Informazioni generali sul corso
|
|
- Gioacchino Serafini
- 8 anni fa
- Visualizzazioni
Transcript
1 Informazioni generali sul corso Principi di Datawarehouse 1 Obiettivi del corso Conoscere i Datawarehouse 2 1
2 Argomenti Il contesto I sistemi DSS Architettura DW Proprietà DW Utilizzo DW Elementi OLAP: Data Cube: fatti,misure,gerarchie e dimensioni; Operazioni: Drill, Roll, Slice, Dice, Pivoting, Ranking, ecc; Star Schema: Fact Table e Dimensional Tables; 3 Il Contesto Verso la fine degli anni 90 si è capita l importanza strategica, per il business, dell uso dei dati aziendali raccolti dai processi operazionali (Business Intelligence) Il ritorno di investimento dato dall automatizzazione dei processi aziendali non dava il risultato sperato. Occorreva sfruttare meglio i dati aziendali globali accumulati 4 2
3 Knowledge Discovery in Databases : scoperta della conoscenza dai dati contenuti nei Database. Il processo di analisi parte da un insieme limitato di dati e, usando una certa metodologia, cerca di sviluppare una rappresentazione ottimale della struttura dei dati; durante questa fase il processo acquisisce conoscenza. Una volta che tale conoscenza è stata acquisita, questa può essere estesa ad un insieme più vasto di dati basandosi sull'assunzione che il largo insieme di dati ha una struttura simile a quello più semplice. 5 Processi Aziendali Processi informativi aziendali: Processi operativi Operano su dati dipartimentali e dettagliati Decisioni strutturate e basate su regole definite Processi gestionali Operano su dati settoriali e parzialmente aggregati Decisioni semistrutturate, basate su regole note ma con intervento umano creativo Processi direzionali Operano su dati integrati e aggregati Decisioni non strutturate, non ci sono regole, il tutto è basato su capacità umane 6 3
4 Processi Operativi Esempio - Una Banca Gestione di un movimento su Conto Corrente bancario presso uno sportello Processi Gestionali Concessione di un fido Revisione delle condizioni su conto corrente Processi Direzionali Verifica dell andamento di servizi su carte di credito Lancio di una campagna promozionale Accordi commerciali 7 Esempio - Compagnia Telefonica Processi Operativi Stipula dei contratti Instradamento delle telefonate Dati contabili telefonate(scatti, durata, tariffa ) Processi Gestionali Stipula di contratti speciali Installazione infrastrutture Processi Direzionali Scelta dei parametri che fissano il costo delle telefonate Definizione di contratti diversificati Pianificazione potenziamento infrastrutture 8 4
5 Il problema In genere: DB1 DB2 Ø abbondanza di dati DB4 DB3 ma anche Œ abbondanza di ridondanza ed inconsistenza che non permette di utilizzare i dati in modo utile a fini decisionali 9 Tipiche richieste Qual è il volume delle vendite per regione e categorie di prodotto durante l ultimo anno? Come si correlano i prezzi delle azioni delle società produttrici di hardware con i profitti trimestrali degli ultimi 10 anni? Quali sono stati i volumi di vendita dello scorso anno per regione e categoria di prodotto? In che modo i dividendi di aziende di hardware sono correlati ai profitti trimestrali negli ultimi 10 anni? 10 5
6 Possibili applicazioni contesti gestione dei rischi analisi finanziaria programmi di marketing analisi statistica integrazione DB clienti integrazione relazioni clienti analisi temporale telecomunicazioni banking università assicurazioni beni di consumo salute produzione problematiche 11 DSS sistemi di supporto alle decisioni (DSS) dati conoscenza utile all azienda 12 6
7 Sistemi di Supporto alle Decisioni (DSS) Sono i sistemi che supportano la dirigenza nel prevedere decisioni tattico-strategiche, nel modo migliore e velocemente. Tipiche operazioni: Quali sono stati i volumi di vendita dello scorso anno per una certa categoria di prodotto? Quali ordini dovremmo soddisfare per massimizzare le entrate? Ci si basa sui dati accumulati OLTP!!!! 13 OLAP per Decision Support E un elemento del DSS Obiettivo dell OLAP è supportare query ad-hoc per gli analisti di business Analisti di business hanno molta familiarità con spreadsheet OLAP tools permettono di lavorare su: Enormi data set Semanticamente arricchiti per comprendere meglio le analisi di business (ad es. tempo, geografia) Multidimensional view dei dati è il principio fondamentale dell OLAP 14 7
8 Perché i sistemi tradizionali (OLTP) non sono sufficienti? Non gestiscono dati storici Sono sistemi eterogenei Basse prestazioni DBMS non adeguati al supporto decisionale Problemi di sicurezza 15 OLTP vs. OLAP OLTP OLAP funzione gestione giornaliera supporto alle decisioni progettazione orientata alle orientata al soggetto applicazioni frequenza giornaliera sporadica dati recenti, dettagliati storici, riassuntivi, multidimensionali sorgente singola DB DB multiple uso ripetitivo ad hoc accesso read/write read flessibilità accesso uso di programmi generatori di query precompilati # record acceduti decine migliaia tipo utenti operatori manager # utenti migliaia centinaia tipo DB singola multiple, eterogenee performance alta bassa dimensione DB 100 MB - GB 100 GB - TB 16 8
9 Più formalmente Sistemi tradizionali On-Line Transaction Processing (OLTP) Sistemi di data warehousing On-Line Analytical Processing (OLAP) Profondamente diversi 17 OLAP Rappresenta una visione multidimensionale, LOGICA, dei dati Permette un analisi interattiva dei dati Aggregazioni per ogni intersezione di ogni dimensione. Previsione, trend analysis, e statistical analysis. Calcola e visualizza i dati in 2D o 3D crosstabs, charts, e grafi, con semplici operazioni di pivoting degli assi 18 9
