SISTEMI INFORMATIVI AZIENDALI

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "SISTEMI INFORMATIVI AZIENDALI"

Transcript

1 SISTEMI INFORMATIVI AZIENDALI Prof. Andrea Borghesan venus.unive.it/borg Ricevimento: Alla fine di ogni lezione Modalità esame: scritto 1

2 Data Warehousing. Introduzione 1/2 I data warehousing sono il nucleo di gran parte dei DSS (Decision Support System) Sono progettati per gestire grandi quantità di dati e fornire rapidamente informazioni, rapporti e analisi. [ ] collezine di dati, a supporto del processo decisionale manageriale orientata al soggetto, integrata, non volatile e dipendente dal tempo. Bill Inmon, seconda metà anni 80 un singolo, completo e consistente deposito di dati, ottenuti da diverse fonti e resi disponibili agli utenti finali in maniera tale da poter essere immediatamente fruibili. Barry Devlin, IBM System Journal 2

3 Data Warehousing. Introduzione 2/2 I primi esempi di architetture di questo tipo vengono presentate da IBM e Hewlett-Packard, rispettivamente negli anni 1991 e Da allora le tecnologie e terminologie si sono evolute, oggi con data warehouse si intende non solo la base di dati utilizzata come supporto alle decisioni, ma più ampiamente un sistema composto anche dalle applicazioni che servono per estrarre, analizzare e presentare i dati. Oggi i più grandi produttori di DBMS mettono a disposizione strumenti per gestire sistemi informazionali inesistenti fino a 5 anni fa. 3

4 Metodologia OLAP Negli anni 80 Edgar Codd inventò il termine OLTP (On-Line Transaction Processing) e propose 12 criteri per individuare un sistema di questo tipo (i criteri vennero ampiamente accettati come standard di riferimento). Nel 1993, Codd scrisse un articolo dal titolo Providing OLAP (On Line Analytical Processing to user analysts. In tale documento proponeva delle regole per definire un la metodologia OLAP ma causa il basso contenuto matematicoformale tali regole non vennero prese in considerazione. Nel 1995, L OLAP Report propose nuove regole e propose una semplice formula per dare una definizione precisa. La cosiddetta regola FASMI 4

5 FASMI 1/2 5 Scomponendo tale acronimo, si ottengono le regole principali: Fast, i sistemi OLAP hanno un uso interattivo. Mediamente deve rispondere entro 5 secondi, 1 secondo per le domande più facili e mai superare i 20 secondi di ritardo. Analytical, il sistema deve riuscire ad elaborare analisi statistiche in maniera abbastanza semplice per l utente finale, in particolare deve: Eseguire nuovi calcoli a partire da calcoli fatti precedentemente Fornire risposte a richieste specifiche particolari Rappresentare i dati elaborati secondo diverse modalità (tabellare, report o grafico) senza che l utente scriva righe di codice

6 FASMI 2/2 Shared, i sistemi OLAP sono utilizzati da diversi utenti ne consegue che il sistema deve fornire delle regole per la sicurezza al fine di garantire la riservatezza dei dati. Se l utente può modificare i dati deve essere garantito l accesso concorrente (aspetto sottovalutato in quanto di solito l accesso ai dati è di sola lettura). Multidimensional, è il requisito più importante, significa rappresentare i dati in multidimensione. Informational, deve contenere tutte le informazioni necessarie indipendentemente esse siano immagazzinate 6 Per ottenere le caratteristiche FASMI si usano varie tecnologie, tipo architetture client-server o metodi di calcolo parallelo

7 Architettura dei sistemi di data warehousing I sistemi di data warehousing sono articolati in modo complesso: 7

8 Elementi dei sistemi di data warehousing a due livelli: Primo livello, sorgenti dei dati: i sistemi informazionali solitamente non generano dati propri ma rielaborano dati provenienti da altre applicazioni Secondo livello, aree di memorizzazione dei dati informazionali: data warehouse vero e proprio ed eventualmente data mart tematici 8 Primo e secondo livello sono connessi dalle procedure di popolamento che, basandosi sul modello di integrazione e sulle regole di controllo e integrazione dei dati, convertono i dati sorgente in dati multidimensionali, consistenti, completi, corretti

