DB unimo. Il processo di estrazione della conoscenza: artificiale

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "DB Group @ unimo. Il processo di estrazione della conoscenza: artificiale"

Transcript

1 Il processo di estrazione della conoscenza: Data Mining, Dashboard e Intelligenza artificiale Parma, 18/09/2007 Sonia Bergamaschi, Domenico Beneventano Dipartimento di Ingegneria dell Informazione Università di Modena e Reggio Emilia, via Vignolese 905, Modena 1

2 ... L informatica in azienda La funzione svolta dai sistemi informativi (ed in particolare dai database) in ambito aziendale è stata prevalentemente quella di memorizzare dati operazionali, ossia dati generati da operazioni svolte all interno dei processi gestionali L informatica è vista come una scienza di supporto che permette di rendere più rapide ed economiche le operazioni di gestione delle informazioni ma che non crea di per sé ricchezza Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 2

3 L evoluzione dei sistemi informativi Il ruolo dei Sistemi Informatici è radicalmente cambiato dai primi anni 70 a oggi. I sistemi informatici si sono trasformati da semplici strumenti per migliorare l efficienza dei processi a elementi centrali dell organizzazione aziendale in grado di rivoluzionare la struttura dei processi aziendali. Il duplice ruolo dell informatica Tecnologia di supporto alla gestione del Sistema Informativo Disciplina organizzativa che influenza i processi, servizi e struttura aziendale Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 3

4 ERP Portafoglio istituzionale Portafoglio direzionale Il portafoglio applicativo Portafoglio operativo CRM Amministrazione Gestione risorse umane Altri processi di supporto CIM Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 4

5 Il portafoglio istituzionale E l insieme delle applicazioni informatiche per i processi di supporto, quali amministrazione, gestione delle risorse umane, contabilità A partire dagli anni Novanta il portafoglio istituzionale è generalmente compreso nell ERP ERP (Enterprise Resource Planning) gestione integrata della applicazioni a supporto della produzione, dei processi di vendita e distribuzione fisica rappresentano una evoluzione dei pacchetti MRP (Manufacturing Resourse Planning) finalizzati generalmente alla sola produzione e gestione dei materiali Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 5

6 Il portafoglio operativo Comprende le applicazioni informatiche utilizzate dai processi primari della catena del valore ed è specifico di ciascun settore industriale. Per le imprese manufatturiere in generale prevede: CIM (Computer Integrated Manufacturing) - dal 1980 circa Integrazione tra informatica di processo e informatica gestionale CRM (Customer Relationship Management) - dal 1995 circa Pacchetti integrati per l intero ciclo sul cliente: vendite via agenti, Web e call Center, marketing, customer care, fatturazione e simili E-procurement - dal 1995 circa Pacchetto per l intero ciclo di acquisto: ricerca e catalogo, gestione del processo via workflow, auction, electronic market place Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 6

7 Il portafoglio direzionale Insieme delle applicazioni informatiche a supporto dei cicli di pianificazione strategica e di pianificazione e controllo delle risorse aziendali Utilizzato dai manager aziendali per: Analizzare lo stato dell azienda Prendere decisioni rapide Prendere le decisioni migliori Si parla anche di piattaforma per la Business Intelligence, ossia Disciplina che consente a chi deve decidere in azienda di capire, attraverso soluzioni software, i fattori chiave del business e conseguentemente di prendere le migliori decisioni in quel momento Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 7

8 Business intelligence Si parla di piattaforma poiché per consentire ai manager analisi potenti e flessibili è necessario definire un apposita infrastruttura hardware e software di supporto composta da: Hardware dedicato Infrastrutture di rete DBMS Software di back-end Software di front-end Il ruolo chiave di una piattaforma di business intelligence è la trasformazione dei dati aziendali in informazione fruibili a diversi livelli di dettaglio Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 8

9 dati = informazione Dai dati alle informazioni L informazione è un bene a valore crescente, necessario per pianificare e controllare le attività aziendali con efficacia Essa costituisce la materia prima che viene trasformata dai sistemi informativi, come i semilavorati vengono trasformati dai sistemi di produzione Spesso la disponibilità di troppi dati rende arduo, se non impossibile, estrapolare le informazioni veramente importanti Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 9

10 Per ogni azienda è fondamentale poter disporre in maniera rapida e completa delle informazioni necessarie al processo decisionale: le indicazioni strategiche sono estrapolate principalmente dalla mole dei dati operazionali contenuti nei database aziendali, attraverso un procedimento di selezione e sintesi progressiva. Dai dati alle informazioni Valore rapporti indicazioni strategiche informazioni selezionate fonti informative primarie Quantità Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 10

11 Data Warehousing Decision Support Systems insieme delle tecniche e degli strumenti informatici atti a estrapolare informazioni da un insieme di dati memorizzati su supporti elettronici l approccio attualmente più usato prevede l uso di un data warehouse a partire dal quale si applicano tecniche di analisi dei dati o di estrazione di utili correlazioni fra i dati con tecniche di data mining Dashboard Data Warehouse : un raccoglitore di informazioni che integra e riorganizza i dati provenienti da sorgenti di varia natura e li rende disponibili per analisi e valutazioni finalizzate alla pianificazione e al processo decisionale OLAP e OLTP: Mescolare interrogazioni analitiche e transazionali di routine porta a inevitabili rallentamenti che rendono insoddisfatti gli utenti di entrambe le categorie. Il Data Warehouse consente di separare l elaborazione di tipo analitico (OLAP, On-Line Analytical Processing) da quella legata alle transazioni (OLTP, On-Line Transactional Processing) Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 11

12 DashBoard - Cruscotti aziendali Sono essenzialmente rivolti alle alte figure direzionali (commerciale, marketing, risorse umane, finanziario, ) ed ai decision-makers che hanno bisogno di rapporti: molto sintetici e di rapido impatto aggiornati alla situazione corrente Flessibili, in grado di mettere in luce in estrema sintesi gli indicatori chiave della performance aziendale Key Performance Indicators (KPI s) Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 12