10 Altri Sistemi derivati ROLAP (Relational OLAP): sistema di Data Warehouse in grado di supportare le interrogazioni tipiche (roll-up, drill-down, ) presentation server relazionale Oracle 9i + Discoverer MOLAP (Multidimensional OLAP): sistema di Data Warehouse in grado di supportare le interrogazioni tipiche (roll-up, drill-down, ) presentation server multidimensionale Express Server DOLAP (Desktop OLAP): i dati vengono recuperati da un DW relazionale o multidimensionale e copiati localmente Business Objects 19 Confronto caratteristiche sistemi OLAP Performance Analisi: Dimensione DW: Query: MOLAP Caricamento: ROLAP MOLAP ROLAP MOLAP: problema sparsità Flessibilità nello schema: ROLAP MOLAP: minor numero di dimensioni ammesse 20 10
11 Datawarehouse - definizione E una collezione di dati, integrata e consistente, progettata a supporto delle decisioni. Può contenere dati atomici o leggermente aggregati, ma rappresenta sempre l evoluzione temporale del dominio di interesse. Il DW è un architettura non è un prodotto E usata per il supporto alle decisioni 21 DataWarehouse - Architettura Operational & External Data Management Platform Metadata MKDB Reports, Query, EIS, Tools Data Extract Data Cleanup Data Load Data Warehouse Data Warehouse DBMS MDDB Data Marts OLAP Tools GIS, Tools, Data Mining Admin Platform Repository 22 11
12 External Data DW - Strumenti software coinvolti Data Capture DW Storage Management Information Delivery Extract Informix Oracle Transform DATA STAGE Secondary Data Mart BUSINESS OBJECT Data Mart MVS SQL Server Cleanse Enterprise Data Warehouse Data Mart Data Mart Etc ODS ORACLE 23 DW - Caratteristiche architetturali Separazione: l elaborazione analitica e quella transazionale devono essere il più possibile separate; Scalabilità: l architettura hw e sw deve essere facilmente ridimensionabile; Estendibilità: deve essere possibile accogliere nuove applicazioni e tecnologie; Sicurezza: il controllo sugli accessi è essenziale (dati strategici); Amministrabilità: l attività di amministrazione non deve essere troppo complessa; 24 12
13 DW - Architettura ad 1 livello 1/2 In questo caso non è prevista alcuna ridondanza dei dati. I sistemi decisionali accedono all unica copia dei dati in concorrenza con i sistemi operazionali, con conseguente degradazione delle prestazioni di entrambi. Il vantaggio è dato dalla minimizzazione del volume dei dati e dall eliminazione dei problemi di consistenza causati dalla duplicazione. L assenza di qualsiasi trasformazione dei dati operazionali ed in particolare l assenza di aggregazioni precalcolate contrasta in modo evidente con le esigenze dell analisi decisionale. I DW con architettura ad un livello sono anche detti data warehouse virtuali, poiché il disaccoppiamento dall ambiente operazionale è gestito direttamente dalle applicazioni decisionali senza il supporto di dati fisicamente organizzati secondo le esigenze dell ambiente informativo. 25 DW - Architettura ad 1 livello 2/2 OLTP = DW OLTP catalogo dei metadati DW Virtuale 26 13
14 DW - Metadati 1/4 Affinché un data warehouse sia acceduto e mantenuto in maniera efficiente è necessario conoscere quali dati sono disponibili, dove sono collocati, quali procedure di trasformazione sono state effettuate, etc. Tipi di metadati : 1. Servizio; 2. Controllo; 3. Per l utente finale. 27 DW - Metadati 2/4 1. di Servizio Per la costruzione del sistema informativo, ovvero metadati utilizzati per la creazione e gestione dei dati operazionali. L'origine di questi metadati è antecedente alla creazione del data warehouse ma il loro ruolo in tale contesto è essenziale in quanto contengono tutte le informazioni necessarie per l'integrazione e riconciliazione dei dati; 28 14
15 DW - Metadati 3/4 2. di controllo Utilizzati dal DW per gestire il funzionamento del data warehouse stesso. Questa tipologia di metadati realizza il collegamento tra i dati operazionali e la struttura del DW; 29 DW - Metadati 4/4 3. per l utente finale Pensati per aiutare l'utente del DW nella ricerca delle informazioni di interesse attraverso l enorme mole di dati disponibili
16 DW - Architettura a 2 livelli 1/2 1. un livello di dati real-time, cui accedono i sistemi operazionali in lettura e scrittura; 2. un livello di dati derivati, cui accedono i sistemi decisionali tipicamente in lettura; in tale livello sono presenti sia dati di dettaglio che dati aggregati, relativi a finestre temporali di differenti dimensioni. 31 DW - Architettura a 2 livelli OLTP Derived Data catalogo dei metadati Derived Data = DW 32 16
17 DW - Architettura a 2 livelli Pro: La replicazione dei dati elimina il problema della concorrenza tra sistemi decisionali e sistemi operazionali. Contro: Gli insiemi di dati presenti nei dati derivati provengono da più d'uno degli insiemi presenti nei dati OLTP. Tutto questo produce una notevole complicazione nel livello di gestione ed aggiornamento dei dati derivati, rendendone difficile la manutenzione. Notevole aumento dello spazio di memorizzazione necessario. nasce il concetto di DATA MART 2/2 33 DW - Data mart 1/4 Un DW rappresenta spesso l unione di più Data mart Data mart: restrizione data warehouse ad un singolo processo o ad un gruppo di processi aziendali (es. Marketing) DW Data mart #1 Data mart DW #2 Data mart #
18 Data mart - Definizione formale 2/4 una struttura dipartimentale dei dati, alimentata dal datawarehouse, dove i dati sono denormalizzati ed aggregati in base ai requisiti di una particolare divisione dell azienda. 35 Data mart - Caratteristiche 3/4 Datawarehouse dipartimentale sistema specializzato che mette insieme i dati necessari ad un dipartimento implementato creando Views specifiche alle applicazioni sottoinsiemi materializzati di Views dipartimentali che focalizzano su soggetti determinati. Possono utilizzare differenti metafore di rappresentazione 36 18