9 Modelli concettuali per data warehouse I sistemi informazionali sono soggetti a frequenti modifiche soprattutto per l approccio ciclico al loro sviluppo; Solitamente viene realizzato un primo nucleo attorno ai fatti di maggior interesse per l azienda, e da questo si procede poi per sviluppo successivi. Sono stati proposti diversi modelli concettuali ma ad oggi nessuno si è affermato come standard. In queste dispense si presenta il modello DFM (Dimensional Fact Model) proposto da Golfarelli nel Si tratta di un modello multidimensionale grafico definito per le problematiche tipiche del data warehousing. 9

10 Dimensional Fact Model Il DFM descrive i fatti attorno a cui si struttura un data warehouse, fornisce dunque una visione concettuale di alto livello. Ogni fatto è delineabile tramite uno schema che rappresenta le misure e le informazioni descrittive associate al fatto e specifica anche le dimensioni. Nello schema DFM i fatti sono rappresentati tramite un rettangolo (nome del fatto + misure che lo descrivono). Con i circoletti vengono rappresentate le dimensioni. Gli attributi descrittivi sono collegati al fatto tramite una linea. 10

11 11 Dimensional Fact Model. Schema di fatto, misure e dimensioni

12 Schema di fatto con gerarchie e costrutti avanzati 12

13 E il modello Entità-Relazione? Il diagramma Entità-relazione può esser utilizzato per descriver un modello multidimensionale ma risulta di difficile lettura. Esso appare ridondante, sovradimensionato. Il problema sta nel fatto che le varie regole di associazione rappresentano, salvo rari casi, vincoli di dipendenza funzionale. Come si può notare dalla figura successiva il DFM sembra essere l unico candidato a descrivere chiaramente/intuitivamente la struttura di un ipercubo. 13

14 14 Modello E-R e Modello DFM a confronto

15 Modelli logici per il data warehouse Combinando le basi di dati con le varie tipologie di interrogazioni (linguaggio SQL o MDX) si ottengono diversi tipi di modelli logici: ROLAP: Relational OLAP MOLAP: Multidimensional OLAP HOLAP:Hybrdi OLAP 15

16 ROLAP Tramite l approccio ROLAP la struttura multidimensionale dei fatti viene realizzata completamente su database relazionali. Le interrogazioni vengono effettuate tramite il linguaggio SQL tramite funzioni di aggregazione. I vantaggi derivanti da tale approccio sono: Minor occupazione di spazio (spazio = dati salvati nel db) Maggiore diffusione degli strumenti relazionali tra gli operatori del settore dunque maggiore facilità d uso Svantaggi: Non si possono effettuare query multidimensionali su strutture dati relazionali (denormalizzazione e precalcolo di query aggregative più frequentemente utilizzate) 16

17 17 MOLAP Tramite l approccio MOLAP il data warehouse memorizza i dati usando strutture intrinsecamente multidimensionali, i dati vengono memorizzati in matrici e vettori e l accesso è posizionale. I vantaggi derivanti da tale approccio sono: Ottime prestazioni dovuta alla struttura dimensionali di partenza Facilità di interrogazione e massima efficacia nell analisi dei dati rispetto ai database relazionali Svantaggi: Grande utilizzo di spazio su disco per immagazzinare i dati Mancanza di standard, le strutture e le convenzioni di interrogazione spesso sono proprietarie delle software house e rendono così difficile l integrazione fra sistemi diversi e complessa la migrazione verso altri sistemi

