group of DataBase and Data Mining Group of Data warehouse Casi di studio Gestione

Dettagli

Vendite al dettaglio (studio di caso)

Vendite al dettaglio (studio di caso) (studio di caso) aprile 2012 1 Studi di caso Le tecniche di modellazione dimensionale saranno illustrate mediante un certo numero di studi di caso di business ciascuno studio di caso è relativo a un contesto

Dettagli

Pianificazione del data warehouse

Pianificazione del data warehouse Pianificazione del data warehouse Dalla pianificazione emergono due principali aree d interesse: area commerciale focalizzata sulle agenzie di vendita e area marketing concentrata sulle vendite dei prodotti.

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

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

Servizi finanziari (studio di caso)

Servizi finanziari (studio di caso) (studio di caso) aprile 2012 1 Il processo dei servizi finanziari Viene ora considerato il data warehouse per una grande banca la banca offre diversi servizi finanziari ad esempio, conti correnti, libretti

Dettagli

Il modello dimensionale

Il modello dimensionale aprile 2012 1 L organizzazione dei dati del data warehouse costituisce la pietra angolare dell intero sistema DW/BI le applicazioni BI, di supporto alle decisioni, accedono i dati direttamente dal DW l

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 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

cliente... nuovo cliente trasloco

cliente... nuovo cliente trasloco Analisi di Basi di dati Studio di un caso: Azienda Telefonica Progettazione concettuale anno trimestre mese regione provincia città cliente Attività cliente TempoUtilizzoAdsl SpesaAdsl TempoUtilizzoIsdn

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

I data warehouse e la loro progettazione

I data warehouse e la loro progettazione Tecnologie per i sistemi informativi I data warehouse e la loro progettazione Docente: Letizia Tanca Politecnico di Milano tanca@elet.polimi.it 1 Processi processi direzionali processi gestionali processi

Dettagli

Misure. Definizione delle misure

Misure. Definizione delle misure Sistemi Informativi Avanzati Anno Accademico 2013/2014 Prof. Domenico Beneventano Misure In parte dal Capitolo 5 del libro Data Warehouse - teoria e pratica della Progettazione Autori: Matteo Golfarelli,

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

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

Passo 2: avviare Access e creare una tabella per ogni tipo di entità Costruire la tabella per l entità cliente.

Passo 2: avviare Access e creare una tabella per ogni tipo di entità Costruire la tabella per l entità cliente. Realizzare un database con Access Di Antonio Bernardo e Mario Bochicchio Esercizio Una catena di supermercati vuole tener traccia dei prodotti acquistati dai clienti. Di ogni cliente si vuole conoscere

Dettagli

Grandi dimensioni e dimensioni variabili

Grandi dimensioni e dimensioni variabili Grandi dimensioni e dimensioni variabili aprile 2012 1 Questo capitolo studia alcuni ulteriori aspetti importanti e caratteristici della gestione delle dimensioni in particolare, delle grandi dimensioni

Dettagli

Progettazione Logica. Sviluppo di un Database/DataWarehouse

Progettazione Logica. Sviluppo di un Database/DataWarehouse Sistemi Informativi Avanzati Anno Accademico 2013/2014 Prof. Domenico Beneventano Progettazione Logica Dal Capitolo 8 e 9 del libro Data Warehouse - teoria e pratica della Progettazione Autori: Matteo

Dettagli

Customer Relationship Management

Customer Relationship Management atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG atabase and data mining group, M B G Customer Relationship Management - 1 Customer Relationship Management

Dettagli

SQL Server 2005. Integration Services. SQL Server 2005: ETL - 1. Integration Services Project

SQL Server 2005. Integration Services. SQL Server 2005: ETL - 1. Integration Services Project atabase and ata Mi ni ng Group of P ol itecnico di Torino atabase and ata Mi ni ng Group of P ol itecnico di Torino atabase and data mining group, SQL Server 2005 Integration Services SQL Server 2005:

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

Corso di Complementi di Basi di dati A.A. 2005-2006 4. Data Warehouse

Corso di Complementi di Basi di dati A.A. 2005-2006 4. Data Warehouse Riferimenti Corso di Complementi di Basi di dati A.A. 2005-2006 4. Data Warehouse Queste trasparenze parte 4 Testo di Atzeni et al. Basi di dati R.Kimball, The Data Warehouse Lifecycle Toolkit, 2nd Ed.,

Dettagli

IBM SPSS Direct Marketing 21

IBM SPSS Direct Marketing 21 IBM SPSS Direct Marketing 21 Nota: Prima di utilizzare queste informazioni e il relativo prodotto, leggere le informazioni generali disponibili in Note a pag. 109. Questa versione si applica a IBM SPSS

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

marca (1,n) (1,1) nome prezzou prodotto nome responsabile quantità nome datai dataf (0,n) vendite (0,n) (0,n) (0,n) tempo acquisti quantità (0,n)

marca (1,n) (1,1) nome prezzou prodotto nome responsabile quantità nome datai dataf (0,n) vendite (0,n) (0,n) (0,n) tempo acquisti quantità (0,n) marca (1,n) di descrizione (1,1) prodotto (1,1) in (1,n) categoria città (1,n) (1,n) nella indirizzo responsabile quantità (1,1) supermercato vendite ricavo promozione datai dataf %sconto costo acquisti

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

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 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

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

13. Datawarehouse (parte 2) Analisi e riconciliazione delle fonti dati progettista amministratori dei database modello a tre livelli

13. Datawarehouse (parte 2) Analisi e riconciliazione delle fonti dati progettista amministratori dei database modello a tre livelli 13. Datawarehouse (parte 2) Analisi e riconciliazione delle fonti dati Questa fase richiede di definire e documentare lo schema del livello dei dati operazionali, a partire dal quale verrà alimentato il

Dettagli

valore 3 BUONO ACQUISTO Valido domenica 2 settembre Leggi il regolamento sul retro REGOLAMENTO

valore 3 BUONO ACQUISTO Valido domenica 2 settembre Leggi il regolamento sul retro REGOLAMENTO Valido domenica 2 settembre L iniziativa è valida dal 27 agosto al 30 settembre in tutti gli esercizi commerciali del Centro. Nel corso della settimana, i clienti che effettueranno acquisti presso uno

Dettagli

SQL Server. Applicazioni principali

SQL Server. Applicazioni principali SQL Server Introduzione all uso di SQL Server e utilizzo delle opzioni OLAP Applicazioni principali SQL Server Enterprise Manager Gestione generale di SQL Server Gestione utenti Creazione e gestione dei

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

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

FIRESHOP.NET. Gestione Lotti & Matricole. www.firesoft.it

FIRESHOP.NET. Gestione Lotti & Matricole. www.firesoft.it FIRESHOP.NET Gestione Lotti & Matricole www.firesoft.it Sommario SOMMARIO Introduzione... 3 Configurazione... 6 Personalizzare le etichette del modulo lotti... 6 Personalizzare i campi che identificano

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

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

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

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 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

Appunti lezione Database del 07/10/2015

Appunti lezione Database del 07/10/2015 Appunti lezione Database del 07/10/2015 Nelle lezioni precedenti si è visto come qualunque applicazione informativa è almeno formata da tre livelli o layers che ogni progettista conosce e sa gestire: Livello

Dettagli

Novità BeeStore Rel. 3.00.00

Novità BeeStore Rel. 3.00.00 Novità BeeStore Rel. 3.00.00 05-08-2015 Il Laboratorio BeeStore di Sirio informatica e sistemi SpA è lieto di annunciare il rilascio della nuova versione 3.00.00, che si arricchisce di nuove, importanti

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

Estensioni del linguaggio SQL per interrogazioni OLAP

Estensioni del linguaggio SQL per interrogazioni OLAP Sistemi Informativi Avanzati Anno Accademico 2013/2014 Prof. Domenico Beneventano Estensioni del linguaggio SQL per interrogazioni OLAP Outline! Esempio introduttivo e motivazioni! Introduzione al modello

