Knowledge Management E Business Intelligence
|
|
- Pietro Gallo
- 4 anni fa
- Visualizzazioni
Transcript
1 Knowledge Management E Business Intelligence 1
2 Il valore della Conoscenza DATI: sono nozioni grezze e incomplete. INFORMAZIONI: hanno origine dai dati aggiungendo ad essi valore attraverso processi di analisi e sintesi, contestualizzazione, calcolo, categorizzazione CONOSCENZA: trasferimento delle informazioni all interno dell organizzazione. Identificazione di relazione causa-effetto tra informazioni attraverso esperienza, relazioni sociali etc. Dati Conoscenza Informazioni 2
3 Business Intelligence Definizione Semplificata: Business Intelligence: significa trasformare i dati grezzi in informazioni utilizzabili, distribuire e condividere le informazioni, creando una conoscenza collettiva della propria impresa. Dati Trasform. Informazioni Conoscenza Aziendale 3
4 Knowledge Management Knowledge Management (Gestione della conoscenza) significa: Creazione, raccolta e classificazione di informazioni provenienti da varie fonti di dati (fonti interne, Web, sistemi ERP) che vengono quindi distribuite ai vari utenti sulla base degli specifici interessi tramite mezzi e strumenti diversi. Una piattaforma di Knowledge Management, quindi, raccoglie, organizza, distribuisce e rende facilmente accessibili le conoscenze aziendali a chi ne ha bisogno, nel momento e nel contesto in cui servono 4
5 Esempio: Funzionalità sistema di BI 5
6 Continua 6
7 Struttura e Livelli di Informazione ALTA DIREZIONE MANAGER DI LINEA PERSONALE ESECUTIVO 7
8 Relazioni tra livelli d Informazione e Sistema Informativo Aziendale ALTA DIREZIONE D.S.S. 3 livello MANAGER DI LINEA Enterprise Reporting 2 livello PERSONALE ESECUTIVO Legacy Sistemi transazionali 1 livello 8
9 Sistema Informativo 9
10 Data Warehouse Definizione 1: DWH è semplicemente un sinonimo di database fisico (relazionale o multidimensionale) che contiene dati. Definizione 2: Il DWH può essere definito come: un ambiente con strutture dati finalizzate al supporto delle decisioni, fisicamente separato dai sistemi operazionali. NON sono definizioni complete 10
11 Data Warehouse 2 Inmon: lo definisce come: una raccolta di dati integrata: da fonti transazionali o esterne diverse subject oriented: organizzati per argomento (non per applicazione) time variant: organizzati per riferimento temporale non-volatile: non modificabili: sola lettura Costruito per supportare i processi decisionali L integrazione dei dati di un DWH costituisce una delle premesse necessarie che ne consentono una progettazione adeguata e che lo distinguono da ogni altro sistema di supporto alle decisioni 11
12 Data Warehouse 3 Integrata: requisito fondamentale di un DWH è l integrazione della raccolta dati. Nel DWH confluiscono dati provenienti da più sistemi transazionali e da fonti esterne. L obiettivo dell integrazione può essere raggiunto percorrendo differenti strade: mediante l utilizzo di metodi di codifica uniformi, mediante il perseguimento di una omogeneità semantica di tutte le variabili, mediante l utilizzo delle stesse unità di misura 12
13 Data Warehouse 4 subject oriented: perché il DWH è orientato a temi specifici dell azienda piuttosto che alle applicazioni o alle funzioni. In un DWH i dati vengono archiviati in modo che possano essere facilmente letti o elaborati dagli utenti. L obiettivo, quindi, NON è più quello di minimizzare la ridondanza mediante la normalizzazione MA quello di fornire dati che abbiano una struttura in grado di favorire la produzione di informazioni. Si passa dalla progettazione per funzioni alla modellazione dei dati al fine di consentire una visione multidimensionale degli stessi. 13
