Introduzione ad OLAP Metodi e Modelli per il Supporto alle Decisioni Paolo Avallone IT Specialist Sr Consulting DB2, Data Management
|
|
- Anna Maria Carlotta Massa
- 5 anni fa
- Visualizzazioni
Transcript
1 OLAP Data Management Software Introduzione ad OLAP Metodi e Modelli per il Supporto alle Decisioni Paolo Avallone IT Specialist Sr Consulting DB2, Data Management Dicembre 2004
2 Obiettivo L obiettivo che si pone la metodologia OLAP è quello di fornire un supporto efficiente all analisi multidimensionale dei dati, intesa come l analisi delle informazioni prendendo in considerazione più dimensioni contemporaneamente 2
3 Cosa vuol dire OLAP Il termine OLAP è l acronimo di On-Line Analytical Processing E il nome con cui sono comunemente identificati strumenti e tecniche di analisi di grosse quantità di dati OLAP costituisce uno strumento di supporto alle decisioni di tipo manageriale 3
4 Cosa vuol dire OLAP (E. F. Codd) OLAP è il nome dato all analisi dinamica dell impresa necessaria per creare, manipolare, animare e sintetizzare informazioni dagli Enterprise Data Models. Questo processo consente di scoprire nuove relazioni tra le variabili, di identificare i parametri necessari alla gestione di grosse quantità di dati, di creare un numero illimitato di dimensioni di specificare condizioni ed espressioni che coinvolgono, contemporaneamente, più dimensioni. 4
5 Cosa vuol dire OLAP La definizione OLAP può essere riassunta in cinque parole chiave: Fast Analysis Shared Multidimensional Information Le cinque parole sono usate per esprimere il seguente concetto: Fast analysis of shared multidimensional information 5
6 Cosa vuol dire OLAP FAST Una applicazione OLAP deve essere molto veloce In ogni caso, non sempre è possibile ottenere una elevata velocità di risposta in presenza di grosse quantità di dati ANALYSIS Il sistema può far fronte ad ogni logica di busine$$ e di analisi statistica importanti per l applicazione e per gli obiettivi dell utente E necessario permettere all utente di definire nuovi calcoli ad hoc come parte dell analisi e riportare i risultati in qualunque modo desiderato 6
7 Cosa vuol dire OLAP SHARED il sistema deve fornire tutti i requisiti di sicurezza affinché ognuno possa accedere ai dati e, se è possibile avere un accesso ai dati in scrittura da parte di più utenti, deve essere in grado di gestire la concorrenza Nonostante la sua importanza è una delle principali debolezze dei prodotti OLAP i quali tendono ad assumere che tutte le applicazioni saranno read-only, con semplici controlli di sicurezza 7
8 Cosa vuol dire OLAP MULTIDIMENSIONAL E il requisito più importante Se si dovesse scegliere una parola per definire OLAP, questa sarebbe multidimensionale Il sistema deve fornire una vista concettuale multidimensionale dei dati, includendo pieno supporto per gerarchie e gerarchie multiple L approccio multimensionale è certamente il modo più logico per analizzare busine$$ e organizations Non è imposto nessun vincolo sul numero minimo di dimensioni, come non è imposto nessun vincolo sulla tecnologia del database 8
9 Cosa vuol dire OLAP INFORMATION E tutto ciò di cui necessita il sistema dovunque e comunque sia immagazzinato, proveniente dai dati dettagliati o aggregati 9
10 Dati Multidimensionali I data base relazionali sono organizzati secondo una lista di record Ogni record è suddiviso in colonne Un tipico esempio potrebbe essere una lista di utenti con le seguenti colonne: nome utente, numero utente, telefono, indirizzo, Utente Numero Telefono Indirizzo BERRO/VINCENZO Via Cavour ALBERTI/ROSANNA Via Roma BOCCHIO/PIETRO Via Emilia CELAURO/ALFONSO Via Napoli DIA/TALLA Viale Castro Pretorio AZZOLIN/ANTONIO Via Kennedy 10
11 Dati Multidimensionali La tabella precedente ha diverse colonne, ogni colonna è relazionata ad un solo Numero La tabella ha una sola dimensione Se si volesse creare una matrice bi-dimensionale con Utente in verticale ed altri campi (come il Telefono) in orizzontale, si otterrebbe: 11
12 Dati Multidimensionali Consideriamo la seguente tabella contenente i dati relativi alla: Prodotto mele mele Regione abruzzo lazio Quantità Quantità di vendite per ogni prodotto e per ogni regione mele mele meloni meloni lombardia sicilia abruzzo lazio meloni lombardia 80 meloni sicilia 90 ciliegie abruzzo 90 ciliegie lazio 120 ciliegie lombardia 140 ciliegie sicilia 100 uva abruzzo 20 uva lazio 40 uva lombardia 60 uva sicilia 70 12
13 Dati Multidimensionali Una migliore rappresentazione delle informazioni contenute nella tabella precedente è ottenuta con una matrice bi-dimensionale Le dimensioni sono prodotto e regione Il valore quantità sono rappresentati dall intersezione delle due dimensioni abruzzo lazio lombardia sicilia mele meloni Quantità ciliegie uva
14 Dati Multidimensionali Supponiamo di voler estrarre le seguenti informazioni: quante mele sono state vendute in abruzzo?, quante ciliegie sono state vendute in sicilia? Per estrarre queste informazioni non c è bisogno di tabelle multidimensionali Se si volesse, invece, rispondere alla domanda: Quale è il totale di vendite per l abruzzo? Oppure Quale è il totale di ciliegie vendute? L operazione richiederebbe l estrazione di informazioni multiple aggregate fra loro 14
15 Dati Multidimensionali Se si considera un database di grandi dimensioni con migliaia di prodotto, il tempo per estrarre l informazione diverrebbe molto alto Un database relazionale può analizzare centinaia di record al secondo Un database multidimensionale può analizzare un insieme di righe/colonne al secondo Per rispondere alla domanda: Quale è il totale di vendite per l abruzzo?, un database bi-dimensionale cerca semplicemente la colonna abruzzo ed esegue la somma 15
