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

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimensione: px
Iniziare la visualizzazioe della pagina:

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

Transcript

1 Modello semplice ed intuitivo Si presta bene a descrivere dei FATTI in modo grafico (CUBO o IPERCUBO) Es. di FATTI: Vendite Spedizioni Ricoveri Interventi chirurgici Andamento borsistico 62 Un cubo multidimensionale è incentrato su un fatto di interesse per il processo decisionale. Esso rappresenta un insieme di eventi, descritti quantitativamente da misure numeriche. Ogni asse del cubo rappresenta una possibile dimensione di analisi; ciascuna dimensione può essere vista a più livelli di dettaglio individuati da attributi strutturati in gerarchie. Gli eventi da trattare sono tantissimi per cui si tende ad analizzarli in base a certe dimensioni di analisi Rappresentazione degli eventi in uno spazio n- dimensionale (ipercubo) i cui assi sono appunto le dimensioni di analisi

2 65 Le occorrenze di un FATTO corrispondono ad EVENTI accaduti. Gli eventi di un fatto sono caratterizzati da alcune DIMENSIONI di analisi ossia alcuni prospettive rispetto alle quali si valuta il fatto stesso. Quello che poi interessa di un fatto, rispetto alle dimensioni di analisi, è una certa MISURA che descrive quantitativamente un fatto. 66 Esempio: Vendite in una catena di negozi FATTO : Vendita DIMENSIONI:, Negozio, Data MISURE: Quantità, Incasso EVENTO: Vendita di un certo prodotto in un certo negozio in un certo giorno Esempio: Ricoveri in un ospedale FATTO : Ricovero DIMENSIONI: Paziente, Reparto, Data MISURE: Numero, Costo EVENTO: Ricovero di un paziente in un certo reparto in un certo giorno Eventi come istanze di un fatto DIMENSIONI Per accedere ai dati del fatto VENDITA è necessario specificarne le coordinate, ovvero dei valori per le dimensioni i i di analisi. i Esempio: referenziare le vendite del novembre 2003, del prodotto Acciughe, nel negozio ROMA1 67 Data 68 2

3 MISURA Altro esempio Prodott to DIMENSIONI 69 Roma1 Acciughe Data 9 //2003 Nel negozio Roma1 il //2003 /2003 sono state vendute 9 acciughe!!! EVENTO 70 // dimensioni CUBO 4-dimensioni IPERCUBO

4 Introduzione alle Gerarchie Le gerarchie dimensionali Esempio: selezionare tutte tt le vendite del mese di Novembre In questo caso è necessario selezionare dall ipercubo solo una porzione dei dati in esso esistenti. 73 Gerarchia sulla dimensione Gerarchia sulla dimensione Negozio Tipo Categoria ColaCola BeviThe Bibite Attributi dimensionali/ GERARCHIA Negozio Città Regione Roma1 Roma2 Roma Attributi dimensionali/ GERARCHIA Acciughe Tonno Baccalà Pesce Alimentari Tutti i prodotti Rieti1 Rieti2 Rieti3 Rieti Lazio Tutti i negozi Belamì Marsigliese Saponi Siena1 Siena2 Siena PuliPeli Sbiancat Detersivi PuliziaCasa Firenze1 Firenze2 Firenze Toscana

5 Su ogni dimensione, di solito, è definibile una gerarchia di livelli di aggregazione Gerarchia di Roll-Up per aggregare i valori in vari modi. I livelli di aggregazione si chiamano ATTRIBUTI DIMENSIONALI una gerarchia di Roll-Up è una gerarchia di livelli di aggregazione Domanda Come può essere gestito il caso delle vendite nel modello relazionale? 77 Il Modello Relazionale Il Modello Relazionale Nel Modello Relazionale avremmo: VENDITE (negozio, prodotto, data, quantità, incasso) Gli eventi corrispondono alle ennuple: Es. t 1 =( Roma1, Acciughe, //2003, 9, 135) o meglio t 1 =( 1, 1, //2003, 9, 135) 79 IDNegozio ID 80 5

6 Il Modello Relazionale Il Modello Relazionale Il modello multidimensionale Cubo di dati punto vendita 1 punto vendita 2 punto vendita 3 NEGOZI prodotti categoria A Gli operatori OLAP prodotti categoria B prodotti categoria C PRODOTTI TEMPO 84 6

