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

Dimensione: px
Iniziare la visualizzazioe della pagina:

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

Transcript

1 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 dei dati nella distribuzione Ittica Italiana Docente Gruppo 1 Prof. Alfredo Cuzzocrea Giuseppe Barillà Giuseppe Piluso Luigi Avena

2

3 Analisi dei requisiti e progettazione delle sorgenti dati Analisi dei requisiti Il seguente progetto pone al centro della sua analisi la realizzazione di un sistema comprendente un consorzio di attività commerciali aventi lo scopo di distribuire il pescato in tutto il territorio nazionale. Il sistema quindi intende ottimizzare questo lavoro di distribuzione in tre tipologie di attività commerciali: Stabilimenti Ittici, Centri Smistamento e Punti Vendita. Lo stabilimento ittico che riceve il pesce dai pescherecci e lo consegna ai centri smistamento affiliati, che a sua volta distribuisce il prodotto al punto vendita che può venderlo al cliente consumatore finale. I processi primari sono quelli direttamente coinvolti nell attività di distribuzione pesce ai punti vendita. Analizziamone le fasi: 1 macroprocesso: Consegna del pescato Questo primo macroprocesso si occupa della consegna, da parte del peschereccio, del pescato al gestore dello Stabilimento Ittico. Al momento della consegna vengono definite le Caratteristiche del Pesce, quali Denominazione Commerciale(es. Orata, Pesce spada, ecc..), Zona Di Cattura (mar Mediterraneo, ecc..), peso, ecc.. 2 macroprocesso: Selezionamento e lavorazione Il pesce consegnato, prima di essere pulito e confezionato per la vendita deve essere sottoposto a controllo di qualità, e ad esso verrà assegnato un "lotto di produzione" in cui sarà indicata la data di cattura, la data di scadenza ed eventuali altre informazioni. Il pesce inoltre dovrà essere distinto in pesce pronto alla vendita e pesce da congelare. Ciascuna categoria avrà una diversa modalità di conservazione e trattamento. 3 macroprocesso: Distribuzione pesce ai centri smistamento Questo macroprocesso consiste nel trasporto del pesce prelevato dallo stabilimento

4 per essere consegnato ai centri di Smistamento, Ingrosso locale, (es. Ingrosso regionale). Il gestore consegnerà il prodotto ai grossisti che si presenteranno nello stabilimento per prelevare la merce. Prelevato dallo stabilimento il prodotto sarà caricato nel mezzo di trasporto dotato di appositi strumenti per la conservazione della merce (celle frigo), la merce sarà quindi trasportata al centro di smistamento regionale. La merce sarà accompagnata da relativo documento di trasporto (DDT). L'emissione della fattura sarà concordata con il venditore. In questo macroprocesso verrà registrata la merce in uscita dallo stabilimento ittico e la merce in entrata nel centro di smistamento. 4 macroprocesso : Distribuzione pesce a punto vendita Questo macroprocesso prevede la fornitura della merce ai Punti Vendita vicini. La merce verrà distribuita dall'ingrosso al punto Vendita al dettaglio (pescheria). La fornitura sarà accompagnata, ovviamente, da un documento di trasporto ed eventualmente da una fattura, secondo gli accordi presi dalle parti. In questo macroprocesso verrà registrata la merce in uscita dal centro di smistamento ed in entrata nel punto vendita. Database Al momento, ogni stabilimento ittico, centro distribuzione e punto vendita dispone di un proprio Database Relazionale. Database StabilimentoIttico

5 Database Centro Smistamento

6

7 Database Punto Vendita Lo scopo del lavoro è quello di fare Data Warehousing. L'architettura del DW utilizzata è un architettura a tre livelli. Sulla base delle informazioni contenute in questi database, e sulla Ciascun Database presenta delle similitudini, ma le banche dati sono prevalentemente eterogenee. Sulla base delle analisi OLAP che si prevede di voler effettuare, si mostra il Database riconciliato contenente i dati complessivi dell'intero sistema.

8 I dati riconciliati sono una forma di dati derivati, storicizzati e dettagliati il cui scopo è quello di garantire una visibilità univoca di tutte le informazioni presenti nell organizzazione. Sono stati prodotti attraverso diverse procedure di ripulitura ed integrazione che sono analizzate nelle sessioni successive. Database Riconciliato

9 Analizzando le diverse sorgenti dati sono emersi diversi conflitti che riportiamo in seguito raggruppati in base alla loro tipologia. Conflitti CentroSmistamento Ecco un esempio di conflitti tra le diverse basi di dati. Le informazioni relative al centro smistamento sono memorizzate in modo diverso nei diversi nello Schema Punto Vendita e Stabilimento Ittico.

10 Questi due conflitti devono essere risolti e poi i dati devono essere ricopiati nel database riconciliato che presenta la seguente struttura. Pesce

11 Per risol vere i confl itti strutturali, occorrono scelte diverse di modellazione di uno stesso concetto. Esistono differenti vincoli di integrità : Conflitti di tipo: stesso concetto modellato con costrutti diversi Conflitti di dipendenza: dipendenze diverse tra gli stessi concetti Conflitti di chiave: chiavi diverse Conflitti di comportamento: diverse politiche di cancellazione/modifica In seguito, quando si parlerà della riconciliazione dei dati con Kettle, sarà descritto come sono stati risolti questi conflitti.