16 Terminologia Le dimensioni equivalgono ai campi di un database relazionale Le celle equivalgono ai record INPUTS INPUTS MEMBER DELLA DIMESIONE REGIONE OUTPUTS MEMBER DELLA DIMESIONE REGIONE OUTPUTS OUTPUTS MEMBER DELLA DIMESIONE PRODOTTI mele meloni ciliegie abruzzo lazio lombardia sicilia Totale uva Totale
17 Gerarchie Nell esempio precedente era presente una semplice gerarchia per la dimensione Regione Totale Regione Abruzzo Lazio Lombardia Sicilia 17
18 Gerarchie E possibile avere anche gerarchie a più livelli di una stessa dimensione Totale Regione Abruzzo Lazio Lombardia Sicilia Roma Frosinone 18
19 Gerarchie La necessità di avere gerarchie multilivelli in una dimensione, invece di dimensioni addizionali, è che non si possono considerare omogenei entità come città, regione, stato Unire città e regioni nella stessa dimensione restituisce un risultato errato, in quanto i valori della città sono già inclusi in quelli delle regioni Lazio Roma Frosinone Sicilia Prodotti 19
20 Gerarchie La soluzione del problema potrebbe essere quella di separare, per esempio, città e stati in diverse dimensioni Concettualmente è più complicato All aumentare dei livelli aumentano anche le dimensioni del cubo Stato Città Prodotto 20
21 Gerarchie Il modo corretto è quello di usare gerarchie all interno delle dimensioni Tempo Prodotto 21
22 Il concetto di CUBO Il principale oggetto di una applicazione OLAP è il CUBO Un CUBO è una rappresentazione multimediale dei dati Un CUBO si compone di: Una sorgente dei dati Dimensioni Misure La progettazione di un CUBO è basata sui requisiti analitici dell utente. Una applicazione OLAP può supportare cubi differenti 22
23 Il concetto di CUBO La sorgente dei dati identifica e connette un cubo ad un database dove è presente l informazione Le dimensioni mappano le informazioni presenti nelle dimension table in una gerarchia di livelli, come ad esempio la dimensione GEOGRAFIA con i livelli di CONTINENTE, STATO, CITTA Le misure identificano i valori numerici provenienti dalla fact table che sono riassunti per l analisi, es. prezzo, costo, quantità 23
24 Definizione di FATTO E una collezione di dati collegati, consistente di misure e dati di contesto. Ogni fatto rappresenta un evento che può essere utilizzato per analizzare l andamento dei fenomeni di interesse per la propria organizzazione Le fact table contengono molte righe I dati primari sono numerici (raramente caratteri) Foreign multiple verso le dimension tables Dati statici 24
25 Definizione di DIMENSIONE E un entità o un insieme di entità correlate (e appiattite in un unica entità denormalizzata) usate dall utente per interpretare le misure di interesse. Rappresentano lo sfondo contestuale dei fatti (When, Where,Who, What, How) Le dimensioni non contengono tante righe come le fact tables I dati sono soggetti a cambiamenti Le dimension tables sono strutturate per permettere cambiamenti 25
26 Definizione di MISURA E l attributo numerico di un fatto. E un indicatore che l utente usa nelle sue analisi per misurare le prestazioni o il comportamento dell organizzazione relativamente alle Dimensioni 26
27 OLAP Data Management Software Il Sistema Informativo Interforze Introduzione ad OLAP I Data Mart Paolo Avallone IT Specialist Sr Consulting DB2, Data Management Dicembre 2004
28 Che cos è un Data Mart Un DW più piccolo che funziona indipendentemente o può essere interconnesso per formare un warehouse integrato un data mart è un sottoinsieme di un DWH che assiste un particolare dipartimento o una particolare funzione direzionale memorizza un sottoinsieme dei dati del DWH normalmente in forma molto aggregata utile ad un particolare dipartimento direzionale 28
29 Data Mart vs Data Warehouse Un data mart contiene meno informazioni e quindi è più facile navigare in essi Un data mart non contiene dati operativi Un data mart si focalizza solo sui requisiti di un particolare dipartimento 29
30 Perché un Data Mart Essi permettono agli utenti un accesso rapido alle informazioni usate da loro più frequentemente migliorando i tempi di risposta del sistema (essendo diminuito il volume dei dati da visitare) Forniscono strutture dati appropriate ad esigenze specifiche agevolando le tecniche di data mining. Il costo per la creazione e la gestione di un data mart è normalmente più basso di quello di un DWH 30
31 Star Schema (lo schema a stella) Consiste in una grande tabella centrale (tabella dei FATTI) circondata da un insieme di tabelle più piccole (tabelle delle Dimensioni) Ciascuna Dimensione ha la sua propria Chiave Primaria (PK) La PK di ciascuna Dimensione compare anche come chiave esterna (FK) nella tabella centrale dei Fatti Le tabelle delle Dimensioni forniscono un modo per vedere i dati da diverse prospettive 31
32 Star Schema - Esempio 32
33 Snowflake (lo schema a fiocco di neve) La variante nota con il termine schema a fiocco di neve consiste nella suddivisione delle tabelle delle dimensioni a livello degli attributi di aggregazione Si ottiene normalizzando una o più dimensioni dello star schema il che consente di avere un numero di tabelle maggiori ma di piccole dimensioni e normalizzate con conseguente semplicità di gestione in fase di popolazione ed aggiornamento delle tabelle Si riduce la dimensione e la cardinalità delle Dimension Table 33
34 OLAP Data Management Software Il Sistema Informativo Interforze Introduzione ad OLAP Analisi Multidimensionale Paolo Avallone IT Specialist Sr Consulting DB2, Data Management Dicembre 2004
35 Analisi Multidimensionale L analisi viene eseguita sui dati estratti dal DW o dal DM e rappresentata in forma multidimensionale E basata di solito su: Fatti: un concetto sul quale centrare l analisi Dimensione: una prospettiva lungo la quale effettuare l analisi Misura: una proprietà atomica di un fatto da analizzare 35