7 Rappresentazione multidimensionale dei dati Dimensioni e gerarchie di livelli Luogo (negozio) Quantità Tempo (trimestre) Roma 2 Roma 1 Milano 2 Milano 1 1 trim trim trim trim Lettori DVD Televisori Lettori CD Videoregistratori Articolo (prodotto) regione provincia città negozio Luogo categoria marca prodotto Articolo anno trimestre mese giorno Tempo tempo_id anno trimestre mese giorno Database dimensionali TEMPO VENDITA PRODOTTO prodotto_id nome_prod categoria casa_prod Data Cube Le dimensioni sono gli attributi attraverso i quali si vogliono compiere le analisi, ed ogni dimensione può comprendere delle gerarchie: (Tipo prodotto, categoria), Tempo (anno, mese, giorno) DIMENSION TABLE negozio_id nome città stato NEGOZIO tempo_id prodotto_id negozio_id cliente_id quantità prezzo totale FACT TABLE CLIENTE DIMENSION TABLE 87 DIMENSION TABLE cliente_id nome tipo_cliente DIMENSION TABLE 88 7

8 Data Cube Data Cube Le celle del cubo contengono i valori da analizzare relativi alle dimensioni che le individuano n n n n 1 89 n 1 2 n Data Cube 1 2 n Venduto Numero ordini Fatturato Pivoting Pivoting (fare perno), per selezionare due dimensioni attraverso le quali aggregare i valori da analizzare n 1 2 n n 92 Slice and dice (affettare e ritagliare a cubetti), per selezionare e proiettare i dati riducendo le dimensioni Raning (attribuire una classe di merito), per ordinare i dati secondo diversi criteri 8

9 Esempio di Pivoting Esempio di Pivoting (2) n 2 n n 1 n Esempio di Pivoting (3) OLAP Principali Operazioni n Restrizione Selezione Aggregazione e disaggregazione Pivotaggio Aggancio trasversale Ritorno ai dati operazionali n

10 OLAP Principali Operatori OLAP Slicing / Filtraggio Slicing / Filtraggio Roll-up Drill-down Pivoting Drill-across Drill-through.. Slicing: Operazione che riduce la dimensionalità del cubo, fissando un valore per una delle dimensioni Selezione o filtraggio: Operazione che riduce l insieme dei dati oggetto di analisi tramite un criterio di selezione Restrizione / Slicing OLAP - Slicing Es.Vendite: Fissiamo il valore della dimensione NEGOZIO= Roma Roma Abbiamo tagliato una fettina del cubo e su di essa concentriamo la nostra attenzione Da un cubo siamo passati ad un piano Restrizione / Slicing Es.Vendite: Fissiamo il valore delle dimensioni NEGOZIO= Roma1 e PRODOTTO= Acciughe Da un piano siamo passati ad una retta Roma Acciughe Operatori OLAP Selezione 99 Data Data 0

11 Restrizione / Slicing Operatori OLAP Restrizione Operatori OLAP Es.Vendite: Fissiamo il valore delle dimensioni NEGOZIO= Roma, PRODOTTO= Acciughe e DATA=//2003 Roma Acciughe //2003 Da una retta siamo passati ad un punto Selezione: ritagliare una porzione dal cubo restringendo il campo di analisi (selezione e proiezione) Data 1 2 OLAP - Selezione o filtraggio Complessità dello Slicing to Prodott 3 Roma Data //2003 Filter: Data<=//2003 Filter: Data<=//2003 AND Negozio= Roma 4 Le operazioni di interrogazione in un modello logico multidimensionale si riducono,,q quindi, a semplici selezioni di porzioni di un ipercubo. In tal senso, esse risultano più semplici delle interrogazioni di basi di dati relazionali, per le quali occorre spesso ricorrere a complesse operazioni di giunzione (join) con costi computazionali non trascurabili.

12 Aggregazione OLAP Roll-Up 5 Aggregazione: meccanismo fondamentale nelle basi di dati multidimensionali. Si tratta di fare raggruppamenti/aggregazioni su una o più dimensioni, a vari livelli. Es. la dimensione tempo/data, a partire dal Giorno, può essere aggregata per: mese trimestre anno. 6 Roll-Up: Si eleva il livello di aggregazione oppure Si elimina una dimensione (si toglie il dettaglio su una dimensione es. da una tabella tridimensionale ad una bidimensionale) Es. dai dati giornalieri a quelli mensili dai dati del negozio a quelli della regione