14 Data Warehouse 5 time variant: i dati archiviati all interno di un DWH hanno un orizzonte temporale molto più esteso rispetto a quelli archiviati in un sistema operazionale. Ciò, tuttavia, comporta che i dati contenuti in un DWH sono aggiornati fino ad una certa data, che nella maggior parte dei casi, è antecedente a quella in cui l utente interroga il sistema. Situazione del tutto differente, al contrario, si manifesta in un transazionale in cui i dati corrispondono sempre ad una situazione costantemente aggiornata che tuttavia non fornisce un quadro storico del fenomeno analizzato 14
15 Data Warehouse 6 non-volatile: tale caratteristica indica la non modificabilità dei dati contenuti nel DWH che consente accessi in sola lettura. Comporta, inoltre, una maggiore semplicità di progettazione del database rispetto a quella di un database relazionale che supporta una applicazione transazionale. In tale contesto non si fronteggiano le possibili anomalie dovute agli aggiornamenti e tanto meno si ricorre a strumenti complessi per gestire l integrità referenziale o per bloccare record a cui possono accedere altri utenti in fase di aggiornamento 15
16 DWH - In sintesi Il data warehouse, quindi, descrive il processo di acquisizione, trasformazione e distribuzione di informazioni presenti all interno o all esterno delle aziende come supporto ai decision maker. Esso si differenzia, però, in modo sostanziale dai normali sistemi gestionali che, al contrario, hanno il compito di automatizzare le operazioni di routine. Inoltre, si può notare che la definizione di Inmon precedentemente citata introduce un concetto di assoluta indifferenza rispetto alle caratteristiche architetturali dei sistemi transazionali e alla dislocazione fisica dei dati nei diversi database. Se il focus viene posto sulla capacità di supportare il processo decisionale, il data warehouse può essere costruito secondo modalità differenti che vanno da una logica completamente accentrata, a una logica completamente distribuita 16
17 ETL (Extraction, Transformation, Loading): Extraction: I dati vengono estratti da fonti eterogenee Sistema Informativo centrale (Back Office) Applicazioni dipartimentali (Front/Middle Office) Strumenti di Supporto interni: fogli elettronici, tool di Report interni, Db Provider Esterni Transformation: - Attività di pulizia (analisi di dati): - Scorretti - Inconsistenti - Ridondanti - Mapping di formati (tool parametrici) - Filtraggio sistematico per attività di loading a regime Loading: - Caricamento - Strutturazione - Allineamento - Monitoraggio 17
18 ESEMPIO FUNZIONAMENTO ETL 18
19 Sistemi per l accesso l ai dati e la produzione di informazioni Sistemi di Business Intelligence Sistemi per l integrazione l e l archiviazione dei dati semilavorati Datawarehouse Altri sistemi di tipo operativo (call center, customer service, etc.) ERP o sistemi gestionali tradizionali Sistemi web (e-commerce,, B2B e B2C, etc.) Sistemi di origine dei dati elementari 19
20 Data Mining 1: Definizione Processo di estrazione di conoscenza da banche dati di grandi dimensioni tramite l'applicazione di algoritmi che individuano le associazioni "nascoste" tra le informazioni e le rendono disponibili In altre parole, con data mining si intende l'applicazione di una o più tecniche che consentono l'esplorazione di grandi quantità di dati, con l'obiettivo di individuare le informazioni più significative e di renderle disponibili e direttamente utilizzabili nell'ambito del decision making. 20
21 Data Mining - Caratteristiche Indipendentemente dal tipo di applicazione specifica, un processo di estrazione di conoscenza percorre alcune fasi che possono essere schematizzate in: 1. Definizione dell'obiettivo 2. Individuazione delle fonti di dati 3. Estrazione/acquisizione dei dati (ed integrazione, se provenienti da fonti o data bases diversi) 4. Pre-processing (Pulizia dei dati - Analisi esplorative - Selezione - Trasformazione - Formattazione) 5. Data Mining (Scelta dell'algoritmo - Individuazione dei parametri - Elaborazione - Valutazione del modello) 6. Interpretazione/valutazione dei risultati 7. Rappresentazione dei risultati 21