36 Un Esempio Si vuole rispondere alle seguenti domande: Quali eventi criminosi hanno mostrato crescite improvvise? Dove è necessario incrementare il controllo del territorio? L andamento di un particolare reato in una provincia mostra problemi da affrontare? Dove è necessario contrastare l andamento della criminalità? Come risulta l andamento delle rapine negli ultimi due mesi dell anno precedente? Dove è necessario contrastare maggiormente la criminalità? 36
37 Un Esempio Si può pensare ad un cubo, sulle cui dimensioni geometriche riportiamo le dimensioni di interesse: I Luoghi dove avvengono i delitti Il Tempo I Reati Dove è necessario contrastare maggiormente la criminalità? 37
38 I Punti di Vista Tale cubo è rivolto a chi: È interessato alle denunce di un determinato reato in tutte le regioni e in tutto il periodo di tempo preso in considerazione È interessato alle denunce di tutti i reati in tutte le regioni in un determinato periodo di tempo È interessato a conoscere le denunce di tutti i reati per un arco di tempo in una determinata regione È interessato alle denunce di un determinato reato, in una singola regione in un preciso periodo di tempo 38
39 Le Prospettive Le prime tre prospettive sono ricavabili fissando il valore di una delle tre dimensioni e aggregando i dati lungo le rimanenti due Tale modalità corrisponde ad una visualizzazione bidimensionale, tipo foglio elettronico L ultima prospettiva, si ottiene fissando un intervallo su ognuna delle tre dimensioni Un cubo 39
40 Le Prospettive Regione Regione Reati Tempo Regione Reati Reati Tempo Regione Reati Tempo Tempo 40
41 Approcci all OLAP L insieme dei dati da navigare è archiviato su una struttura dati a matrice dove sono registrate tutte le sintesi statistiche degli incroci multidimensionali possibili il viewer in questo caso chiede i dati direttamente al database multidimensionale insieme dei dati su cui navigare è registrato su una o più tabelle relazionali; i dati, in questo caso, sono acceduti tramite query su di essi, vengono effettuate le sintesi necessarie per la visualizzazione dei risultati 41
42 Rappresentazione Multidimensionale Dimensione Regioni Abruzzo Lazio Puglia Sicilia T1 T2 T3 T4 Omicidio Furto Rapina Truffa Dimensione Reati Dimensione Tempo 42
43 MOLAP Multidimensional OLAP Indica l esistenza di una struttura per dati multi dimensionali Il viewer chiede i dati direttamente a questa struttura, la quale li ha già memorizzazati secondo le dimensioni Vantaggio In questo caso sono i tempi di risposta Svantaggio Il Data Base multidimensionale deve essere sincronizzato con gli aggiornamenti dei dati di base dal quale viene generato 43
44 MOLAP Multidimensional OLAP Ha come perno il concetto di array multidimensionale, tecnica per la riorganizzazione e la memorizzazione di dati aggregati, in modo che possano essere analizzati da più prospettive Un array multidimensionale è costituito da un insieme di celle di dati, ciascuna delle quali contiene il valore assunto da una specifica misura, trovato in base alla formula di calcolo e alle dimensioni che determinano il processo di aggregazione. In tale struttura, ciascuna dimensione funge da indice per l individuazione di un insieme di celle di dati, eventualmente composto da un singolo elemento 44
45 Un esempio di MOLAP 2D 45
46 MOLAP Multidimensional OLAP L' esempio riportato in tabella corrisponde essenzialmente alla gestione dei dati caratteristica dei fogli elettronici Nell esempio le dimensioni considerate sono la dimensione reati e la dimensione tempo, la misura riguarda i delitti denunciati e la formula di aggregazione consiste nel calcolo del numero totale di delitti denunciati avvenuti 46
47 MOLAP Multidimensional OLAP fissando uno specifico reato ed uno specifico trimestre si individua la cella che riporta il numero totale di unità delitti denunciati in quel periodo fissando, un valore su una sola delle due dimensioni si ha accesso a tutti i dati relativi al valore fissato lungo tutta la dimensione su cui non è stato specificato un attributo volendo determinare il numero totale di delitti denunciati per i Furti in tutto l anno è sufficiente accedere all array fissando l attributo Furti e sommare i valori presenti su tutta la riga selezionata 47
48 ROLAP Relational OLAP La R sta per relazionale Indica la caratteristica peculiare di estrazione dati da una struttura dati relazionale (tabelle in formati riga-colonna) Vantaggio I dati acceduti sono sempre gli ultimi disponibili Svantaggio Una volta usciti dal viewer i dati di sintesi si perdono e quindi per riaccedervi è necessario rieseguire le estrazioni e le sommarizzazioni 48
49 HOLAP Hybrid OLAP La H sta per hybrid la caratteristica principale è che l approccio OLAP è misto l estrazione dati può avvenire da una struttura relazionale o multidimensionale la scelta dipende da dove i dati richiesti sono più efficientemente memorizzati 49
50 Riepilogo MOLAP, HOLAP, ROLAP Prospettiva Client MOLAP HOLAP ROLAP Query performance Il più veloce Velocissimo Veloce Consumo CPU Alto Medio Basso 50
51 OLAP: Gli Operatori Multidimensionali roll-up Il Roll-up consente di analizzare i dati presenti in forma aggregata ad un minore livello di dettaglio. 51
52 OLAP: Gli Operatori Multidimensionali 52
53 OLAP: Gli Operatori Multidimensionali drill-down Il Drill-down consente di analizzare i dati presenti in forma aggregata ad un maggiore livello di dettaglio. 53
54 OLAP: Gli Operatori Multidimensionali 54
55 OLAP: Gli Operatori Multidimensionali slice-and-dice Le operazioni di Slice e Dice consentono di visualizzare i dati da differenti prospettive, a diversi livelli di dettaglio. 55
56 OLAP: Gli Operatori Multidimensionali 56
57 OLAP: Gli Operatori Multidimensionali pivoting (rotation) Il Pivoting consente il riorientamento del cubo. 57
58 OLAP: Gli Operatori Multidimensionali 58