19 Data mart - Architettura 4/4 Sorgenti Data mart Gestionali DM Dipartimento Contabilità Documenti DW DM Dipartimento Risorse Umane Third-party software DM Dipartimento Vendite DM Dipartimento Produzione 37 DW - Architettura a 3 livelli 1/2 Lo scopo del livello di riconciliazione è dunque quello di creare un modello dati che sia comune a tutta l organizzazione e che contenga tutte le possibili informazioni di possibile interesse per gli utenti finali. Il processo di caricamento dei dati provenienti dal livello operativo (OLTP) permetterà di eliminare da essi inconsistenze e irregolarità e di integrarli tra loro in maniera razionale
20 DW - Architettura a 3 livelli 2/2 OLTP catalogo dei metadati Dati riconciliati DW 39 Datawarehouse Proprietà 1/6 1. orientata ai soggetti 2. integrata: livello aziendale e non dipartimentale 3. correlata alla variabile tempo: ampio orizzonte temporale 4. con dati tipicamente aggregati, per effettuare stime 5. fuori linea: dati aggiornati periodicamente 40 20
21 Datawarehouse Proprietà 2/6 1. Orientata ai soggetti: considera i dati di interesse ai soggetti dell organizzazione e non quelli rilevanti ai processi organizzativi Esempio: basi di dati operazionali dipartimentali: vendita, produzione, marketing data warehouse: prodotti, clienti, fornitori 41 Datawarehouse Proprietà 3/6 2. Integrata: i dati provengono da tutte le sorgenti informative il data warehouse rappresenta i dati in modo univoco, riconciliando le eterogeneità delle diverse rappresentazioni: nomi struttura codifica rappresentazione multipla 42 21
22 Datawarehouse Proprietà 4/6 3. Correlata alla variabile tempo: presenza di dati storici per eseguire confronti, previsioni e per individuare tendenze Le basi di dati operazionali mantengono il valore corrente delle informazioni L orizzonte temporale di interesse è dell ordine dei pochi mesi Nel data warehouse è di interesse l evoluzione storica delle informazioni L orizzonte temporale di interesse è dell ordine degli anni 43 Datawarehouse Proprietà 5/6 4. Dati aggregati: nell attività di analisi dei dati per il supporto alle decisioni: non interessa chi ma quanti non interessa un dato ma: la somma di un insieme di dati; la media di un insieme di dati; il minimo di un insieme di dati; il massimo di un insieme di dati; ecc
23 Datawarehouse Proprietà 6/6 5. Fuori linea: base di dati operazionale: i dati venono acceduti, inseriti, modificati, cancellati pochi record alla volta data warehouse: operazioni di accesso e interrogazione diurne operazioni di caricamento e aggiornamento notturne che riguardano milioni di record 45 Uso bimodale: DW - Uso ore al giorno usati per attività di interrogazione 2-8 ore al giorno per: caricamento; indicizzazione; controllo qualità; pubblicazione. 1/
24 Presentazione OLAP Internet DW - Uso 2/3 Linguaggi per lo sviluppo di applicazioni Reporting Analisi statistiche Query SQL ad hoc Interpretazione e analisi Database multidimensionali relazionali aggregati MDDB Strutture dati per l analisi RDB aggregati Data mining Database relazionali denormalizzati Estrazione, trasformazione, caricamento (ETL) 47 I ruoli degli utenti mutano DW - Uso 3/3 Gli utenti hanno esigenze diverse confrontandosi di volta in volta con necessità diverse Cruscotti Aziendali Lettura di Reports Analisi su Spreadsheet Q&R, OLAP, Data Mining 48 24
25 Pausa 49 Ripresa
26 Datawarehouse Elementi OLAP Si basa su un modello dei dati multidimensionale che rappresenta i dati sotto forma di data cube Un data cube permette di modellare e creare viste dei dati rispetto a molteplici dimensioni Modello dati multidimensionale detto Star Schema Implementabile su un DB relazionale Consente volumi di dati molto grandi volumi dell ordine di 100 gbytes forniscono tempi di risposta sotto i 10 sec 51 Il manager regionale esamina la vendita dei prodotti in tutti i periodi relativamente ai propri mercati Data Cube Esempio 1 1/5 Il manager finanziario esamina la vendita dei prodotti in tutti i mercati relativamente al periodo corrente e quello precedente magazzino tempo prodotto Il manager di prodotto esamina la vendita di un prodotto in tutti i periodo e in tutti i mercati Il manager strategico si concentra su una categoria di prodotti, un area regionale e un orizzonte temporale medio 52 26
27 Data Cube Esempio 2 2/5 Store Pisa Roma Firenze sum Product Milk Bread Orange... sum All Products January 96, Pisa. Jan 96 Feb Time sum Ogni dimensione contiene una gerarchia di valori una cella del cubo contiene valori aggregati (count, sum, max, etc.) 53 Data Cube Esempio 3 3/5 Processo: vendite in una catena di supermercati tempo magazzino A feb apr mag set prodotto B C vino acqua coca cola 54 27
28 Data Cube Esempio 4 4/5 canale Data Cube 55 Concetti per Definire un Data Cube 5/5 1. Fatto un tema di interesse per l organizzazione (vendite, spedizioni, acquisti) 2. Misura attributo che descrive quantitativamente il fatto da diversi punti di vista, una proprietà di un fatto da analizzare (numero di unità vendute, prezzo unitario) 3. Gerarchia determina come le istanze di un fatto possono essere aggregate e selezionate - descrive una dimensione 4. Dimensione descrive una prospettiva lungo la quale un organizzazione vuole mantenere i dati (prodotto, negozio, data) 56 28
29 Data cube 1. Fatti 1/3 I fatti hanno delle proprietà che sono dette misure Le proprietà dei fatti sono tipicamente: numeriche additive possono essere aggregati rispetto agli attributi delle dimensioni, utilizzando l operazione di addizione 57 Data cube 1. Fatti 2/3 Esempi: Attività (fatti): vendite in una catena di supermercati misure: n. prodotti venduti, incassi, costi,... Attività (fatti): ordini misure: n. spedizioni, n. clienti, importi,... Attività (fatti): iscrizioni universitarie misure: n. studenti, Attività (fatti): chiamate gestite da compagnia telefonica misure: costo, durata 58 29