13 OLAP Drill Down Drill-Down: Si diminuisce il livello di aggregazione scendendo ad un livello di dettaglio superiore Es. dai dati trimestrali a quelli mensili dai dati della regione a quelli per città

14 OLAP Pivoting OLAP Pivoting Cambiamento nella modalità di presentazione per analizzare gli stessi dati sotto diversi punti di vista Riorganizzazione delle celle del cubo secondo una prospettiva diversa consente di riorientare la vista multidimensionale dei dati, ovvero di poter cambiare la dimensione di analisi. 3 Se lo spazio di analisi è m-dimensionale, sono possibili m! prospettive di analisi diverse dei dati. 4 OLAP Pivoting DRILL ACROSS Con il termine Drill Across si intende la possibilità di collegare due o più cubi al fine di utilizzare misure prese dai cubi per fare comparazioni ed altri calcoli Esempio: Uso del Cubo delle vendite e Cubo delle promozioni per confrontare gli incassi, gli sconti ecc. sulle stesse dimensioni (prodotti, negozi, tempo, )

15 OLAP Drill-Across OLAP Drill-Across 7 8 DRILL ACROSS DRILL ACROSS Esempio: uno schema di fatto delle vendite; uno schema di fatto delle spedizioni Dimensioni: prodotto, data, magazzino, cliente Misure: quantità spedita, costo Elaborazione possibile: confronto tra le quantità vendute e le quantità spedite di un certo prodotto I due schemi di fatto vengono combinati in un nuovo schema su cui è possibile formulare interrogazioni di drill-across Due schemi sono comparabili quando condividono almeno un attributo Una volta determinati gli attributi comuni, i due schemi possono essere sovrapposti per creare uno schema risultante

16 Esempio di DRILL-CROSS Categoria S S S S Elettronica Regali Editoria Alimenti Abbigl.to Giocattoli VENDITE Categoria S S Elettronica 2 80 Regali 5 6 Editoria 0 0 Alimenti 3 Abbigl.to 15 3 Giocattoli SCONTI Categoria S S S S Vendite Sconti Vendite Sconti Vendite Sconti Vendite Elettronica Regali Editoria Alimenti Abbigl.to Giocattoli

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

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

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

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

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

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

Applicazioni OLAP in ambiente Analysis Service

Applicazioni OLAP in ambiente Analysis Service Applicazioni OLAP in ambiente Analysis Service Pasquale De Meo DIMET Università Mediterranea di Reggio Calabria Via Graziella, Località Feo di Vito demeo@unirc.it Corso di Sistemi Informativi- A.A. 2004-2005

Dettagli

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

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

Dettagli

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

Data warehousing Mario Guarracino Data Mining a.a. 2010/2011

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

Dettagli

Data warehousing 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

Governo Digitale a.a. 2011/12

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

Dettagli

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

On Line Analytical Processing

On Line Analytical Processing On Line Analytical Processing Data integra solitamente Warehouse(magazzino dati) èun sorgenti un unico schema globalel informazione estratta da piu puo replicazioneai puo essere èinterrogabile, non modificabile

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

Il modello dimensionale

Il modello dimensionale aprile 2012 1 L organizzazione dei dati del data warehouse costituisce la pietra angolare dell intero sistema DW/BI le applicazioni BI, di supporto alle decisioni, accedono i dati direttamente dal DW l

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

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

OLAP On Line Analytical Processing

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

Dettagli

Sistemi Informativi Aziendali. Sistemi Informativi Aziendali. Sistemi Informativi Aziendali

Sistemi Informativi Aziendali. Sistemi Informativi Aziendali. Sistemi Informativi Aziendali DIPARTIMENTO DI INGEGNERIA INFORMATICA AUTOMATICA E GESTIONALE ANTONIO RUBERTI Introduzione al Data Warehousing per a. Modello Multidimensionale & OLAP 1 Cos è il Data Warehousing Collezione di metodi,

Dettagli

Data warehouse (parte 1)

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

Dettagli

Introduzione ad OLAP (On-Line Analytical Processing)

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

Dettagli

Data warehousing con SQL Server

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

Dettagli

SISTEMI INFORMATIVI AZIENDALI

SISTEMI INFORMATIVI AZIENDALI SISTEMI INFORMATIVI AZIENDALI Prof. Andrea Borghesan venus.unive.it/borg borg@unive.it Ricevimento: Alla fine di ogni lezione Modalità esame: scritto 1 Data Warehousing. Introduzione 1/2 I data warehousing

