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

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

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 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

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

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

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

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

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

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 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

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

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

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

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

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

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

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

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

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

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

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

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 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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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 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

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

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

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

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

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

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

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

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

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

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

IT FOR BUSINESS AND FINANCE

IT FOR BUSINESS AND FINANCE IT FOR BUSINESS AND FINANCE Business Intelligence Siena 14 aprile 2011 AGENDA Cos è la Business Intelligence Terminologia Perché la Business Intelligence La Piramide Informativa Macro Architettura Obiettivi

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

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

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

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

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

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 WAREHOUSE E CRUSCOTTO DIREZIONALE PER L ANALISI DEL PERSONALE IN UN AZIENDA DI SERVIZI

DATA WAREHOUSE E CRUSCOTTO DIREZIONALE PER L ANALISI DEL PERSONALE IN UN AZIENDA DI SERVIZI Alma Mater Studiorum Università di Bologna SCUOLA DI INGEGNERIA E ARCHITETTURA Corso di Laurea Magistrale in Ingegneria e Scienze Informatiche DATA WAREHOUSE E CRUSCOTTO DIREZIONALE PER L ANALISI DEL PERSONALE

Dettagli

Appunti per il Corso di Data Warehousing

Appunti per il Corso di Data Warehousing Università degli Studi Mediterranea di Reggio Calabria Corsi per il Personale Tecnico Amministrativo Appunti per il Corso di Data Warehousing Autori: Ing. Giovanni Quattrone, Prof. Domenico Ursino Anno

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

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

Business Intelligence

Business Intelligence aggregazione dati Business Intelligence analytic applications query d a t a w a r e h o u s e aggregazione budget sales inquiry data mining Decision Support Systems MIS ERP data management Data Modeling

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

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

MICHAEL SCHMITZ ROMA 20-22 NOVEMBRE 2006 ROMA 23-24 NOVEMBRE 2006 RESIDENZA DI RIPETTA - VIA DI RIPETTA, 231

MICHAEL SCHMITZ ROMA 20-22 NOVEMBRE 2006 ROMA 23-24 NOVEMBRE 2006 RESIDENZA DI RIPETTA - VIA DI RIPETTA, 231 LA TECHNOLOGY TRANSFER PRESENTA MICHAEL SCHMITZ DATA WAREHOUSING Aspetti avanzati di Design e di Implementazione ETL PER IL DATA WAREHOUSE Un approccio Template-Driven ROMA 20-22 NOVEMBRE 2006 ROMA 23-24

Dettagli

Che cosa è SADAS INFOMANAGER (1982) Gestione Archivi Storici (1992) SADAS (2005) Ambiente MVS OVERMILLION (1990) Client-Server e multipiattaforma

Che cosa è SADAS INFOMANAGER (1982) Gestione Archivi Storici (1992) SADAS (2005) Ambiente MVS OVERMILLION (1990) Client-Server e multipiattaforma 1 Che cosa è SADAS SADAS è un DBMS column-based progettato in modo specifico per ottenere grandi performance nell interrogazione di archivi statici di grandi dimensioni (analisi data warehouse, OLAP).

Dettagli

Misura delle prestazioni dei processi aziendali con sistemi di integrazione dati open source

Misura delle prestazioni dei processi aziendali con sistemi di integrazione dati open source Università degli Studi di Modena e Reggio Emilia Facoltà di Ingegneria Enzo Ferrari di Modena Corso di Laurea in Ingegneria Informatica (509/99) Misura delle prestazioni dei processi aziendali con sistemi

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

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

Informatica Generale Andrea Corradini. 19 - Sistemi di Gestione delle Basi di Dati

Informatica Generale Andrea Corradini. 19 - Sistemi di Gestione delle Basi di Dati Informatica Generale Andrea Corradini 19 - Sistemi di Gestione delle Basi di Dati Sommario Concetti base di Basi di Dati Il modello relazionale Relazioni e operazioni su relazioni Il linguaggio SQL Integrità

Dettagli

Mexal Controllo di Gestione e Gestione Commesse

Mexal Controllo di Gestione e Gestione Commesse Mexal Controllo di Gestione e Gestione Commesse Controllo di Gestione e Gestione Commesse TARGET DEL MODULO Il modulo Controllo di Gestione e Gestione Commesse di Passepartout Mexal è stato progettato

Dettagli

Miriam Gotti m.gotti@cineca.it

Miriam Gotti m.gotti@cineca.it Cenni sul Dat a Warehouse Ravenna 5 Novembre 2007 Miriam Gotti m.gotti@cineca.it www. cineca.it Agenda Fondamenti di Data Warehouse Modello Multidimensionale Analisi OLAP Introduzione a Statportal www.cineca.it

Dettagli

InfoTecna ITCube Web

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

Dettagli

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

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 al Data Warehousing per Sistemi Informativi Aziendali

Introduzione al Data Warehousing per Sistemi Informativi Aziendali Università La Sapienza di Roma AA 2009-2010 Prof. Introduzione al Data Warehousing per Cos è il Data Warehousing Collezione di metodi, tecnologie e strumenti di ausilio al lavoratore della conoscenza (manager,

Dettagli

On Line Analytical Processing

On Line Analytical Processing On Line Analytical Processing Data integra solitamente Warehouse(magazzino dati) èun sorgenti un unico schema globalel informazione estratta da piu puo replicazioneai puo essere èinterrogabile, non modificabile

