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:

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "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:"

Transcript

1 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, sia per la formazione delle decisioni sia per rendere i processi efficienti ed efficaci. Per definire la struttura di un DW si usano i seguenti formalismi, detti modelli dei dati: Il modello concettuale grafico dei fatti per DW. E necessario utilizzare una base di dati particolare, detta data warehouse, organizzata per analizzare i dati secondo una logica aziendale. Il modello logico relazionale, per mostrare come si rappresentano i dati nei sistemi per DW. La realizzazione di un data warehouse avviene gradualmente, a diversi livelli di astrazione, con un modello concettuale, un modello logico e un modello fisico. Il modello logico multidimensionale (detto cubo), adatto per illustrare la nozione di analisi interattiva dei fatti. 1 2 IL DATA WAREHOUSE DEGLI ORDINI COSA SI MODELLA IN UN DW Pagamento Pagamento Fattura Ordine Numero Impiegato Qualifica Ufficio Unitario RigaOrdine NumeroRiga Ordinata Requisiti di analisi di articoli ordinati, per articolo, per cliente e per mese Fatturato per categoria di articolo, per cliente e per mese Fatturato verso clienti della provincia di Pisa per città dei clienti e per anno I fatti da analizzare (ad es. le vendite di articoli). Le misure dei fatti: le proprietà numeriche da analizzare (ad es. la quantità venduta di un articolo). Le dimensioni: rappresentano le prospettive di analisi dei fatti (ad es. le vendite si analizzano per articolo, per mese). Gli attributi dimensionali: attributi descrittivi delle dimensioni. Le gerarchie fra attributi dimensionali. BASE DI DATI 3 4 IL DATA WAREHOUSE DEGLI ORDINI SCHEMA CONCETTUALE DEI FATTI Pagamento Pagamento Fattura Ordine Numero Impiegato Qualifica Ufficio RigaOrdine NumeroRiga Ordinata Ordine I componenti di base sono i fatti, le misure e le dimensioni. Fatti Misure BASE DI DATI DATA MART = DW TEMATICO 5 6

2 SCHEMA CONCETTUALE DEI FATTI: DIMENSIONI CON ATTRIBUTI SCHEMA CONCETTUALE DEI FATTI: DIMENSIONI CON ATTRIBUTI E GERARCHIE Senza gerarchie Con gerarchie 7 8 PER INIZIARE IL PROGETTO DI UN DW METODOLOGIA (SEMPLIFICATA) DI PROGETTAZIONE DI UN DW Identificare i patrocinatori, i dirigenti convinti del valore del progetto. Per ogni data mart: Analisi dei requisiti Conoscere il problema aziendale prima di iniziare a discutere gli obiettivi del progetto. Progettazione concettuale Progettazione concettuale iniziale (cosa si vuole) Intervistare gli interessati, per comprendere le loro esigenze informative da tradurre in requisiti del progetto. Un DW deve essere di supporto alle decisioni e quindi va progettato tenendo conto di come i dirigenti vogliono analizzare un certo processo aziendale e di quali informazioni sintetiche hanno bisogno. Intervistare gli esperti del sistema informatico operazionale, per sapere quali dati esistono e come vengono gestiti. Progettazione concettuale dai dati operazionali Progettazione concettuale finale Progettazione logica Progettazione logica del DW Progettazione fisica del DW Progettazione dell alimentazione dei dati (cosa si può ottenere) (cosa si può analizzare) 9 10 PROGETTAZIONE CONCETTUALE (SEMPLIFICATA) DI UN DATA MART PROGETTAZIONE DI UN DATA MART(cont) Passo 1 Si raccolgono i requisiti di analisi che il committente vuol fare sugli eventi di interesse di un certo processo aziendale. Passo 3 Si sceglie la granularità del fatto da analizzare. La grana dei fatti è il significato di un suo elemento. Di solito si preferisce una grana fine. Ad es. il processo di registrazione degli ordini dei clienti fatti ai venditori. Requisito di analisi: Totale dell importo per venditore e per articolo Aggregazione Misura (metrica) Dimensioni Passo 4 Si scelgono le misure interessanti del fatto: grandezze numeriche che ha senso sommare. Alternativa: Report di analisi che si vogliono. Passo 2 Si analizzano i requisiti di analisi per individuare il fatto da analizzare. Importo 11 12