18 HOLAP L approccio HOLAP è una soluzione intermedia che combina i vantaggi MOLAP e ROLAP. Il data warehouse contiene tutti i fatti elementari e le strutture informative legate alle dimensioni e viene implementato su base dati relazionale. I vantaggi derivanti da tale approccio sono: L uso di tecnologie relazionali standard permette maggiore scalabilità del sistema Le aggregazioni di alto livello vengono archiviati direttamente in basi di dati multidimensionali 18

19 19 Schemi multidimensionali su basi di dati relazionali Considerata la vasta adozione di base di dati relazionali per implementare data warehouse, si passa ora a descrivere i modelli di implementazione su schemi logici relazionali (schema a stella e schema a fiocco di neve). Nei modelli ROLAP e HOLAP si utilizza lo schema a stella. Uno schema a stella permette di creare uno schema relazionale partendo dallo schema di fatto: è composto da una tabella principale chiamata tabella dei fatti che memorizza un elemento per ogni fatto elementare, tramite campi chiave si associano/relazionano gli elementi dimensionali memorizzati nelle tabelle delle dimensioni. Ogni fatto contiene tante chiavi esterne quante sono le dimensioni che lo descrivono.

20 Schema di fatto delle vendite Come è possibile passare da questo schema di fatto delle vendite a uno schema a stella? 20

21 21 Schema a stella delle vendite

22 Osservazioni sul passaggio da schema di fatto a schema a stella Nello schema a stella le tabelle delle dimensioni sono completamente denormalizzate e incuranti della ridondanza. Un unica Join è sufficiente per recuperare tutti di dati presenti nel db ma la struttura è scarsamente intuitiva. Lo schema a stella permette di massimizzare la velocità di estrazione dei dati. 22

23 Schema a fiocco di neve Lo schema a fiocco di neve ha la caratteristica di ridurre la denormalizzazione delle tabelle esplicitando alcune dipendenze funzionali. Se tale schema è altamente consigliato per il fatto che segue maggiormente le regole di normalizzazione e dunque separa in maniera logica i soggetti-entità essendo la struttura più complessa porta a rallentamenti nell estrarre le informazioni dovuto al fatto che bisogna fare molte più join fra tabelle. 23

24 24 Schema a fiocco di neve delle vendite

25 Istanza di dati sullo schema a stella delle vendite Dimensione Articolo ID Codice articolo Descrizione articolo Codice tipologia Descrizione tipologia Codice materiale Descrizione materiale Codice finitura Descrizione finitura 1822 S104H46 Sedia Olga h S104H78 Sgabello Olga h S105H46 Sedia Ugo h.46 S Sedie Pn Pino naturale ZZZ Finitura assente S Sedie Pn Pino naturale ZZZ Finitura assente S Sedie Nn Noce nazionale CER Ceratp 25

26 Fatti di vendita ID Kart Kagt Kdata Quantità Importo Sconto Provvigione ,00 180,00 360, ,68 0,00 0, ,00 25,00 4,50 Dimensione Agente ID Codice agente Descrizione agente Codice area Descrizione area 8 A_101 Rossi Antonio Ovest Italia Nord-Ovest 9 A_102 Brambialla Luigi Ovest Italia Nord-Ovest 10 A_103 Del Do Antonella Est Italia Nord-Est 26

27 Dimensione Data ID Data Mese Trimestre Anno /10/ /2005 4/ /10/ /2005 4/ /10/ /2005 4/

28 28 Ciclo di vita dei sistemi di data warehousing

29 Ciclo di vita. Osservazioni 1/2 Come ha evidenziato la figura precedente, la costruzione di un sistema di data warehouse avviene con un approccio iterativo, si parte con la costruzione del primo ipercubo (di solito il più significativo, le vendite). Successivamente se ne aggiungono altri dando luogo a un processo continuo di evoluzione del sistema di supporto delle decisioni. Tale approccio è interessante perché: L utilità dei sistemi di supporto alle decisioni viene apprezzata dopoche si sono ottenuti i primi risultati positivi Essendo considerati utili ma non necessari, costruire un sistema chiavi in mano sarebbe un investimento iniziale troppo costoso L approccio iterativo permette di tarare al meglio il sistema 29