59 OLAP Data Management Software Il Sistema Informativo Interforze Introduzione ad OLAP Un Caso di Studio I Delitti Denunciati Paolo Avallone IT Specialist Sr Consulting DB2, Data Management Dicembre 2004
60 Un Caso di Studio I Delitti Denunciati Dimensione Regioni Abruzzo Lazio Puglia Sicilia T1 T2 T3 T4 Omicidio Furto Rapina Truffa Dimensione Reati Dimensione Tempo 60
61 Un Caso di Studio I Delitti Denunciati Dimensione Regioni Abruzzo Lazio Puglia Sicilia T1 T2 T3 T4 Omicidio Furto Rapina Truffa Dimensione Reati Dimensione Tempo 61
62 Un Caso di Studio I Delitti Denunciati 62
63 Un Caso di Studio I Delitti Denunciati Dimensione Regioni Abruzzo Lazio Puglia Sicilia T1 T2 T3 T4 Omicidio Furto Rapina Truffa Dimensione Reati Dimensione Tempo 63
64 Un Caso di Studio I Delitti Denunciati 64
65 Un Caso di Studio I Delitti Denunciati Dimensione Regioni Abruzzo Lazio Puglia Sicilia T1 T2 T3 T4 Omicidio Furto Rapina Truffa Dimensione Reati Dimensione Tempo 65
66 Un Caso di Studio I Delitti Denunciati 66
67 Un Caso di Studio I Delitti Denunciati Dimensione Regioni Abruzzo Lazio Puglia Sicilia T1 T2 T3 T4 Omicidio Furto Rapina Truffa Dimensione Reati Dimensione Tempo 67
68 Un Caso di Studio I Delitti Denunciati 68
69 OLAP Data Management Software Il Sistema Informativo Interforze Introduzione ad OLAP Glossario Paolo Avallone IT Specialist Sr Consulting DB2, Data Management Dicembre 2004
70 Glossario BIW - busine$$ Intelligence Warehouse: fornisce agli utenti un posto sicuro per utilizzare le informazioni che preferiscono. Gli utenti possono cambiare queste informazioni, modificarne la struttura, aggiungere altri dati, ect., senza temere di influenzare gli altri utenti. EDW: Enterprise data warehouse; una infrastrutura ed un corollario di strumenti per la raccolta, la memorizzazione, la gestione, la distribuzione delle informazioni agli utenti. Data mart: è un data warehouse dipartimentale usato per mantenere informazioni di reparto che sono estratte dal data warehouse aziendale (Bill Inmon). Cubo: Una struttura nella quale i dati sono organizzati rispetto a varie dimensioni (ad esempio, il tempo, la geografia, tipo delitto), il cui scopo è il suppoorto alle funzioni OLAP. 70
71 Glossario OLAP: On-line Analytical Processing; è l insieme dei tool che consentono di operare on-line sui dati del warehouse, mettendo l utente in condizione di realizzare sofisticate indagini a supporto del proprio processo decisionale. ROLAP: Relational OLAP; metodo di analisi multidimensionale dei dati, tale analisi viene effettuata su un insieme di tabelle relazionali. MOLAP: Multidimensional OLAP; metodo di analisi multidimensionale dei dati, tale analisi viene effettuata su cubi mnemorizzati in strutture proprietarie, non relazionali. Star schema: consiste di una grande tabella centrale (detta tabella dei fatti) circondata da un insieme di tabelle più piccole (dette tabelle delle dimensioni). Snowflake: è una estensione (normalizzata) del modello star schema, in cui ogni punta si irradia a sua volta in più punte. 71
72 72
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
DettagliDatawarehouse. Proge.azione logica
Datawarehouse Proge.azione logica 1) Modello a stella implementato 3 Semplici join permettono di ricostruire i fatti. Le tabelle dimensione sono generalmente denormalizzate: contengono le dipendenze funzionali
DettagliData warehouse Introduzione
DataBase and Data Mining Group of DataBase and Data Mining Group of DataBase and Data Mining Group of Database and data mining group, D MG B Data warehouse Introduzione INTRODUZIONE - 1 Database and data
DettagliData Warehousing. Esercitazione 2
Esercitazione 2 Reminder In laboratorio è presente un installazione Enterprise di DB2. Per accedere richiedere un account come specificato sul sito del corso 1 Riepilogo Esercitazione 1: Descrizione dello
DettagliINTRODUZIONE AI DBMS
Informatica Generale (AA 07/08) Corso di laurea in Scienze della Comunicazione Facoltà di Lettere e Filosofia Università degli Studi di Salerno : Introduzione alla Gestione dei Dati Prof. Alberto Postiglione
DettagliINTRODUZIONE AI DBMS. Inoltre i fogli elettronici. Mentre sono poco adatti per operazioni di. Prof. Alberto Postiglione
Informatica Generale (AA 07/08) Corso di laurea in Scienze della Comunicazione Facoltà di Lettere e Filosofia Università degli Studi di Salerno : Introduzione alla Gestione dei Dati Prof. Alberto Postiglione
DettagliIl modello multidimensionale. Per le slides si ringrazia il Prof. Stefano Rizzi (http://www-db.deis.unibo.it/~srizzi/) e il Dott.
Il modello multidimensionale Per le slides si ringrazia il Prof. Stefano Rizzi (http://www-db.deis.unibo.it/~srizzi/) e il Dott. Angelo Sironi Verso il modello multidimensionale Che incassi sono stati
DettagliIndice. Prefazione. Capitolo 1 Introduzione al data warehousing 1
Indice Prefazione XI Capitolo 1 Introduzione al data warehousing 1 1.1 I sistemi di supporto alle decisioni 2 1.2 Il data warehousing 3 1.3 Architetture per il data warehousing 6 1.3.1 Architettura a un
DettagliData warehouse Introduzione
D M B G Data warehouse Introduzione INTRODUZIONE - 1 Supporto alle decisioni aziendali La maggior parte delle aziende dispone di enormi basi di dati contenenti dati di tipo operativo queste basi di dati
DettagliData warehouse: introduzione
atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of atabase and
DettagliI DATI E LA LORO INTEGRAZIONE 63 4/001.0
I DATI E LA LORO INTEGRAZIONE 63 4/001.0 L INTEGRAZIONE DEI DATI INTEGRAZIONE DEI DATI SIGNIFICA LA CONDIVISIONE DEGLI ARCHIVI DA PARTE DI PIÙ AREE FUNZIONALI, PROCESSI E PROCEDURE AUTOMATIZZATE NELL AMBITO
DettagliBasi di dati attive. Una base di dati è ATTIVA quando consente la definizione e la gestione di regole di produzione (regole attive o trigger).