13 DashBoard - Cruscotti aziendali I DashBoard sono la punta di un iceberg. Rappresentano uno dei prodotti finali della filiera della BI, dai dati grezzi alla conoscenza. La loro semplicità e immediatezza si basa su un grande lavoro dietro le quinte: integrazione aggregazione analisi sintesi dei dati sorgente Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 13

14 DashBoard - Cruscotti aziendali Sono finalizzati a comunicare lo stato del business e monitorarne l andamento progressivo devono per questo avere: Forte impatto visuale Una figura vale mille parole Layout grafico a zone Confronto su diverse (poche) dimensioni rilevanti ad esempio: Territorio Tempo Divisioni dell impresa Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 14

15 Dashboard per il management della performance aziendale Sotto alcuni esempi di visualizzazione dei cruscotti aziendali; dai dati di sintesi è poi possibile entrare nel dettaglio: Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 15

16 Analisi dei dati: Data Mining Definizione di knowledge discovery the nontrivial extraction of implicit, previously unknown and potentially useful information from data W. Frawley, G. Piatetsky-Shapiro, and C. Matheus:?Knowledge Discovery in Databases: An Overview?. AI Magazine, 1992 Attività orientata a scoprire informazioni nascoste nei dati In presenza di moli di dati molto elevate, l utente non è sempre in grado di individuare tutti i pattern (modelli) significativi presenti Il data mining raccoglie tecniche di intelligenza artificiale e pattern recognition per aiutare l utente nella ricerca di pattern: è sufficiente indicare cosa e dove si vuole ricercare Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 16

17 Tecniche di analisi dei dati I dati devono essere ripuliti, integrati e trasformati, poi occorre capire come trarne il massimo vantaggio informativo Esistono in sostanza tre approcci differenti, supportati da altrettante categorie di strumenti, all interrogazione di un DW da parte degli utenti finali: reportistica: non richiede conoscenze informatiche OLAP: richiede all utente di ragionare in modo multidimensionale e di conoscere l interfaccia dello strumento grafico utilizzato data mining: richiede all utente la conoscenza dei principi che stanno alla base degli strumenti utilizzati Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 17

18 orientato agli utenti che hanno necessità di accedere, a intervalli di tempo predefiniti, a informazioni strutturate in modo pressoché invariabile Reportistica incassi (K ) Ottobre 2001 Settembre 2001 Agosto 2001 Abbigliamento Alimentari Arredamento Profumeria Pulizia casa Tempo libero Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 18

19 OLAP È la principale modalità di fruizione delle informazioni contenute in un DW Consente, a utenti le cui necessità di analisi non siano facilmente identificabili a priori, di analizzare ed esplorare interattivamente i dati sulla base del modello multidimensionale Mentre gli utenti degli strumenti di reportistica svolgono un ruolo essenzialmente passivo, gli utenti OLAP sono in grado di costruire attivamente una sessione di analisi complessa in cui ciascun passo effettuato è conseguenza dei risultati ottenuti al passo precedente estemporaneità delle sessioni di lavoro richiesta approfondita conoscenza dei dati complessità delle interrogazioni formulabili orientamento verso utenti non esperti di informatica interfaccia flessibile, facile da usare ed efficace Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 19

20 OLAP: sessione Una sessione OLAP consiste in un percorso di navigazione che riflette il procedimento di analisi di uno o più fatti di interesse sotto diversi aspetti e a diversi livelli di dettaglio. Questo percorso si concretizza in una sequenza di interrogazioni spesso formulate non direttamente, ma per differenza rispetto all interrogazione precedente Ogni passo della sessione di analisi è scandito dall applicazione di un operatore OLAP che trasforma l ultima interrogazione formulata in una nuova interrogazione Il risultato delle interrogazioni è di tipo multidimensionale; gli strumenti OLAP rappresentano tipicamente i dati in modo tabellare evidenziando le diverse dimensioni mediante intestazioni multiple, colori ecc. Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 20

21 OLAP: operatori roll-up drill-down Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 21

22 DiTutto DiTutto2 Nonsolopappa Gennaio Febbraio Marzo Gennaio Febbraio Marzo Gennaio Febbraio Marzo OLAP: operatori roll-up drill-down DiTutto DiTutto2 Nonsolopappa roll-up drill-down DiTutto DiTutto2 Nonsolopappa Totale: Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 22

23 Altri Operatori OLAP negozio 'DiTutto' prodotto data slice-and-dice negozio 'DiTutto' prodotto negozio 'DiTutto' prodotto 'Brillo' data '5/4/2001' data Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 23 '5/4/2001'

24 Al manager di prodotto interessa la vendita di un prodotto in tutti i periodi e in tutti i mercati data Esempi di Slicing mercati prodotti Al manager regionale interessa la vendita dei prodotti in tutti i periodi nei propri mercati mercati prodotti data Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 24

25 Al manager finanziario interessa la vendita dei prodotti in tutti i mercati relativamente al periodo corrente e quello precedente data Esempi di Slicing mercati prodotti Il manager strategico si concentra su una categoria di prodotti,una area regionale e un orizzonte temporale medio data mercati prodotti Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 25

26 Data mining Attività orientata a scoprire informazioni nascoste nei dati In presenza di moli di dati molto elevate, l utente non è sempre in grado di individuare tutti i pattern (modelli) significativi presenti Il data mining raccoglie tecniche di intelligenza artificiale e pattern recognition per aiutare l utente nella ricerca di pattern: è sufficiente indicare cosa e dove si vuole ricercare Ricerche di mercato Studio dell efficacia del marketing Segmentazione di mercato Analisi delle abitudini di acquisto Pianificazione aziendale Modellazione degli investimenti Rilevamento di attività fraudolente Valutazione delle categorie di rischio Riconoscimento di similarità tra sequenze di eventi Valutazione di casi clinici e studio di modelli epidemiologici Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 26

27 Data mining: : regole associative Consentono di determinare le regole di implicazione logica presenti nella base di dati, quindi di individuare i gruppi di affinità tra oggetti Applicazioni: studio delle abitudini di acquisto per la pubblicità mirata e l organizzazione della merce sugli scaffali (market-basket analysis) studio della variabilità delle vendite in assenza di un certo prodotto {scarpe} {calze} supporto=70% confidenza=85% Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 27