Dettagli

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

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

Dettagli

PBI Passepartout Business Intelligence

PBI Passepartout Business Intelligence PBI Passepartout Business Intelligence TARGET DEL MODULO Il prodotto, disponibile come modulo aggiuntivo per il software gestionale Passepartout Mexal, è rivolto alle Medie imprese che vogliono ottenere,

Dettagli

Appunti per il Corso di Data Warehousing

Appunti per il Corso di Data Warehousing Università degli Studi Mediterranea di Reggio Calabria Corsi per il Personale Tecnico Amministrativo Appunti per il Corso di Data Warehousing Autori: Ing. Giovanni Quattrone, Prof. Domenico Ursino Anno

Dettagli

SISTEMI INFORMATIVI AZIENDALI

SISTEMI INFORMATIVI AZIENDALI SISTEMI INFORMATIVI AZIENDALI Prof. Andrea Borghesan venus.unive.it/borg borg@unive.it Ricevimento: Alla fine di ogni lezione Modalità esame: scritto 1 Sistemi informazionali La crescente diffusione dei

Dettagli

Data 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

Estensioni del linguaggio SQL per interrogazioni OLAP

Estensioni del linguaggio SQL per interrogazioni OLAP Sistemi Informativi Avanzati Anno Accademico 2013/2014 Prof. Domenico Beneventano Estensioni del linguaggio SQL per interrogazioni OLAP Outline! Esempio introduttivo e motivazioni! Introduzione al modello

Dettagli

Progettazione Logica. Sviluppo di un Database/DataWarehouse

Progettazione Logica. Sviluppo di un Database/DataWarehouse Sistemi Informativi Avanzati Anno Accademico 2013/2014 Prof. Domenico Beneventano Progettazione Logica Dal Capitolo 8 e 9 del libro Data Warehouse - teoria e pratica della Progettazione Autori: Matteo

Dettagli

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

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

Dettagli

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

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

Pivot Tables. vendite raggruppate per prodotto e zona vendite raggruppate per prodotto e mese

Pivot Tables. vendite raggruppate per prodotto e zona vendite raggruppate per prodotto e mese Pivot Tables Le Pivot Tables di Excel consentono di costruire un cubo OLAP a partire da dati memorizzati in una singola tabella Le operazioni OLAP corrispondono, in Excel, ad una tecnica di analisi dei

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

Le applicazioni SSD di analisi. multidimensionale I I Cubi

Le applicazioni SSD di analisi. multidimensionale I I Cubi Le applicazioni SSD di analisi Giorgia Atzori IT Professional Paolo Avallone IT Specialist - Sr Consulting DB2 Data Management Dicembre 2010 multidimensionale I I Cubi Argomenti dell intervento Componenti

Dettagli

PROGETTAZIONE E IMPLEMENTAZIONE DI UN DATAWAREHOUSE

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

Dettagli

Introduzione al Data Warehousing

Introduzione al Data Warehousing Il problema - dati IPERVENDO Via Vai 111 P.I.11223344 Vendite II Trim. (Milioni!) Introduzione al Data Warehousing tecnologia abilitante per il data mining ACQUA MIN 0.40 LATTE INTERO 1.23 SPAZZ.DENTI

Dettagli

marca (1,n) (1,1) nome prezzou prodotto nome responsabile quantità nome datai dataf (0,n) vendite (0,n) (0,n) (0,n) tempo acquisti quantità (0,n)

marca (1,n) (1,1) nome prezzou prodotto nome responsabile quantità nome datai dataf (0,n) vendite (0,n) (0,n) (0,n) tempo acquisti quantità (0,n) marca (1,n) di descrizione (1,1) prodotto (1,1) in (1,n) categoria città (1,n) (1,n) nella indirizzo responsabile quantità (1,1) supermercato vendite ricavo promozione datai dataf %sconto costo acquisti

Dettagli

Sistema informativo. Combinazione di risorse umane, materiali e procedure per la gestione. (raccolta, archiviazione, elaborazione, scambio )

Sistema informativo. Combinazione di risorse umane, materiali e procedure per la gestione. (raccolta, archiviazione, elaborazione, scambio ) Data Warehousing 1 Ripasso 2 Sistema informativo Combinazione di risorse umane, materiali e procedure per la gestione (raccolta, archiviazione, elaborazione, scambio ) delle informazioni necessarie per

Dettagli

Progettazione del Data Warehouse

Progettazione del Data Warehouse Progettazione del Data Warehouse Queste dispense sono state estratte dalle dispense originali del Prof. Stefano Rizzi, disponibili in http://www-db.deis.unibo.it/~srizzi/) e sono state tratte dal libro

Dettagli

Il modello multidimensionale. Per le slides si ringrazia il Prof. Stefano Rizzi (http://www-db.deis.unibo.it/~srizzi/) e il Dott.