30 Tecniche di analisi dei dati Analisi OLAP Un data warehouse mette a disposizione dell utente strumenti al fine di analizzare i dati senza seguire percorsi predeterminati. L analisi OLAP è la principale modalità di fruizione dei dati, permette di navigare nei dati ed esplorare interattivamente i fatti. Il principio fondamentale è: esplorazione guidata dalle ipotesi. L utente formula un ipotesi, inoltra la richiesta alla base di dati multidimensionale e la verifica. Spesso le interrogazioni discendono da interrogazioni fatte precedentemente. 30

31 Tecniche di analisi dei dati Analisi OLAP Leprincipali tecniche di analisi dei dati sono: Drill down, letteralmente trivellare, scavare, scendere in profondità => verso un maggior dettaglio di informazioni Roll up o Drill up, letteralmente arrotolare => significa aggregare le informazioni Slice, affettare => limita l analisi dei dati fissando una dimensione Dice, tagliare a cubetti => limita l analisi ai cubetti fissando uno o più attributi Pivot, girare attorno ad un perno => ruota l ipercubo permettendo la ridisposizione delle dimensioni per esporre i dati 31

32 Drill Down L operazione di drill down permette di partire da un livello di presentazione dei dati molto generale e approfondire i dettagli passo per passo aggiungendo una dimensione di analisi. Esempio (si riprenda lo schema di fatto delle vendite) di una prima interrogazione che riporta il confronto sulle quantità vendute annualmente per prodotto e area: Prodotto Area Confronto Articolo 1 Centro % Est % Ovest % I dati evidenziano una mancata crescita ad Ovest. È possibile aggiungere il dettaglio dei nomi degli agenti che distribuiscono i prodotti nella zona? 32

33 Drill Down Prodotto Area Agente Confronto Articolo 1 Est Dal Farra % Del Do % Mansi % Trevisan % Ovest Brambilla % Cozzi % Raiteri % Rossi % Dalla tabella si capisce che il mancato aumento del fatturato è originato da un solo agente (Raiteri) che ha addirittura un trend negativo. Tale operazione di drill down è rappresentata graficamente tramite l ipercubo: 33

34 34 Esempio di operazione di drill down

35 Roll up o Drill up Il Roll up permette di avere visioni più generali e sintetiche a partire da analisi dettagliate. L operazione è concettualmente l opposto di quella di Drill down. 35

36 Slice L operazione di Slice consiste nel fissare il valore di una delle dimensioni base e analizzare la porzione di dati filtrati così ottenuti. L operazione di slice concentra l analisi su un iperpiano dell ipercubo. 36

37 Dice Anche l operazione di Dice riduce l insieme dei fatti elementari considerati nell analisi ma lo fa su più dimensioni e fissando valori per coordinate dimensionali di qualsiasi livello. 37

38 Pivot È l operazione che inverte la relazione tra le dimensioni, realizzando di fatto una rotazione del cubo. Tale operazione permette di riorganizzare velocemente i date per mettere in maggior evidenza un certo soggetto di analisi Prodotto Area Articolo 1 Centro Est Ovest Prodotto Anno Centro Est Ovest Articolo

39 Aree di applicazione nei sistemi aziendali Le aree di applicazione dei sistemi di data warehousing sono molteplici. Le più tradizionali sono quelle che permettono l analisi delle vendite e il rapporto con il cliente. Negli ultimi anni si inizia anche ad analizzare altri settori come la gestione del personale, la logistica, il controllo di qualità. Di seguito verranno analizzati brevemente gli schemi di fatto utilizzati. 39

40 Analisi del flusso attivo e passivo del venduto Si cerca di analizzare il mix di prodotti venduti, analisi fatturato per tipologia di cliente o area geografica, valutazione efficienza rete distributiva, gli abbandoni silenziosi (clienti che senza lamentare disservizi noncomprano più) 40