22 DM - Tecniche e ambiti applicativi Il data mining è stato definito come un processo, all'interno del quale si utilizzano una o più tecniche per estrarre, da grandi quantità di dati, conoscenza in termini di associazioni, "pattern", regole, o sequenze ripetute. Le tecniche utilizzabili sono varie e, di conseguenza, anche gli algoritmi che le implementano. La scelta dipende principalmente dall'obiettivo che si vuole raggiungere e dal tipo di dati da analizzare. Le più utilizzate sono: Clustering Reti Neurali Alberi di Decisione Individuazione di Associazioni 22
23 Clustering Le tecniche di clustering e l'uso delle reti neurali NON supervisionate consentono di effettuare operazioni di segmentazione sui dati, cioè di individuare gruppi omogenei, o tipologie, che presentano delle regolarità al loro interno in grado di caratterizzarli e differenziarli dagli altri gruppi. 23
24 ESEMPIO Individuo Età Livello reddito Colore occhi Sesso A 62 Medio Marroni F B 53 Medio Verdi M C 47 Alto Marroni F D 32 Medio Verdi M E 21 Alto Azzurri F F 27 Alto Marroni M G 50 Basso Azzurri F H 46 Alto Azzurri M I 27 Basso Azzurri F L 68 Basso Azzurri M 24
25 Individuo Età Livello reddito Colore occhi Sesso C 47 Alto Marroni F E 21 Alto Azzurri F F 27 Alto Marroni M H 46 Alto Azzurri M A 62 Medio Marroni F Se Età compresa tra i 21 e i 47 anni e Livello di reddito alto allora Cluster A B 53 Medio Verdi M D 32 Medio Verdi M G 50 Basso Azzurri F I 27 Basso Azzurri F L 68 Basso Azzurri M 25
26 Reti Neurali Le reti neurali (supervisionate) e gli alberi di decisione consentono di effettuare operazioni di classificazione, fanno cioè uso della conoscenza acquisita in fase di addestramento per classificare nuovi oggetti o prevedere nuovi eventi. Le tecniche di analisi delle associazioni consentono di individuare delle regole nelle occorrenze concomitanti di due o più eventi. A queste si aggiungono "sequential patterns" (tecniche di individuazione di sequenze temporali), "naive Bayes", algoritmi genetici. 26
27 Onora il debito Non onora il debito Proprietà casa = Sì Proprietà casa = No Red.to > Red.to <= Se casa non di proprietà e reddito < = euro allora è un cliente che non onora il debito 27
28 DM - ambiti applicativi Analisi delle associazioni (Basket Analysis) - applicazione di tecniche di individuazione di associazioni a dati di vendita al fine di conoscere quali prodotti sono acquistati congiuntamente; questo tipo d'informazione consente di migliorare l'offerta dei prodotti (disposizione sugli scaffali) e di incrementare le vendite di alcuni prodotti tramite offerte sui prodotti ad essi associati 28
29 Esempio: Regole associative Succo d arancia Olive Latte Whisky Detersivo Succo d arancia Olive Latte Whisky Detersivo Se un cliente acquista succo d arancia d allora acquista anche latte Se un cliente acquista olive e latte allora non acquista detersivo Se un cliente acquista whisky e detersivo allora non acquista latte 29
30 Se un cliente acquista succo d arancia d allora acquista anche latte Nè latte nè succo d arancia =10 Combinazioni con latte = 30 Combinazioni con succo d arancia= 40 Sia latte sia succo d arancia d =20 Confidenza = 20/40=50% Copertura = 40/100=40% 30
31 DM - vantaggi Trattamento dei dati quantitativi, qualitativi e testuali. Non richiede ipotesi a priori da parte del ricercatore. Non richiede ipotesi a priori sulla forma distributiva delle variabili. Possibilità di elaborare un numero elevato di osservazioni. Algoritmi ottimizzati per minimizzare i tempi di elaborazione. Semplicità di interpretazione del risultato. Visualizzazione dei risultati. 31
32 e per concludere 32
Sistemi 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
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
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
DettagliArchitetture di Data Warehouse. PDF created with pdffactory trial version
Architetture di Data Warehouse L aspetto architetturale del DW o L aspetto architetturale è estremamente importante: il dw deve essere dotato della capacità di eseguire operazioni complesse e pesanti dal