Il modello multidimensionale. Per le slides si ringrazia il Prof. Stefano Rizzi (http://www-db.deis.unibo.it/~srizzi/) e il Dott. Il modello multidimensionale Per le slides si ringrazia il Prof. Stefano Rizzi (http://www-db.deis.unibo.it/~srizzi/) e il Dott. Angelo Sironi Verso il modello multidimensionale Che incassi sono stati

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

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

Ambienti Operativi per OLAP. Casi di Studio

Ambienti Operativi per OLAP. Casi di Studio Ambienti Operativi per OLAP. Casi di Studio Alfredo Cuzzocrea DEIS Dipartimento di Elettronica, Informatica e Sistemistica Università della Calabria cuzzocrea@deis.unical.it Sommario Installazione e Configurazione

Dettagli

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

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

A ZIENDE O RGANIZZAZIONI S TUDI P ROFESSIONALI. Lo strumento. di Business Intelligence alla portata di tutti

A ZIENDE O RGANIZZAZIONI S TUDI P ROFESSIONALI. Lo strumento. di Business Intelligence alla portata di tutti A ZIENDE O RGANIZZAZIONI S TUDI P ROFESSIONALI Lo strumento di Business Intelligence alla portata di tutti Descrizione Generale Trasforma i tuoi dati in una fonte di successo!!! INFOBUSINESS si propone

Dettagli

Glossario. Termini tecnici. Termini di business. Acronimi

Glossario. Termini tecnici. Termini di business. Acronimi Glossario Il glossario è suddiviso in tre sezioni: la prima riporta i termini tecnici più frequentemente utilizzati in tutti i progetti di Data Warehouse la seconda è specifica di progetto e tratta i termini

Dettagli

13. Datawarehouse (parte 2) Analisi e riconciliazione delle fonti dati progettista amministratori dei database modello a tre livelli

13. Datawarehouse (parte 2) Analisi e riconciliazione delle fonti dati progettista amministratori dei database modello a tre livelli 13. Datawarehouse (parte 2) Analisi e riconciliazione delle fonti dati Questa fase richiede di definire e documentare lo schema del livello dei dati operazionali, a partire dal quale verrà alimentato il

Dettagli

Offerta tecnica. Allegato III Modelli di documentazione

Offerta tecnica. Allegato III Modelli di documentazione Offerta tecnica Allegato III Modelli di documentazione Gestione, sviluppo e manutenzione dell architettura software di Business Intelligence in uso presso Cestec S.p.A. Redatto da Omnia Service Italia

Dettagli

Gestione di ordini (studio di caso)

Gestione di ordini (studio di caso) (studio di caso) aprile 2012 1 Il processo di gestione degli ordini La gestione degli ordini intesi come ordini di vendita, e non di acquisto comprende diversi processi aziendali critici compresa l elaborazione

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

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

InfoTecna ITCube Web

InfoTecna ITCube Web InfoTecna ITCubeWeb ITCubeWeb è un software avanzato per la consultazione tramite interfaccia Web di dati analitici organizzati in forma multidimensionale. L analisi multidimensionale è il sistema più

Dettagli

Misure. Definizione delle misure

Misure. Definizione delle misure Sistemi Informativi Avanzati Anno Accademico 2013/2014 Prof. Domenico Beneventano Misure In parte dal Capitolo 5 del libro Data Warehouse - teoria e pratica della Progettazione Autori: Matteo Golfarelli,

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

Informazioni generali sul corso

Informazioni generali sul corso Informazioni generali sul corso Principi di Datawarehouse 1 Obiettivi del corso Conoscere i Datawarehouse 2 1 Argomenti Il contesto I sistemi DSS Architettura DW Proprietà DW Utilizzo DW Elementi OLAP:

Dettagli

Biglietti e Ritardi: schema E/R

Biglietti e Ritardi: schema E/R Biglietti e Ritardi: schema E/R Ritardi: Progettazione dello schema di Fatto! Definire uno schema di fatto per analizzare i ritardi; in particolare l analisi deve considerare l aeroporto di partenza, mentre