12 Popolamento Un problema abbastanza complesso sarebbe stato il popolamento della base di dati per poter effettuare successive analisi OLAP. OLAP (On line Analytical Processing) lavora su grosse mole di dati è stato molto utile per la nostra causa un generatore casuale di dati relazionale guidato da schema in java. Tuplegen Tuplegen usa, per popolare la base di dati, un parser xml. Una volta creato un file XML ben formato il tuplegenxml è in grado di popolare qualsiasi base di dati. Per il popolamento delle tre basi di dati relazionali, sono stati creati quindi tre file xml: PuntoVendita.xml, CentroSmistamento.xml e StabilimentoIttico.xml, nei quali sono specificati le caratteristiche ed i vincoli di ciascuno schema. Integrazione e riconciliazione Analisi ETL L acronimo ETL sta per Extraction, Transformation Loading, letteralmente estrazione, trasformazione e caricamento, e rappresenta se non la componente critica di un progetto di data warehouse certamente quella che consuma più risorse. Di fatto la componente ETL rappresenta lo strato di traduzione che porta la transazione a divenire informazione è compito della componente ETL farsi carico della trasposizione delle regole definite dal business. La progettazione di una soluzione di business intelligence solida passa certamente per la costruzione altrettanto solida, di una componente ETL che non sia gestita semplicemente attraverso la creazione di procedure ad hoc, ma al contrario utilizzando specifici strumenti: tali strumenti consentono al progettista e allo sviluppatore della componente ETL di concentrarsi sui processi e sulle regole che definiscono informazioni dalle transazioni demandando direttamente allo strumento ETL le complessità di generazione del codice e di manutenzione dello stesso, quello della manutenzione e infatti uno dei punti di maggiore complessità poiché tipicamente il sistema di business intelligence è un sistema dinamico che cambia nel tempo, non solo per la nascita di nuove regole di business ma spesso, per

13 l introduzione nell azienda di nuovi sistemi transazionali che nel tempo vanno integrati nel sistema di business intelligence. Nelle fasi iniziali della progettazione di un data warehouse è opportuno fare approfondite valutazioni sullo strumento ETL da utilizzare per progetti di un certo respiro, è possibile valutare come indispensabile il dotarsi di uno strumento specificamente pensato per la tematica ETL. Una delle caratteristiche più interessanti degli strumenti ETL di ultima generazione è data dall utilizzo di interfacce grafiche che consentono letteralmente di disegnare i flussi di trasformazione e caricamento dei dati, questo consente un estrema chiarezza e un immediata comprensione di come i dati, da una fonte sorgente migrano verso una fonte destinazione, potendo facilmente individuare le trasformazioni che subiscono; tali interfacce sono infatti corredate da una serie di icone grafiche e indicatori di trasformazione che rendono immediatamente evidente il tipo di evoluzione che il dato sta subendo nel migrare dallo strato transazionale verso lo strato OLAP. È naturalmente possibile immaginare lo sviluppo della componente ETL senza utilizzare uno strumento dedicato ma affidandosi semplicemente lo sviluppo di procedure e codice, tale operazione può essere progettata e sviluppata in maniera estremamente professionale, tuttavia anche nel migliore dei possibili sviluppi permangono alcuni limiti e problematiche che sono insiti proprio nella natura dello sviluppo; le più evidenti sono: 1. complessità della gestione del versioning e proliferazione di codice. 2. impossibilità di prevedere l impatto di una specifica modifica nella fonte alimentante senza effettuare specifici test 3. necessità di analizzare nel dettaglio la procedura per poterne comprendere le azioni 4. impossibilità di sfruttare le caratteristiche di generazione automatica del codice degli strumenti di ETL in grado di offrire performance nettamente superiori rispetto al codice generato da uno sviluppatore. Per popolare il database riconciliato, è stato utilizzato lo strumento di ETL open Source Kettle (per Linux Spoon).

14 Strumento di lavoro Pentaho Data Integration : Kettle Pentaho data integration fornisce le funzionalità ETL utlizzando un approccio innovativo basato sul concetto di META-dati. Il nostro lavoro di estrazione, trasformazione e caricamento delle informazioni dai database relazionali originali ad database riconciliato si è articolato un più fasi, che ci hanno permesso di prelevare i dati da più sorgenti dati rendendoli quanto più consistenti. ETL Job complessivo Lo schema successivo mostra la sequenza di passi eseguito per effettuare tutte le operazioni di estrazione, trasformazione e caricamento dei dati. Si è deciso di modulare le operazioni in più fasi, partendo da quelle riguardanti le informazioni più generali, come quelle relative ai dati delle aziende interessate e loro localizzazioni; alla denominazione e classificazione delle tipologie di prodotti da analizzare, per poi concentrarci anche su informazioni più specifiche, come le fatture, gli ordini ecc..