41 Controllo di gestione In questo ambito si fanno analisi di marginalità su clienti o prodotti, analisi tra budget e consuntivi. In figura uno schema di fatto per l analisi di marginalità. 41

42 Controllo di qualità In questo ambito si fanno analisi sui reclami, sulla non conformità ed eventuali azioni correttive, sulle manutenzioni e sull efficienza dei flussi documentali generali Schema di fatto analisi sulle non conformità 42

43 CRM In questo ambito si fanno analisi orientate a comprendere la relazione dell azienda con il mercato. Ambiti di indagine sono l efficacia delle promozioni o azioni di fidelizzazione, l esito di campagne di telemarketing. Schema di fatto servizio assistenza clienti 43

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

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 Mario Guarracino Data Mining a.a. 2010/2011

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

Dettagli

Data warehousing Mario Guarracino Laboratorio di Sistemi Informativi Aziendali a.a. 2006/2007

Data warehousing Mario Guarracino Laboratorio di Sistemi Informativi Aziendali a.a. 2006/2007 Data warehousing Introduzione A partire dalla metà degli anni novanta è risultato chiaro che i database per i DSS e le analisi di business intelligence vanno separati da quelli operazionali. In questa

Dettagli

Rassegna sui principi e sui sistemi di Data Warehousing

Rassegna sui principi e sui sistemi di Data Warehousing Università degli studi di Bologna FACOLTA DI SCIENZE MATEMATICHE, FISICHE E NATURALI Rassegna sui principi e sui sistemi di Data Warehousing Tesi di laurea di: Emanuela Scionti Relatore: Chiar.mo Prof.Montesi

Dettagli

Sistemi 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 warehouse Introduzione

Data warehouse Introduzione Database and data mining group, Data warehouse Introduzione INTRODUZIONE - 1 Pag. 1 Database and data mining group, Supporto alle decisioni aziendali La maggior parte delle aziende dispone di enormi basi

Dettagli

Data warehousing con SQL Server

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

Dettagli

Sistemi 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

Architetture per l analisi di dati

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

Dettagli

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

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

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

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 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

PROGETTAZIONE E IMPLEMENTAZIONE DI UN DATAWAREHOUSE

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

Dettagli

OLAP On Line Analytical Processing

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

Dettagli

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

Breve introduzione ai data warehouse (per gli allievi che non hanno seguito BD2)

Breve introduzione ai data warehouse (per gli allievi che non hanno seguito BD2) Tecnologie per i sistemi informativi Breve introduzione ai data warehouse (per gli allievi che non hanno seguito BD2) Letizia Tanca lucidi tratti dal libro: Atzeni, Ceri, Paraboschi, Torlone Introduzione

Dettagli

Introduzione 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

Introduzione alla Business Intelligence

Introduzione alla Business Intelligence SOMMARIO 1. DEFINIZIONE DI BUSINESS INTELLIGENCE...3 2. FINALITA DELLA BUSINESS INTELLIGENCE...4 3. DESTINATARI DELLA BUSINESS INTELLIGENCE...5 4. GLOSSARIO...7 BIM 3.1 Introduzione alla Pag. 2/ 9 1.DEFINIZIONE

Dettagli

Introduzione ad OLAP (On-Line Analytical Processing)

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

Dettagli

Governo Digitale a.a. 2011/12

Governo Digitale a.a. 2011/12 Governo Digitale a.a. 2011/12 I sistemi di supporto alle decisioni ed il Data Warehouse Emiliano Casalicchio Agenda Introduzione i sistemi di supporto alle decisioni Data warehouse proprietà architettura

Dettagli

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

Lezione 3. Modello Multidimensionale dei Dati Metadati per il Data Warehousing Accesso ai Data Warehouses Implementazioni per il Data Warehousing

Lezione 3. Modello Multidimensionale dei Dati Metadati per il Data Warehousing Accesso ai Data Warehouses Implementazioni per il Data Warehousing Lezione 3 Modello Multidimensionale dei Dati Metadati per il Data Warehousing Accesso ai Data Warehouses Implementazioni per il Data Warehousing 27/02/2010 1 Modello multidimensionale Nasce dall esigenza

