Le organizzazioni da sempre hanno archiviato i da7 di business ma l'incompleto sfru<amento del loro potenziale ha sempre rappresentato un problema.
|
|
- Bonaventura Scala
- 7 anni fa
- Visualizzazioni
Transcript
1 Data warehouse
2 DW Le organizzazioni da sempre hanno archiviato i da7 di business ma l'incompleto sfru<amento del loro potenziale ha sempre rappresentato un problema. Sorge dunque la necessità di ges7re la considerevole quan7tà di da7, normalizzandoli indipendentemente dalla fonte di provenienza e rendendoli disponibili all'organizzazione. A questa esigenza, sempre più sen7ta nel mondo delle aziende, offre una risposta concreta il data warehouse 2
3 DataWarehouse Il DW è la base di da/ concepita per sistemi a supporto delle decisioni. o$mizzata per il recupero di da1 e non per il normale processamento di transazioni (vr DB) Federica Cena 3
4 DW: definizioni Immon (1992): collezione di da7 integrata, non vola7le, orientata ai soggei, e variabile nel tempo, a supporto delle decisioni dei dirigen7 Dayal (1997): un insieme di tecnologie di supporto alle decisioni, proge<ate per consen7re al knowledge worker di prendere decisioni migliori e rapide Chyr(2001): una collezione di da7 integra7,organizzata per soggei, che riguardano una serie di fai accadu7 nel tempo finalizzata al recupero di informazione a supporto di processi decisionali Federica Cena 4
5 DW: definizioni Un data warehouse è una base di daa persistente e condivisa u7lizzata principalmente per il supporto alle decisioni direzionali Orientata al sogge<o (al decisore) Integrata (aziendale e non dipar7mentale) con da7 storici (con un ampio orizzonte temporale) con da7 7picamente aggrega7 per effe<uare s7me mantenuta separatamente dalle basi di da7 operazionali Federica Cena- 5
6 DB vr DW DW forniscono funzionalità aggiun7ve rispe<o a quelle delle basi di da7 orientate alle transazioni, in termini di: Funzionalità (7po di risposta) Integrazione di da7 eterogenei Le basi di da7 tradizionali garan7scono: velocità di accesso integrità dei da7 (controllo concorrenza) Federica Cena 6
7 DB: OLTP OLTP: On-Line TransacAon Processing: elaborazione online delle transazioni, comprende la ges7one delle operazioni di inserimento, aggiornamento, cancellazione, interrogazione di una base di da7. Le basi di da7 relazionali sono oimizzate per eseguire query OLTP: coinvolgono una piccola parte della base di da7. le transazioni sono predefinite e di breve durata i da7 di interesse sono de<aglia7, aggiorna7 e recent i da7 risiedono su una unica base di da7 Federica Cena 7
8 DB: OLTP: operatori Inserimento (insert into) Aggiornamento (update) Cancellazione (delete) Interrogazione (select, from, where) Linguaggio SQL query interfaccia grafica di Access dammi il nome concerto che si è tenuto al conservatorio dammi la matricola dello studente con cognome rossi Federica Cena 8
9 DW: OLAP OLAP: On-Line AnaliAcal Processing: elaborazione distribuita delle informazioni sugli uten7 al fine di analisi per ricavare nuova conoscenza usabile per prendere decisioni strategiche operatori di manipolazione dei da7 modella7 con stru<ure mul7dimensionali I datawarehouse memorizzano i da7 in modo da oimizzare le operazioni OLAP: I da7 sono aggrega7 I da7 sono storici I da7 sono integra7 Federica Cena 9
10 OLAP: operatori Drill-down/roll-up: zoom in/ zoom out Dice/slice: sezionare i da7 No linguaggi standard Vedremo più avan7 Federica Cena 10
11 DW vr DB Diversamente dalle basi di da7 transazionali, i dw supportano serie temporali una tecnica che richiede più da7 storici di quelli che sono presen7 nelle basi di da7 transazionali una serie temporale si definisce come un insieme di variabili casuali ordinate rispe<o al tempo, ed esprime la dinamica di un certo fenomeno nel tempo Le informazioni sono a granularità più grossa nel DW, nei DB invece sono atomiche Federica Cena 11