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

Scheda presentazione prodotto. La soluzione ideale per ottimizzare le attività di vendita. www.sit-web.it

Scheda presentazione prodotto. La soluzione ideale per ottimizzare le attività di vendita. www.sit-web.it Scheda presentazione prodotto La soluzione ideale per ottimizzare le attività di vendita retail solution Il verticale di Mago.Net per la completa gestione dei punti vendita e cash & carry Software Sviluppato

Dettagli

Basi Di Dati, 09/12/2003

Basi Di Dati, 09/12/2003 Basi Di Dati, 09/12/2003 Una concessionaria di auto nuove ed usate vuole automatizzare alcune delle sue attività. L attività che la concessionaria vuole automatizzare riguarda la gestione delle auto nuove,

Dettagli

Progettazione logica relazionale (1/2)

Progettazione logica relazionale (1/2) Progettazione di basi di dati (1/2) Introduzione Ristrutturazione dello schema ER Eliminazione delle gerarchie Partizionamento di concetti Eliminazione degli attributi multivalore Eliminazione degli attributi

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

Le funzioni dei moduli

Le funzioni dei moduli SellShop applicativo modulare per catene di punti vendita SellShop nasce dalla più che decennale esperienza di SetUp nella realizzazione di programmi applicativi per la gestione della distribuzione, utilizzati

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

IBM SPSS Direct Marketing 20

IBM SPSS Direct Marketing 20 IBM SPSS Direct Marketing 20 Nota: Prima di utilizzare queste informazioni e il relativo prodotto, leggere le informazioni generali disponibili in Note legali a pag. 109. Questa versione si applica a IBM

Dettagli

Manuale d uso Utente FATTURE CLIENTI. Sommario

Manuale d uso Utente FATTURE CLIENTI. Sommario FATTURE E CLIENTI Sommario 1. INTRODUZIONE... 1 2. FATTURE... 2 3. CONTATORI FATTURE... 4 4. GESTIONE CLIENTI... 5 4.1. PROGRAMMAZIONE DA MISURATORE... 5 4.2. PROGRAMMAZIONE DA GESTIONE MF... 8 5. IMPOSTAZIONI

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

Customer Relationship Management

Customer Relationship Management DataBase and Data Mining Group of Database and data mining group, Database and data mining group, DataBase and Data Mining Group of DataBase and Data Mining Group of Schema funzionale dei sistemi Moduli

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

Data Mining: Applicazioni

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

Dettagli

Spikkio. Manuale utente. Gestione pizzerie d asporto. www.normac.it

Spikkio. Manuale utente. Gestione pizzerie d asporto. www.normac.it Spikkio Gestione pizzerie d asporto Manuale utente www.normac.it Introduzione: Spikkio è un programma per la gestione delle pizzerie d asporto. Collegato al telefono permette l identificazione del chiamante

Dettagli

TOP DOWN. Compiti in classe proposti Modulo 1 JUVENILIA SCUOLA. Iacobelli Ajme Marrone

TOP DOWN. Compiti in classe proposti Modulo 1 JUVENILIA SCUOLA. Iacobelli Ajme Marrone Compiti in classe proposti Modulo 1 Scrivere un programma che carichi in un vettore i tempi ottenuti da un atleta in una serie di gare (massimo 30) e stampi la media dei tempi dell atleta, il tempo migliore

Dettagli

Online shopping. & Conversion. Performance Marketing dalla prima impressione all ultimo clic. tradedoubler.com

Online shopping. & Conversion. Performance Marketing dalla prima impressione all ultimo clic. tradedoubler.com Online shopping & Conversion Performance Marketing dalla prima impressione all ultimo clic I consumatori europei in cerca di ispirazione sui brand o sui prodotti da acquistare si rivolgono prima di tutto

Dettagli

Punto Vendita. OBS Open Business Solutions

Punto Vendita. OBS Open Business Solutions L area Punto Vendita, rivolta alle aziende commerciali al dettaglio, consente la gestione delle operazioni di vendita al banco e più precisamente l immissione, la manutenzione, la stampa, l archiviazione