28 Data mining: clustering Data una popolazione di oggetti rappresentabili come punti in uno spazio multidimensionale in cui ciascuna dimensione corrisponde a una caratteristica di interesse, effettuare un clustering significa raggruppare gli oggetti in un ridotto numero di insiemi (cluster) che caratterizzino al meglio la popolazione Applicazioni: segmentazione della clientela in categorie valutazione di casi clinici sulla base della sintomatologia analisi epidemiologica Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 28

29 Data mining: : alberi decisionali Vengono usati per la comprensione di un particolare fenomeno poiché permettono di classificare, in ordine di importanza, le cause che portano al verificarsi di un evento Applicazioni: valutazione delle categorie di rischio dei clienti per le società che concedono mutui e prestiti ridotta nessuna lacrimazione no morbide normale astigmatismo miopia si prescrizione oculistica ipermetropia rigide nessuna Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 29

30 Data mining: : serie temporali Individuazione di pattern ricorrenti o atipici in sequenze di dati complesse Applicazioni: identificazione di schemi associati alla crescita dei titoli di borsa rilevazione di anomalie in un sistema di monitoraggio studio delle correlazioni tra serie temporali distinte identificazione di aziende con modelli di sviluppo simili analisi dei percorsi di navigazione in siti web. tempo Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 30

31 Integrazione dell informazione Nelle moderne organizzazioni è frequente la costituzione di reti virtuali, in cui diverse organizzazioni operano in associazione attraverso processi cooperativi inter-aziendali. Per poter aggregare e gestire processi ed informazioni di diverse organizzazioni, aspetto fondamentale è la possibilità di mediare fra l'eterogeneità dei diversi contesti informativi creando una base condivisa ed integrata di conoscenza. Il processo di integrazione deve tenere in considerazione i problemi derivanti dall eterogeneità delle sorgenti dati: Eterogeneità delle piattaforme: coinvolge l hardware, i modello dati utilizzati, i DBMS. Sono stati sviluppati diversi standard per superare il problema, tra i quali si ricordano SQL, ODBC, ODMG, CORBA e XML. Eterogeneità strutturale: Differenti modelli di dati Stesso modello dei dati ma diverse modalità di rappresentazione Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 31

32 Eterogeneità ed Interoperabilità semantica Eterogeneità semantica: differente significato ed interpretazione due schemi potrebbero usare uno stesso termine per riferirsi a concetti distinti (omonimi), oppure, potrebbero usare termini diversi per far riferimento ad uno stesso concetto (sinonimi). Le ontologie sono considerate componenti fondamentali per l interoperabilità semantica, fornendo un accesso unificato alle informazioni dentro e fra le organizzazioni in base al contenuto semantico. Insegnamento: Rappresentazione della Conoscenza Prof. Sonia Bergamaschi Corso di Laurea Specialistica in Ingegneria Informatica - Ingegneria - Sede di Modena Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 32

33 Mediatore: : Vista Globale Virtuale L obiettivo delle architetture a Mediatore è quello di ottenere una Vista Globale Virtuale (a differenza di un DW!) dei dati che risiedono in sorgenti diverse. Tale componente costruisce uno schema integrato delle sorgenti dati coinvolte e permette interrogazioni su quello schema, liberando l utente dalla necessità di conoscere gli schemi delle diverse sorgenti integrate. Query Global Virtual View (GVV) Mapping Local Schema Local Schema Local Schema DB DB File XML Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 33

34 DB Group The DataBase Group (www.dbgroup.unimo.it) is the research database group at the Department of Computer Engineering of the University of Modena and Reggio Emilia Members Sonia Bergamaschi (full professor) Domenico Beneventano (professor) Maurizio Vincini (senior researcher) Francesco Guerra (junior researcher) Mirko Orsini (Phd student) Laura Po (Phd student) Antonio Sala (Phd student) Carlos Nana Mbinkeu (Phd student) Daniele Montanari (research collaborator) Alberto Corni (Phd) (research collaborator) Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 34

35 Intelligent Database Systems todevelop Intelligent Database Systems bycoupling Artificial intelligence (Description Logics) and database techniques Intelligent Information Integration DB Group research activity to combine data residing at different autonomous sources, and providing the user with a unified view of these data Semantic Search Engines to augment and improve traditional Web Search Engines by using not just words, but concepts and logical relationships. Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 35

36 National and International Research Projects Project Partecipation: D2I (From Data to Information) supported by MIUR: Programma di ricerca scientifica di rilevante interesse nazionale ( ) ; Project Partecipation: Agenti software e commercio elettronico: profili giuridici, tecnologici e psico-sociali, supported by MIUR Programma di ricerca scientifica di rilevante interesse nazionale ( ) Project Partecipation: Tecnologie per arricchire e fornire accesso a contenuti supported by MIUR - Fondo Speciale Innovazione 2000 ( ) Project Participation: CROSS supported by Regione Emilia- Romagna Iniziativa 1.1 PRRIITT(September ) Project Partecipation: WINK (Web-linked Integration of Networkbased Knowledge) supported by IST-UE RDT (cluster EUTIST-AMI) ( ) Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 36

37 National and International Research Projects Project Participation: STIL supported by Regione Emilia-Romagna Iniziativa 1.1 del Piano Telematico Regionale (September ) Project Coordination: SEWASIE (SEmantic Web and AgentS in Integrated Economies) supported by IST-UE RDT( ) Project Coordination: WISDOM (Web Intelligent Search based on DOMain ontologies) supported by MIUR Programma di ricerca scientifica di rilevante interesse nazionale ( ) Project Coordination: NeP4B (Networked Peers for Business) MIUR supported by MIUR Programma Stategico ( )- begun on June 2006 Project Participation: SEAMLESS supported by IST-EU RDT ( ) - begun on january 2006 Project Participation: STASIS (SofTware for Ambient Semantic Interoperable Services) ( ) supported by IST-EU RDT - begun on september 2006 Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 37

38 WHY so many financed projects?: MOMIS MOMIS (Mediator environment for Multiple Information Sources) is a framework to perform information extraction and integration of heterogeneous, structured and semistructured, data sources developed by the DBGroup at the University of Modena e Reggio Emilia. All information at Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 38