15 Ecco una descrizione delle fasi elaborate durante questo step: TrasformazioneBase: prevede la manipolazione dei dati relativi alle informazioni su StabilimentoIttico, CentroSmistamento e PuntoVendita; inoltre in questa sono stati eseguiti dei passi per rendere consistenti le informazioni su Stati, Regioni, Provincie e Città. TrasformazionePesce: permette di ottenere i dati riconciliati per: Pesce, Pescato, Specie, Zona; tabelle fondamentali nelle successive analisi TrasormazioneFatturaCS: pemette di ottenere i dati riconciliati per le fatture di Centro Smistamento basandosi sui dati riconciliati ottenuti ai passi precedenti TrasormazioneOrdineCS: pemette di ottenere i dati riconciliati per gli Ordini di Centro Smistamento TrasormazioneDDTCS: pemette di ottenere i dati riconciliati per i Documenti di Trasporto di Centro Smistamento TrasormazioneDDTSI: pemette di ottenere i dati riconciliati per i Documenti di Trasporto di StabilimentoIttico TrasormazioneFattuaSI: pemette di ottenere i dati riconciliati per le fatture di StabilimentoIttico TrasormazioneFatturaPV: pemette di ottenere i dati riconciliati per le fatture di

16 PuntoVendita TrasormazioneOrdinePV: pemette di ottenere i dati riconciliati per gli Ordini di PuntoVendita A questo punto andiamo ad analizzare nel dettaglio le varie trasformazioni. ETL Trasformazione Base La seguente figura mostra, del processo di trasformazione base, come è stato deciso di trasferire le informazioni riguardo StabilimentoIttico, CentroSmistamento e Puntovendita, dai database originari a quello riconciliato. In particolare, si può notare che per rendere le informazioni consistenti, si è deciso di estrarre i dati relativi ai PuntoVendita e agli stabilimenti Ittici, dalle tabelle provenienti dallo schema CentroSmistamento; mentre le informazioni riguardanti i CentroSmistamento, sono stati estratti dallo schema StabilimentoIttico. E' stato utile utilizzare lo strumento Unique Rows che permette di eliminare i dati duplicati provocati da Tuplegen nella generazione casuale delle tuple. In questo flusso di lavoro si può inoltre notare come è possibile sostituire i valori di primary key, trasformandoli da valori alfanumerici a valori numerici. Nel nostro caso, per la generazione della chiava, è stato usato il task addsequence, che genera una sequenza numerica usando un contatore. Un elaborazione molto importante in questa trasformazione è stata quello di normalizzare i dati provenienti dalle tabelle: Città, Provincia, Regione e Stato. In questo caso i dati ottenuti tramite Tuplegen non erano sufficientemente puliti per la nostra analisi per cui si è proceduto nel seguente modo: 1. Ottenimento di Riconciliato-Stato prendendo tutti gli stati dalle tabelle Stato di PuntoVendita e Località di StabilimentoIttico 2. Uniamo i risultati ottenendo l'elenco di tutti i possibili stati, successivamente ci prendiamo tutti gli stati unici tramite i passi Sort Rows ed Unique Rows 3. Infine, otteniamo la tabella Riconciliato-Stato aggiungendo una chiave

17 progressiva agli elementi ottenuti. Basandoci su Riconciliato-Stato a cascata abbiamo ottenuto Riconciliato- Regione limitandoci ad effettuare una JoinRow tra il primo e l'attributo Regione della tabella Località di PuntoVendità (assumendo che questo contenesse tutte le regione). Applicando un processo incrementale al precedente sono state ottenuti i dati riconciliati anche per Provincia e Città.

18 ETL Trasformazione Pesce Il processo ti Trasformazione Pesce è uno dei più delicati. Infatti, in questo processo sono coinvolte molti dei dati fondamentali all'analisi OLAP errori a questo livello potrebbero inficiare i risultati dell'analisi. Come si può notare dalle immagini sotto allegate si tratta di un processo corposo. In questa fasi riusciamo a popolare il DB riconciliato per le seguenti entità: Categoria Pesce Zona Pescato Specie Oltre a generare le chiavi progressive per le varie tabelle tramite lo strumento Add Sequence e comodo utilizzare Sort Rows in cascata a Unique Rows, questo passaggio permette di prendere all'interno di una tabella tutte le righe uniche in base all'attributo ordinato al passo precedente. Infine, la tabella Riconciliato-Pescato è ottenuta come tramite una Join Row la quale effettua il prodotto cartesiano tra il Riconciliato-Pesce ed i dati provenienti da StabilimentoIttico-Pescato opportunamente ripuliti, per poi selezionare quelli con lo stesso nomepesce ETL

19 Trasformazione DDT Centro Smistamento Questa trasformazione permette di ottenere i dati riconciliati per i documenti di trasporto di Centro Smistamento, partendo dai Centri smistamento riconciliati si recuperano gli ordini effettuando una Merge Join con i dati contenuti riguardanti i ddt dei centri smistamenti in StabilimentoIttico successivamente sempre partendo dai dati di StabilimentoIttico riguardanti gli Item tenendo in considerazione i dati riconciliati per pescato e pesce riusciamo a popolare la tabella Pescato_has_DDTCS del DB riconciliato

20 ETL Trasformazione DDT Stabilimento Ittico La logica funzionamento analoghe a Trasformazione DDT Centro Smistamento, cambiano solo le sorgenti ed le tabelle di destinazione.