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

ESEMPIO: RITARDI & BIGLIETTI

ESEMPIO: RITARDI & BIGLIETTI ESEMPIO: RITARDI & BIGLIETTI Fatto Ritardi: l analisi a livello volo giornaliero, considerando l aeroporto di partenza, la città e lo stato di arrivo e la compagnia Fatto Biglietti: l analisi deve considerare

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

ANALISI DEI DATI. OLAP (On Line Analytical Processing) Data Warehousing Data Mining

ANALISI DEI DATI. OLAP (On Line Analytical Processing) Data Warehousing Data Mining ANALISI DEI DATI OLAP (On Line Analytical Processing) Data Warehousing Data Mining Dall OLTP all OLAP La tecnologia delle basi di dati è finalizzata prevalentemente alla gestione dei dati in linea, si

Dettagli

APPROFONDIMENTO ORGANIZZAZIONE

APPROFONDIMENTO ORGANIZZAZIONE APPROFONDIMENTO ORGANIZZAZIONE Iniziativa Comunitaria Equal II Fase IT G2 CAM - 017 Futuro Remoto Approfondimento Posizione e ruolo nell organizzazione: le cinque parti dell organizzazione ORGANISMO BILATERALE

Dettagli

SQL Server. Applicazioni principali

SQL Server. Applicazioni principali SQL Server Introduzione all uso di SQL Server e utilizzo delle opzioni OLAP Applicazioni principali SQL Server Enterprise Manager Gestione generale di SQL Server Gestione utenti Creazione e gestione dei

Dettagli

Report e Analisi dei dati.

Report e Analisi dei dati. Report e Analisi dei dati. Introduzione al Sistema IBM Cognos Lo scopo di questa guida è quello di far capire con esempi semplici ed esaustivi, cosa si può ottenere con il sistema IBM Cognos, presentando

Dettagli

SQL/OLAP. Estensioni OLAP in SQL

SQL/OLAP. Estensioni OLAP in SQL SQL/OLAP Estensioni OLAP in SQL 1 Definizione e calcolo delle misure Definire una misura significa specificare gli operatori di aggregazione rispetto a tutte le dimensioni del fatto Ipotesi: per ogni misura,

Dettagli

4 Introduzione al data warehousing

4 Introduzione al data warehousing Che cosa è un data warehouse? Introduzione al data warehousing 22 maggio 2001 Un data warehouse è una base di dati collezione di dati di grandi dimensioni, persistente e condivisa gestita in maniera efficace,

Dettagli

Analisi dei dati di Navision con Excel

Analisi dei dati di Navision con Excel Analisi dei dati di Navision con Excel Premessa I dati presenti nei sistemi gestionali hanno il limite di fornire una visione monodimensionale degli accadimenti aziendali, essendo memorizzati in tabelle

Dettagli

Introduzione al Data Warehousing per Sistemi Informativi Aziendali

Introduzione al Data Warehousing per Sistemi Informativi Aziendali Università La Sapienza di Roma AA 2009-2010 Prof. Introduzione al Data Warehousing per Cos è il Data Warehousing Collezione di metodi, tecnologie e strumenti di ausilio al lavoratore della conoscenza (manager,

Dettagli

Azione Formativa B2.1 - "Data Warehousing e OLAP"

Azione Formativa B2.1 - Data Warehousing e OLAP Azione formazione OpenKnowTech, Laboratorio di Tecnologie Open Source per la Integrazione, Gestione e Distribuzione di Dati, Processi e Conoscenze Azione Formativa B2.1 - "Data Warehousing e OLAP" Gestione

Dettagli

Introduzione al Datamining. Francesco Passantino francesco@iteam5.net www.iteam5.net/francesco

Introduzione al Datamining. Francesco Passantino francesco@iteam5.net www.iteam5.net/francesco Introduzione al Datamining Francesco Passantino francesco@iteam5net wwwiteam5net/francesco Cos è il datamining Processo di selezione, esplorazione e modellazione di grandi masse di dati, al fine di scoprire

Dettagli

I data warehouse e la loro progettazione

I data warehouse e la loro progettazione Tecnologie per i sistemi informativi I data warehouse e la loro progettazione Docente: Letizia Tanca Politecnico di Milano tanca@elet.polimi.it 1 Processi processi direzionali processi gestionali processi