30 Data cube 1. Fatti anomali In alcuni contesti applicativi, puo` capitare di avere fatti senza misure fatti anomali 3/3 in questo caso i fatti rappresentano semplicemente una relazione molti-a-molti, senza aggiungere alcuna nuova informazione Esempi: Attività principale: corsi universitari dimensioni: corsi, professori, studenti, tempo Attività principale: assegnazione cure negli ospedali dimensioni: ospedali, dottori, diagnosi, tempo, pazienti, assistenti, procedure 59 Data cube 2. Misure Le misure sono i valori quantitativi che si vogliono analizzare Ad esempio: - la quantità e il valore fatturato; - il costo del venduto. Le misure sono analizzate in funzione delle dimensioni da cui dipendono 60 30
31 Data cube 3. Gerarchie (tra dimensioni) 1/5 Ogni dimensione puo` essere organizzata in una gerarchia che ne rappresenta i possibili livelli di aggregazione per I dati ogni livello della gerarchia rappresenta una relazione molti-a-uno Le gerarchie esprimono i legami esistenti tra più dimensioni. 61 Data cube 3. Gerarchie 2/5 Esempi 1: anno regione trimestre provincia categoria marca mese città prodotto giorno negozio 62 31
32 Data cube 3. Gerarchie 3/5 Esempi 2: guardando l anagrafica prodotti si può immaginare una struttura gerarchica che organizzi la stessa secondo una struttura ad albero di questo tipo:»prodotti»prodotti fornitura interna (Tipo ordine)»prodotti Finiti (Tipo articolo) 63 Data cube 3. Gerarchie 4/5 Esempi 3: Anno Semestre Trimestre Mese Regione Provincia Comune Direzioni Generali Aree Coordinamento Settori Data 64 32
33 Data cube 3. Gerarchie 5/5 Come Esplorare una gerarchia Anno Semestre Drill-down (dettaglio) Trimestre Mese Data Roll-up (aggregazione) 65 Data cube 4. Dimensione La dimensione è un attributo consistente dei dati. 1/5 La dimensione esprime una classe di raggruppamento delle informazioni, un parametro di organizzazione e di selezione nella lettura degli stessi. Ad esempio nel caso di una anagrafica prodotti una dimensione può esprimere la famiglia: Macchine tipo A, Accessori tipo xyz, ecc.; Il numero delle dimensioni cresce proporzionalmente alla complessità dell analisi
34 Data cube 4. Dimensione 2/5 Devono essere scelte solo le entità rilevanti per le analisi che si intendono effettuare Le dimensioni sono tipicamente caratterizzate da attributi: testuali discreti ma possono anche essere numeriche dimensione di un prodotto Esiste sempre una dimensione temporale 67 Data cube 4. Dimensione Esempi: Attività: vendita in una catena di supermercati dimensioni: tempo, prodotti, magazzino Attività: ordini dimensioni: tempo, prodotti, clienti, spedizioni Attività: iscrizioni universitarie dimensioni: tempo, facoltà, tipologia studenti Attività : vendita automobili dimensioni: clienti, venditori, concorrenti, automobili, concessionarie 3/
35 Data cube 4. Dimensione Problema: come si può identificare se un attributo numerico è un fatto o un attributo di una dimensione? Se è una misura che varia continuamente nel tempo FATTO Esempio: analisi costo di un prodotto nel tempo Se è una descrizione discreta di qualcosa che è ragionevolmente costante 4/5 ATTRIBUTO di una dimensione Esempio: costo di un prodotto visto come informazione descrittiva 69 Data cube 4. Dimensione Le dimensioni utilizzate sono spesso le stesse in vari contesti applicativi: tempo collocazione geografica organizzazione clienti 5/5 il numero di attributi per ogni dimensione è in genere molto elevato (anche nell ordine del centinaio) 70 35
36 La dimensione - Tempo È presente in ogni DW in quanto virtualmente ogni DW rappresenta una serie temporale Domanda: perché non campo di tipo DATE nella Risposta: tabella dei fatti? la dimensione tempo permette di descrivere il tempo in modi diversi da quelli che si possono desumere da un campo date in SQL (giorni lavorativi-vacanze, periodi fiscali, stagioni, ecc.) 1/2 71 La dimensione - Tempo 2/2 Alcuni tipici attributi della dimensione tempo: tempo-k (può essere un campo di tipo data in SQL) giorno-della-settimana n-giorno-nel-mese n-giorno-in-anno n-settimana-in-anno mese stagione periodo fiscale
37 Data cube Operazioni 1/7 1. ROLL-UP (ACCUMULARE) AUMENTA IL LIVELLO DI AGGREGAZIONE DEI DATI 2. DRILL-DOWN (PERFORARE) AUMENTA IL LIVELLO DI DETTAGLIO DEI DATI 3. SLICE-AND-DICE (AFFETTARE E TAGLIARE A CUBETTI) SELEZIONA E PROIETTA RIDUCENDO LA DIMENSIONALITA DEI DATI 4. PIVOTING (ROTATE) (FAR PERNO, RIORIENTA IL CUBO) SELEZIONA DUE DIMENSIONI ATTORNO ALLE QUALI AGGREGARE I DATI METRICI 5. RANKING (ATTRIBUIRE UNA CLASSE DI MERITO) ORDINA I DATI SECONDO CRITERI PREDEFINITI 6. OPERAZIONI TRADIZIONALI (SELEZIONE ATTRIBUTI CALCOLATI, ECC.) 73 Data cube Operazioni 2/7 7. TOP-n (MIGLIORI n) SELEZIONA I PRIMI n NEI DATI 8. SELECTION (FILTRA) SELEZIONA IN BASE A UNA GRANDEZZA DATA 9. COMPUTED ATTRIBUTES (CALCOLA) ESEGUE CALCOLI DI AGGREGAZIONE Dipendono dai tool di accesso influenzano l implementazione delle query 74 37
38 Data cube Operazioni 3/7 1. Roll up (Drill up): riassumi i dati, salendo nella gerarchia dei concetti per una dimensione o attraverso una riduzione di una dimensione il volume totale di vendite per categoria di prodotto e per regione per anno si rimuove per esempio la dimensione tempo 2. Drill down (Roll down): passa da un livello di dettaglio basso ad un livello di dettaglio alto, scendendo nella gerarchia o introducendo una nuova dimensione. per un particolare prodotto, trova le vendite dettagliate per ogni venditore e per ogni data 75 Data cube Operazioni 4/7 1. Roll-Up 2. Drill-Down Roll-up Region Year Product Store Product Roll-up Year Drill-Down Store Product Month Drill-Down 76 38