21 ETL Trasformazione Fattura Punto Vendita Questa trasformazione permette di ottenerei dati riconciliati per le fatture dei Punti Vendita partendo da Riconciliato-PuntiVendita il quale contiene i dati di tutti i punti vendita ripuliti in MergeJoin con i dati ripuliti delle Fatture PuntoVendita di Centro Smistamento, viene inoltre popolata la tebella Pescato_has_FatturaPV del DB riconciliato tenendo conto della tabella Riconciliato-Pescato e dei vari Item delle Fatture.

22 ETL Trasformazione Fattura Centro Smistamento La logica funzionamento analoghe a Fattura Punto Vendita, cambiano solo le sorgenti ed le tabelle di destinazione.

23 ETL Trasformazione Fattura Stabilimento Ittico La logica funzionamento analoghe a Fattura Punto Vendita, cambiano solo le sorgenti ed le tabelle di destinazione.

24 ETL Trasformazione Ordine Centro Smistamento La logica funzionamento analoghe a Fattura Punto Vendita, cambiano solo le sorgenti ed le tabelle di destinazione. ETL Trasformazione Ordine Punto Vendita

25 La logica funzionamento analoghe a Fattura Punto Vendita, cambiano solo le sorgenti ed le tabelle di destinazione.

26 Analisi OLAP OLAP (On-Line Analytical Processing) designa un insieme di tecniche software per l analisi interattiva e veloce di grandi quantità di dati, che è possibile esaminare in modalità piuttosto complesse. E' la componente tecnologica base del data warehouse e, ad esempio, serve alle aziende per analizzare i risultati delle vendite l andamento dei costi di acquisto merci, al marketing per misurare il successo di una campagna pubblicitaria, ad una università per sapere i risultati di un sondaggio. La creazione di un database OLAP consiste nel fotografare le informazioni (ad esempio quelle di un database relazionale) in un determinato momento e trasformare queste singole informazioni in dati multidimensionali. Gli strumenti OLAP sono differenti dagli OLTP. I primi hanno come obiettivo la performance nella ricerca e il raggiungimento di un ampiezza di interrogazione quanto più grande possibile; i secondi, hanno come obiettivo la garanzia di integrità e sicurezza delle transazioni. Eseguendo successivamente delle interrogazioni sui dati così strutturati è possibile ottenere risposte in tempi decisamente ridotti rispetto alle stesse operazioni effettuate su altre tipologie di database, anche perché il DB di un sistema OLTP non è stato studiato per consentire analisi articolate. Una struttura OLAP creata per questo scopo è chiamata cubo multidimensionale. Ci sono diversi modi per creare un cubo, ma il più conosciuto è quello che utilizza uno schema a stella ; al centro c è la tabella dei fatti che elenca i principali elementi su cui sarà costruita l interrogazione, e collegate a questa tabella ci sono varie tabelle delle dimensioni che specificano come saranno aggregati i dati. Il calcolo delle possibili combinazioni di queste aggregazioni forma una struttura OLAP che, potenzialmente, potrebbe contenere tutte le risposte per ogni singola combinazione. In realtà viene memorizzato solo un numero predeterminato di combinazioni, mentre le rimanenti vengono ricalcolate solo al momento in cui quella richiesta viene materialmente effettuata. Un sistema Olap permette di:

27 studiare una grande quantità di dati vedere i dati da prospettive diverse supportare i processi decisionali. L analisi dei dati avviene su dati rappresentati in forma multidimensionale, ovvero organizzati mediante i seguenti concetti : 1. fatto - (o processo) un concetto sul quale centrare l analisi 2. misura - una proprietà atomica o misura di un fatto da analizzare ; le misure sono solitamente valori numerici e additivi su un dominio continuo. 3. dimensione - una prospettiva rispetto alla quale effettuare l analisi le dimensioni descrivono domini discreti, solitamente organizzati in livelli di aggregazione. Le funzioni di base di uno strumento OLAP sono: Slicing: è l operazione di rotazione delle dimensioni di analisi. È un operazione fondamentale per analizzare totali ottenuti in base a dimensioni diverse o se si vogliono analizzare aggregazioni trasversali; Dicing: è l operazione di estrazione di un subset di informazioni dall aggregato che si sta analizzando. L operazione di dicing viene eseguita quando l analisi viene focalizzata su una fetta del cubo avente particolare interesse per l analista. In alcuni casi l operazione di dicing può essere fisica nel senso che non consiste solo nel filtrare le informazioni di interesse ma anche nell estrarle dall aggregato generale per distribuirne i contenuti; Drill-down: è l operazione di esplosione del dato nelle sue determinanti. L operazione di drill-down può essere eseguita seguendo due diversi percorsi: la gerarchia costruita sulla dimensione di analisi (p. es.: passaggio dalla famiglia di prodotti all insieme dei prodotti che ne fanno parte) oppure la relazione matematica che lega un dato calcolato alle sue determinanti (p. es.: passaggio dal margine al ricavo e costo che lo generano). E comprensibile l importanza di tale operazione ai fini analitici in termini di comprensione delle determinanti di un dato;

28 Drill-across: è l operazione mediante la quale si naviga attraverso uno stesso livello nell ambito di una gerarchia. Come visto precedentemente, il passaggio dalla famiglia di prodotti alla lista dei prodotti è un operazione di drill-down, il passaggio da una famiglia ad un altra famiglia è un operazione di drill-across; Drill-through: concettualmente simile al drill-down, è l operazione mediante la quale si passa da un livello aggregato al livello di dettaglio appartenente alla base dati normalizzata. Molti venditori proclamano che i loro prodotti hanno la capacità, mediante l operazione di drill-through, di passare dal data warehouse ai sistemi transazionali alimentanti. Tale operazione, anche se tecnicamente fattibile sotto una serie di condizioni abbastanza rilevanti, è poco sensata per le problematiche di security e di performance indotti nei sistemi transazionali stessi.