Basi di dati attive Una base di dati è ATTIVA quando consente la definizione e la gestione di regole di produzione (regole attive o trigger). Tali regole vengono attivate in modo automatico al verificarsi
DettagliBibliografia. INFORMATICA GENERALE Prof. Alberto Postiglione. Scienze della Comunicazione Università di Salerno. Definizione di DB e di DBMS
INFORMATICA GENERALE DBMS: Introduzione alla gestione dei dati Bibliografia 4 ott 2011 Dia 2 Curtin, Foley, Sen, Morin Vecchie edizioni: 8.4, 8.5, 8.6, 8.7, 8.8 Edizione dalla IV in poi: 6.5, 21.1, 19.4,
DettagliPERCHÉ LA BUSINESS INTELLICENCE
PERCHÉ LA BUSINESS INTELLICENCE Relatrice: Giorgia Liguori Analista Funzionale Senior BUSINESS INTELLIGENCE Lo scopo LO SCOPO Lo scopo della BI è quello di prendere in considerazione i flussi operativi
DettagliArchitetture per l analisi dei dati
Architetture per l analisi dei dati Esercizio 8.1 Progettare un cubo multidimensionale relativo all analisi dei sinistri per una compagnia assicurativa, basandosi sulle specifiche accennate nel paragrafo
DettagliINFORMATICA GENERALE Prof. Alberto Postiglione Scienze della Comunicazione Università degli Studi di Salerno GESTIONE DEI DATI
INFORMATICA GENERALE Prof. Alberto Postiglione Scienze della Comunicazione Università degli Studi di Salerno : INTRODUZIONE ALLA : INTRODUZIONE ALLA GESTIONE DEI DATI DBMS: Introduzione alla gestione dei
DettagliStrutture dati e loro organizzazione. Gabriella Trucco
Strutture dati e loro organizzazione Gabriella Trucco Introduzione I linguaggi di programmazione di alto livello consentono di far riferimento a posizioni nella memoria principale tramite nomi descrittivi
DettagliL ANALISI DEI DATI. EuroConsulting S.r.l. Consulenza di Direzione e Organizzazione Aziendale
L ANALISI DEI DATI L analisi di un fenomeno su più dimensioni. Negli anni 80 e 90 lo sviluppo dei modelli di database relazionali e di applicazioni specifiche per la loro gestione, insieme all aumento
DettagliAnalysis Service. Dutto Riccardo IPSI - tel Dutto Riccardo - SQL Server 2008.
SQL Server Business Intelligence Development Studio Analysis Service Dutto Riccardo riccardo.dutto@polito.it IPSI - tel.7991 http://dbdmg.polito.it/ Il Data warehouse Sorgenti dati operazionali DB relazionali
DettagliMicrosoft Access. Nozioni di base. Contatti: Dott.ssa Silvia Bonfanti
Microsoft Access Nozioni di base Contatti: Dott.ssa Silvia Bonfanti silvia.bonfanti@unibg.it Introduzione In questa lezione vedremo lo strumento Microsoft Access ed impareremo come realizzare con esso
DettagliIntroduzione Concetti Generali Pratica su Access Link utili. ECDL - Database. European Computer Driving Licence - Modulo 5 - Database LEZIONE 1
ECDL - Database Introduzione European Computer Driving Licence - Modulo 5 - Database LEZIONE 1 Informazioni sul corso orario: Giovedì - 14.30-16.30 materiale: http://www.fotoboni.com/carlo/ docente: webmaster@fotoboni.com
DettagliSistemi di Elaborazione dell Informazione
Magazzino Sistemi di Elaborazione dell Informazione Parte Quarta L Elaborazione della Conoscenza Sistema Informativo Integrato e Business Intelligence Conoscenza Struttura di un azienda di Produzione Dati
DettagliLa progettazione concettuale
PROGETTAZIONE La progettazione concettuale Sintesi tra la visione degli utenti e la visione dei progettisti. I progettisti devono essere certi di aver compreso esattamente e completamente le esigenze degli
DettagliEstensioni del linguaggio SQL per interrogazioni OLAP
Sistemi Informativi Avanzati Anno Accademico 2012/2013 Prof. Domenico Beneventano Estensioni del linguaggio SQL per interrogazioni OLAP Esempio! Esempio delle vendite con scontrino (nella tabella, per
DettagliData Science A.A. 2018/2019
Corso di Laurea Magistrale in Economia Data Science A.A. 2018/2019 Lez. 2 Business Intelligence Data Science 2018/2019 1 Dati Tecnologie di memorizzazione a basso costo + connettività Accesso a grandi
DettagliPIL Percorsi di Inserimento Lavorativo
PIL - 2008 Percorsi di Inserimento Lavorativo Basi di Dati - Lezione 2 Il Modello Relazionale Il modello relazionale rappresenta il database come un insieme di relazioni. Ogni RELAZIONE è una tabella con:
DettagliUTILIZZO DEI SISTEMI INFORMATIVI PER IL SUPPORTO DELLE DECISIONI ARCHITETTURA DI RIFERIMENTO
UTILIZZO DEI SISTEMI INFORMATIVI PER IL SUPPORTO DELLE DECISIONI ARCHITETTURA DI RIFERIMENTO CORSO SISTEMI INFORMATIVI 25 novembre 2003 Gianmario Motta Gianmariomotta@polimi.it OBIETTIVI DELLA LEZIONE
DettagliSQL Server Business Intelligence Development Studio. SQL Server BI Development Studio. SQL Server BI Development Studio *Analysis Services*
SQL Server Business Intelligence Development Studio Analysis Service Dutto Riccardo http://dbdmg.polito.it/ SQL Server BI Development Studio Analysis Services Operazioni OLAP Creazione di dimensioni Creazione
DettagliSQL Server Business Intelligence Development Studio
SQL Server Business Intelligence Development Studio Analysis Service Dutto Riccardo http://dbdmg.polito.it/ SQL Server BI Development Studio Analysis Services Operazioni OLAP Creazione di dimensioni Creazione
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
DettagliBasi di Dati Direzionali
Basi di Dati Direzionali Angelo Chianese, Vincenzo Moscato, Antonio Picariello, Lucio Sansone Basi di dati per la gestione dell'informazione 2/ed McGraw-Hill Capitolo 9 Appunti dalle lezioni SQL come DDL
DettagliProf. Giorgio Poletti
6 Informatica Laurea Triennale in Economia Anno Accademico 2017-2018 Prof. Giorgio Poletti giorgio.poletti@unife.it Non ci sono misteri... C'è soltanto l'insufficienza di dati o della mente.. Paul Valéry
DettagliCapitolo 9. Sistemi di basi di dati Pearson Addison-Wesley. All rights reserved
Capitolo 9 Sistemi di basi di dati 2007 Pearson Addison-Wesley. All rights reserved Capitolo 9: Sistemi di basi di dati 9.1 Definizione di Sistemi di Basi di Dati 9.2 Modello relazionale 9.3 Basi di dati
DettagliOLAP 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.