Dettagli

IT FOR BUSINESS AND FINANCE

IT FOR BUSINESS AND FINANCE IT FOR BUSINESS AND FINANCE Business Intelligence Siena 14 aprile 2011 AGENDA Cos è la Business Intelligence Terminologia Perché la Business Intelligence La Piramide Informativa Macro Architettura Obiettivi

Dettagli

REALIZZAZIONE DI REPORT MEDIANTE MICROSOFT EXCEL 2007

REALIZZAZIONE DI REPORT MEDIANTE MICROSOFT EXCEL 2007 SISTEMA A SUPPORTO DEI PROCESSI DI PROGRAMMAZIONE E CONTROLLO DI GESTIONE NELLE ORGANIZZAZIONI PUBBLICHE REALIZZAZIONE DI REPORT MEDIANTE MICROSOFT EXCEL 2007 Copyright 2010 CSIO Società di Informatica

Dettagli

Data warehousing e OLAP

Data warehousing e OLAP Data warehousing e OLAP Introduzione Il contesto, processi aziendali Decision Support Systems Sistemi di Data Warehousing Data mart Architettura Modellazione Concettuale Star Schema, Dimensioni, Livelli

Dettagli

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

Il ciclo di vita del Data Warehouse. Prof. Stefano Rizzi

Il ciclo di vita del Data Warehouse. Prof. Stefano Rizzi Il ciclo di vita del Data Warehouse Prof. Stefano Rizzi Perché? Molte organizzazioni mancano della necessaria esperienza e capacità per affrontare con successo le sfide implicite nei progetti di data warehousing

Dettagli

Algebra e calcolo relazionale. Ripasso. Le 7 Virtù del DBMS persistenza affidabilità volume condivisione riservatezza efficienza efficacia

Algebra e calcolo relazionale. Ripasso. Le 7 Virtù del DBMS persistenza affidabilità volume condivisione riservatezza efficienza efficacia Algebra e calcolo relazionale Ripasso Le 7 Virtù del DBMS persistenza affidabilità volume condivisione riservatezza efficienza efficacia I 4 Livelli di astrazione Le Tabelle Livello fisico (o interno)

Dettagli

Testo Esercizio Sommario Note relative alla modellazione UML. Note relative al testo dell esercizio.

Testo Esercizio Sommario Note relative alla modellazione UML. Note relative al testo dell esercizio. Testo Esercizio Si consideri un sistema per la gestione di un magazzino di un negozio scelto a piacere dal candidato Il sistema è in grado di gestire le seguenti operazioni: Arrivo di nuovi prodotti; Controllo

Dettagli

Lo strumento. di Business Intelligence alla portata di tutti

Lo strumento. di Business Intelligence alla portata di tutti B USINESS I NTELLIGENCE Lo strumento di Business Intelligence alla portata di tutti Modulo INFOREADER INFOREADER è il modulo di INFOBUSINESS che consente di abilitare la postazione di lavoro alla visualizzazione

Dettagli

Basi di dati. L Algebra Relazionale. K. Donno - L Algebra Relazionale

Basi di dati. L Algebra Relazionale. K. Donno - L Algebra Relazionale Basi di dati L Algebra Relazionale Introduzione all Algebra Relazionale Una volta definito lo schema logico di un database, partendo da un Diagramma E-R, e dopo aver inserito le tabelle nel database, eventualmente

Dettagli

SISTEMI INFORMATIVI AVANZATI -2010/2011 1. Introduzione

SISTEMI INFORMATIVI AVANZATI -2010/2011 1. Introduzione SISTEMI INFORMATIVI AVANZATI -2010/2011 1 Introduzione In queste dispense, dopo aver riportato una sintesi del concetto di Dipendenza Funzionale e di Normalizzazione estratti dal libro Progetto di Basi

Dettagli

Introduzione all Algebra Relazionale

Introduzione all Algebra Relazionale Basi di dati L Algebra Relazionale Introduzione all Algebra Relazionale Una volta definito lo schema logico di un database, partendo da un Diagramma E-R, e dopo aver inserito le tabelle nel database, eventualmente

Dettagli

Basi di Dati Complementi Esercitazione su Data Warehouse

Basi di Dati Complementi Esercitazione su Data Warehouse Sommario Basi di Dati Complementi Esercitazione su Data Warehouse 1. Riassunto concetti principali dalle slide della lezione di teoria 2.Studio di caso : progettazione di un Data Warehouse di una catena