29 Cubi OLAP Progettati Lista dei cubi OLAP Progettati: FatturaCentroSmistamento Fact Table: FatturaCS Dimensioni: Regione di emissione fattura Categoria Pesce Data Cattura Pesce Data Emissione Fattura Zona Cattura Misure: Imponibile Iva FatturaStabilimentoIttico

30 Fact Table: FatturaSI Dimensioni: Regione di emissione fattura Categoria Pesce Data Cattura Pesce Data Emissione Fattura Zona Cattura Misure: Imponibile Iva FatturaPuntoVendita

31 Fact Table: FatturaPV Dimensioni: Regione di emissione fattura Categoria Pesce Data Cattura Pesce Data Emissione Fattura Zona Cattura Misure: Imponibile Iva DDTCentroSmistamento

32 Fact Table: DDTCS Dimensioni: Regione di emissione DDT Categoria Pesce Data Cattura Pesce Data Emissione DDT Zona Cattura Misure: Numero DDT DDTStabilimentoIttico Fact Table: DDTSI Dimensioni: Regione di emissione DDT Categoria Pesce Data Cattura Pesce Data Emissione DDT Zona Cattura Misure: Numero DDT OrdineCentroSmistamento Fact Table:

33 OrdineCS Dimensioni: Regione di emissione Ordine Categoria Pesce Data Cattura Pesce Data Emissione Ordine Zona Cattura Misure: Imponibile Iva

34 OrdinePuntoVendita Fact Table: OrdinePV Dimensioni: Regione di emissione Ordine Categoria Pesce Data Cattura Pesce Data Emissione Ordine Zona Cattura Misure: Imponibile Iva

35 Implementazione dei cubi con JasperAnalysis La necessità di ottimizzare il controllo di gestione ha spinto verso la realizzazione di un Data Warehouse nel quale confluiscono dati ed informazioni di diverso tipo provenienti dalla intranet e dai diversi sistemi presenti all interno dell azienda. Il sistema realizzato permette attraverso Jasper Analysis di effettuare analisi statistiche sui dati archiviati. Gli schemi xml degli OLAP Cube sono stati implementati con l'ausilio del tool Jasper Analysis.

36 Query MDX MDX (Multidimensional Expressions) è il linguaggio di query che consente di utilizzare e recuperare dati multidimensionali in Microsoft Analysis Services. Il linguaggio MDX è basato sulla specifica XML for Analysis (XMLA), con estensioni specifiche per SQL Server Analysis Services. MDX utilizza espressioni costituite da identificatori, valori, istruzioni, funzioni e operatori che possono essere valutate da Analysis Services per recuperare un oggetto, ad esempio un set o un membro, oppure un valore scalare, ad esempio una stringa o un numero. In SQL Server Analysis Services, le query e le espressioni MDX vengono utilizzate per eseguire le operazioni seguenti: Restituire dati a un'applicazione client da un cubo di SQL Server Analysis

37 Services. Modellare i risultati delle query. Eseguire attività di progettazione per i cubi, tra cui la definizione di membri calcolati, set denominati, assegnazioni con ambito e indicatori di prestazioni chiave (KPI). Eseguire attività di amministrazione, inclusa la protezione di dimensioni e celle. MDX è in apparenza simile sotto numerosi aspetti alla sintassi SQL in genere utilizzata con i database relazionali. MDX non è tuttavia un'estensione del linguaggio SQL, rispetto al quale presenta molte differenze. Per creare espressioni MDX per la progettazione o la protezione dei cubi oppure per creare query MDX in grado di restituire e modellare dati multidimensionali, è necessario conoscere i concetti di base della modellazione multidimensionale e MDX, degli elementi della sintassi MDX, nonché degli operatori, delle istruzioni e delle funzioni MDX. Nel linguaggio MDX (Multidimensional Expressions) è possibile eseguire query su oggetti multidimensionali, ad esempio un cubo, e restituire set di celle multidimensionali contenenti i dati del cubo. La query MDX (Multidimensional Expressions) di base corrisponde all'istruzione SELECT, la query eseguita più di frequente in MDX. Se si conosce la sintassi dell'istruzione MDX SELECT, si sa creare una semplice query tramite questa istruzione e si capisce perché in un'istruzione SELECT è necessario specificare un set di risultati, si avrà la padronanza dell'utilizzo di MDX per l'esecuzione di query in dati multidimensionali. In MDX l'istruzione SELECT specifica un set di risultati contenente un subset dei dati multidimensionali di un cubo che sono stati restituiti. Per specificare un set di risultati, una query MDX deve contenere le informazioni seguenti: Numero di assi o set di gerarchie. In una query MDX è possibile specificare un massimo di 128 assi. I membri di ogni dimensione da includere in ogni asse della query MDX.