Dettagli

Analisi dei Dati. Lezione 10 Introduzione al Datwarehouse

Analisi dei Dati. Lezione 10 Introduzione al Datwarehouse Analisi dei Dati Lezione 10 Introduzione al Datwarehouse Il Datawarehouse Il Data Warehousing si può definire come il processo di integrazione di basi di dati indipendenti in un singolo repository (il

Dettagli

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

Data Warehousing. Argomenti della lezione. Rappresentazioni dei dati. Rappresentazione dei dati. Parte II Analisi multidimensionale

Data Warehousing. Argomenti della lezione. Rappresentazioni dei dati. Rappresentazione dei dati. Parte II Analisi multidimensionale Argomenti della lezione Data Warehousing Parte II Analisi multidimensionale richiami sul data warehousing organizzazione di un data warehouse l analisi multidimensionale data warehousing e internet strumenti

Dettagli

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

Informatica Documentale

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

Dettagli

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

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

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

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

Dettagli

Data Warehousing: concetti base e metodologie

Data Warehousing: concetti base e metodologie Data Warehousing: concetti base e metodologie Paolo Atzeni (con la collaborazione di Luca Cabibbo e Riccardo Torlone) Università di Roma Tre Dipartimento di Informatica e Automazione atzeni@dia.uniroma3.it

Dettagli

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

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

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

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

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

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

Dettagli

Cosa è un data warehouse?

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

Dettagli

Data warehouse (parte 1)

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

Dettagli

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

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

Architettura dei sistemi di database

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

Dettagli

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

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

Dettagli

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

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

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

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

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

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

Dettagli

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

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

1. BASI DI DATI: GENERALITÀ

1. 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

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

BASE DI DATI: introduzione. Informatica 5BSA Febbraio 2015

BASE 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

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

database: modello entityrelationship

database: modello entityrelationship Insegnamento di Informatica CdS Scienze Giuridiche A.A. 2007/8 database: modello entityrelationship Prof.Valle D.ssaFolgieri Lez7 25.10.07 Trattamento dati. Database: modello entity-relationship 1 Fasi

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

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

DBMS (Data Base Management System)

DBMS (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

Dettagli

Le Basi di dati: generalità. Unità di Apprendimento A1 1

Le Basi di dati: generalità. Unità di Apprendimento A1 1 Le Basi di dati: generalità Unità di Apprendimento A1 1 1 Cosa è una base di dati In ogni modello di organizzazione della vita dell uomo vengono trattate informazioni Una volta individuate e raccolte devono

Dettagli

Informatica (Basi di Dati)

Informatica (Basi di Dati) Corso di Laurea in Biotecnologie Informatica (Basi di Dati) Introduzione alle Basi di Dati Anno Accademico 2009/2010 Da: Atzeni, Ceri, Paraboschi, Torlone - Basi di Dati Lucidi del Corso di Basi di Dati

Dettagli

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

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

Dettagli

Per capire meglio l ambito di applicazione di un DWhouse consideriamo la piramide di Anthony, L. Direzionale. L. Manageriale. L.

Per capire meglio l ambito di applicazione di un DWhouse consideriamo la piramide di Anthony, L. Direzionale. L. Manageriale. L. DATA WAREHOUSE Un Dataware House può essere definito come una base di dati di database. In molte aziende ad esempio ci potrebbero essere molti DB, per effettuare ricerche di diverso tipo, in funzione del

Dettagli

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

Pianificazione del data warehouse

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

Dettagli

Data 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

CONFRONTO TRA DBMS RELAZIONALI, A COLONNE E NOSQL

CONFRONTO TRA DBMS RELAZIONALI, A COLONNE E NOSQL CONFRONTO TRA DBMS RELAZIONALI, A COLONNE E NOSQL Università degli Studi di Modena e Reggio Emilia Dipartimento di Ingegneria Enzo Ferrari di Modena Corso di Laurea in Ingegneria Informatica (L.270/04)