DettagliData Warehousing. Sommario. Luca Cabibbo, Riccardo Torlone, Paolo Atzeni. Processi. Processi, dati e decisioni. Processi presso una banca
Sommario Data Warehousing Luca Cabibbo, Riccardo Torlone, Paolo Atzeni Introduzione Basi di dati integrate, sì, ma OLTP e OLAP Data warehousing Data warehouse e data warehousing Dati multidimensionali
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
DettagliPRINCIPI DI INFORMATICA CORSO DI LAUREA IN SCIENZE BIOLOGICHE
PRINCIPI DI INFORMATICA CORSO DI LAUREA IN SCIENZE BIOLOGICHE Gennaro Cordasco e Rosario De Chiara {cordasco,dechiara}@dia.unisa.it Dipartimento di Informatica ed Applicazioni R.M. Capocelli Laboratorio
DettagliESEMPIO DI PROVA PRATICA
ESEMPIO DI PROVA PRATICA Sono dati Schema di Fatto VENDITA QTY: misura normale ADDITIVA PU: misura calcolata come PU_TOTALE/NVENDITE dove a) PU_TOTALE misura normale additiva b) NVENDITE misura normale
DettagliSistemi Informativi Avanzati Anno Accademico 2013/2014 Prof. Domenico Beneventano. Archi multipli
Sistemi Informativi Avanzati Anno Accademico 2013/2014 Prof. Domenico Beneventano Archi multipli Capitoli 5.2.5 e 9.1.4 del libro Data Warehouse - teoria e pratica della Progettazione Autori: Matteo Golfarelli,
DettagliSistemi Informativi Avanzati
Anno Accademico 2012/2013 Sistemi Informativi Avanzati Corso di Laurea Magistrale in Ingegneria Gestionale Domenico Beneventano Andrea Scavolini Introduzione 1 Obiettivi Il corso si propone di fornire
DettagliSQL Server BI Development Studio. SQL Server Business Intelligence Development Studio. Analysis Services
SQL Server Business Intelligence Development Studio Analysis Service Dutto Riccardo Analysis Services Operazioni OLAP Creazione di dimensioni Creazione e interrogazione di cubi Operazioni di Data Mining
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
DettagliLe applicazioni SSD di analisi. multidimensionale I I Cubi
Le applicazioni SSD di analisi Giorgia Atzori IT Professional Paolo Avallone IT Specialist - Sr Consulting DB2 Data Management Dicembre 2010 multidimensionale I I Cubi Argomenti dell intervento Componenti
DettagliSQL Server Integration Services. SQL Server 2005: ETL - 1. Integration Services Project
Database and data mining group, SQL Server 2005 Integration Services SQL Server 2005: ETL - 1 Database and data mining group, Integration Services Project Permette di gestire tutti i processi di ETL Basato
DettagliINTRODUZIONE ALLE BASI DATI RELAZIONALI
INTRODUZIONE ALLE BASI DATI RELAZIONALI RELAZIONI E TABELLE Nelle BASI DI DATI RELAZIONALI le informazioni sono organizzate in TABELLE; Le tabelle sono rappresentate mediante griglie suddivise in RIGHE
DettagliFondamenti di Informatica e Programmazione
Fondamenti di Informatica e Programmazione Prof. G ianni D Angelo Email: giadangelo@unisa.it A. A. 2018/19 Dati e Basi di Dati 1/4 I dati sono importanti poiché costituiscono una risorsa aziendale La loro
DettagliSistemi Informativi Avanzati
Anno Accademico 2015/2016 Sistemi Informativi Avanzati Corso di Laurea Magistrale in Ingegneria Gestionale Domenico Beneventano Roberto Piuca Introduzione 1 Obiettivi Il corso si propone di fornire all'allievo
DettagliFILE E INDICI Architettura DBMS
FILE E INDICI Architettura DBMS Giorgio Giacinto 2010 Database 2 Dati su dispositivi di memorizzazione esterni! Dischi! si può leggere qualunque pagina a costo medio fisso! Nastri! si possono leggere le
DettagliSQL e linguaggi di programmazione. Cursori. Cursori. L interazione con l ambiente SQL può avvenire in 3 modi:
SQL e linguaggi di programmazione L interazione con l ambiente SQL può avvenire in 3 modi: in modo interattivo col server attraverso interfacce o linguaggi ad hoc legati a particolari DBMS attraverso i
DettagliRelazioni e tabelle. Introduzione alle Basi di Dati Relazionali. Relazioni uno a uno. Esempio
Relazioni e tabelle Introduzione alle Basi di Dati Relazionali Nelle Basi di Dati relazionali le informazioni sono organizzate in tabelle Le tabelle sono rappresentate mediante griglie suddivise in colonne
DettagliLab.1 - Excel. Prof. De Michele e Farina
Lab.1 - Excel Prof. De Michele e Farina 1 - Che cos è un foglio elettronico - Formule e funzioni - Riferimenti - Grafici 2 Un foglio elettronico è uno strumento che combina potenzialità di calcolo, formattazione,
Dettagli<Nome Tabella>.<attributo>
Informatica Generale (AA 07/08) Corso di laurea in Scienze della Comunicazione Facoltà di Lettere e Filosofia Università degli Studi di Salerno : SQL (2) Tabelle mult., variabili, aggreg, group Prof. Alberto
DettagliCAPITOLO V. DATABASE: Il modello relazionale
CAPITOLO V DATABASE: Il modello relazionale Il modello relazionale offre una rappresentazione matematica dei dati basata sul concetto di relazione normalizzata. I principi del modello relazionale furono
DettagliSISTEMI INFORMATIVI DIREZIONALI BUSINESS INTELLIGENCE
SISTEMI INFORMATIVI DIREZIONALI BUSINESS INTELLIGENCE Punti chiave Cosa sono i sistemi informativi direzionali (SID)? Che differenza con i sistemi di supporto alle attività operative? Qual è il punto di
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
DettagliLe Basi di Dati per i Beni culturali
Le Basi di Dati per i Beni culturali Fabio Cavulli Database: Una base di dati è una collezione di dati correlati creata con lo scopo specifico di rappresentare adeguatamente e memorizzare le informazioni
DettagliIl Dimensional Fact Model
Il Dimensional Fact Model Per le slides si ringrazia il Prof. Stefano Rizzi (http://www-db.deis.unibo.it/~srizzi/) e il Dott. Angelo Sironi Quale formalismo? Mentre è universalmente riconosciuto che un
DettagliSTA II ANNO: AA Ecologia e Fondamenti dei. Sistemi. Ecologici Introduzione ai. Sistemi. Informativi Geografici. Lezione del