38 Il nome del cubo che definisce il contesto della query MDX. I membri di un asse di sezionamento in base a cui vengono sezionati i dati per i membri degli assi della query. Per ulteriori informazioni su asse di sezionamento e asse della query. Per identificare gli assi della query, il cubo che imposta il contesto della query e l'asse di sezionamento, è necessario specificare nell'istruzione MDX SELECT le clausole seguenti: Clausola SELECT che determina gli assi della query di un'istruzione MDX SELECT. Per ulteriori informazioni sulla formulazione degli assi della query in una clausola SELECT. Clausola FROM che determina l'origine dei dati multidimensionale da utilizzare durante l'estrazione dei dati per il popolamento del set di risultati dell'istruzione MDX SELECT. Per ulteriori informazioni sulla clausola FROM. Clausola WHERE che, se specificata, determina la dimensione o il membro da utilizzare come asse di sezionamento per limitare l'estrazione dei dati a una dimensione o un membro specifico. Per ulteriori informazioni sulla formulazione di un asse di sezionamento in una clausola WHERE. Esempio di Query MDX SELECT [Measures].AllMembers ON COLUMNS, Hierarchize(([ZonaPescato.Zona].[All ZonaPescato.Zonas].Children * [DataEmissione.Data].[All DataEmissione.Datas].Children)) ON ROWS FROM [FatturaCS]; SELECT [Measures].AllMembers ON COLUMNS, Hierarchize(([RegioneEmissione.Stato].[All RegioneEmissione.Statos].Children * [CategoriaPesce.Categoria].[All CategoriaPesce.Categorias].Children)) ON ROWS FROM [FatturaCS];

39

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 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

Data Warehouse Architettura e Progettazione

Data Warehouse Architettura e Progettazione Introduzione Data Warehouse Architettura! Nei seguenti lucidi verrà fornita una panoramica del mondo dei Data Warehouse.! Verranno riportate diverse definizioni per identificare i molteplici aspetti che

Dettagli

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

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

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

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

SQL Server BI Development Studio

SQL Server BI Development Studio Il Data warehouse SQL Server Business Intelligence Development Studio Analysis Service Sorgenti dati operazionali DB relazionali Fogli excel Data warehouse Staging Area e dati riconciliati Cubi Report

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

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

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

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

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

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

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

Introduzione alla Business Intelligence. E-mail: infobusiness@zucchetti.it

Introduzione alla Business Intelligence. E-mail: infobusiness@zucchetti.it Introduzione alla Business Intelligence E-mail: infobusiness@zucchetti.it Introduzione alla Business Intelligence Introduzione Definizione di Business Intelligence: insieme di processi per raccogliere

Dettagli

Introduzione 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

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

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 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

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

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

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

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

Lorenzo Braidi. Database design. Libro_datadesign.indb 1 23-11-2004 10:06:17

Lorenzo Braidi. Database design. Libro_datadesign.indb 1 23-11-2004 10:06:17 Lorenzo Braidi Database design Libro_datadesign.indb 1 23-11-2004 10:06:17 Sommario Introduzione...XI Capitolo 1 Le basi di dati relazionali... 1 Le basi di dati... 1 Un po di storia... 2 I database gerarchici...

Dettagli

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

Università degli Studi di Salerno Facoltà di Scienze Matematiche Fisiche e Naturali

Università degli Studi di Salerno Facoltà di Scienze Matematiche Fisiche e Naturali Università degli Studi di Salerno Facoltà di Scienze Matematiche Fisiche e Naturali Base Di Dati II Anno accademico 2011/2012 Progettazione di un Data mart per l'analisi dei servizi bibliotecari universitari

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

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

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

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

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

CORSO I.F.T.S TECNICHE PER LA PROGETTAZIONE E LA GESTIONE DI DATABASE

CORSO I.F.T.S TECNICHE PER LA PROGETTAZIONE E LA GESTIONE DI DATABASE CORSO I.F.T.S TECNICHE PER LA PROGETTAZIONE E LA GESTIONE DI DATABASE Ing. Mariano Di Claudio Lezione del 20/10/2014 1 Indice 1. HBase e Hrider Caratteristiche chiave Modello dati Architettura Installazione

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

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

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

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

ControlloCosti. Cubi OLAP. Controllo Costi Manuale Cubi

ControlloCosti. Cubi OLAP. Controllo Costi Manuale Cubi ControlloCosti Cubi OLAP I cubi OLAP Un Cubo (OLAP, acronimo di On-Line Analytical Processing) è una struttura per la memorizzazione e la gestione dei dati che permette di eseguire analisi in tempi rapidi,

Dettagli

Pianificazione del data warehouse

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

Dettagli

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

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

Progetto Turismo Pisa

Progetto Turismo Pisa 2012 Progetto Turismo Pisa Deliverable D2.2 Realizzazione del prototipo per la navigazione dell infrastruttura di conoscenza Coordinamento: Fosca Fosca Giannotti Salvatore Rinzivillo KDD KDD Lab, Lab,