39 Selected Publications S. Bergamaschi, S. Castano e M. Vincini "Semantic Integration of Semistructured and Structured Data Sources", SIGMOD Record Special Issue on Semantic Interoperability in Global Information, Vol. 28, No. 1, March D. Beneventano, S. Bergamaschi, S. Castano, A. Corni, R. Guidetti, i, G. Malvezzi, M. Melchiori e M. Vincini: "Information Integration: the MOMIS Project Demonstration", International Conference on Very Large Data Bases (VLDB'2000), Cairo, Egypt, S ettembre S. Bergamaschi, S. Castano, D. Beneventano e M. Vincini: "Semantic Integration of Heterogeneous Information Sources", Special Issue on Intelligent Information Integration, Data & Knowledge Engineering, Vol. 36, Num. 1, Pages , 249, Elsevier Science B.V D. Beneventano, S. Bergamaschi, F. Guerra, M. Vincini: Synthesizing an Integrated Ontology, IEEE Internet Computing, Vol.7,N.5, September/October S. Bergamaschi, G. Cabri, F. Guerra, L. Leonardi, M. Vincini, F. Zambonelli, Exploiting Agents to Support Information Integration, Special Issue of the International Journal on Cooperative Information Systems vol. 11(3-4): , 314, 2002, ISSN I. Benetti, D. Beneventano, S. Bergamaschi, F. Guerra, M. Vincini, An Information Integration Framework for E-Commerce, IEEE Intelligent Systems Magazine, Jan/Feb 2002, pp , I. Benetti, S. Bergamaschi, F. Guerra, M. Vincini, Soap-enabled web services for knowledge management to appear in Int. J. Web Engineering and Technology,Vol. 1. N.2., D. Beneventano, S. Bergamaschi, F. Guerra, M. Vincini: "Building a Tourism Information Provider with the MOMIS System", Information Technology & Tourism Journal(ISSN ), 7:3_4, Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 39

40 Selected Publications S. Bergamaschi, F. Guerra, Peer to Peer Paradigm for a Semantic Search Engine, in proceedings of the International Workshop on Agents and Peer-to-Peer Computing, Bologna, 15 July 2002, LNCS 2530, Springer ISBN S. Bergamaschi, F. Guerra, M. Vincini, Product Classification Integration for E-Commerce,, Second International Workshop on Electronic Business Hubs - WEBH 2002 in conjunction with DEXA 2002, September , Aix En Provence, France, published by IEEE Computer Society, Los Alanitos (CA), ISBN , 8, pp D. Beneventano, S. Bergamaschi, S. Castano, V. De Antonellis, A. Ferrara, F. Guerra, F. Mandreoli, G. Ornetti, M. Vincini, Semantic Integration and Query Optimization of Heterogeneous Data a Sources, 1st Int.l Workshop on Efficient Web-based based Information Systems (EWIS), 2002, Montpellier, France, pp S. Bergamaschi, F. Guerra, M. Vincini, A peer-to-peer information system for the semantic web, in proceedings of the International Workshop on Agents and Peer-to-Peer Computing, in AAMAS 2003 Melbourne, Australia, July 14, 2003 D. Beneventano, S. Bergamaschi, F. Guerra, M. Vincini: Building an Ontology with MOMIS, in proceedings of the Semantic Integration Workshop within the Second International Semantic Web Conference, October 20, 2003 Sundial Resort, Sanibel Island, Florida, USA. D. Beneventano, S. Bergamaschi, F. Guerra, M. Vincini, Building an integrated Ontology within SEWASIE system, in proceedings of the First International Workshop on Semantic W eb and Databases, Co-located with VLDB 2003 Berlin, Germany, (2003) S. Bergamaschi, G.Gelati, F. Guerra, M. Vincini, WINK: a Web-based based Enterprise System for Collaborative Project Management in Virtual Enterprises, 4th International Conference on Web Information Systems Engineering, Roma Italy, December 2003 Sonia Bergamaschi -DBGROUP- Universita` di Modena e Reggio Emilia 40

The MOMIS approach for Information Integration

The MOMIS approach for Information Integration The MOMIS approach for Information Integration FARE RETE TRA LE IMPRESE Modena,, 20/11/2007 Sonia Bergamaschi www.dbgroup.unimo.it Dipartimento di Ingegneria dell Informazione Università di Modena e Reggio

Dettagli

Il Data Warehousing. Prof. Stefano Rizzi Alma Mater Studiorum - Università di Bologna

Il Data Warehousing. Prof. Stefano Rizzi Alma Mater Studiorum - Università di Bologna Il Data Warehousing Prof. Stefano Rizzi Alma Mater Studiorum - Università di Bologna 1 Sommario Il ruolo della business intelligence e del sistema informativo 9 Il ruolo dell informatica in azienda 9 La

Dettagli

Data Mining e Analisi dei Dati

Data 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

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

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

Spin-Off dell Università degli studi Modena e Reggio Emilia. www.datariver.it

Spin-Off dell Università degli studi Modena e Reggio Emilia. www.datariver.it Spin-Off dell Università degli studi Modena e Reggio Emilia www.datariver.it Spin-Off Universitaria Cos è una Spin-Off Universitaria Come creare una Spin-Off Attività delle Spin-Off Universitarie Spin-Off

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

Sistemi informativi aziendali

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

Dettagli

Sistemi Informativi Aziendali I

Sistemi Informativi Aziendali I Modulo 6 Sistemi Informativi Aziendali I 1 Corso Sistemi Informativi Aziendali I - Modulo 6 Modulo 6 Integrare verso l alto e supportare Managers e Dirigenti nell Impresa: Decisioni più informate; Decisioni

Dettagli

REALIZZARE UN MODELLO DI IMPRESA

REALIZZARE UN MODELLO DI IMPRESA REALIZZARE UN MODELLO DI IMPRESA - organizzare e gestire l insieme delle attività, utilizzando una piattaforma per la gestione aziendale: integrata, completa, flessibile, coerente e con un grado di complessità

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 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