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

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

Sviluppo Applicazione di BI/DWH. con tecnologia Microsoft. per il supporto della catena logistica

Sviluppo Applicazione di BI/DWH. con tecnologia Microsoft. per il supporto della catena logistica UNIVERSITÀ DEGLI STUDI DI MODENA E REGGIO EMILIA Dipartimento di Ingegneria Enzo Ferrari di Modena Corso di Laurea Magistrale in Ingegneria Informatica (270/04) Sviluppo Applicazione di BI/DWH con tecnologia

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

Sistemi informativi aziendali

Sistemi informativi aziendali Sistemi informativi aziendali Lezione 12 prof. Monica Palmirani Sistemi informativi e informatici Sistemi informativi = informazioni+processi+comunicazione+persone Sistemi informatici = informazioni+hardware+software

Dettagli

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 a BIM. Mission. Approccio

Introduzione a BIM. Mission. Approccio Sommario Sommario... 1 Introduzione a BIM... 2 Mission... 2 Approccio... 2 Perché BIM... 2 Modello Logico... 3 ETL... 4 Moduli... 5 Lato Utente... 6 BIM Vision... 6 BIM Web... 6 BIM Reader... 8 Lato Designer...

Dettagli

Progettazione di Basi di Dati

Progettazione 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

Dettagli

PIANO DI LAVORO EFFETTIVAMENTE SVOLTO IN RELAZIONE ALLA PROGRAMMAZIONE DISCIPLINARE

PIANO DI LAVORO EFFETTIVAMENTE SVOLTO IN RELAZIONE ALLA PROGRAMMAZIONE DISCIPLINARE Istituto di Istruzione Secondaria Superiore ETTORE MAJORANA 24068 SERIATE (BG) Via Partigiani 1 -Tel. 035-297612 - Fax 035-301672 e-mail: majorana@ettoremajorana.gov.it - sito internet: www.ettoremajorana.gov.it

Dettagli

Sistemi Informativi e Basi di Dati

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

Dettagli

Corso di Informatica (Basi di Dati)

Corso di Informatica (Basi di Dati) Corso di Informatica (Basi di Dati) Lezione 1 (12 dicembre 2008) Introduzione alle Basi di Dati Da: Atzeni, Ceri, Paraboschi, Torlone - Basi di Dati Lucidi del Corso di Basi di Dati 1, Prof. Carlo Batini,

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

emanager La soluzione a supporto dei processi di Clinical Governance www.dedalus.eu

emanager La soluzione a supporto dei processi di Clinical Governance www.dedalus.eu emanager La soluzione a supporto dei processi di Clinical Governance www.dedalus.eu 3 La Clinical Governance Nell ambito dell erogazione di servizi sanitari è sempre più evidente l esigenza di poter disporre

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

Database. Organizzazione di archivi mediante basi di dati. ing. Alfredo Cozzi 1

Database. Organizzazione di archivi mediante basi di dati. ing. Alfredo Cozzi 1 Database Organizzazione di archivi mediante basi di dati ing. Alfredo Cozzi 1 Il database è una collezione di dati logicamente correlati e condivisi, che ha lo scopo di soddisfare i fabbisogni informativi

Dettagli

DATAWAREHOUSE DEVELOPER / DATAMINER

DATAWAREHOUSE DEVELOPER / DATAMINER DATAWAREHOUSE DEVELOPER / DATAMINER 2.4 Finalità e motivazioni dell'intervento: Dopo i finanziamenti a sostegno del progetto e attraverso l integrazione e la diversificazione produttiva, il PIT Tavoliere

Dettagli

SCHEDA DI PROGRAMMAZIONE DISCIPLINARE DA RIPORTARE SUL P.O.F. A.S. 2014-2015. Ripasso programmazione ad oggetti. Basi di dati: premesse introduttive