STA II ANNO: AA 2016-2017 Ecologia e Fondamenti dei Sistemi Ecologici Introduzione ai Sistemi Informativi Geografici Lezione del 29.05.2017 GIS: INTRODUZIONE Sistemi Informativi (S.I.) Nelle scienze territoriali
DettagliPROGETTI DI SISTEMI INFORMATIVI DIREZIONALI
PROGETTI DI SISTEMI INFORMATIVI DIREZIONALI Punti chiave di un progetto di SID I SID sono differenti dai SI di supporto alle attività operative QUINDI richiedono approcci alla progettazione diversi Gli
DettagliPROGETTI DI SISTEMI INFORMATIVI DIREZIONALI
PROGETTI DI SISTEMI INFORMATIVI DIREZIONALI SI supporto att. Operative VS SI direzionali Per un SI supporto att. Operative si deve Identificare e analizzare processi e procedure Procedere alla loro informatizzazione
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
Dettagli! Un arco multiplo corrisponde ad un associazione molti-a-molti: il padre (libro) non determina funzionalmente il figlio (autore)
Arco Multiplo! Schema di fatto contenente un arco multiplo: genere autore libro VENDITA numero incasso data mese anno arco multiplo (AM) " Per illustrare il concetto di arco multiplo si parte da uno schema
Dettagli5. Modalità operative per creare maschere personalizzate
5. Modalità operative per creare maschere personalizzate Costruendo le maschere con la procedura guidata, non sempre il risultato soddisfa le esigenze dell utente e spesso si deve modificare la struttura
DettagliESEMPIO A: Arco multiplo su LIBRO- AUTORE
ESEMPIO A: Arco multiplo su LIBRO- AUTORE Consideriamo un DBO con il seguente schema E/R ed il corrispondente schema relazionale: AUTORE(AUTORE,CITTA) LIBRO(LIBRO,GENERE) PESO(AUTORE:AUTORE, LIBRO:LIBRO,PESO)
DettagliCorso di basi di dati Fascicolo T04b Nota: i primi lucidi sostituiscono alcuni già proposti, in altro ordine e ccon qualche differenza, nel fascicolo
Corso di basi di dati Fascicolo T04b Nota: i primi lucidi sostituiscono alcuni già proposti, in altro ordine e ccon qualche differenza, nel fascicolo T04a ... dati storici...... dati aggregati... Le basi
DettagliOrganizzazione Fisica dei Dati (Parte II)
Modello Fisico dei Dati Basi di Dati / Complementi di Basi di Dati 1 Organizzazione Fisica dei Dati (Parte II) Angelo Montanari Dipartimento di Matematica e Informatica Università di Udine Modello Fisico
DettagliExcel 3. Master Universitario di II livello in MANAGER NELLE AMMINISTRAZIONI PUBBLICHE A.A Prof.ssa Bice Cavallo
Excel 3 Master Universitario di II livello in MANAGER NELLE AMMINISTRAZIONI PUBBLICHE A.A. 2013-2014 Prof.ssa Bice Cavallo Ordinamento dei dati: ordinamento di un elenco l Excel è in grado di ordinare
DettagliStar Schema. Progettazione Logica ROLAP 30/05/2014
Progettazione Logica Progettazione Logica ROLAP La versione multidimensionale dei dati usata nel DW può essere realizzata usando modelli logici diversi: Modello Relazionale: realizza la visione multidimensionale
DettagliSistemi Informativi Avanzati Anno Accademico 2012/2013 Prof. Domenico Beneventano. Archi multipli
Sistemi Informativi Avanzati Anno Accademico 2012/2013 Prof. Domenico Beneventano Archi multipli Capitoli 5.2.5 e 9.1.4 del libro Data Warehouse - teoria e pratica della Progettazione Autori: Matteo Golfarelli,
DettagliI DSS e la gestione dei dati e della conoscenza. Prof. Luca Gnan
I DSS e la gestione dei dati e della conoscenza Prof. Luca Gnan Argomenti I decision support system Tipologie di DSS Logiche di funzionamento Tipologie di analisi La gestione dei dati e della conoscenza
DettagliSistemi di supporto alle decisioni. Sistemi di elaborazione delle informazioni 2 Anno Accademico Prof. Mauro Giacomini
Sistemi di supporto alle decisioni Sistemi di elaborazione delle informazioni 2 Anno Accademico 2007-2008 Prof. Mauro Giacomini Preparare il futuro I dati in una organizzazione sono generati e immagazzinati
DettagliCAPITOLO IV. DATABASE: definizione e progettazione. Definizioni
CAPITOLO IV DATABASE: definizione e progettazione Definizioni DATO ELEMENTARE Una qualunque rappresentazione elementare, non interpretata, di fatti o di concetti, formalizzata ed adatta ad essere interpretata
DettagliNella vita quotidiana esistono innumerevoli esempi di database. Un agenda telefonica, un vocabolario o un catalogo di viaggi, sono tutti esempi di
1 Nella vita quotidiana esistono innumerevoli esempi di database. Un agenda telefonica, un vocabolario o un catalogo di viaggi, sono tutti esempi di archivi di dati. Il prelievo da un bancomat o il noleggio
DettagliAnalisi dei dati con Excel
Analisi dei dati con Excel memo I primi rudimenti Operazioni base Elementi caratteristici di excel sono: la barra delle formule con la casella nome ed il bottone inserisci funzione, nonché righe, colonne
DettagliFondamenti di Informatica A. A / 1 9
Fondamenti di Informatica Introduzione ai DBMS ed al Modello E -R Prof. Marco Lombardi A. A. 2 0 1 8 / 1 9 Dati e Basi di Dati 1/4 I dati sono importanti poiché costituiscono una risorsa aziendale La loro
DettagliCorso di Analisi e Contabilità dei Costi
Corso di Analisi e Contabilità dei Costi Paola Demartini Activity Based Management Il passaggio dall ABC all ABM L ABC è un sistema di calcolo dei costi L ABM è un sistema di controllo direzionale ATTIVITA
DettagliStrategie top-down. Primitive di trasformazione top-down. Primitive di trasformazione top-down
Strategie top-down A partire da uno schema che descrive le specifiche mediante pochi concetti molto astratti, si produce uno schema concettuale mediante raffinamenti successivi che aggiungono via via più
DettagliAnalisi dei dati. analisi dei dati 1
Analisi dei dati analisi dei dati 1 Il problema... Limitazioni della tecnologia relazionale - Difficoltà d'uso - Rigidità Conseguenze - Uso operativo: buono - Uso strategico: scarso Soluzioni: tecniche,