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

La suite Pentaho Community Edition

La suite Pentaho Community Edition La suite Pentaho Community Edition GULCh 1 Cosa è la Business Intelligence Con la locuzione business intelligence (BI) ci si può solitamente riferire a: un insieme di processi aziendali per raccogliere

Dettagli

DBMS (Data Base Management System)

DBMS (Data Base Management System) Cos'è un Database I database o banche dati o base dati sono collezioni di dati, tra loro correlati, utilizzati per rappresentare una porzione del mondo reale. Sono strutturati in modo tale da consentire

Dettagli

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

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

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

INFORMATICA. Applicazioni WEB a tre livelli con approfondimento della loro manutenzione e memorizzazione dati e del DATABASE.

INFORMATICA. Applicazioni WEB a tre livelli con approfondimento della loro manutenzione e memorizzazione dati e del DATABASE. INFORMATICA Applicazioni WEB a tre livelli con approfondimento della loro manutenzione e memorizzazione dati e del DATABASE. APPLICAZIONI WEB L architettura di riferimento è quella ampiamente diffusa ed

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

CONFRONTO TRA DBMS RELAZIONALI, A COLONNE E NOSQL

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

Dettagli

PIANO DI LAVORO EFFETTIVAMENTE SVOLTO IN RELAZIONE ALLA PROGRAMMAZIONE DISCIPLINARE

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

Dettagli

E.T.L. (Extract.Tansform.Load) IBM - ISeries 1/8

E.T.L. (Extract.Tansform.Load) IBM - ISeries 1/8 E.T.L. (Extract.Tansform.Load) IBM - ISeries Quick-EDD/ DR-DRm ETL 1/8 Sommario ETL... 3 I processi ETL (Extraction, Transformation and Loading - estrazione, trasformazione e caricamento)... 3 Cos è l

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

Al giorno d oggi, i sistemi per la gestione di database

Al giorno d oggi, i sistemi per la gestione di database Introduzione Al giorno d oggi, i sistemi per la gestione di database implementano un linguaggio standard chiamato SQL (Structured Query Language). Fra le altre cose, il linguaggio SQL consente di prelevare,

Dettagli

Thematica Software Technologies

Thematica Software Technologies Sperimentazione di Servizi Innovativi alle Imprese Produttrici di Software Università della Calabria 21-10-2004 Giovanni Laboccetta Thematica s.r.l. www.thematica.it glaboccetta@thematica.it Perché i data

Dettagli

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

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

Cosa significa il titolo di questo lavoro? In che lingua è scritto? E vero quello che dice?

Cosa significa il titolo di questo lavoro? In che lingua è scritto? E vero quello che dice? < (BD BI) > Micaela Caserza Magro, Paolo Pinceti DITEN Università degli Studi di Genova Via Opera Pia 11a 16145 Genova Tel. 010/3532205 - Email: paolo.pinceti@unige.it Introduzione Cosa significa il titolo

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

ORACLE BUSINESS INTELLIGENCE STANDARD EDITION ONE A WORLD CLASS PERFORMANCE

ORACLE BUSINESS INTELLIGENCE STANDARD EDITION ONE A WORLD CLASS PERFORMANCE ORACLE BUSINESS INTELLIGENCE STANDARD EDITION ONE A WORLD CLASS PERFORMANCE Oracle Business Intelligence Standard Edition One è una soluzione BI completa, integrata destinata alle piccole e medie imprese.oracle

Dettagli

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

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

Dettagli

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 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

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

Progetto Turismo Pisa. Sommario dei risultati

Progetto Turismo Pisa. Sommario dei risultati 2012 Progetto Turismo Pisa Sommario dei risultati 0 Studio realizzato per il Comune di Pisa da KddLab ISTI-CNR Pisa Sommario 1 Progetto Turismo Pisa: Sintesi dei risultati... 1 1.1 L Osservatorio Turistico

Dettagli

AICA - Workshop 01/03/2011

AICA - Workshop 01/03/2011 AICA - Workshop La Mappa di un sistema di BI I tre elementi che hanno "cambiato il gioco": Maturazione degli ETL open source La semplificazione di Amazon EC2 L'arrivo dei DB Colonnari Nel dettaglio Cos'è

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

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 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

L ARCHIVIAZIONE E LA GESTIONE DATI ATTRAVERSO L INTERAZIONE TRA MICROSOFT ACCESS ED EXCEL 1 INTRODUZIONE

L ARCHIVIAZIONE E LA GESTIONE DATI ATTRAVERSO L INTERAZIONE TRA MICROSOFT ACCESS ED EXCEL 1 INTRODUZIONE Roccatello Ing. Eduard L ARCHIVIAZIONE E LA GESTIONE DATI ATTRAVERSO L INTERAZIONE TRA MICROSOFT ACCESS ED EXCEL 1 INTRODUZIONE Agenda Presentazione docente Definizione calendario Questionario pre corso

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

PROGRAMMA DI CLASSE 5AI

PROGRAMMA DI CLASSE 5AI Istituto di Istruzione Superiore Euganeo Istituto tecnico del settore tecnologico Istituto professionale del settore servizi socio-sanitari Istituto professionale del settore industria e artigianato PROGRAMMA