3 PROGETTAZIONE DI UN DATA MART(cont) PROGETTAZIONE DI UN DATA MART (cont) Passo 5 Si scelgono le dimensioni secondo le quali analizzare le misure dei fatti (prospettive di analisi, contesto dei fatti) Si cerca una risposta a domande sul fatto tipo: Chi è coinvolto? Cosa riguarda? Quando è accaduto? Dove è accaduto? Passo 6 Per rendere le analisi più interessanti è in generale utile prevedere dimensioni con degli attributi organizzati in gerarchie per consentire aggregazioni delle misure a diversi livelli di generalità. Sono domande che mirano a individuare le variabili determinanti delle misure e le possibili leve di intervento. Venditore ZonaVendita Venditore Venditore Importo Importo Soluzione STUDIO DI UN CASO Si consideri una BD di una casa di cura che contiene informazioni sugli interventi effettuati sui pazienti ricoverati. Di un paziente interessano il codice fiscale, che lo identifica, il nome e l indirizzo. Di un medico interessano il codice fiscale, che lo identifica, il nome, il telefono e la specializzazione. Un paziente può essere ricoverato più volte e ogni volta interessa la data, il medico che ne ha fatto la richiesta, il reparto assegnato, la diagnosi, la durata e l attesa in giorni del ricovero e la tariffa (ricavo) del ricovero. Di una diagnosi interessa il codice e la 3.1 descrizione. Soluzione Lo schema concettuale della base di dati è mostrato in Figura 6. Di un reparto interessano il codice, che lo identifica, il nome, il numero dei letti e il telefono. -&."#" )5),,$ Di un intervento interessano il <=,.$">$;;";$'&, codice, che lo identifica, la descrizione, il medico che la effettua, il ricovero del che ha subito l intervento. ()*"&+," &:$*$;;' 4):%;,$!"#$%&'"!"#"!$"%&'($!)*"#" +##,(" -$."/' 4)!"#6"&,3$!&0)'," /+,&'%&+,"!,(.*$;$'&, 1")2+$3"!,(.*$;$'&, Figura 6 Schema concettuale della BD dei ricoveri SPECIFICA DEI REQUISITI La specifica dei requisiti viene data elencando gli esempi di analisi e, per ognuna di esse, le dimensioni e le misure utilizzate, e le aggregazioni dacalcolare(metriche): 7&8 Processo Ricoveri N Requisito di analisi Dimensioni Misure Metriche (a) totale dei ricoveri per codice (descrizione) della diagnosi e per mese (anno). (Codice, ), (, ) totale (b) (c) (d) Numero totale dei ricoveri e ricavo totale per reparto e per sesso (età, città, regione) del paziente. totale, durata e attesa media dei ricoveri per descrizione della diagnosi e per nome (specializzazione) del medico richiedente. totale, durata e attesa media de ricoveri per età (regione) del paziente e per codice (descrizione) dell intervento. (&' 9$+ Reparto, Paziente(Sesso, Età,, ) (), Medico(, Specializzazione) Paziente(Età, ), Intervento(Codice, ), Durata,, Durata, Numero totale totale totale Durata media media totale Durata media media 15 STUDIO DI UN CASO: REQUISITI DI ANALISI -&."#" )5),,$ <=,.$">$;;";$'&, (a) totale dei ricoveri per (descrizione) della diagnosi e per mese (anno) Pazienti <<PK>> HaAvuto Medici <<PK>> Specializzazione HaRichietso ()*"&+," Per Ricoveri 9&:$*$;;' Durata Con Nel Reparti NumeroLetti Figura 1 Schema concettuale della BD dei ricoveri 4)!"#6"&,3$ HaFatto (b) Numero totale dei ricoveri e ricavo totale per (&' /+,&'%&+,"!"#$%&'" reparto e per sesso (età, città, regione) del 4):%;,$!"#" paziente!,(.*$;$'&, Interventi!$"%&'($!)*"#" 9$+ +##,(" 1")2+$3" (c) totale, durata e attesa media del -$."/' ricovero per descrizione!,(.*$;$'&, della diagnosi e per 7&8 nome (specializzazione) del medico richiedente!&0)'," (d) totale, durata e attesa media del ricovero per età (regione) del paziente e per codice (descrizione) dell intervento Processo Ricoveri N Requisito di analisi Dimensioni Misure 1 totale dei ricoveri per codice (Codice, (descrizione) della diagnosi e per mese, (anno). (, ) 2 Numero totale dei ricoveri e ricavo totale Reparto, Paziente(Sesso, Età, per reparto e per sesso (età, città,, ) regione) del paziente. 3 totale, durata e attesa media del (), Medico(,, Durata, At- ricovero per descrizione della diagnosi e Specializzazione) tesa per nome (specializzazione) del medico SPECIFICA DEI REQUISITI richiedente. 4 totale, durata e attesa media del Paziente(Età, ), Intervento(CodiceIntervento,, Durata, At- ricovero per età (regione) del paziente e Detesa per codice (descrizione) dell intervento. scrizioneintervento) Granularità del fatto Ricovero Dimensioni preliminari Misure preliminari Un fatto riguarda un ricovero di un paziente, supponendo che comporti al più un intervento., Reparto,, Intervento, Medico che lo ha richiesto Durata,, 16 Dalla specifica dei requisiti scaturisce la seguente granularità del fatto e lo schema concettuale del data mart di Figura 7: Granularità del fatto Ricovero Dimensioni preliminari Misure preliminari Un fatto riguarda un ricovero Paziente,, Reparto, Dia- Durata,, di un paziente, supponengnosi, Intervento, Medico che do che comporti al più un lo ha richiesto intervento