39 1. Roll-Up Data cube Operazioni: 2. Drill-Down 5/7 Dipartimento Incassi Unità vendute Panificio Lit Cibo surgelato Lit down up Dipartimento Marca Incassi Unità vendute Panificio Barilla Panificio Agnesi Cibo surgelato Findus Cibo surgelato Orogel Data cube Operazioni 6/7 2. Slice and Dice: select & project L operazione di Slice esegue una selezione su una dimensione del cubo. L operazione di Dice definisce un sottocubo eseguendo una selezione su due o più dimensioni Esempio:Vendite delle bevande nel West negli ultimi 6 mesi 7. Top-n: Esempio: determinare i 10 prodotti piu` venduti ad una certa data e in un certo magazzino, ordinati per vendite 78 39
40 Data cube Operazioni 7/7 3. Slice and Dice Anno=2003 Slice Quotidiano Anno Lingua Dice Anno in (2003, 2004) Quotidiano in ( La Nazione, La Repubblica ) Lingua in ( Inglese, Giapponese ) 79 Data cube Schemi Star schema: Un singolo oggetto (fact table) in mezzo connessa ad un numero di oggetti (dimension tables) Snowflake schema: Un raffinamento dello star schema in cui la gerarchia dimensionale è rappresentata esplicitamente (normalizzando le tabelle delle dimensioni) Fact constellations: più tabelle dei fatti condividono tabelle dimensionali 80 40
41 Star schema - Fact Table 1/5 fatto ora VENDITA cliente dimensioni negozio Unità Incasso prodotto dimensioni misure 81 Star Schema - caratteristiche 2/5 Una singola fact table e una singola tabella per ogni dimensione (dimensional table) Ogni fatto referenzia ad una tupla in ognuna delle dimensioni ed ha attributi addizionali Chiavi surrogate (generate) vengono utilizzate per performance 82 41
42 Star Schema - Esempio 3/5 83 Tempo Codice orario Ora Giorno Settimana Mese Trimestre Anno Luogo Codice luogo Negozio Indirizzo Codice Città Città Codice Regione Regione Codice Stato Stato Star Schema Esempio Vendite Codice orario Codice luogo Codice prodotto Codice cliente Unità Incasso Prodotto Codice prodotto Descrizione Colore Modello Codice categoria Categoria Cliente Codice cliente Nome Cognome Indirizzo Età Codice professione Professione 4/
43 DW (Star Schema) - Esempio Fatti: unità, incasso Dimensioni: prodotti, tempo 5/5 Si vuole: analizzare unità e incasso per categoria di prodotto CREATE VIEW vendite_per_cat(categoria,tempo_k,unità_cat,incasso_cat) AS SELECT categoria, tempo_k, SUM(unità),SUM(incasso) FROM Vendite,prodotti WHERE vendite.prodotto_k = prodotti.prodotto_k GROUP BY categoria, tempo_k 85 Riferimenti - Libri Inmon, W.H. Building the Data Warehouse: Third Edition. New York: John Wiley & Sons. 2002, per una progettazione razionale e puntuale. Inmon, W.H. and Hackathorn, R. Using The Datawarehouse. New York: John Wiley & Sons. 1994, per un analisi di un DW e delle sue capacità. Tannenbaum, A., Metadata Solutions. Reading: Addison Wesley. 2002, per rivedere l importanza dei metadati nel processo. Golfarelli M., Rizzi S., Teoria e Pratice della progettazione Data Warehouse. 2003, affronta le problematiche di base con un linguaggio molto semplice. R. Kimball. The Data Warehouse Toolkit. John Wiley & Sons, New York, A. Lavezzari, D. Vanzanelli. Tecnologie e organizzazione di un data warehouse. Systech, Milano, Stanford Technology Group. Designing the Data Warehouse on Relational Databases
44 Riferimenti - Siti una sorgente in continuo aggiornamento, con una finestra aperta sull evoluzione del DW: il Corporate Information Factory. una fonte attendibile con la possibilità di certificazione. dex.html?sol_datawarehousing.html per le soluzioni Oracle. per una soluzione IBM Informix Redbrick. 87 Domande & Risposte 88 44
45 Saluti 89 45
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
DettagliCosa è un data warehouse?
Argomenti della lezione Data Warehousing Parte I Introduzione al warehousing cosa è un data warehouse classificazione dei processi aziendali sistemi di supporto alle decisioni elaborazione OLTP e OLAP
DettagliAnalisi 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
DettagliData 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
DettagliIntroduzione 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
DettagliData 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
DettagliData 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
DettagliData 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
DettagliSistemi 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
DettagliData 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.
DettagliRassegna 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
DettagliData 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
DettagliArchitetture 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
DettagliIntroduzione 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
Dettagli02/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
DettagliPROGETTAZIONE 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
DettagliOn 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
DettagliGoverno 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
DettagliDatabase. Si ringrazia Marco Bertini per le slides
Database Si ringrazia Marco Bertini per le slides Obiettivo Concetti base dati e informazioni cos è un database terminologia Modelli organizzativi flat file database relazionali Principi e linee guida
DettagliData 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
DettagliOrganizzazione degli archivi
COSA E UN DATA-BASE (DB)? è l insieme di dati relativo ad un sistema informativo COSA CARATTERIZZA UN DB? la struttura dei dati le relazioni fra i dati I REQUISITI DI UN DB SONO: la ridondanza minima i
DettagliPer capire meglio l ambito di applicazione di un DWhouse consideriamo la piramide di Anthony, L. Direzionale. L. Manageriale. L.