Dettagli

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

DSCube. L analisi dei dati come strumento per i processi decisionali DSCube L analisi dei dati come strumento per i processi decisionali Analisi multi-dimensionale dei dati e reportistica per l azienda: DSCube Introduzione alla suite di programmi Analyzer Query Builder

Dettagli

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

Riccardo Dutto, Paolo Garza Politecnico di Torino. Riccardo Dutto, Paolo Garza Politecnico di Torino

Riccardo Dutto, Paolo Garza Politecnico di Torino. Riccardo Dutto, Paolo Garza Politecnico di Torino Integration Services Project SQL Server 2005 Integration Services Permette di gestire tutti i processi di ETL Basato sui progetti di Business Intelligence di tipo Integration services Project SQL Server

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

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

Ministero dell Istruzione dell Università e della Ricerca M070 ESAME DI STATO DI ISTITUTO TECNICO INDUSTRIALE

Ministero dell Istruzione dell Università e della Ricerca M070 ESAME DI STATO DI ISTITUTO TECNICO INDUSTRIALE Pag. 1/1 Sessione ordinaria 2010 Seconda prova scritta Ministero dell Istruzione dell Università e della Ricerca M070 ESAME DI STATO DI ISTITUTO TECNICO INDUSTRIALE CORSO DI ORDINAMENTO Indirizzo: INFORMATICA

Dettagli

DATA WAREHOUSE E CRUSCOTTO DIREZIONALE PER L ANALISI DEL PERSONALE IN UN AZIENDA DI SERVIZI

DATA WAREHOUSE E CRUSCOTTO DIREZIONALE PER L ANALISI DEL PERSONALE IN UN AZIENDA DI SERVIZI Alma Mater Studiorum Università di Bologna SCUOLA DI INGEGNERIA E ARCHITETTURA Corso di Laurea Magistrale in Ingegneria e Scienze Informatiche DATA WAREHOUSE E CRUSCOTTO DIREZIONALE PER L ANALISI DEL PERSONALE

Dettagli

Microsoft SQL Server Integration Services

Microsoft SQL Server Integration Services Sistemi Informativi Dott.ssa Elisa Turricchia Alma Mater Studiorum - Università di Bologna elisa.turricchia2@unibo.it 1 Microsoft SQL Server Integration Services 1 SQL Server Integration Services SSIS

Dettagli

Data Warehousing. Esercitazione 1

Data Warehousing. Esercitazione 1 Esercitazione 1 IBM DB2 UDB DB2 Universal Database Suite di strumenti per la gestione dei dati Funzioni avanzate per soluzioni business intelligence Dispone di strumenti di sviluppo del data warehouse

Dettagli

DATABASE RELAZIONALI

DATABASE RELAZIONALI 1 di 54 UNIVERSITA DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI DISCIPLINE STORICHE ETTORE LEPORE DATABASE RELAZIONALI Dott. Simone Sammartino Istituto per l Ambiente l Marino Costiero I.A.M.C. C.N.R.

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

B C I un altro punto di vista Introduzione

B C I un altro punto di vista Introduzione Bollicine Community B C Intelligence B C I un altro punto di vista Introduzione Graziano Guazzi General Manager Data Flow Settembre 2007 pag, 1 Cosa misurare La definizione di quale domanda di mercato

Dettagli

Volumi di riferimento

Volumi di riferimento Simulazione seconda prova Esame di Stato Gestione di un centro agroalimentare all ingrosso Parte prima) Un nuovo centro agroalimentare all'ingrosso intende realizzare una base di dati per l'attività di

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

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

ht://miner Un sistema open-source di data mining e data warehousing per lo studio dei comportamenti degli utenti su Internet

ht://miner Un sistema open-source di data mining e data warehousing per lo studio dei comportamenti degli utenti su Internet ht://miner Un sistema open-source di data mining e data warehousing per lo studio dei comportamenti degli utenti su Internet Gabriele Bartolini Comune di Prato Sistema Informativo Servizi di E-government

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

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

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

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

Questo punto richiederebbe uno sviluppo molto articolato che però a mio avviso va al di là delle possibilità fornite al candidato dal tempo a disposizione. Mi limiterò quindi ad indicare dei criteri di

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

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

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

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

Corso di Laboratorio di Basi di Dati

Corso di Laboratorio di Basi di Dati Corso di Laboratorio di Basi di Dati F1I072 - INF/01 a.a 2009/2010 Pierluigi Pierini Technolabs S.p.a. Pierluigi.Pierini@technolabs.it Università degli Studi di L Aquila Dipartimento di Informatica Technolabs

Dettagli

Indice. Introduzione Scopi del libro Lavorare con il database di esempio Organizzazione del libro Convenzioni utilizzate in questo libro

Indice. Introduzione Scopi del libro Lavorare con il database di esempio Organizzazione del libro Convenzioni utilizzate in questo libro Indice Introduzione Scopi del libro Lavorare con il database di esempio Organizzazione del libro Convenzioni utilizzate in questo libro XVII XVII XVIII XIX XXIII PARTE PRIMA SQL Server: Concetti di base

Dettagli