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

Manuale utente Revisione del 06/04/2010

Manuale utente Revisione del 06/04/2010 Manuale utente Revisione del 06/04/2010 Team Power s.r.l. v.le E. Garrone, 16/A Città Giardino 96010 Melilli tel./fax 0931.744575 0931.713517 www.teampower.it Introduzione Congratulazioni per la scelta

Dettagli

Esercitazione 8 Mercoledì 21 gennaio 2015 (2 ore) DDL e progettazione

Esercitazione 8 Mercoledì 21 gennaio 2015 (2 ore) DDL e progettazione Esercitazione 8 Mercoledì 21 gennaio 2015 (2 ore DDL e progettazione Testi degli esercizi Esercizio 1 (Tema d esame del 20 settembre 2012 Si consideri il seguente schema di base di dati che vuole tenere

Dettagli

REGISTRATORE DI CASSA M410 MANUALE D USO

REGISTRATORE DI CASSA M410 MANUALE D USO REGISTRATORE DI CASSA M410 MANUALE D USO Egregio cliente, La ringraziamo per la preferenza accordataci. Questo prodotto è stato progettato e fabbricato secondo i più alti standard qualitativi e la Micrelec

Dettagli

Mon Ami 3000 Touch Interfaccia di vendita semplificata per monitor touchscreen

Mon Ami 3000 Touch Interfaccia di vendita semplificata per monitor touchscreen Prerequisiti Mon Ami 3000 Touch Interfaccia di vendita semplificata per monitor touchscreen L opzione Touch è disponibile per le versioni Vendite, Azienda Light e Azienda Pro; per sfruttarne al meglio

Dettagli

Gestione campagne di Marketing per il C.R.M.

Gestione campagne di Marketing per il C.R.M. Caratteristiche principali: Preselezione di nominativi basati scremandoli con opportuni filtri basati su informazioni di rischio provenienti da fonti esterne. Analisi grafica tramite sintetiche distribuzioni

Dettagli

Attività: 3.d Test e sperimentazione

Attività: 3.d Test e sperimentazione UNIONE EUROPEA FONDO EUROPEO DI SVILUPPO REGIONALE. REGIONE PUGLIA AREA POLITICHE PER LO SVILUPPO, IL LAVORO E L INNOVAZIONE "Living Labs Smartpuglia 2020" P.O. FESR Puglia 2007-13 - Asse I - Linea di

Dettagli

Reti e sistemi informativi II Il ruolo delle IT nell organizzazione

Reti e sistemi informativi II Il ruolo delle IT nell organizzazione Reti e sistemi informativi II Il ruolo delle IT nell organizzazione Prof. Andrea Borghesan & Dr.ssa Francesca Colgato venus.unive.it/borg borg@unive.it Ricevimento: mercoledì dalle 10.00 alle 11.00 Modalità

Dettagli

Qualificare i fornitori attraverso un sistema analitico di rating

Qualificare i fornitori attraverso un sistema analitico di rating articolo n. 3 giugno 2014 Qualificare i fornitori attraverso un sistema analitico di rating MASSIMILIANO MARI Responsabile Acquisti, SCANDOLARA s.p.a. Realizzare un sistema di rating costituisce un attività

Dettagli

Progettazione dimensionale

Progettazione dimensionale aprile 2012 1 La progettazione dimensionale riguarda la progettazione logica dei dati del data warehouse costituisce la pietra angolare della progettazione dell intero sistema DW/BI è un processo altamente

Dettagli

JUNAK3 SISTEMA GESTIONE AZIENDALE

JUNAK3 SISTEMA GESTIONE AZIENDALE JUNAK3 SISTEMA GESTIONE AZIENDALE Modulo di Gestione Magazzino www.kisar.it JUNAK3 - SISTEMA DI GESTIONE AZIENDALE Il Sistema di Gestione Aziendale JUNAK3 è una piattaforma realizzata in ambiente Windows,