DATA WAREHOUSE Un Dataware House può essere definito come una base di dati di database. In molte aziende ad esempio ci potrebbero essere molti DB, per effettuare ricerche di diverso tipo, in funzione del
DettagliBreve 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
DettagliLezione 1. Introduzione e Modellazione Concettuale
Lezione 1 Introduzione e Modellazione Concettuale 1 Tipi di Database ed Applicazioni Database Numerici e Testuali Database Multimediali Geographic Information Systems (GIS) Data Warehouses Real-time and
DettagliREALIZZARE UN MODELLO DI IMPRESA
REALIZZARE UN MODELLO DI IMPRESA - organizzare e gestire l insieme delle attività, utilizzando una piattaforma per la gestione aziendale: integrata, completa, flessibile, coerente e con un grado di complessità
Dettagli1. BASI DI DATI: GENERALITÀ
1. BASI DI DATI: GENERALITÀ BASE DI DATI (DATABASE, DB) Raccolta di informazioni o dati strutturati, correlati tra loro in modo da risultare fruibili in maniera ottimale. Una base di dati è usualmente
DettagliBasi 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
DettagliIntroduzione 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
DettagliSISTEMI 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
DettagliCORSO ACCESS PARTE II. Esistono diversi tipi di aiuto forniti con Access, generalmente accessibili tramite la barra dei menu (?)
Ambiente Access La Guida di Access Esistono diversi tipi di aiuto forniti con Access, generalmente accessibili tramite la barra dei menu (?) Guida in linea Guida rapida Assistente di Office indicazioni
DettagliConvegno 6 giugno 2013 Federlazio Frosinone
Convegno 6 giugno 2013 Federlazio Frosinone pag. 1 6 giugno 2013 Federlazio Frosinone Introduzione alla Business Intelligence Un fattore critico per la competitività è trasformare la massa di dati prodotti
DettagliSistemi di supporto alle decisioni
Sistemi di supporto alle decisioni Introduzione I sistemi di supporto alle decisioni, DSS (decision support system), sono strumenti informatici che utilizzano dati e modelli matematici a supporto del decision
DettagliB C I un altro punto di vista Introduzione
Bollicine Community B C Intelligence B C I un altro punto di vista Introduzione Graziano Guazzi General Manager Data Flow Settembre 2007 pag, 1 Cosa misurare La definizione di quale domanda di mercato
DettagliDSCube. L analisi dei dati come strumento per i processi decisionali
DSCube L analisi dei dati come strumento per i processi decisionali Analisi multi-dimensionale dei dati e reportistica per l azienda: DSCube Introduzione alla suite di programmi Analyzer Query Builder
DettagliIntroduzione 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
DettagliLe Basi di Dati. Le Basi di Dati
Le Basi di Dati 20/05/02 Prof. Carlo Blundo 1 Le Basi di Dati Le Base di Dati (database) sono un insieme di tabelle di dati strutturate in maniera da favorire la ricerca di informazioni specializzate per
DettagliDBMS (Data Base Management System)
Cos'è un Database I database o banche dati o base dati sono collezioni di dati, tra loro correlati, utilizzati per rappresentare una porzione del mondo reale. Sono strutturati in modo tale da consentire
DettagliCiclo di vita dimensionale
aprile 2012 1 Il ciclo di vita dimensionale Business Dimensional Lifecycle, chiamato anche Kimball Lifecycle descrive il framework complessivo che lega le diverse attività dello sviluppo di un sistema
DettagliLa Metodologia adottata nel Corso
La Metodologia adottata nel Corso 1 Mission Statement + Glossario + Lista Funzionalià 3 Descrizione 6 Funzionalità 2 Schema 4 Schema 5 concettuale Logico EA Relazionale Codice Transazioni In PL/SQL Schema
DettagliSistemi Informativi Aziendali I
Modulo 6 Sistemi Informativi Aziendali I 1 Corso Sistemi Informativi Aziendali I - Modulo 6 Modulo 6 Integrare verso l alto e supportare Managers e Dirigenti nell Impresa: Decisioni più informate; Decisioni
DettagliData Mining a.a. 2010-2011
Data Mining a.a. 2010-2011 Docente: mario.guarracino@cnr.it tel. 081 6139519 http://www.na.icar.cnr.it/~mariog Informazioni logistiche Orario delle lezioni A partire dall 19.10.2010, Martedì h: 09.50 16.00
DettagliSistemi informativi secondo prospettive combinate
Sistemi informativi secondo prospettive combinate direz acquisti direz produz. direz vendite processo acquisti produzione vendite INTEGRAZIONE TRA PROSPETTIVE Informazioni e attività sono condivise da
Dettagli4 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,
DettagliData 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
DettagliSQL 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
DettagliIL CONTROLLO DI GESTIONE
IL CONTROLLO DI GESTIONE CORSO BASE Milano, 20 e 21 maggio 2014 A cura di dottor Alessandro Tullio Studio di Consulenza dottor Alessandro Tullio Il controllo di gestione ed Il ruolo del Controller Docente:
DettagliDispensa di database Access
Dispensa di database Access Indice: Database come tabelle; fogli di lavoro e tabelle...2 Database con più tabelle; relazioni tra tabelle...2 Motore di database, complessità di un database; concetto di
DettagliCorso di Access. Prerequisiti. Modulo L2A (Access) 1.1 Concetti di base. Utilizzo elementare del computer Concetti fondamentali di basi di dati
Corso di Access Modulo L2A (Access) 1.1 Concetti di base 1 Prerequisiti Utilizzo elementare del computer Concetti fondamentali di basi di dati 2 1 Introduzione Un ambiente DBMS è un applicazione che consente
DettagliSupporto 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
DettagliSOLUZIONE Web.Orders online
SOLUZIONE Web.Orders online Gennaio 2005 1 INDICE SOLUZIONE Web.Orders online Introduzione Pag. 3 Obiettivi generali Pag. 4 Modulo di gestione sistema Pag. 5 Modulo di navigazione prodotti Pag. 7 Modulo
DettagliLorenzo 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...