DettagliLaboratorio di Sistemi Informativi Aziendali a.a
Laboratorio di Sistemi Informativi Aziendali a.a. 2006-2007 2007 Docente: Mario Guarracino mario.guarracino@na.icar.cnr.it tel. 081 6139519 http://www.na.icar.cnr.it/~mariog Informazioni logistiche Orario
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
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
DettagliDSS. Decision Support System. 12/11/2008 Fondamenti Informatica 2 - Prof. Gregorio Cosentino 1
DSS Decision Support System 12/11/2008 Fondamenti Informatica 2 - Prof. Gregorio Cosentino 1 Definizione Il DSS è un sistema informativo che converte dati provenienti da fonti interne ed esterne in informazioni
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 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 Science A.A. 2018/2019
Corso di Laurea Magistrale in Economia Data Science A.A. 2018/2019 Lez. 5 Data Mining Data Science 2018/2019 1 Data Mining Processo di esplorazione e analisi di un insieme di dati, generalmente di grandi
DettagliMASTER UNIVERSITARIO
MASTER UNIVERSITARIO I Analisi Dati per la Business Intelligence e Data Science in collaborazione con Gestito da: V edizione 2016/2017 Dipartimento di Culture, Politica e Società Dipartimento di Informatica
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
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
DettagliINFORMATICA. Prof. Giorgio Poletti Laurea Triennale in Economia a.a
3 INFORMATICA Prof. Giorgio Poletti giorgio.poletti@unife.it Laurea Triennale in Economia a.a. 2018 2019 Sviluppo del corso Modulo II e Modulo III Modulo II Dato e informazione: capire per comprendere
DettagliData mining e rischi aziendali
Data mining e rischi aziendali Antonella Ferrari La piramide delle componenti di un ambiente di Bi Decision maker La decisione migliore Decisioni Ottimizzazione Scelta tra alternative Modelli di apprendimento
DettagliDATA MINING E DATA WAREHOUSE
Reti e sistemi informativi DATA MINING E DATA WAREHOUSE Marco Gottardo FONTI Wikipedia Cineca Università di Udine, Dipartimento di fisica, il data mining scientifico thepcweb.com DATA MINING 1/2 Il Data
DettagliDall intuizione alla conoscenza
Dall intuizione alla conoscenza Il valore dei dati nel processo decisionale Maurizio Pighin Università di Udine Facoltà di Economia LiberaMente Srl Spinoff Accademico Università Udine Slide 1 Agenda Alcuni
DettagliCHI SIAMO COME. COSA Capendo esigenze, obiettivi e preoccupazioni attraverso un approccio analitico, per offrire informazioni utili e sensate.
CHI SIAMO Siamo un innovativa startup, un laboratorio per lo studio, la comprensione e la rappresentazione di informazioni e dati. Non ci piace rimanere in superficie, preferiamo guardare in profondità.
DettagliCorso di Marketing Industriale
U N I V E R S I T A' D E G L I S T U D I D I B E R G A M O Corso di Prof Ferruccio Piazzoni ferruccio.piazzoni@unibg.it Le informazioni come vantaggio competitivo Information & Knowledge Marketing Database
DettagliI Componenti del processo decisionale 7
Indice Introduzione 1 I Componenti del processo decisionale 7 1 Business intelligence 9 1.1 Decisioni efficaci e tempestive........ 9 1.2 Dati, informazioni e conoscenza....... 12 1.3 Ruolo dei modelli
DettagliAlle ore 13:15 Buffet nel Business Innovation Center
MYBI e WINDOWS SERVER 2008 NAPOLI, GIOVEDI 22 NOVEMBRE Sala Saffo Città della Scienza, Business Innovation Center Agenda Alle ore 13:15 Buffet nel Business Innovation Center 1 Presentazione SMS Engineering
DettagliLezione 2. Dati e Architetture per il Data Warehousing ETL
Lezione 2 Dati e Architetture per il Data Warehousing ETL 27/02/2010 1 Introduzione al DW: Dati I dati possono essere classificati in vari modi nel DW si adotta una classificazione a tre assi: significato
DettagliProf. Giorgio Poletti
5 Informatica Laurea Triennale in Economia Anno Accademico 2017-2018 Prof. Giorgio Poletti giorgio.poletti@unife.it I dati sono diventati il quarto fattore produttivo, dopo i classici terra, lavoro e capitale.