DATA MINING E DATA WAREHOUSE

DATA 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

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

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

INDICE CONROLLO DI GESTIONE E SISTEMI INFORMATIVI AZIENDALI IL CONTROLLO DI GESTIONE E GLI ALTRI MECCANISMI OPERATIVI

INDICE CONROLLO DI GESTIONE E SISTEMI INFORMATIVI AZIENDALI IL CONTROLLO DI GESTIONE E GLI ALTRI MECCANISMI OPERATIVI INDICE PREMESSA...1 PARTE PRIMA CONROLLO DI GESTIONE E SISTEMI INFORMATIVI AZIENDALI CAPITOLO PRIMO IL CONTROLLO DI GESTIONE E GLI ALTRI MECCANISMI OPERATIVI 1. I concetti di pianificazione strategica

Dettagli

Data Warehousing (DW)

Data Warehousing (DW) Data Warehousing (DW) Il Data Warehousing è un processo per estrarre e integrare dati storici da sistemi transazionali (OLTP) diversi e disomogenei, e da usare come supporto al sistema di decisione aziendale

Dettagli

Sistemi per le decisioni Dai sistemi gestionali ai sistemi di governo

Sistemi per le decisioni Dai sistemi gestionali ai sistemi di governo Sistemi per le decisioni Dai sistemi gestionali ai sistemi di governo Obiettivi. Presentare l evoluzione dei sistemi informativi: da supporto alla operatività a supporto al momento decisionale Definire

Dettagli

Introduzione 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

Introduzione al Data Mining Parte 1

Introduzione al Data Mining Parte 1 Introduzione al Data Mining Parte 1 Corso di Laurea Specialistica in Ingegneria Informatica II Facoltà di Ingegneria, sede di Cesena (a.a. 2009/2010) Prof. Gianluca Moro Dipartimento di Elettronica, Informatica

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

Introduzione al Data Mining

Introduzione al Data Mining Introduzione al Data Mining Sistemi informativi per le Decisioni Slide a cura di Prof. Claudio Sartori Evoluzione della tecnologia dell informazione (IT) (Han & Kamber, 2001) Percorso evolutivo iniziato

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

INDICE 22-02-2005 15:25 Pagina V. Indice

INDICE 22-02-2005 15:25 Pagina V. Indice INDICE 22-02-2005 15:25 Pagina V Indice Gli autori XIII XVII Capitolo 1 I sistemi informativi aziendali 1 1.1 INTRODUZIONE 1 1.2 IL MODELLO INFORMATICO 3 1.2.1. Il modello applicativo 3 Lo strato di presentazione

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

Fondamenti di Informatica

Fondamenti di Informatica Sistemi di Elaborazione delle Informazioni Fondamenti di Informatica Ing. Mauro Iacono Seconda Università degli Studi di Napoli Facoltà di Studi Politici e per l Alta Formazione Europea e Mediterranea

Dettagli

Data warehousing con SQL Server

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

Dettagli

Data warehousing 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

E-Mail. Scheduling. Modalità d invio. E-Mail

E-Mail. Scheduling. Modalità d invio. E-Mail BI BI Terranova, azienda leader in Italia per le soluzioni Software rivolte al mercato delle Utilities, propone la soluzione Software di Business Intelligence RETIBI, sviluppata per offrire un maggiore

Dettagli

SISTEMI INFORMATIVI. Definizione, classificazioni

SISTEMI INFORMATIVI. Definizione, classificazioni SISTEMI INFORMATIVI Definizione, classificazioni IL SISTEMA INFORMATIVO AZIENDALE A cosa serve una definizione? a identificare i confini del SI a identificarne le componenti a chiarire le variabili progettuali

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

UNIVERSITÀ DEGLI STUDI DI MODENA E REGGIO EMILIA

UNIVERSITÀ DEGLI STUDI DI MODENA E REGGIO EMILIA UNIVERSITÀ DEGLI STUDI DI MODENA E REGGIO EMILIA Dipartimento di Ingegneria Enzo Ferrari Corso di Laurea Magistrale in Ingegneria Informatica MOMIS e Open Data: Integrazione di Dati Aziendali con Sorgenti

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

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

Informatica Industriale Modello organizzativo Enterprise Resource Planner

Informatica Industriale Modello organizzativo Enterprise Resource Planner DIIGA - Università Politecnica delle Marche A.A. 2006/2007 Informatica Industriale organizzativo Enterprise Resource Planner Luca Spalazzi spalazzi@diiga.univpm.it www.diiga.univpm.it/~spalazzi/ Informatica

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

SAP Business One: la soluzione per la gestione aziendale delle piccole e medie imprese

SAP Business One: la soluzione per la gestione aziendale delle piccole e medie imprese SAP Business One è la soluzione di gestione aziendale completa, accessibile e di facile implementazione. Pensata specificatamente per le piccole e medie imprese, ne assicura la crescita aiutandole a incrementare

Dettagli

L E I N F O R M A Z I O N I P E R F A R E

L E I N F O R M A Z I O N I P E R F A R E L E I N F O R M A Z I O N I P E R F A R E C E N T R O Con InfoBusiness avrai Vuoi DATI CERTI per prendere giuste DECISIONI? Cerchi CONFERME per le tue INTUIZIONI? Vuoi RISPOSTE IMMEDIATE? SPRECHI TEMPO

Dettagli

Tecnologie dell informatica per l azienda SISTEMA INFORMATIVO E SISTEMA INFORMATICO NEI PROCESSI AZIENDALI

Tecnologie dell informatica per l azienda SISTEMA INFORMATIVO E SISTEMA INFORMATICO NEI PROCESSI AZIENDALI Tecnologie dell informatica per l azienda SISTEMA INFORMATIVO E SISTEMA INFORMATICO NEI PROCESSI AZIENDALI IL SISTEMA INFORMATIVO AZIENDALE Un azienda è caratterizzata da: 1. Persone legate tra loro da

Dettagli

L evoluzione delle competenze verso il Database Manager

L evoluzione delle competenze verso il Database Manager L evoluzione delle competenze verso il Database Manager Workshop sulle competenze ed il lavoro dei Database Manager Milano, 1 marzo 2011 Elisabetta Peroni consulente sui sistemi di gestione dati (betty.peroni@gmail.com)