Dettagli

SQL Server BI Development Studio

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

Dettagli

Optimized Technology. March 2008. www.neodatagroup.com - info@neodatagroup.com

Optimized Technology. March 2008. www.neodatagroup.com - info@neodatagroup.com XML Banner Feeding Optimized Technology March 2008 www.neodatagroup.com - info@neodatagroup.com Tel: +39 095 7226111 - Fax: +39 095 7374775 Varese: Via Bligny, 16 21100 - Milano: Via Paolo da Cannobio,

Dettagli

Il seguente esempio ha lo scopo di illustrare i 3 tipi di relazione 1:1,1:N,N:N. Tabella Conto: Tabella Conto:

Il seguente esempio ha lo scopo di illustrare i 3 tipi di relazione 1:1,1:N,N:N. Tabella Conto: Tabella Conto: Il seguente esempio ha lo scopo di illustrare i 3 tipi di relazione 1:1,1:N,N:N. Tabella Conto: Tabella Conto: Tabella Cliente: Tabella NumTel: Tabella Dati_Cliente: L'esempio è per ragioni di chiarezza

Dettagli

ACQUISTO D'IMPULSO ACQUISTO SUGGERITO. Glossario essenziale della GDO

ACQUISTO D'IMPULSO ACQUISTO SUGGERITO. Glossario essenziale della GDO A ACQUISTO D'IMPULSO Acquisto da parte del consumatore non programmato; effettuato in seguito alla percezione di uno stimolo, senza che abbia tenuto conto di fattori di effettivo bisogno. ACQUISTO SUGGERITO

Dettagli

L innovazione della fidelity nel mondo retail

L innovazione della fidelity nel mondo retail Relatore: Vincenzo Tondolo L innovazione della fidelity nel mondo retail Panoramica sul mondo fidelity Come funziona A chi si rivolge Quali strumenti sono in circolazione Differenze tra i vari sistemi

Dettagli

Un progetto di Datawarehouse Politecnico di Milano 27 Maggio 2002

Un progetto di Datawarehouse Politecnico di Milano 27 Maggio 2002 Un progetto di Datawarehouse Politecnico di Milano 27 Maggio 2002 Indice Deloitte Consulting e il Cliente Obiettivi, approccio e risultati Il Datawarehouse Dimensioni di analisi Modello di calcolo Modello

Dettagli

Corrispettivi Ventilazione Grafici

Corrispettivi Ventilazione Grafici HELP DESK Nota Salvatempo 0044 MODULO FISCALE Corrispettivi Ventilazione Grafici Quando serve La normativa Registrazione dei corrispettivi in ventilazione a partire dall'esercizio IVA 2015 Decreto Ministeriale

Dettagli

Gestione Cantieri. Manuale operativo. Rel. 4.40

Gestione Cantieri. Manuale operativo. Rel. 4.40 Gestione Cantieri Manuale operativo Rel. 4.40 INDICE GUIDA UTENTE...3 INTRODUZIONE...3 FLUSSO OPERATIVO...4 Gestione Dati...4 Stampe...4 Archivi...4 Utilità...4 GESTIONE DATI...5 Preventivi...5 Passaggio

Dettagli

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

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

Dettagli

ESAME di INFORMATICA e ARCHIVIAZIONE

ESAME di INFORMATICA e ARCHIVIAZIONE UNIVERSITÀ DEGLI STUDI DI UDINE Facoltà di Medicina e Chirurgia CORSO DI LAUREA IN TECNICHE DI RADIOLOGIA MEDICA PER IMMAGINI E RADIOTERAPIA ESAME di INFORMATICA e ARCHIVIAZIONE 28 settembre 2011 1 Progettazione

Dettagli

SOFTWARESIRIO L E S O L U Z I O N I P E R L A P M I. SoftwareSirio V10 SIDIS per il settore della distribuzione

SOFTWARESIRIO L E S O L U Z I O N I P E R L A P M I. SoftwareSirio V10 SIDIS per il settore della distribuzione SOFTWARESIRIO L E S O L U Z I O N I P E R L A P M I SoftwareSirio V10 SIDIS per il settore della distribuzione A CHI SI RIVOLGE Alle Piccole e Medie Imprese Italiane del settore merceologico della distribuzione

Dettagli

RetailOne. RetailOne è l add-on sviluppato interamente su piattaforma SAP Business One, destinato ai punti vendita.