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
DettagliERP, ENTERPRISE RESOURCE PLANNING
ERP, ENTERPRISE RESOURCE PLANNING SISTEMA INFORMATIVO Def. Sistema Informativo - Il sistema informativo è l insieme di persone, apparecchiature, applicazioni e procedure che permettono all azienda di disporre
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
Dettagli1. EVOLUZIONE DELLE TECNOLOGIE DI ANALISI DEI DATI
1. EVOLUZIONE DELLE TECNOLOGIE DI ANALISI DEI DATI 1.1 Evoluzione delle tecnologie informatiche di gestione e analisi dati... 21 1.1.1 Fase 1 Database relazionali e SQL... 21 1.1.2 Fase 2- Data Warehouse
DettagliSistemi Informativi su Web
Sistemi Informativi su Web Prof.ssa E. Gentile a.a. 2011-2012 Programma 1. Definizioni 2. Organizzazione 3. Progettazione 4. Management Prof.ssa E. Gentile Sistemi Informativi su Web 2 Sistema Realtà di
DettagliPiano Generale di Sviluppo
Piano Generale di Sviluppo Quadro di riferimento Il Piano Generale di Sviluppo rappresenta il principale documento di pianificazione strategica dell Ente Locale, finalizzato a definire gli assi portanti
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
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
DettagliBusiness Intelligence HR
Business Intelligence HR Business Intelligence Termine generico per indicare: Un insieme di processi per raccogliere ed analizzare informazioni strategiche mirate a prendere le migliori decisioni La tecnologia
DettagliSISTEMI INFORMATIVI E DATABASE
SISTEMI INFORMATIVI E DATABASE SISTEMA INFORMATIVO AZIENDALE (S.I.) In una realtà aziendale si distingue: DATO elemento di conoscenza privo di qualsiasi elaborazione; insieme di simboli e caratteri. (274,
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
DettagliFast Performance. Lo strumento a supporto di decisioni veloci ed efficaci per il tuo Business
Fast Performance Lo strumento a supporto di decisioni veloci ed efficaci per il tuo Business A chi ci rivolgiamo Il nostro interlocutore è chi si pone domande, a qualsiasi livello dell organizzazione Fast
DettagliORDINE DEGLI ATTUARI
La Funzione Attuariale in ottica Solvency 2 La Data Governance Paola Scarabotto / Luca Virgili Milano, 20 Ottobre 2014 Agenda I requisiti normativi e regolamentari Principi di riferimento Architettura
DettagliI8 ITS for Ports and Transport Communities Dott.ssa Silvia Ferrini Collaboratrice Direzione Sviluppo e Innovazione
I8 ITS for Ports and Transport Communities Dott.ssa Silvia Ferrini Collaboratrice Direzione Sviluppo e Innovazione dsi3@porto.livorno.it 1 Definizione di ITS - Sistemi di trasporto intelligenti Cosa sono
DettagliModelli matematici e Data Mining
Modelli matematici e Data Mining Introduzione I modelli matematici giocano un ruolo critico negli ambienti di business intelligence e sistemi di supporto alle decisioni. Essi rappresentano un astrazione
DettagliIl sistema informativo aziendale
Il sistema informativo aziendale Informatica e azienda L azienda è caratterizzata da: Persone legate tra loro da una struttura gerarchica che definisce le dipendenze Attività produttive necessarie per
DettagliSISTEMI INFORMATIVI DIREZIONALI
SISTEMI INFORMATIVI DIREZIONALI Domande chiave Cosa sono i sistemi informativi direzionali (SID)? Che differenza con i sistemi di supporto alle attività operative? Qual è il punto di partenza per capire
DettagliUN DATAWAREHOUSE PER IL CONTROLLO E MONITORAGGIO DELLA SPESA FARMACEUTICA CONVENZIONATA
UN DATAWAREHOUSE PER IL CONTROLLO E MONITORAGGIO DELLA SPESA FARMACEUTICA CONVENZIONATA Fabio Raimondi Project Manager Tecnologie Digitali ed Applicative Business Analytics e Big Data Il progetto S.I.R.FARMA
Dettagli- 2 % 7, 0 ( 3 / 8 6
SCHEDA PRODOTTO PAG. 1-2 % 7, 0 ( 3 / 8 6 Sistema integrato per la gestione di REPORTISTICA DIREZIONALE Versione 6.1 SCHEDA PRODOTTO PAG. 2 2%,(77,9,675$7(*,&, Il progetto si propone lo sviluppo di un
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
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
DettagliTecnologie, strumenti e processi alle informazioni e l estrazione della conoscenza
Tecnologie, strumenti e processi per l accesso l alle informazioni e l estrazione della conoscenza Maurizio Lancia Alberto Salvati CNR - Ufficio Sistemi Informativi Sommario Scenario Obiettivi e linee
DettagliProf. Giorgio Poletti
7 Informatica Laurea Triennale in Economia Anno Accademico 2017-2018 Prof. Giorgio Poletti giorgio.poletti@unife.it «Dietro ogni impresa di successo c è qualcuno che ha preso una decisione coraggiosa»