DettagliData 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
DettagliData 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
DettagliBase di dati e sistemi informativi
Base di dati e sistemi informativi Una base di dati è un insieme organizzato di dati opportunamente strutturato per lo svolgimento di determinate attività La base di dati è un elemento fondamentale per
DettagliData 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
DettagliBusiness Intelligence Revorg. Roadmap. Revorg Business Intelligence. trasforma i dati operativi quotidiani in informazioni strategiche.
soluzioni di business intelligence Revorg Business Intelligence Utilizza al meglio i dati aziendali per le tue decisioni di business Business Intelligence Revorg Roadmap Definizione degli obiettivi di
DettagliMODULO 5 Appunti ACCESS - Basi di dati
MODULO 5 Appunti ACCESS - Basi di dati Lezione 1 www.mondopcnet.com Modulo 5 basi di dati Richiede che il candidato dimostri di possedere la conoscenza relativa ad alcuni concetti fondamentali sui database.
DettagliSQL 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
DettagliSQL Server 2005. Introduzione all uso di SQL Server e utilizzo delle opzioni Olap. Dutto Riccardo - SQL Server 2005.
SQL Server 2005 Introduzione all uso di SQL Server e utilizzo delle opzioni Olap SQL Server 2005 SQL Server Management Studio Gestione dei server OLAP e OLTP Gestione Utenti Creazione e gestione DB SQL
DettagliRiccardo Dutto, Paolo Garza Politecnico di Torino. Riccardo Dutto, Paolo Garza Politecnico di Torino
Integration Services Project SQL Server 2005 Integration Services Permette di gestire tutti i processi di ETL Basato sui progetti di Business Intelligence di tipo Integration services Project SQL Server
DettagliData Warehousing. Esercitazione 1
Esercitazione 1 IBM DB2 UDB DB2 Universal Database Suite di strumenti per la gestione dei dati Funzioni avanzate per soluzioni business intelligence Dispone di strumenti di sviluppo del data warehouse
DettagliIntroduzione al data base
Introduzione al data base L Informatica è quella disciplina che si occupa del trattamento automatico dei dati con l ausilio del computer. Trattare i dati significa: raccoglierli, elaborarli e conservarli
DettagliTelerilevamento e GIS Prof. Ing. Giuseppe Mussumeci
Corso di Laurea Magistrale in Ingegneria per l Ambiente e il Territorio A.A. 2014-2015 Telerilevamento e GIS Prof. Ing. Giuseppe Mussumeci Strutture di dati: DB e DBMS DATO E INFORMAZIONE Dato: insieme
DettagliOrganizzazione delle informazioni: Database
Organizzazione delle informazioni: Database Laboratorio Informatico di base A.A. 2013/2014 Dipartimento di Scienze Aziendali e Giuridiche Università della Calabria Dott. Pierluigi Muoio (pierluigi.muoio@unical.it)
DettagliIntroduzione alla teoria dei database relazionali. Come progettare un database
Introduzione alla teoria dei database relazionali Come progettare un database La struttura delle relazioni Dopo la prima fase di individuazione concettuale delle entità e degli attributi è necessario passare
DettagliSQL/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,
DettagliLezione 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
DettagliISTITUTO TECNICO ECONOMICO MOSSOTTI
CLASSE III INDIRIZZO S.I.A. UdA n. 1 Titolo: conoscenze di base Conoscenza delle caratteristiche dell informatica e degli strumenti utilizzati Informatica e sistemi di elaborazione Conoscenza delle caratteristiche
DettagliCosa è un foglio elettronico
Cosa è un foglio elettronico Versione informatica del foglio contabile Strumento per l elaborazione di numeri (ma non solo...) I valori inseriti possono essere modificati, analizzati, elaborati, ripetuti
DettagliIl database management system Access
Il database management system Access Corso di autoistruzione http://www.manualipc.it/manuali/ corso/manuali.php? idcap=00&idman=17&size=12&sid= INTRODUZIONE Il concetto di base di dati, database o archivio
DettagliData 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
DettagliBASI DI DATI per la gestione dell informazione. Angelo Chianese Vincenzo Moscato Antonio Picariello Lucio Sansone
BASI DI DATI per la gestione dell informazione Angelo Chianese Vincenzo Moscato Antonio Picariello Lucio Sansone Libro di Testo 22 Chianese, Moscato, Picariello e Sansone BASI DI DATI per la Gestione dell
DettagliAmbienti 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
DettagliOperazioni sui database
Operazioni sui database Le operazioni nel modello relazionale sono essenzialmente di due tipi: Operazioni di modifica della base di dati (update) Interrogazioni della base di dati per il recupero delle
DettagliAlessandra Raffaetà. Basi di Dati
Lezione 2 S.I.T. PER LA VALUTAZIONE E GESTIONE DEL TERRITORIO Corso di Laurea Magistrale in Scienze Ambientali Alessandra Raffaetà Dipartimento di Informatica Università Ca Foscari Venezia Basi di Dati
DettagliProgettaz. e sviluppo Data Base
Progettaz. e sviluppo Data Base! Introduzione ai Database! Tipologie di DB (gerarchici, reticolari, relazionali, oodb) Introduzione ai database Cos è un Database Cos e un Data Base Management System (DBMS)
DettagliAgenda. I sistemi a supporto delle decisioni Information Directory Sviluppi futuri. Cinque anni di Data Warehouse:dai dati alle decisioni 1
Cinque anni di Data Warehouse: dai dati alle decisioni Mario ANCILLI SETTORE SISTEMI INFORMATIVI ED INFORMATICA DIREZIONE ORGANIZZAZIONE; PIANIFICAZIONE, SVILUPPO E GESTIONE DELLE RISORSE UMANE Torino,
DettagliLezione 4. Controllo di gestione. Il controllo direzionale
Lezione 4 Il controllo direzionale Sistema di pianificazione e controllo PIANIFICAZIONE STRATEGICA PIANO 1 2 OBIETTIVI OBIETTIVI ATTIVITA 3 DI LUNGO PERIODO DI BREVE PERIODO OPERATIVA 5 BUDGET FEED-BACK
Dettagliwww.happybusinessapplication.net
www.astudio.it Cosa è HBA Project HBA Project è una Web Business Application gratuita che può essere installata sul proprio dominio come una «personal cloud», alla quale avrà accesso solo l utente che
DettagliNuove funzionalità Max 4i
Nuove funzionalità Max 4i Caratteristiche operative principali del nuovo prodotto: Nuovi metodi di navigazione nell applicativo tramite albero gerarchico e tramite pop up menu: nuove modalità di ricerca
DettagliUNIVERSITÀ DEGLI STUDI DI PADOVA
UNIVERSITÀ DEGLI STUDI DI PADOVA Facoltà di Scienze MM. FF. NN. Dipartimento di Matematica pura e applicata LAUREA TRIENNALE IN INFORMATICA Conversione di un datawarehouse SAS e dei relativi processi di
DettagliDATABASE RELAZIONALI
1 di 54 UNIVERSITA DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI DISCIPLINE STORICHE ETTORE LEPORE DATABASE RELAZIONALI Dott. Simone Sammartino Istituto per l Ambiente l Marino Costiero I.A.M.C. C.N.R.