4 RICOVERI RIEPILOGO Medici <<PK>> Specializzazione HaFatto Esempio di progettazione concettuale a partire dai requisiti di analisi Formulazione requisiti Pazienti <<PK>> HaAvuto HaRichietso Per Ricoveri Durata Con Nel Interventi Codice Intervento Codice Intervento Intervento Funzioni di aggregazioni da usare, su quale sottoinsieme dei dati, per quali raggruppamenti dei dati, come presentare il risultato. Reparti NumeroLetti Età Sesso Paziente Ricoveri Durata Medico Reparto SELECT X FROM WHERE B GROUP BY Y ORDER BY W Alternativa: Report di analisi che si vogliono BASE DI DATI Specializzazione DATA MART Granularità dei fatti Problemi dei dati: come si ricavano dalla BD disponibile La granularità dei fatti determina il tipo di analisi che si possono fare Tipi di misure e tipi di aggregazioni Agenzia Conto Movimenti CC Ammontare Conto Movimenti CC Ammontare Costo Margine Magazzino Scorte Scorta Livello Riordino Reclami? Transazione Numeriche (calcolate) additive Possono mancare Movimenti sui conti correnti (Fatto istantaneo) Movimentazione mensile (Fatto istantanea periodica) Numeriche semiadditive (Scorta), Numeriche non additive (LivelloRiordino) (Margine sui ricavi ROS = Margine/?) (Fatto istantanea accumulata) 21 Il tipo di misura si specifica a parte. 22 TIPI DI MISURE Paese Stato Misure di flusso: sono le più comuni e si riferiscono a valori cumulati dello stato di eventi che si verificano in un intervallo temporale di riferimento. (es. di prodotti venduti in un giorno) (Additive) Misure di livello: valore dello stato di eventi che si verificano in un intervallo temporale di riferimento. (es. Giacenza di un prodotto, Saldo CC) (Semi additive) Dimensioni degeneri Attributi descrittivi Dimensioni o attributi opzionali Dimensioni multivalore Gerarchie bilanciate, incomplete, ricorsive Fatturazione Vendita Supervisore Agente Provvigione Numero ordine Misure unitarie: (Non additive) Gerarchie condivise Garanzia 23 24