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

25/11/14 ORGANIZZAZIONE AZIENDALE. Tecnologie dell informazione e controllo

25/11/14 ORGANIZZAZIONE AZIENDALE. Tecnologie dell informazione e controllo ORGANIZZAZIONE AZIENDALE 1 Tecnologie dell informazione e controllo 2 Evoluzione dell IT IT, processo decisionale e controllo Sistemi di supporto al processo decisionale IT e coordinamento esterno IT e

Dettagli

Business Intelligence CRM

Business Intelligence CRM Business Intelligence CRM CRM! Customer relationship management:! L acronimo CRM (customer relationship management) significa letteralmente gestione della relazione con il cliente ;! la strategia e il

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

S P A P Bus Bu in s e in s e s s s O n O e n 9 e.0 9 p.0 e p r e r S A S P A P HAN HA A Gennaio 2014

S P A P Bus Bu in s e in s e s s s O n O e n 9 e.0 9 p.0 e p r e r S A S P A P HAN HA A Gennaio 2014 SAP Business One 9.0 per SAP HANA High Performance Analytical Appliance I progressi nella tecnologia HW hanno permesso di ripensare radicalmente la progettazione dei data base per servire al meglio le

Dettagli

Laboratorio di Progettazione e Sviluppo di Sistemi Informatici

Laboratorio di Progettazione e Sviluppo di Sistemi Informatici 1 Laboratorio di Progettazione e Sviluppo di Sistemi Informatici 2 Laboratorio di Progettazione e Sviluppo di Sistemi Informatici Parte del corso intersettoriale "Laboratorio di Progettazione e Sviluppo

Dettagli

Introduzione a data warehousing e OLAP

Introduzione a data warehousing e OLAP Corso di informatica Introduzione a data warehousing e OLAP La Value chain Information X vive in Z S ha Y anni X ed S hanno traslocato Data W ha del denaro in Z Stile di vita Punto di vendita Dati demografici

Dettagli

CAPITOLO CAPIT Tecnologie dell ecnologie dell info inf rmazione e controllo

CAPITOLO CAPIT Tecnologie dell ecnologie dell info inf rmazione e controllo CAPITOLO 8 Tecnologie dell informazione e controllo Agenda Evoluzione dell IT IT, processo decisionale e controllo Sistemi di supporto al processo decisionale Sistemi di controllo a feedback IT e coordinamento

Dettagli

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

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

Dettagli

Introduzione 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

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 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

LEZIONE 3 CUSTOMER RELATIONSHIP ICT GOVERNANCE. ECONOMIA dell ICT ECONOMIA DELL ICT 1. Facoltà di Ingegneria Università di Roma Tor Vergata

LEZIONE 3 CUSTOMER RELATIONSHIP ICT GOVERNANCE. ECONOMIA dell ICT ECONOMIA DELL ICT 1. Facoltà di Ingegneria Università di Roma Tor Vergata LEZIONE 3 CUSTOMER RELATIONSHIP MANAGEMENT (CRM) ICT GOVERNANCE ECONOMIA dell ICT ECONOMIA DELL ICT 1 Sviluppo storico del CRM 50 60 Avvento dei brand items e delle agenzie di pubblicità 70 Avvento del

Dettagli

ALTA GAMMA. business intelligence. il software per pilotare la tua Azienda con successo

ALTA GAMMA. business intelligence. il software per pilotare la tua Azienda con successo ALTA GAMMA business intelligence il software per pilotare la tua Azienda con successo Chi è TeamSystem Da venticinque anni presente sul mercato del SW gestionale italiano. Oltre 44 milioni di EURO di fatturato

Dettagli

Sistemi Informativi La Modellazione Dimensionale dei Fatti. Obiettivi Concetti Base Operazioni OLAP DFM Casi Modellazione Logica Esercizi

Sistemi Informativi La Modellazione Dimensionale dei Fatti. Obiettivi Concetti Base Operazioni OLAP DFM Casi Modellazione Logica Esercizi Sistemi Informativi La Modellazione Dimensionale dei Fatti Obiettivi Concetti Base Operazioni OLAP DFM Casi Modellazione Logica Esercizi Obiettivi Nelle lezioni precedenti abbiamo modellato i processi

Dettagli

DATA WAREHOUSING 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

Alcune persone guardano le cose accadere. Altre fanno in modo che accadano!

Alcune persone guardano le cose accadere. Altre fanno in modo che accadano! 2013 Alcune persone guardano le cose accadere. Altre fanno in modo che accadano! Nel mondo economico dei nostri tempi, la maggior parte delle organizzazioni spende migliaia (se non milioni) di euro per

Dettagli

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

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

Dettagli

Customer Relationship Management. Eleonora Ploncher 3 aprile 2006

Customer Relationship Management. Eleonora Ploncher 3 aprile 2006 Customer Relationship Management Eleonora Ploncher 3 aprile 2006 1. Gli obiettivi Gli obiettivi della presentazione sono volti a definire: 1. gli elementi fondamentali e strutturali di una strategia di

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

RRF Reply Reporting Framework

RRF Reply Reporting Framework RRF Reply Reporting Framework Introduzione L incremento dei servizi erogati nel campo delle telecomunicazioni implica la necessità di effettuare analisi short-term e long-term finalizzate a tenere sotto

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

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

Business Intelligence: Data warehouse & Data mining

Business Intelligence: Data warehouse & Data mining Business Intelligence Business Intelligence: Data warehouse & Data mining Termine generico per indicare: un insieme di processi per raccogliere ed analizzare informazioni strategiche la tecnologia utilizzata

Dettagli

Microsoft Dynamics NAV 2009 REALIZZARE GLI OBIETTIVI

Microsoft Dynamics NAV 2009 REALIZZARE GLI OBIETTIVI Microsoft Dynamics NAV 2009 REALIZZARE GLI OBIETTIVI Una soluzione ERP integrata CONNETTERE Microsoft Dynamics NAV 2009 SEMPLIFICARE ANALIZZARE Microsoft Dynamics NAV 2009 è un ERP innovativo, flessibile

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

Data Warehouse: una collezione di dati in supporto al processo decisionale del management

Data Warehouse: una collezione di dati in supporto al processo decisionale del management Data Warehouse Data Warehouse: una collezione di dati in supporto al processo decisionale del management Orientata al soggetto Integrata Dipendente dal tempo Non volatile Bill Inmon ORIENTATA AL SOGGETTO:

Dettagli

Anno Scolastico: 2014/2015. Indirizzo: Sistemi informativi aziendali. Classe quarta AS. Disciplina: Informatica. prof.