DettagliAnalisi e catalogazione automatica dei Curriculum Vitae
Analisi e catalogazione automatica dei Curriculum Vitae CV Manager è lo strumento di Text Mining che automatizza l analisi, la catalogazione e la ricerca dei Curriculum Vitae L esigenza Quanto tempo viene
DettagliPianificazione 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.
DettagliManuale d'uso. Manuale d'uso... 1. Primo utilizzo... 2. Generale... 2. Gestione conti... 3. Indici di fatturazione... 3. Aliquote...
Manuale d'uso Sommario Manuale d'uso... 1 Primo utilizzo... 2 Generale... 2 Gestione conti... 3 Indici di fatturazione... 3 Aliquote... 4 Categorie di prodotti... 5 Prodotti... 5 Clienti... 6 Fornitori...
Dettagli03. Il Modello Gestionale per Processi
03. Il Modello Gestionale per Processi Gli aspetti strutturali (vale a dire l organigramma e la descrizione delle funzioni, ruoli e responsabilità) da soli non bastano per gestire la performance; l organigramma
DettagliArchivi e database. Prof. Michele Batocchi A.S. 2013/2014
Archivi e database Prof. Michele Batocchi A.S. 2013/2014 Introduzione L esigenza di archiviare (conservare documenti, immagini, ricordi, ecc.) è un attività senza tempo che è insita nell animo umano Primi
DettagliIL CASO DELL AZIENDA. www.softwarebusiness.it
LA SOLUZIONE SAP NELLE PICCOLE E MEDIE IMPRESE IL CASO DELL AZIENDA Perché SAP Contare su un sistema che ci consente di valutare le performance di ogni elemento del nostro listino è una leva strategica
DettagliLa suite Pentaho Community Edition
La suite Pentaho Community Edition GULCh 1 Cosa è la Business Intelligence Con la locuzione business intelligence (BI) ci si può solitamente riferire a: un insieme di processi aziendali per raccogliere
DettagliBASE DI DATI: introduzione. Informatica 5BSA Febbraio 2015
BASE DI DATI: introduzione Informatica 5BSA Febbraio 2015 Di cosa parleremo? Base di dati relazionali, modelli e linguaggi: verranno presentate le caratteristiche fondamentali della basi di dati. In particolare
DettagliIntroduzione ai database relazionali
Introduzione ai database relazionali Tabelle Un database (DB) è costituito da un insieme di file che memorizzano dati opportunamente organizzati Nei database relazionale tale organizzazione è costituita
DettagliProgettazione di Basi di Dati
Progettazione di Basi di Dati Prof. Nicoletta D Alpaos & Prof. Andrea Borghesan Entità-Relazione Progettazione Logica 2 E il modo attraverso il quale i dati sono rappresentati : fa riferimento al modello
DettagliSistemi Informativi e Basi di Dati
Sistemi Informativi e Basi di Dati Laurea Specialistica in Tecnologie di Analisi degli Impatti Ecotossicologici Docente: Francesco Geri Dipartimento di Scienze Ambientali G. Sarfatti Via P.A. Mattioli
DettagliIntroduzione all Information Retrieval
Introduzione all Information Retrieval Argomenti della lezione Definizione di Information Retrieval. Information Retrieval vs Data Retrieval. Indicizzazione di collezioni e ricerca. Modelli per Information
Dettaglicomscore: costruire un grande data warehouse per i Big Data
comscore: costruire un grande data warehouse per i Big Data comscore Inc. Settore di mercato High tech ed elettronica Prodotti e servizi Analisi e marketing intelligence Sito Web www.comscore.com SAP Solutions
DettagliBUSINESS INTELLIGENCE
www.vmsistemi.it Soluzione di Crescita calcolata Uno strumento indispensabile per l analisi del business aziendale Controllo e previsionalità L interpretazione corretta dei dati al servizio della competitività
DettagliIntroduzione Ai Data Bases. Prof. Francesco Accarino IIS Altiero Spinelli Via Leopardi 132 Sesto San giovanni
Introduzione Ai Data Bases Prof. Francesco Accarino IIS Altiero Spinelli Via Leopardi 132 Sesto San giovanni I Limiti Degli Archivi E Il Loro Superamento Le tecniche di gestione delle basi di dati nascono
DettagliBasi di dati. Corso di Laurea in Ingegneria Informatica Canale di Ingegneria delle Reti e dei Sistemi Informatici - Polo di Rieti
Basi di dati Corso di Laurea in Ingegneria Informatica Canale di Ingegneria delle Reti e dei Sistemi Informatici - Polo di Rieti Anno Accademico 2008/2009 Introduzione alle basi di dati Docente Pierangelo
DettagliI sistemi di reporting e i rapporti direzionali
I sistemi di reporting e i rapporti direzionali Reporting - Sintesi dei fenomeni aziendali secondo modelli preconfezionati e con frequenza e aggiornamento prestabiliti - contabile (dati economici) - extracontabile
Dettaglimarca (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