5 MODELLAZIONE CONCETTUALE: ATTRIBUTI DI DATA Column name type Format/Example date_key int yyyymmdd day_date smalldatetime day_of_week char Monday week_begin_date tinyint week_num tinyint 1 to 52 or 53 month_num tinyint 1 to 12 Attributi dimensionali con valori che cambiano raramente nel tempo TIPO 1 (oggi per ieri): si perde la storia. Fatti NumeroDellaSettimana GiorniDel DellaSettimana month_name char January month_short_name char Jan month_end_date smalldatetime days_in_month tinyint TIPO 2 (oggi o ieri): si conserva la storia. TIPO 3 (oggi e ieri): si conserva la storia e la date della modifica. yearmo int yyyymm Festività quarter_num tinyint 1 to 4 quarter_name char 1Q2000 Attributi dimensionali con valori che cambiano frequentemente nel tempo year smallint Nella tabella relazionale come chiave surrogata si può usare l intero AAAAMMGG weekend_ind bit workday_ind bit holiday_ind bit holiday_name char Thanksgiving TIPO 4 Questi aspetti non si modellano nello schema concettuale, ma si specificano a parte peak_period_ind bit MODELLO RELAZIONALE SCHEMI A STELLA I sistemi ROLAP (Relational OLAP) sono dei DBMS relazionali estesi con funzionalità per supportare efficientemente le applicazioni OLAP. Usando uno schema relazionale, la collezione dei fatti viene memorizzata in una tabella con attributi le dimensioni e le misure. Nei sistemi ROLAP, un DW viene rappresentato con tabelle di uno schema Si parla di schema a stella quando ogni dimensione ha attributi propri che vengono memorizzati in una tabella distinta. Nella tabella dei fatti le dimensioni a stella (star schema), sono le chiavi esterne. a fiocco di neve (snowflake schema) o a costellazione (constellation schema). Tutte le chiavi sono surrogate UN ESEMPIO DI SCHEMA A STELLA SCHEMA A FIOCCHI DI NEVE Lo schema a fiocco di neve è un raffinamento dello schema a stella, con la Pk Fk Fk Fk Pk Pk normalizzazione delle gerarchie, che vengono rappresentate in tabelle separate. Pk Pk Fk Fk Fk Pk Pk Pk Fk Fk 29 30

6 SCHEMA A COSTELLAZIONE DIMENSIONE DATA: DAL MODELLO CONCETTUALE AL MODELLO LOGICO Per situazioni più complesse si può pensare di avere più tabelle dei fatti che condividano alcune tabelle di dimensioni. E' il caso dello schema a costellazione. Reclami FK Pk FK Id Livello Pk Pk Fk Fk Fk NScontrino Pk Fk Fk Fk NScontrino Pk Pk Pk Fk Pk Fk Pk PROGETTAZIONE LOGICA: DIMENSIONI MODIFICABILI TIPO2 SQL PER ANALISI DEI DATI Clienti con una chiave naturale SK<<PK>> <<PK1>> FK SQL è stato esteso con le funzioni analitiche. Clienti senza chiave naturale SK<<PK>> PrimaSK FK SK<<PK>> FK PrimaSK MODELLO MULTIDIMENSIONALE CUBO DEI DATI 2-D I dati vengono rappresentati con una matrice multidimensionale (cubo): un fatto corrisponde ad una cella, individuata dai valori delle possibili coordinate (le dimensioni), che contiene i valori delle possibili misure Rappresentazione a cubo di una tabella dei fatti con due dimensioni VENDITE M4 M3 M2 M1 T4 Market Id Id 12 p p2 8 Id 12 p Id 50 T3 Tabella dei fatti Cubo 2-D P1 P2 P3 P

7 CUBO DEI DATI 3-D CUBO E GERARCHIE Rappresentazione a cubo di una tabella dei fatti con tre dimensiomi La rappresentazione delle gerarchie non è immediata, ma è possibile. VENDITE Id p2 p2 Id d2 44 Id d Id Id d2 44 p2 12 p Id 4 50 Gerarchia M4 M3 M2 M1 T4 T3 Market Tabella dei fatti Cubo 3-D P1 P2 P3 P SISTEMI MOLAP Alcuni sistemi specializzati e i sistemi OLAP implementano direttamente il modello multidimensionale, usando un'opportuna struttura dati permanente tipo matrice. Sono i cosiddetti MOLAP (Multidimensional OLAP). Una rappresentazione molto comune di un cubo sono le tabelle pivot di Excel Operazioni su un cubo: slice, dice, pivot, roll-up, drill-down 39

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

ESEMPIO: RITARDI & BIGLIETTI

ESEMPIO: RITARDI & BIGLIETTI ESEMPIO: RITARDI & BIGLIETTI Fatto Ritardi: l analisi a livello volo giornaliero, considerando l aeroporto di partenza, la città e lo stato di arrivo e la compagnia Fatto Biglietti: l analisi deve considerare