DettagliSISTEMA REGIONALE DELLE QUALIFICHE
Assessorato al Coordinamento delle Politiche Europee allo Sviluppo, Scuola, Formazione Professionale, Università, Ricerca e Lavoro SISTEMA REGIONALE DELLE QUALIFICHE SCHEDA DESCRITTIVA STANDARD PROFESSIONALI
DettagliDATA MINING. Cos'è il Data Mining: Traduzione letterale: Clustering e Reti di Kohonen
Cos'è il Data Mining: Traduzione letterale: DATA MINING Data : To mine : informazione scavare,estrarre Clustering e Reti di Kohonen Processo di estrazione di conoscenza (nell'ambito del KDD,knowledge discovery
DettagliSISTEMI INFORMATIVI DIREZIONALI
SISTEMI INFORMATIVI DIREZIONALI Domande chiave Cosa sono i sistemi informativi direzionali (SID) e che differenza c è tra i sistemi di supporto alle attività operative? Qual è il punto di partenza per
DettagliINDICE. Prefazione pag. 13. Parte prima - L'acquisizione dei dati mediante gli strumenti software di contabilità gestionale
INDICE Prefazione pag. 13 Parte prima - L'acquisizione dei dati mediante gli strumenti software di contabilità gestionale 1. Prime considerazioni sui caratteri dei modelli in campo economico-aziendale,
DettagliLa visione unica del Cliente tra multicanalità e integrazione dei processi
La visione unica del Cliente tra multicanalità e integrazione dei processi CRM 2003. Strategie di valorizzazione delle relazioni con la clientela Roma 11/12 Dicembre 2003 Andrea Cascianini Industry Marketing
DettagliData Mining e Analisi dei Dati
e Analisi dei Dati Rosaria Lombardo Dipartimento di Economia, Seconda Università di Napoli La scienza che estrae utili informazioni da grandi databases è conosciuta come E una disciplina nuova che interseca
DettagliCome faccio. La semplicità è un prerequisito per l'affidabilità. Analisi interattiva e Reporting dinamico alla portata di tutti.
La semplicità è un prerequisito per l'affidabilità. E. W. Dijkstra Mi servono dati attuali e attendibili. Vorrei condividerli con collaboratori e colleghi ma l IT non sempre può essere disponibile. Come
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
DettagliIL PIANO DI QUALITA AZIENDALE
I DATABASE IL PIANO DI QUALITA AZIENDALE Metodologia per raggiungere gli obiettivi di un azienda in modo Veloce Economico Sicuro Standardizzato 2 IL SISTEMA AZIENDA L azienda è un organizzazione che per
DettagliForum PA Big Data e Analytics: modelli, analisi e previsioni, per valorizzare l'enorme patrimonio informativo pubblico
Forum PA 2013 Big Data e Analytics: modelli, analisi e previsioni, per valorizzare l'enorme patrimonio informativo pubblico Dr.ssa Giovanna Del Mondo DCSIT Area data warehousing, business intelligence
DettagliInformatica e processi aziendali
Informatica e processi aziendali Il sistema informativo aziendale Il sistema aziendale Un azienda è caratterizzata da: persone legate da una struttura gerarchica attività produttive necessarie per produrre
DettagliSistemi Informativi e Commercio Elettronico
Università di Bergamo Facoltà di Ingegneria Applicazioni Internet B Paolo Salvaneschi A2_1 V1.3 Sistemi Informativi e Commercio Elettronico Sistemi Informativi Il contenuto del documento è liberamente
DettagliEstratto dell'agenda dell'innovazione e del Trade Bari Speciale: I casi. Introduzione dell'area tematica IL CASO GEATECNO
Estratto dell'agenda dell'innovazione e del Trade Bari 2011 Speciale: I casi Introduzione dell'area tematica IL CASO GEATECNO Innovare e competere con le ICT: casi di successo - PARTE Cap.4 Gestire efficacemente
DettagliObiettivi conoscitivi
Il ruolo chiave dell informazione e delle ricerche di marketing Obiettivi conoscitivi Approfondire il concetto di informazione Evidenziare il ruolo strategico dell informazione all interno dei processi
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
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
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
DettagliRicerca di outlier. Prof. Matteo Golfarelli Alma Mater Studiorum - Università di Bologna
Ricerca di outlier Prof. Matteo Golfarelli Alma Mater Studiorum - Università di Bologna Ricerca di Anomalie/Outlier Cosa sono gli outlier? L insieme di dati che sono considerevolmente differenti dalla
DettagliSegmentazione e Marketing 121
Segmentazione e Marketing 121 Corso di Laurea in Informatica per il Management Università di Bologna Andrea De Marco Segmentazione Cosa Significa? Usiamo la parola "segmentazione" per definire il processo
DettagliData 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
DettagliProgetto di Business Management. Milano