Anno Scolastico: 2014/2015. Indirizzo: Sistemi informativi aziendali. Classe quarta AS. Disciplina: Informatica. prof. Anno Scolastico: 2014/2015 Indirizzo: Sistemi informativi aziendali Classe quarta AS Disciplina: Informatica prof. Competenze disciplinari: Secondo biennio 1. Identificare e applicare le metodologie e

Dettagli

TECNOLOGIE DELL INFORMAZIONE E DELLA COMUNICAZIONE PER LE AZIENDE

TECNOLOGIE DELL INFORMAZIONE E DELLA COMUNICAZIONE PER LE AZIENDE TECNOLOGIE DELL INFORMAZIONE E DELLA COMUNICAZIONE PER LE AZIENDE Materiale di supporto alla didattica Tecnologie dell informazione e della comunicazione per le aziende CAPITOLO 4 Sistemi informativi e

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

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

DoK! Business Solutions IDEAL SOLUTIONS FOR SALES, MARKETING AND CRM.

DoK! Business Solutions IDEAL SOLUTIONS FOR SALES, MARKETING AND CRM. DoK! Business Solutions IDEAL SOLUTIONS FOR SALES, MARKETING AND CRM. DoK! Business Solutions Accesso alle piùimportanti informazioni e comunicazioni aziendali attraverso una combinazione di applicazioni

Dettagli

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

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

Dettagli

Business Intelligence, OLAP e il monitoraggio del proprio Business

Business Intelligence, OLAP e il monitoraggio del proprio Business Business Intelligence, OLAP e il monitoraggio del proprio Business Con il termine business intelligence (BI) ci si può solitamente riferire a: 1. un insieme di processi aziendali per raccogliere ed analizzare

Dettagli

Pagine romane (I-XVIII) OK.qxd:romane.qxd 7-09-2009 16:23 Pagina VI. Indice

Pagine romane (I-XVIII) OK.qxd:romane.qxd 7-09-2009 16:23 Pagina VI. Indice Pagine romane (I-XVIII) OK.qxd:romane.qxd 7-09-2009 16:23 Pagina VI Prefazione Autori XIII XVII Capitolo 1 Sistemi informativi aziendali 1 1.1 Introduzione 1 1.2 Modello organizzativo 3 1.2.1 Sistemi informativi

Dettagli

OLAP (On Line Analytical Processing)

OLAP (On Line Analytical Processing) OLAP (On Line Analytical Processing) Con il termine OLAP si intende la possibilità di effettuare analisi dei dati su strutture multidimensionali in maniera rapida, flessibile ed efficiente, attraverso

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

I sistemi di reporting e i rapporti direzionali

I 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

Dettagli

MARKETING (3 DI 3) R i v i s t a in t e r n a z i o n a l e d e l G r u p p o B a i n RESULTS. ANNO VIII NUMERO 2 (3 A parte ) Dicembre 2002

MARKETING (3 DI 3) R i v i s t a in t e r n a z i o n a l e d e l G r u p p o B a i n RESULTS. ANNO VIII NUMERO 2 (3 A parte ) Dicembre 2002 R i v i s t a in t e r n a z i o n a l e d e l G r u p p o B a i n RESULTS MARKETING (3 DI 3) ANNO VIII NUMERO 2 (3 A parte ) Dicembre 2002 Bain & Company RESULTS Dopo la prima e la seconda parte di questo

Dettagli

SQL Server 2005. Introduzione all uso di SQL Server e utilizzo delle opzioni Olap. Dutto Riccardo - SQL Server 2005.

SQL Server 2005. Introduzione all uso di SQL Server e utilizzo delle opzioni Olap. Dutto Riccardo - SQL Server 2005. SQL Server 2005 Introduzione all uso di SQL Server e utilizzo delle opzioni Olap SQL Server 2005 SQL Server Management Studio Gestione dei server OLAP e OLTP Gestione Utenti Creazione e gestione DB SQL

Dettagli

WebBi S.r.l offre consulenza e soluzioni per le seguenti aree: Data Warehousing. Business Intelligence. Disegno di architetture integrate

WebBi S.r.l offre consulenza e soluzioni per le seguenti aree: Data Warehousing. Business Intelligence. Disegno di architetture integrate Migliorare l organizzazione per migliorare la qualità delle decisioni. Migliorare la qualità dei collaboratori per migliorare il servizio alla clientela. WebBi S.r.l offre consulenza e soluzioni per le

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

Università degli Studi di Modena e Reggio Emilia Facoltà di Ingegneria di Modena

Università degli Studi di Modena e Reggio Emilia Facoltà di Ingegneria di Modena Università degli Studi di Modena e Reggio Emilia Facoltà di Ingegneria di Modena Corso di Laurea Specialistica in Ingegneria Informatica Business Intelligence per le imprese: progetto e realizzazione di

Dettagli

Attenzione! il valore della Rimodulazione è superiore alla cifra di Negoziazione

Attenzione! il valore della Rimodulazione è superiore alla cifra di Negoziazione Riepilogo Dipartimento ICT Dipartimento ICT nel 2005 diretta nel terzi fondi diretta Reti in Tecnologia Wireless 434.890 79.788 712.457 94.953 578.280 351.500 94.000 Internet di prossima generazione 639.484

Dettagli

d 2 i e Visual Data Mining : Un ambiente integrato per l estrazione della conoscenza dai dati della produzione industriale

d 2 i e Visual Data Mining : Un ambiente integrato per l estrazione della conoscenza dai dati della produzione industriale d 2 i e Visual Data Mining : Un ambiente integrato per l estrazione della conoscenza dai dati della produzione industriale O b i e t t i v o Rendere le informazioni esistenti in azienda liberamente fruibili

Dettagli

Università degli studi dell Aquila. Sistemi informativi aziendali 9 C.F.U.