Dettagli

Sistema informativo. Combinazione di risorse umane, materiali e procedure per la gestione. (raccolta, archiviazione, elaborazione, scambio )

Sistema informativo. Combinazione di risorse umane, materiali e procedure per la gestione. (raccolta, archiviazione, elaborazione, scambio ) Data Warehousing 1 Ripasso 2 Sistema informativo Combinazione di risorse umane, materiali e procedure per la gestione (raccolta, archiviazione, elaborazione, scambio ) delle informazioni necessarie per

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

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

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

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

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 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

PROGETTAZIONE E IMPLEMENTAZIONE DI UN DATAWAREHOUSE

PROGETTAZIONE E IMPLEMENTAZIONE DI UN DATAWAREHOUSE Tesi in: ARCHITETTURA DEI SISTEMI INFORMATIVI PROGETTAZIONE E IMPLEMENTAZIONE DI UN DATAWAREHOUSE IN UN AMBIENTE DI DISTRIBUZIONE FARMACEUTICA RELATORE: Prof. Crescenzio Gallo LAUREANDO: Alessandro Balducci

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

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 Data Warehousing. Introduzione 1/2 I data warehousing

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

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

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

Dettagli

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

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

OLAP On Line Analytical Processing

OLAP On Line Analytical Processing OLAP On Line Analytical Processing Alfredo Cuzzocrea DEIS Dipartimento di Elettronica, Informatica e Sistemistica Università della Calabria cuzzocrea@si.deis.unical.it Testo di Riferimento: J. Han, M.

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

UNIVERSITÀ DEGLI STUDI DI UDINE Facoltà di Medicina e Chirurgia CORSO DI LAUREA IN TECNICHE DI RADIOLOGIA MEDICA PER IMMAGINI E RADIOTERAPIA ESAME

UNIVERSITÀ DEGLI STUDI DI UDINE Facoltà di Medicina e Chirurgia CORSO DI LAUREA IN TECNICHE DI RADIOLOGIA MEDICA PER IMMAGINI E RADIOTERAPIA ESAME UNIVERSITÀ DEGLI STUDI DI UDINE Facoltà di Medicina e Chirurgia CORSO DI LAUREA IN TECNICHE DI RADIOLOGIA MEDICA PER IMMAGINI E RADIOTERAPIA ESAME 14 maggio 2009 1 Progettazione di basi di dati Si vuole

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

Data warehousing e OLAP

Data warehousing e OLAP Data warehousing e OLAP Introduzione Il contesto, processi aziendali Decision Support Systems Sistemi di Data Warehousing Data mart Architettura Modellazione Concettuale Star Schema, Dimensioni, Livelli

Dettagli

Biglietti e Ritardi: schema E/R

Biglietti e Ritardi: schema E/R Biglietti e Ritardi: schema E/R Ritardi: Progettazione dello schema di Fatto! Definire uno schema di fatto per analizzare i ritardi; in particolare l analisi deve considerare l aeroporto di partenza, mentre

Dettagli

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

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

Dettagli

Applicazioni OLAP in ambiente Analysis Service

Applicazioni OLAP in ambiente Analysis Service Applicazioni OLAP in ambiente Analysis Service Pasquale De Meo DIMET Università Mediterranea di Reggio Calabria Via Graziella, Località Feo di Vito demeo@unirc.it Corso di Sistemi Informativi- A.A. 2004-2005

Dettagli

SISTEMI INFORMATIVI AVANZATI -2010/2011 1. Introduzione

SISTEMI INFORMATIVI AVANZATI -2010/2011 1. Introduzione SISTEMI INFORMATIVI AVANZATI -2010/2011 1 Introduzione In queste dispense, dopo aver riportato una sintesi del concetto di Dipendenza Funzionale e di Normalizzazione estratti dal libro Progetto di Basi

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

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

Lezione 9. Microsoft Analysis Services: Principi e Funzionalità

Lezione 9. Microsoft Analysis Services: Principi e Funzionalità Lezione 9 Microsoft Analysis Services: Principi e Funzionalità MS Analysis Services (OLAP Server) E l implementazione Microsoft di OLAP Server Offre buone prestazione per realtà aziendali medie/grandi