Dettagli

REALIZZAZIONE DI REPORT MEDIANTE MICROSOFT EXCEL 2007

REALIZZAZIONE DI REPORT MEDIANTE MICROSOFT EXCEL 2007 SISTEMA A SUPPORTO DEI PROCESSI DI PROGRAMMAZIONE E CONTROLLO DI GESTIONE NELLE ORGANIZZAZIONI PUBBLICHE REALIZZAZIONE DI REPORT MEDIANTE MICROSOFT EXCEL 2007 Copyright 2010 CSIO Società di Informatica

Dettagli

Esercitazione di riepilogo sulle Query MySQL Giugno 2011 Classe VB Informatica

Esercitazione di riepilogo sulle Query MySQL Giugno 2011 Classe VB Informatica Istituto di Istruzione Superiore Alessandrini - Marino 1 Esercitazione di riepilogo sulle Query MySQL Giugno 2011 Classe VB Informatica Descrizione Un azienda commerciale che vende prodotti IT (computers,

Dettagli

Una miniera di dati sul comportamento degli utenti del Web

Una miniera di dati sul comportamento degli utenti del Web Una miniera di dati sul comportamento degli utenti del Web Organizzare le informazioni sull'utilizzo della rete in PostgreSQL utilizzando ht://miner, un sistema open-source di data mining e data warehousing

Dettagli

70555 Informatica 3 70777 Sicurezza 2. 70555 Mario Rossi 70777 Anna Bianchi. Esempio istanza:

70555 Informatica 3 70777 Sicurezza 2. 70555 Mario Rossi 70777 Anna Bianchi. Esempio istanza: DOMANDE 1) Definire i concetti di schema e istanza di una base di dati, fornendo anche un esempio. Si definisce schema di una base di dati, quella parte della base di dati stessa che resta sostanzialmente

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

Corso di Informatica Generale 1 IN1. Linguaggio SQL

Corso di Informatica Generale 1 IN1. Linguaggio SQL Università Roma Tre Facoltà di Scienze M.F.N. di Laurea in Matematica di Informatica Generale 1 Linguaggio SQL Marco (liverani@mat.uniroma3.it) Sommario Prima parte: le basi dati relazionali Basi di dati:

Dettagli

11 - Progettazione Logica

11 - Progettazione Logica Corso di Laurea in Ingegneria Gestionale SAPIENZA Università di Roma Esercitazioni del corso di Basi di Dati Prof.ssa Catarci e Prof.ssa Scannapieco Anno Accademico 2011/2012 11 - Progettazione Logica

Dettagli

MICHAEL SCHMITZ. ETL per il ROMA 21-23 APRILE 2008 ROMA 24 APRILE 2008 RESIDENZA DI RIPETTA - VIA DI RIPETTA, 231

MICHAEL SCHMITZ. ETL per il ROMA 21-23 APRILE 2008 ROMA 24 APRILE 2008 RESIDENZA DI RIPETTA - VIA DI RIPETTA, 231 LA TECHNOLOGY TRANSFER PRESENTA MICHAEL SCHMITZ Tecniche avanzate di Database Design per Sistemi di Business Intelligence e Data Warehouse ETL per il Data Warehouse: un approccio Template-Driven ROMA 21-23

Dettagli

Sistemi informativi aziendali

Sistemi informativi aziendali Operatore giuridico d impresa Informatica Giuridica A.A 2002/2003 II Semestre Sistemi informativi aziendali prof. Monica Palmirani Sistemi informativi e informatici Sistemi informativi = informazioni+processi+comunicazione+persone

Dettagli

Il linguaggio SQL. è di fatto lo standard tra i linguaggi per la gestione di data base relazionali.

Il linguaggio SQL. è di fatto lo standard tra i linguaggi per la gestione di data base relazionali. (Structured Query Language) : Il linguaggio è di fatto lo standard tra i linguaggi per la gestione di data base relazionali. prima versione IBM alla fine degli anni '70 per un prototipo di ricerca (System

Dettagli

Progettazione del Data Warehouse

Progettazione del Data Warehouse Progettazione del Data Warehouse Queste dispense sono state estratte dalle dispense originali del Prof. Stefano Rizzi, disponibili in http://www-db.deis.unibo.it/~srizzi/) e sono state tratte dal libro

Dettagli

Supporto alle decisioni e strategie commerciali/mercati/prodotti/forza vendita;

Supporto alle decisioni e strategie commerciali/mercati/prodotti/forza vendita; .netbin. è un potentissimo strumento SVILUPPATO DA GIEMME INFORMATICA di analisi dei dati con esposizione dei dati in forma numerica e grafica con un interfaccia visuale di facile utilizzo, organizzata

Dettagli

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

Database Commerciali/ Marketing. Indice: 1. Gli elementi chiave del db commerciale/ marketing 2. Come si costruisce un db commerciale/ marketing

Database Commerciali/ Marketing. Indice: 1. Gli elementi chiave del db commerciale/ marketing 2. Come si costruisce un db commerciale/ marketing Database Commerciali/ Marketing Indice: 1. Gli elementi chiave del db commerciale/ marketing 2. Come si costruisce un db commerciale/ marketing Database Commerciali/ Marketing Gli elementi chiave del db

Dettagli

Business Intelligence per le imprese: progetto e realizzazione di reportistica a supporto delle decisioni aziendali

Business Intelligence per le imprese: progetto e realizzazione di reportistica a supporto delle decisioni aziendali Università degli Studi di Modena e Reggio Emilia Facoltà di Ingegneria - Sede di Modena Corso di Laurea Specialistica in Ingegneria Informatica Business Intelligence per le imprese: progetto e realizzazione

Dettagli