12 DW vr DB Poiché racchiudono grandi volumi di da7, i dw generalmente sono un ordine di grandezza più grandi delle basi di da7 tradizionali. Ques7 volumi di da7 possono essere ges77: Dw a livello di impresa: grandi progei che richiedono un cospicuo inves7mento di tempo e risorse Data mart: rivol7 ad un so<oinsieme dell organizzazione, ad esempio, un reparto e risultano quindi stre<amente focalizza7 Federica Cena 12
13 DW vr BD DW basa7 sul conce<o di FATTO di INTERESSE Storicizza da7 che nei sistemi operazionali sono sovrascrii L arco temporale considerato (4 anni o piu) è superiore al lasso temporale ges7to dai sistemi operazionali (1-2 anni) Ampia quan7tà di da7 cardinalita delle relazioni: db: 1:m, 1:1, 1:n dw: m:n Federica Cena 13
14 14
15 Business Intelligence Modello dei dati
16 Datawarehousing Basi dati dei sistemi decisionali:! Insieme di dati +! strumenti per effettuare vari tipi di interrogazioni a carattere statistico e analitico (operatori OLAP) Federica Cena 2
17 Modello dei dati! DW basati sul concetto di FATTO di INTERESSE! Si basa su modello dei dati multidimensionale! Modello dimensionale - Semplice da capire - Non ambiguo - Riflette il modo in cui i decision maker pensano Federica Cena 3
18 Analisi dimensionale Domande cui vogliono rispondere i decisori:! Informazioni riassuntive, con la possibilità di dettagliare i riassunti! Analisi delle informazioni riassuntive in base a componenti organizzative come aree e dipartimenti! Possibilità di slice (affettare) and dice (tagliare a dadini) delle informazioni! Possibilità di vedere le informazioni nel tempo! Vedere le informazioni sia in forma tabulare che grafica 4 Federica Cena-
19 Analisi dimensionale È un metodo di progettazione del DW Consiste nell intervistare i decision maker e chiedere in quale - Subject area sono maggiormente interessati - Quali sono le più importanti dimensioni di analisi 5 Federica Cena-
20 Modello dei dati multidimensionale! Fatto: concetto di interesse per il processo decisionale (ad esempio, vendite)! Misure: proprietà numerica di un fatto, descrive un aspetto quantitativo (quantità venduta, incasso)! Dimensioni: proprietà con un dominio finito di un fatto, descrive una coordinata di analisi (luogo, prodotto)! Un fatto è analizzato attraverso tante dimensioni. Federica Cena 6
21 Modello multidimensionale Fatti: behavioural, dati comportamentali, derivano da interazione utente con il sistema, dinamici, cambiano Dimensioni: circumstances (attributi), cambiano meno Ma i cambiamenti dei behavioural dipendono da circumstances: bisogna gestire il cambiamento delle dimensioni - Tempo di validità: da.. A.. - Tabella in relazione 1:m con la dimensione 7 Federica Cena-
22 Esempio di analisi! Possibili dimensioni " Prodotto (tipo di prodotto) " Tempo (mese, bimestre, anno) " Cliente (dettaglio, grossista, diretto) " Responsabilità (punto vendita, rivenditore)! Lo schema multidimensionale favorisce la multidimensionalità del ragionamento " Che cosa? chi? Quanto? Come? Dove? 8
23 Esempio di analisi I dati vengono analizzati per identificare tendenze e, quindi, facilitare il processo decisionale " Quale e il mese con le maggiori vendite? " Quali sono stati i primi cinque prodotti venduti a Pisa? Interessano non solo i dati ma anche le loro aggregazioni (media, il minimo, massimo, somma, etc) 9
24 Esempio di analisi 10
25 Datawarehouse: obiettivi Federica Cena 11
26 ! Rappresentazione a matrice Federica Cena 12
27