SCHEDA DI PROGRAMMAZIONE DISCIPLINARE DA RIPORTARE SUL P.O.F. A.S. 2014-2015. Ripasso programmazione ad oggetti. Basi di dati: premesse introduttive SCHEDA DI PROGRAMMAZIONE DISCIPLINARE DA RIPORTARE SUL P.O.F. A.S. 2014-2015 ASSE DISCIPLINA DOCENTE MATEMATICO INFORMATICA Cattani Barbara monoennio CLASSE: quinta CORSO D SEZIONE LICEO SCIENZE APPLICATE

Dettagli

DSCube. L analisi dei dati come strumento per i processi decisionali

DSCube. 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

Dettagli

LABORATORIO di INFORMATICA

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

Dettagli

Lezione 1. Introduzione e Modellazione Concettuale

Lezione 1. Introduzione e Modellazione Concettuale Lezione 1 Introduzione e Modellazione Concettuale 1 Tipi di Database ed Applicazioni Database Numerici e Testuali Database Multimediali Geographic Information Systems (GIS) Data Warehouses Real-time and

Dettagli

UN PROGRAMMA APPLICATIVO: ACCESS Access è un programma del pacchetto Office che permette di realizzare database

UN PROGRAMMA APPLICATIVO: ACCESS Access è un programma del pacchetto Office che permette di realizzare database UN PROGRAMMA APPLICATIVO: ACCESS Access è un programma del pacchetto Office che permette di realizzare database Per comprendere al meglio cosa sia un database, dobbiamo prima introdurre il concetto di

Dettagli

Relazione sul data warehouse e sul data mining

Relazione sul data warehouse e sul data mining Relazione sul data warehouse e sul data mining INTRODUZIONE Inquadrando il sistema informativo aziendale automatizzato come costituito dall insieme delle risorse messe a disposizione della tecnologia,

Dettagli

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

un insieme di processi per raccogliere e analizzare informazioni e dare risposta a esigenze di:

un insieme di processi per raccogliere e analizzare informazioni e dare risposta a esigenze di: InfoBusiness: cos è La business intelligence è: un insieme di processi per raccogliere e analizzare informazioni e dare risposta a esigenze di: supporto alle decisioni (DSS) controllo di performance aziendali

Dettagli

INTRODUZIONE AL DATA WAREHOUSING

INTRODUZIONE AL DATA WAREHOUSING INTRODUZIONE AL DATA WAREHOUSING Il contenuto del presente documento deriva da una sintesi di quello che è stato il capitolo introduttivo della mia Tesi per la Laurea Triennale (2004). L intento del documento

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

TEORIA sulle BASI DI DATI

TEORIA sulle BASI DI DATI TEORIA sulle BASI DI DATI A cura del Prof. Enea Ferri Cos è un DATA BASE E un insieme di archivi legati tra loro da relazioni. Vengono memorizzati su memorie di massa come un unico insieme, e possono essere

Dettagli

PROGRAMMAZIONE MODULARE DI INFORMATICA CLASSE QUINTA - INDIRIZZO MERCURIO SEZIONE TECNICO

PROGRAMMAZIONE MODULARE DI INFORMATICA CLASSE QUINTA - INDIRIZZO MERCURIO SEZIONE TECNICO PROGRAMMAZIONE MODULARE DI INFORMATICA CLASSE QUINTA - INDIRIZZO MERCURIO SEZIONE TECNICO Modulo 1: IL LINGUAGGIO HTML Formato degli oggetti utilizzati nel Web Elementi del linguaggio HTML: tag, e attributi

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 Mining. Introduzione La crescente popolarità

Dettagli

sfide, opportunitàe competenze per i professionistidell ICT

sfide, opportunitàe competenze per i professionistidell ICT sfide, opportunitàe competenze per i professionistidell ICT competenze e lavoro dei Database Manager Gilberto Zampatti Gilberto.zampatti@ngi.it - gzampatti@solidq.com SolidQJournal Free monthly e-magazine

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