Università degli studi dell Aquila. Sistemi informativi aziendali 9 C.F.U. Università degli studi dell Aquila Sistemi informativi aziendali 9 C.F.U. Ing. Gaetanino Paolone (gaetanino.paolone@univaq.it) Prof. Dr. Luciano Fratocchi (luciano.fratocchi@univaq.it) Contenuti (2 ore)

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

Corso di Red. e Pres. Prog. Inf. Lezione del 20-10-2006 Esercitatore: ing. Andrea Gualtieri. La lezione di oggi

Corso di Red. e Pres. Prog. Inf. Lezione del 20-10-2006 Esercitatore: ing. Andrea Gualtieri. La lezione di oggi La lezione di oggi Analisi dei requisiti RISORSE E INFORMAZIONI Richieste ORGANIZZAZIONE Servizi/ Prodotti PROCESSI E PROCEDURE Analisi dei requisiti: i processi Classificazione secondo Porter: la catena

Dettagli

Beyond Consulting s.r.l. Andrea Pistore Padova, 24 Maggio 2006

Beyond Consulting s.r.l. Andrea Pistore Padova, 24 Maggio 2006 SAP Business Information Warehouse Beyond Consulting s.r.l. Andrea Pistore Padova, 24 Maggio 2006 mysap BI: Benefici Miglioramento dell'efficienza e della produttività aziendale attraverso: collaborazione

Dettagli

Facoltà di Ingegneria. prof. Sergio Mascheretti

Facoltà di Ingegneria. prof. Sergio Mascheretti UNIVERSITÀ DEGLI STUDI DI BERGAMO Sistemi i di controllo di gestione prof. Sergio Mascheretti IMPLEMENTAZIONE DI UN SISTEMA DI BPM SCG-L16 Pagina 0 di 37 OBIETTIVI DELLA LEZIONE Spiegare l evoluzione dei

Dettagli

Il modello informatico dei sistemi informativi aziendali: modello applicativo e modello tecnologico.

Il modello informatico dei sistemi informativi aziendali: modello applicativo e modello tecnologico. Titolo dell'insegnamento Sistemi Informativi Gestionali CFU 6 Struttura dell insegnamento 1) Lezione in aula virtuale 1: Introduzione al corso e spiegazione dei concetti di base dell informatica aziendale.

Dettagli

www.24oreformazione.com

www.24oreformazione.com FORMAZIONE TECNOLOGIA E BUSINESS www.24oreformazione.com BUSINESS INTELLIGENCE: I DATI AZIENDALI A SUPPORTO DELLE DECISIONI STRATEGICHE D IMPRESA Milano, 10 e 11 dicembre 2001 Il corso si completa in rete

Dettagli

SISTEMA INFORMATIVO DIREZIONE E CONTROLLO

SISTEMA INFORMATIVO DIREZIONE E CONTROLLO LA SUITE JSIDIC La soluzione proposta, identificata da JSIDIC SISTEMA INFORMATIVO DIREZIONE E CONTROLLO, si presenta come un sistema capace di misurare le performance aziendali, con una soluzione unica

Dettagli

Riccardo Paganelli Analisi, Reporting, Dashboard, Scorecard per prendere le migliori decisioni: Cognos 8 BI

Riccardo Paganelli Analisi, Reporting, Dashboard, Scorecard per prendere le migliori decisioni: Cognos 8 BI Riccardo Paganelli Analisi, Reporting, Dashboard, Scorecard per prendere le migliori decisioni: Cognos 8 BI Information On Demand Business Optimization Strumenti per comprendere meglio le informazioni

Dettagli

Microsoft Dynamics NAV 2009 REALIZZARE GLI OBIETTIVI

Microsoft Dynamics NAV 2009 REALIZZARE GLI OBIETTIVI Microsoft Dynamics NAV 2009 REALIZZARE GLI OBIETTIVI Una soluzione ERP ALL AVANGUARDIA CONNETTERE Microsoft Dynamics NAV 2009 SEMPLIFICARE ANALIZZARE Microsoft Dynamics NAV 2009 è una soluzione di gestione

Dettagli

Data Mining: Applicazioni

Data Mining: Applicazioni Sistemi Informativi Universitá degli Studi di Milano Facoltá di Scienze Matematiche, Fisiche e Naturali Dipartimento di Tecnologie dell Informazione 1 Giugno 2007 Data Mining Perché il Data Mining Il Data

Dettagli

Una miniera di dati sul comportamento degli utenti del Web

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

Dettagli

Il nuovo paradigma della BI in Angelini : analizzare, condividere e decidere tramite la Mobility di SAP. a cura di:

Il nuovo paradigma della BI in Angelini : analizzare, condividere e decidere tramite la Mobility di SAP. a cura di: Il nuovo paradigma della BI in Angelini : analizzare, condividere e decidere tramite la Mobility di SAP a cura di: AGENDA Il Gruppo Angelini La strategia di Business Intelligence in Angelini: una evoluzione

Dettagli

La Business Intelligence per la PA piemontese

La Business Intelligence per la PA piemontese La Business Intelligence per la PA piemontese GIULIANA BONELLO CSI PIEMONTE 0 Agenda Premessa Le basi dati della PA piemontese Le applicazioni di carattere decisionale della PA piemontese La piattaforma

Dettagli

OBIETTIVI FORME E STRUMENTI DI SUPPORTO ALL ELABORAZIONE INTEGRATA DEI DATI 51 3/001.0

OBIETTIVI FORME E STRUMENTI DI SUPPORTO ALL ELABORAZIONE INTEGRATA DEI DATI 51 3/001.0 OBIETTIVI FORME E STRUMENTI DI SUPPORTO ALL ELABORAZIONE INTEGRATA DEI DATI 51 3/001.0 OBIETTIVI DELL INTEGRAZIONE INTEGRAZIONE: INTERAZIONE DI UOMINI, PROCESSI E TECNOLOGIE CON L OBIETTIVO DI CREARE UN

Dettagli