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

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

Data warehouse (parte 1)

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

Dettagli

Sistemi per la gestione di database: MySQL ( )

Sistemi per la gestione di database: MySQL ( ) Sistemi per la gestione di database: MySQL ( ) Relational Database e Relational Database Management System Un database è una raccolta di dati organizzata in modo da consentire l accesso, il reperimento

Dettagli

UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II

UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II FACOLTÀ DI SCIENZE MATEMATICHE FISICHE E NATURALI CORSO DI LAUREA MAGISTRALE IN INFORMATICA Riscrittura di interrogazioni con viste in sistemi per la gestione

Dettagli

Introduzione al Data Warehousing

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

Dettagli

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

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

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

Basi di dati. Informatica. Prof. Pierpaolo Vittorini pierpaolo.vittorini@cc.univaq.it

Basi di dati. Informatica. Prof. Pierpaolo Vittorini pierpaolo.vittorini@cc.univaq.it pierpaolo.vittorini@cc.univaq.it Università degli Studi dell Aquila Facoltà di Medicina e Chirurgia 18 marzo 2010 Un esempio di (semplice) database Quando si pensa ad un database, generalmente si immagina

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

Introduzione ad OLAP (On-Line Analytical Processing)

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

Dettagli

Data warehousing con SQL Server

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

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

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

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 IL MODELLO ER PER LA PROGETTAZIONE

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

PBI Passepartout Business Intelligence

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

Dettagli

Sistemi Informativi. Catena del valore di PORTER

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

Dettagli

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 22 giugno 2011 1 Progettazione

Dettagli

Sistemi direzionali e modello multidimensionale. Prof. Piercarlo Giolito

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

Dettagli

Pivot Tables. vendite raggruppate per prodotto e zona vendite raggruppate per prodotto e mese

Pivot Tables. vendite raggruppate per prodotto e zona vendite raggruppate per prodotto e mese Pivot Tables Le Pivot Tables di Excel consentono di costruire un cubo OLAP a partire da dati memorizzati in una singola tabella Le operazioni OLAP corrispondono, in Excel, ad una tecnica di analisi dei

Dettagli

Ambienti Operativi per OLAP. Casi di Studio

Ambienti Operativi per OLAP. Casi di Studio Ambienti Operativi per OLAP. Casi di Studio Alfredo Cuzzocrea DEIS Dipartimento di Elettronica, Informatica e Sistemistica Università della Calabria cuzzocrea@deis.unical.it Sommario Installazione e Configurazione

Dettagli

02/mag/2012. Il Modello Multidimensionale. Il Modello Multidimensionale. Il Modello Multidimensionale. Il Modello Multidimensionale

02/mag/2012. Il Modello Multidimensionale. Il Modello Multidimensionale. Il Modello Multidimensionale. Il Modello Multidimensionale Modello semplice ed intuitivo Si presta bene a descrivere dei FATTI in modo grafico (CUBO o IPERCUBO) Es. di FATTI: Vendite Spedizioni Ricoveri Interventi chirurgici Andamento borsistico 62 Un cubo multidimensionale

Dettagli

Impresa di raccolta e riciclaggio di materiali metallici e di rifiuti.

Impresa di raccolta e riciclaggio di materiali metallici e di rifiuti. Impresa di raccolta e riciclaggio di materiali metallici e di rifiuti. Indice Cognome Nome Matr.xxxxxx email Cognome Nome Mat. Yyyyyy email Argomento Pagina 1. Analisi dei requisiti 1 a. Requisiti espressi

Dettagli

PREMESSA 2 CAPITOLO 1 VERSO IL DATA WAREHOUSE 7

PREMESSA 2 CAPITOLO 1 VERSO IL DATA WAREHOUSE 7 Sommario PREMESSA 2 CAPITOLO 1 VERSO IL DATA WAREHOUSE 7 1. NOZIONI DI BASE 8 2. I DATABASE 8 3. MODELLI PER IL DATABASE 11 3.1 MODELLO GERARCHICO 11 3. 2 MODELLO RETICOLARE 12 3.3 MODELLO RELAZIONALE

Dettagli

Progettazione concettuale usando il modello Entità-Relazione (ER) e Progettazione Logica