Dettagli

IBM Cognos Express Versione 10. 2012 IBM Corporation

IBM Cognos Express Versione 10. 2012 IBM Corporation IBM Cognos Express Versione 10 2012 IBM Corporation Un eccezionale successo per i clienti FKG risparmia fino a $400,000 ogni anno Uponor taglia $400,000 nei costi dell IT California Natural Products impiega

Dettagli

Monitoraggio dei consumi dei dispositivi medici direttamente acquistati dal Servizio Sanitario Nazionale

Monitoraggio dei consumi dei dispositivi medici direttamente acquistati dal Servizio Sanitario Nazionale Monitoraggio dei consumi dei dispositivi medici direttamente acquistati dal Servizio Sanitario Nazionale Manuale reportistica Centrale Acquisti Versione 1.2 07/10/2015 SISG_SSW.MSW_DISPO_CONRDM_MTR_CentraleAcquisti

Dettagli

Il Dimensional Fact Model

Il Dimensional Fact Model Il Dimensional Fact Model Per le slides si ringrazia il Prof. Stefano Rizzi (http://www-db.deis.unibo.it/~srizzi/) e il Dott. Angelo Sironi Quale formalismo? Mentre è universalmente riconosciuto che un

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

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

Lezione 9. Microsoft Analysis Services: Principi e Funzionalità

Lezione 9. Microsoft Analysis Services: Principi e Funzionalità Lezione 9 Microsoft Analysis Services: Principi e Funzionalità MS Analysis Services (OLAP Server) E l implementazione Microsoft di OLAP Server Offre buone prestazione per realtà aziendali medie/grandi

Dettagli

Progettazione concettuale

Progettazione concettuale Progettazione concettuale Strategie top-down A partire da uno schema che descrive le specifiche mediante pochi concetti molto astratti, si produce uno schema concettuale mediante raffinamenti successivi

Dettagli

Introduzione. La misurazione dei sistemi di Data Warehouse. Definizioni & Modelli. Sommario. Data Warehousing. Introduzione. Luca Santillo (CFPS)

Introduzione. La misurazione dei sistemi di Data Warehouse. Definizioni & Modelli. Sommario. Data Warehousing. Introduzione. Luca Santillo (CFPS) Introduzione La misurazione dei sistemi di Data Warehouse Luca Santillo (CFPS) AIPA, 17/5/01 In pratica I concetti generali, le definizioni e le regole di conteggio possono essere difficili da applicare

Dettagli

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

Basi di dati. Corso di Laurea in Ingegneria Informatica Canale di Ingegneria delle Reti e dei Sistemi Informatici - Polo di Rieti

Basi di dati. Corso di Laurea in Ingegneria Informatica Canale di Ingegneria delle Reti e dei Sistemi Informatici - Polo di Rieti Basi di dati Corso di Laurea in Ingegneria Informatica Canale di Ingegneria delle Reti e dei Sistemi Informatici - Polo di Rieti Anno Accademico 2008/2009 Introduzione alle basi di dati Docente Pierangelo

Dettagli

Premessa la pianificazione

Premessa la pianificazione Premessa la pianificazione Nell attuale contesto competitivo e finanziario non è più sufficiente saper gestire un operazione di sviluppo immobiliare per trarne un adeguato margine imprenditoriale: il Credit

Dettagli

TEORIA sulle BASI DI DATI

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

Dettagli

PREMESSA 2 CAPITOLO 1 VERSO IL DATA WAREHOUSE 7

PREMESSA 2 CAPITOLO 1 VERSO IL DATA WAREHOUSE 7 Sommario PREMESSA 2 CAPITOLO 1 VERSO IL DATA WAREHOUSE 7 1. NOZIONI DI BASE 8 2. I DATABASE 8 3. MODELLI PER IL DATABASE 11 3.1 MODELLO GERARCHICO 11 3. 2 MODELLO RETICOLARE 12 3.3 MODELLO RELAZIONALE

Dettagli

Drill Across. Se ho più tabelle dei fatti che condividono alcune Dimensioni, le posso mettere in relazione tra loro. Drill across

Drill Across. Se ho più tabelle dei fatti che condividono alcune Dimensioni, le posso mettere in relazione tra loro. Drill across Aggregazione 151 Operazioni tipiche: Pivoting o rotating 152 1 Drill Across Se ho più tabelle dei fatti che condividono alcune Dimensioni, le posso mettere in relazione tra loro 153 Drill across 154 2

Dettagli