DettagliEUROPEAN COMPUTER DRIVING LICENCE SYLLABUS VERSIONE 5.0
Pagina I EUROPEAN COMPUTER DRIVING LICENCE SYLLABUS VERSIONE 5.0 Modulo 5 Uso delle basi di dati Il seguente Syllabus è relativo al Modulo 5, Uso delle basi di dati, e fornisce i fondamenti per il test
DettagliINTRODUZIONE AL 2 TEST IN ITINERE. a.a
INTRODUZIONE AL 2 TEST IN ITINERE a.a. 2014-15 Modalità d esame Tipologia degli studenti: A(ll). Non Sufficienti al Primo Test in Itinere (su tutto il programma sino ad SQL base). Si presentano su tutto
DettagliPROGETTI DI SISTEMI INFORMATIVI DIREZIONALI
PROGETTI DI SISTEMI INFORMATIVI DIREZIONALI Punti chiave di un progetto di SID 1. Progettare il database direzionale (scelta dei dati elementari, struttura del db) 2. Scegliere e confezionare le informazioni
DettagliCorso di Access. Prerequisiti. Modulo L2 A (Access) Le query
Corso di Access Modulo L2 A (Access) 2.3.1 Le query 1 Prerequisiti Concetto di database relazionale Utilizzo elementare del computer Concetti fondamentali di basi di dati Interrogazione di un DB 2 1 Introduzione
DettagliLezione 1 Concetti generali
Inizio contenuto della pagina. Lezione 1 Concetti generali Introduzione Microsoft Access è un programma per la gestione di database relazionali sviluppato da Microsoft. Un database (in italiano "base di
DettagliMarco Canu Excel Advanced: Note Operative Tabelle Pivot Excel 2013 Sella & Mosca Agg. 06/05/2017
Indice Premessa... 2 Per generare una Tabella Pivot... 2 Esempio pratico... 5 Modifichiamo l esempio... 6 I Menu della Tabella Pivot... 9 Per realizzare un grafico Pivot... 10 Esposizione Tabella Pivot
DettagliMini-guida sull utilizzo di Accesss
Mini-guida sull utilizzo di Accesss 1 DATABASE E UN INSIEME ORGANIZZATO DI INFORMAZIONI CORRELATE In un database cartaceo è possibile memorizzare informazioni dappertutto, per esempio nei cassetti di un
DettagliCiclo di vita di un sistema informativo
Ciclo di vita di un sistema informativo Studio di fattibilità definisce le varie alternative possibili, i relativi costi e le priorità di realizzazione. Raccolta e analisi dei requisiti individua proprietà
Dettagli9In questa sezione. Ordinare e filtrare i dati. Dopo aver aggiunto dati ai fogli di lavoro, potresti voler
9In questa sezione Ordinare e filtrare i dati Ordinare i dati del foglio di lavoro Creare un elenco personalizzato Filtrare rapidamente i dati con Filtro automatico Creare un filtro avanzato Convalidare
DettagliDipartimento di Scienze Umane Corso di studi in Marketing & digital communication. Project work. Data Mining e IT. Database
Dipartimento di Scienze Umane Corso di studi in Marketing & digital communication Project work Data Mining e IT Database Obiettivi della lezione Comprendere i principi fondamentali per la corretta organizzazione
DettagliPentaho: una soluzione Open per la progettazione e sviluppo di Data Warehouse
DPTS - DCMT/1 Pentaho: una soluzione Open per la progettazione e sviluppo di Data Warehouse Mariano Crea Istituto Nazionale di Statistica Agenda Data Warehouse Overview La Suite Pentaho Mondrian & JPivot:
DettagliSistemi Informativi Aziendali. Sistemi Informativi Aziendali. Sistemi Informativi Aziendali
DIPARTIMENTO DI INGEGNERIA INFORMATICA AUTOMATICA E GESTIONALE ANTONIO RUBERTI Introduzione al Data Warehousing per b. Progetto di Datawarehouse 1 Progetto di Data Warehouse Definizione di obiettivi e
DettagliSTRUMENTI TECNICI A SUPPORTO DELLA REVISIONE
ALLEGATO IV - BOZZA - STRUMENTI TECNICI A SUPPORTO DELLA REVISIONE STRUMENTI DI PIANIFICAZIONE E GESTIONE DELLA REVISIONE A supporto dell attività di revisione, Deloitte utilizza un software specifico
DettagliCorso di Access Modulo L2 A (Access) I tipi di query
Corso di Access Modulo L2 A (Access) 2.3.2 I tipi di query 1 Prerequisiti Concetto di database relazionale Utilizzo elementare del computer Concetti fondamentali di basi di dati Interrogazione di un DB
DettagliASPETTO SOFTWARE. Estensione del sistema operativo di un pc, ovvero un software di base che permette la comunicazione con gli utenti
ASPETTO SOFTWARE Estensione del sistema operativo di un pc, ovvero un software di base che permette la comunicazione con gli utenti Compito principale è la condivisione delle risorse tra gli utenti Hanno
DettagliUn arco multiplo corrisponde ad un associazione molti-a-molti: il padre (libro) non determina funzionalmente il figlio (autore)
Arco Multiplo Schema di fatto contenente un arco multiplo: genere autore libro VENDITA numero incasso data mese anno arco multiplo (AM) Per illustrare il concetto di arco multiplo si parte da uno schema
DettagliProgramma del corso. Introduzione Rappresentazione delle Informazioni Calcolo proposizionale Architettura del calcolatore Reti di calcolatori
Programma del corso Introduzione Rappresentazione delle Informazioni Calcolo proposizionale Architettura del calcolatore Reti di calcolatori Cos è un Calcolatore? Un computer (calcolatore) è una macchina
DettagliDISPENSA ACCESS (OFFICE 2010 BETA)
DISPENSA ACCESS (OFFICE 2010 BETA) 2. LE RELAZIONI. Una relazione può essere definita come un legame tra due tabelle basato sul valore di uno o più campi di ciascuna delle due tabelle. Di solito i campi
DettagliExcel come foglio di calcolo. Altri Grafici con Excel Istogrammi, grafici a torta
Excel come foglio di calcolo Altri Grafici con Excel Istogrammi, grafici a torta Funzioni di Excel per elaborazioni di dati presenti nel foglio Excel prevede una serie di funzioni predeterminate, raggruppate
DettagliQL (Query Language) Alice Pavarani
QL (Query Language) Alice Pavarani QL Query Language Linguaggio di interrogazione dei dati, permette di: Interrogare la base di dati per estrarre informazioni Elaborare i dati Il risultato di un interrogazione
Dettagli