Progettazione concettuale usando il modello Entità-Relazione (ER) e Progettazione Logica Progettazione concettuale usando il modello Entità-Relazione (ER) e Progettazione Logica 1 Introduzione alla progettazione delle basi di dati v Progettazione concettuale (in questa fase si usa il modello

Dettagli

CAPITOLO 9 Piattaforme di Business Intelligence e DSS

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

Dettagli

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 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

Thematica Software Technologies

Thematica Software Technologies Sperimentazione di Servizi Innovativi alle Imprese Produttrici di Software Università della Calabria 21-10-2004 Giovanni Laboccetta Thematica s.r.l. www.thematica.it glaboccetta@thematica.it Perché i data

Dettagli

BASI DATI BIOINGEGNERIA ED INFORMATICA MEDICA. Lezione II - BioIngInfMed

BASI DATI BIOINGEGNERIA ED INFORMATICA MEDICA. Lezione II - BioIngInfMed BASI DATI BIOINGEGNERIA ED INFORMATICA MEDICA 1 Sistema Informativo Un sistema informativo (SI) è un componente di una organizzazione il cui obiettivo è gestire le informazioni utili per gli scopi dell

Dettagli

Indice. Introduzione Scopi del libro Lavorare con il database di esempio Organizzazione del libro Convenzioni utilizzate in questo libro

Indice. Introduzione Scopi del libro Lavorare con il database di esempio Organizzazione del libro Convenzioni utilizzate in questo libro Indice Introduzione Scopi del libro Lavorare con il database di esempio Organizzazione del libro Convenzioni utilizzate in questo libro XVII XVII XVIII XIX XXIII PARTE PRIMA SQL Server: Concetti di base

Dettagli

M733 ESAME DI STATO DI ISTITUTO TECNICO COMMERCIALE CORSO DI ORDINAMENTO

M733 ESAME DI STATO DI ISTITUTO TECNICO COMMERCIALE CORSO DI ORDINAMENTO Seconda prova scritta Ministero dell Istruzione, dell Università e della Ricerca M733 ESAME DI STATO DI ISTITUTO TECNICO COMMERCIALE CORSO DI ORDINAMENTO Indirizzo: PROGRAMMATORI Tema di: INFORMATICA GENERALE

Dettagli

Basi di Dati Relazionali

Basi di Dati Relazionali Corso di Laurea in Informatica Basi di Dati Relazionali a.a. 2009-2010 PROGETTAZIONE DI UNA BASE DI DATI Raccolta e Analisi dei requisiti Progettazione concettuale Schema concettuale Progettazione logica

Dettagli

Il caso StraSport (tratto da: Golfarelli, Rizzi. Data Warehouse. Teoria e pratica della progettazione. McGraw-Hill)

Il caso StraSport (tratto da: Golfarelli, Rizzi. Data Warehouse. Teoria e pratica della progettazione. McGraw-Hill) Il caso StraSport (tratto da: Golfarelli, Rizzi. Data Warehouse. Teoria e pratica della progettazione. cgraw-hill) Progettazione concettuale Scelta dei fatti: Fatto ORDINATO FATTURATO BUDGET Relazione

Dettagli

Lezione 9. Ambienti Operativi per OLAP Casi di Studio 08/03/2010 1

Lezione 9. Ambienti Operativi per OLAP Casi di Studio 08/03/2010 1 Lezione 9 Ambienti Operativi per OLAP Casi di Studio 08/03/2010 1 Ambienti Operativi per OLAP. Casi di Studio Alfredo Cuzzocrea DEIS Dipartimento di Elettronica, Informatica e Sistemistica Università della

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

Business Intelligence

Business Intelligence BI: Business Intelligence Business Intelligence Il modulo di Business Intelligence permette di generare CUBI OLAP per quanto attiene gli ambiti applicativi Vendite, Acquisti, Contabilità direzionale, Contabilità-Scadenze,

Dettagli

Progettazione base dati relazionale

Progettazione base dati relazionale Progettazione base dati relazionale Prof. Luca Bolognini E-Mail:luca.bolognini@aliceposta.it Progettare una base di dati Lo scopo della progettazione è quello di definire lo schema della base di dati e