Milano Alcune premesse Il sistema di controllo di gestione e della rappresentazione ed essa collegata (report di periodo) ha bisogno di trovare «adeguatezza» rispetto alla tipologia di impresa; Tuttavia
DettagliBICOOP Churn Analisys
BICOOP Churn Analisys Definizione del concetto di abbandono e creazione di modelli previsionali Mirco Nanni KDD Lab,ISTI-CNR, Pisa mirco.nanni@isti.cnr.it Master MAINS, 6 luglio 2009 Sommario Introduzione
DettagliUna visione estesa ed evoluta dei processi di Pianificazione e Controllo in azienda 16 Marzo 2016
Una visione estesa ed evoluta dei processi di Pianificazione e Controllo in azienda 16 Marzo 2016 Agenda Era il 2000... Il Mondo cambia La Tecnologia evolve Il Cliente cambia Il Consulente cambia Il nostro
DettagliControllo di gestione
Controllo di gestione Processo di crescita aziendale dal controllo di gestione alla Business Intelligence Premessa Tutte le aziende sono dotate di sistemi informatici e programmi gestionali che permettono
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
DettagliBasi di dati DBMS Es:
DATABASE Basi di dati (database): archivi di dati, organizzati in modo integrato attraverso tecniche di modellazione dei dati e gestiti sulle memorie di massa dei computer attraverso appositi software
DettagliStandard per Data Mining
Standard per Data Mining Sistemi informativi per le Decisioni Slide a cura di prof. Claudio Sartori Iniziative di Standard per Data Mining I modelli di Data Mining e statistici generati dagli strumenti
DettagliSERVIZI A SUPPORTO DELLA GOVERNANCE PER MIGLIORARE LE PERFORMANCE AZIENDALI
SERVIZI A SUPPORTO DELLA GOVERNANCE PER MIGLIORARE LE PERFORMANCE AZIENDALI MISSION La corretta gestione delle informazioni e dei processi migliora le performance della tua azienda. Affiancare i manager
DettagliData Warehouse. PDF created with pdffactory trial version
Data Warehouse Agenda o Definizione o Architetture per il Data Warehouse o Gli strumenti di Extraction, Transformation e Loading o I Metadati o Accesso al DW Definizione Data Warehouse: una collezione
DettagliCASE HISTORY CRM PER I SERVIZI ALL IMPRESA. Servizi CGN. beantech. IT moves your business
CASE HISTORY CRM PER I SERVIZI ALL IMPRESA Servizi CGN beantech IT moves your business SETTORE Servizi DIPENDENTI 236 FATTURATO 2016 35 milioni PAESE Italia Chi è Servizi CGN Servizi CGN è oggi il primo
DettagliSistemi ERP e i sistemi di BI
Sistemi ERP e i sistemi di BI 1 Concetti Preliminari Cos è un ERP: In prima approssimazione: la strumento, rappresentato da uno o più applicazioni SW in grado di raccogliere e organizzare le informazioni
DettagliMicronprod: la soluzione per la Raccolta Dati di Produzione
Micronprod: la soluzione per la Raccolta Dati di Produzione Micronprod è lo strumento ottimale che assicura, con tempestività ed affidabilità, il controllo e la gestione delle informazioni provenienti
DettagliL integrazione della Customer Satisfaction nel ciclo delle performance
L integrazione della Customer Satisfaction nel ciclo delle performance Metodologia e strumenti per il Customer Satisfaction Management Cos è il CSM È un modello di rilevazione della soddisfazione dei cittadini
DettagliAML EXPO. AI a supporto dell AML 30 MAGGIO Pieralberto Nati CEO AML EXPO COPYRIGHT ALL RIGHT RESERVED
AML EXPO 30 MAGGIO ROMA @EATALY AI a supporto dell AML Pieralberto Nati CEO Una piattaforma applicativa che gestisce la Corporate Governance Supportando tutti i livelli organizzativi: board, management
DettagliCompetitive Intelligence Data Mining - Analisi dei dati
Competitive Intelligence Data Mining - Analisi dei dati L'applicazione di tecniche di data mining per estrarre conoscenza da banche dati di tipo tecnicoscientifico consente di effettuare studi di "technology
DettagliSegmentazione e Marketing 121. Università di Bologna Andrea De Marco
Segmentazione e Marketing 121 Università di Bologna Andrea De Marco Segmentazione Cosa Significa? Usiamo la parola "segmentazione" per definire il processo con cui "raggruppiamo" in insiemi omogenei elementi
DettagliData warehouse: esperienze, sviluppi e prospettive
Data warehouse: esperienze, sviluppi e prospettive Direzione Sistema Statistico Regionale La divulgazione dell informazione statistica ufficiale La priorità è il servizio all utenza D I F F U S I O N E
DettagliData Warehousing e Data Mining
Università degli Studi di Firenze Dipartimento di Sistemi e Informatica A.A. 2011-2012 I primi passi Data Warehousing e Data Mining Parte 2 Docente: Alessandro Gori a.gori@unifi.it OLTP vs. OLAP OLTP vs.