RetailOne. RetailOne è l add-on sviluppato interamente su piattaforma SAP Business One, destinato ai punti vendita. Le aziende che oggi vogliono operare nel settore della distribuzione organizzata devono saper interagire con l'ambiente competitivo che le circonda con grande prontezza. Avere le informazioni giuste al

Dettagli

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

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

Dettagli

Gallerie Commerciali. Progetti di fidelizzazione per incrementare le vendite e premiare i clienti

Gallerie Commerciali. Progetti di fidelizzazione per incrementare le vendite e premiare i clienti Progetti di fidelizzazione per incrementare le vendite e premiare i clienti Per fidelizzare la clientela è necessario utilizzare sistemi innovativi, flessibili e personalizzabili. Sistemi che diano valore

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

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

Misure (parte II) Gerarchie Incomplete

Misure (parte II) Gerarchie Incomplete Sistemi Informativi Avanzati Anno Accademico 2013/2014 Prof. Domenico Beneventano Misure (parte II) Gerarchie Incomplete Esempio Schema di Fatto STUDENTE(STUDENTE,,REGIONE,), DF:! REGIONE (,,) REGIONE!

Dettagli

Sistemi Informativi Aziendali I

Sistemi Informativi Aziendali I Modulo 5 Sistemi Informativi Aziendali I 1 Corso Sistemi Informativi Aziendali I - Modulo 5 Modulo 5 Il Sistema Informativo verso il mercato, i canali ed i Clienti: I nuovi modelli di Business di Internet;

Dettagli

ORIENTAMENTI SULLE ENTITÀ CHE POSSONO ESSERE REGISTRATE A EMAS

ORIENTAMENTI SULLE ENTITÀ CHE POSSONO ESSERE REGISTRATE A EMAS ORIENTAMENTI SULLE ENTITÀ CHE POSSONO ESSERE REGISTRATE A EMAS OBIETTIVO DEGLI ORIENTAMENTI L estensione di EMAS a tutte le organizzazioni aventi un impatto ambientale, anche a quelle che non rientrano

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

Esame Basi di Dati. 21 Gennaio 2013

Esame Basi di Dati. 21 Gennaio 2013 Esame Basi di Dati 21 Gennaio 2013 Matricola Prog. (Sì/No) Cognome Nome Istruzioni I voti verranno resi disponibili su AlmaEsami. Chi vorrà rifiutare il voto dovrà comunicarlo tassativamente 5 giorni dalla

Dettagli

Il CRM operativo. Daniela Buoli. 2 maggio 2006

Il CRM operativo. Daniela Buoli. 2 maggio 2006 Il CRM operativo 2 maggio 2006 1. Il marketing relazionale Il marketing relazionale si fonda su due principi fondamentali che è bene ricordare sempre quando si ha l opportunità di operare a diretto contatto

Dettagli

Cosa è un data warehouse?

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

Dettagli

SQL/OLAP. Estensioni OLAP in SQL

SQL/OLAP. Estensioni OLAP in SQL SQL/OLAP Estensioni OLAP in SQL 1 Definizione e calcolo delle misure Definire una misura significa specificare gli operatori di aggregazione rispetto a tutte le dimensioni del fatto Ipotesi: per ogni misura,

Dettagli

Offerta standard Fidelity System Web 2.0

Offerta standard Fidelity System Web 2.0 Collegno, Spett. Cod. Offerta: Offerta standard Fidelity System Web 2.0 CARATTERISTICHE La struttura dell applicazione è gerarchica e ha 3 livelli di accesso differenziato nelle autorizzazioni: Profilo

Dettagli

Vuoi imparare ad utilizzare il Gestionale Logista?

Vuoi imparare ad utilizzare il Gestionale Logista? Vuoi imparare ad utilizzare il Gestionale Logista? Aderisci al servizio gratuito di FORMAZIONE DEDICATA ed usufruisci così di tutti i benefici del Gestionale Logista: contatta il numero verde di Logista

Dettagli