Dettagli

Glossario. Termini tecnici. Termini di business. Acronimi

Glossario. Termini tecnici. Termini di business. Acronimi Glossario Il glossario è suddiviso in tre sezioni: la prima riporta i termini tecnici più frequentemente utilizzati in tutti i progetti di Data Warehouse la seconda è specifica di progetto e tratta i termini

Dettagli

Basi di Dati Prof. L. Tanca e F. A. Schreiber APPELLO DEL 12 FEBBRAIO 2015 PARTE 1

Basi di Dati Prof. L. Tanca e F. A. Schreiber APPELLO DEL 12 FEBBRAIO 2015 PARTE 1 Basi di Dati Prof. L. Tanca e F. A. Schreiber APPELLO DEL 12 FEBBRAIO 2015 PARTE 1 Si consideri il seguente schema di base di dati che vuole tenere traccia delle attività di un autofficina. MECCANICO (CodiceFiscale,

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

Convergenza. Schema di fatto

Convergenza. Schema di fatto Convergenza Quando due attributi dimensionali possono essere connessi da due o più cammini direzionali distinti pur mantenendo le dipendenze funzionali di tutte le direzioni. 451 Schema di fatto 452 1

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

Università degli Studi di Modena e Reggio Emilia Facoltà di Ingegneria di Modena

Università degli Studi di Modena e Reggio Emilia Facoltà di Ingegneria di Modena Università degli Studi di Modena e Reggio Emilia Facoltà di Ingegneria di Modena Corso di Laurea Specialistica in Ingegneria Informatica Business Intelligence per le imprese: progetto e realizzazione di

Dettagli

Data Warehousing e Data Mining

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

Dettagli

Sistemi Informativi Aziendali. Sistemi Informativi Aziendali. Sistemi Informativi Aziendali

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

Dettagli

Prefazione Sistemi informativi e basi di dati Il modello relazionale Il modello ER

Prefazione Sistemi informativi e basi di dati Il modello relazionale Il modello ER Indice Prefazione XI 1 Sistemi informativi e basi di dati 1 1.1 La Gestione dell Informazione................... 1 1.1.1 Sistemi Informativi e Sistemi Informatici......... 1 1.2 Esempi di Sistemi Informativi...................

Dettagli

Informazioni generali sul corso

Informazioni generali sul corso Informazioni generali sul corso Principi di Datawarehouse 1 Obiettivi del corso Conoscere i Datawarehouse 2 1 Argomenti Il contesto I sistemi DSS Architettura DW Proprietà DW Utilizzo DW Elementi OLAP:

Dettagli

Sistemi per la Gestione delle Basi di Dati

Sistemi per la Gestione delle Basi di Dati Sistemi per la Gestione delle Basi di Dati Esercitazione di Laboratorio N. 4 L esercitazione consiste nel progettare un data warehouse che permetta di gestire la problematica illustrata nei punti seguenti,

Dettagli

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

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

Dettagli

Progettazione logica: regole di traduzione

Progettazione logica: regole di traduzione Progettazione logica: regole di traduzione Sistemi Informativi T Versione elettronica: 08.1.progLogica.traduzione.pdf Il secondo passo requisiti del Sistema Informativo progettazione concettuale cosa si

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

Il puntuale e costante monitoraggio

Il puntuale e costante monitoraggio CONTROLLO CASE REPORTING ECONOMICO FINANZIARIO PER UN IMPRESA LATTIERO-CASEARIA: IL CASO MILK S.P.A. di Pietro Dalena Dottore commercialista, Consulente di management Certified Management Consultant APCO

Dettagli

SQL e ACCESS. Modello relazionale PROBLEMA ENTITA STUDENTE

SQL e ACCESS. Modello relazionale PROBLEMA ENTITA STUDENTE SQL e ACCESS Prof. Salvatore Multazzu (salvatoremultazzu@tiscali.it) Applicazioni Informatiche nella comunicazione Modello relazionale Entità Record o Ennuple Attributi o Campi Tipi Chiavi Primarie (PK)

Dettagli

DATA BASE MANAGEMENT SYSTEM

DATA BASE MANAGEMENT SYSTEM DATA BASE (1) Problematica gestione dati: oggetti delle elaborazioni, difficili da gestire, memorizzare, reperire, modificare; talvolta ridondanti/incongruenti; non sufficientemente protetti; spesso comuni

Dettagli