DettagliIl Data Warehouse di Ateneo
Il Data Warehouse di Ateneo Presentazione e contenuti Il Data Warehouse dell Ateneo di Bologna (DW) è una collezione di dati di supporto per i processi decisionali e costituisce un miglioramento del patrimonio
DettagliLa Gestione del costo del Lavoro, la situazioni degli organici e il controllo degli scostamenti fra consuntivi. ADP Labor Cost
La Gestione del costo del Lavoro, la situazioni degli organici e il controllo degli scostamenti fra consuntivi. ADP Labor Cost Introduzione 1. Lo scopo Il costo del lavoro è la vera variabile strategica
DettagliRedazione e Presentazione di Progetti Informatici
Redazione e Presentazione di Progetti Informatici Corso di Laurea in Informatica Massimo Ruffolo E-mail: ruffolo@icar.cnr.it Web: http://www.icar.cnr.it/ruffolo Istituto di CAlcolo e Reti ad alte prestazioni
DettagliPre-elaborazione dei dati (Data pre-processing)
Pre-elaborazione dei dati (Data pre-processing) I dati nel mondo reale sono sporchi incompleti: mancano valori per gli attributi, mancano attributi importanti, solo valori aggregati rumorosi: contengono
DettagliI sistemi informativi a supporto della gestione delle risorse umane
I sistemi informativi a supporto della gestione delle risorse umane Roma, 29 Novembre 2006 Claudia Baculo RSO SpA L architettura tecnica dei sistemi informativi del personale Dipendenti Servizi di informazione
DettagliIl Gruppo MPS. Il Consorzio Operativo Gruppo MPS. Le aziende consorziate: Numero dipendenti:
L' INNOVAZIONE NEL MONDO DEL RETAIL: ALLINEARE LE STRATEGIE BUSINESS ED ICT Piero Poccianti Staff Pianificazione e Sviluppo Strategici Consorzio Operativo Gruppo MPS 1 4/13/2006 10:46 AM Agenda Il Gruppo
DettagliSommario. Prefazione...xi. Capitolo 1 Introduzione...1. Capitolo 2 Basi concettuali... 19
Prefazione...xi Capitolo 1 Introduzione...1 1.1 Il ruolo dell informazione...1 1.1.1 Gestire informazione...2 1.2 Il sistema informativo...3 1.3 Il ruolo del sistema informativo nell organizzazione...10
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
DettagliSMART ASSET 3 SERVIZI DI ENTERPRISE ASSET MANAGEMENT
SMART ASSET 3 SERVIZI DI ENTERPRISE ASSET MANAGEMENT SERVIZI DI ENTERPRISE ASSET MANAGEMENT 2 10 Durante le diverse fasi del ciclo di vita di un progetto, dalla fase di concept, allo studio di fattibilità,
DettagliPag Politecnico di Torino 1
Introduzione Strutture fisiche di accesso Definizione di indici in SQL Progettazione fisica Linguaggio SQL: costrutti avanzati D B M G D B M G2 Organizzazione fisica dei dati All interno di un DBMS relazionale,
DettagliDopo Bruner: : sviluppo cognitivo e qualità della formazione
Facoltà di Scienze della Formazione - Dipartimento di Scienze dell'educazione Convegno Università degli Studi di Salerno Dopo Bruner: : sviluppo cognitivo e qualità della formazione Fisciano - Ravello
DettagliD B M G D B M G 2. Gestione degli indici. Introduzione Strutture fisiche di accesso Definizione di indici in SQL Progettazione fisica
Linguaggio SQL: costrutti avanzati D B M G Introduzione Strutture fisiche di accesso Definizione di indici in SQL Progettazione fisica D B M G 2 Pag. 1 2007 Politecnico di Torino 1 D B M G Organizzazione
DettagliSEGMENTAZIONE INNOVATIVA VS TRADIZIONALE
SEGMENTAZIONE INNOVATIVA VS TRADIZIONALE Arricchimento dei dati del sottoscrittore / user Approccio Tradizionale Raccolta dei dati personali tramite contratto (professione, dati sul nucleo familiare, livello
DettagliIntroduzione 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