28 Modello multidimensionale! Le dimensioni possono essere più di tre, ma non è intuitivo immaginarlo! Anche le misure possono essere più di una (nella cella ci saranno più valori) 14
29 Federica Cena 15
30 16
31 Cubo Assi: tempo, cliente, prodotto misura: vendita Ogni elemento del cubo (minicubo) contiene i valori di vendita per un particolare cliente, prodotto at un tempo particolare Federica Cena- 17
32 Caratteristiche dei DW Federica Cena 18
33 Gerarchia delle dimensioni! Ogni dimensione può essere strutturata in una gerarchia di variabili che rappresentano diversi livelli di aggregazione! esempio dimensione punto vendita 19
34 Gerarchia delle dimensioni esempio dimensione tempo 20
35 Gerarchia delle dimensioni esempio dimensione prodotto 21
36 Modellazione Concettuale
37 Modello concettuale: 2 tipi! A stella (star)! A fiocco di neve (snowflakes) Federica Cena 23
38 Modello concettuale a stella Punto vendita m:n prodotto vendita tempo m:n 24
39 Modello concettuale a fiocco di neve m:1 region e Prodotto m:n citta m:1 provin cia vendita tempo m:n 25
40 Modello concettuale: modalità di rappresentazione! Si puo disegnare con " Schema E-R (come data base) " DOT model (rappresenta i fatti come punti) 26
41 Modello concettuale dei dati! Dimensional Fact Model [Golfarelli- Rizzi] (DFM) e un modello concettuale grafico per DW che contiene fatti, dimensioni, gerarchie. DFM definisce una visione concettuale astratta di ogni fatto disponibile nel sistema! 27
42 Modello concettuale (Dot Model) Dimensione Operatori Clienti Provincia Regione Regione Provincia_dest Professio ne Categoria Localizz_dest Viaggi Sistemazione Mezzi Periodo
43 Modello concettuale Decisioni riguardanti la costruzione del data base per il dw Passi: 1. Decidere i fatti 2. Decidere le unità di misura 3. Decidere la granularità di analisi: dimensioni 4. Decidere attributi delle dimensioni 5. Decidere quali aggregazioni e partizionamenti (gerarchie) 6. Decisioni riguardo il tempo 7. Costruzione del modello concettuale, scegliendo il formalismo: 1. Dot modeling 2. Fact Dimension Model 1
44 Requisiti Modello concettuale - Semplice da capire - In grado di supportare il tempo - Modello semplificato rispetto a base di dati - La struttura è predicibile (è sempre la stessa): tab dei fatti al centro con le dimensioni collegate - Le relazioni sono sempre 1:m dove : - La dimensione è la parte 1 della relazione e la tabella dei fatti è la parte M - Gerarchia: la dimensione più vicina ai fatti è la parte many, l entità più esterna è la parte 1 Non serve specificare la cardinalità minima La dimensione 1 è sempre facoltativa La dimensione m è sempre obbligatoria Non ci sono sovracclassi 2
45 La progettazione concettuale del data warehouse In conformità con il testo raccomandato, seguiamo il modello DFM: Dimensional Fact Model Realtà rappresentata da un insieme di schemi di fatto Fatto: concetto di interesse per il processo decisionale. I fatti di interesse di norma hanno una frequenza di cambiamento significativa. Ad esempio Vendita è un buon candidato, ma anche Promozione di un prodotto Misura: è una proprietà numerica di un fatto e ne descrive un aspetto di interesse per l analisi. Es.: quantià o valore del venduto, Dimensione: è una proprietà di un fatto, con dominio finito, che descrive una coordinata di analisi. Es.: Tipo prodotto, data, negozio, Evento primario: occorrenza di un fatto individuata da una ennupla costituita da un valore per ciascuna dimensione e misura 16
46 Un fatto esprime un associazione molti a molti tra le dimensioni Es.: fatto Vendita (notazione ER) Prodotto Prodotto (0,n) Data Negozio Data (0,n) Vendita (0,n) Negozio Qtà venduta Incasso Prezzo unitario Num. clienti 17
47 Un fatto esprime un associazione molti a molti tra le dimensioni Es.: fatto Vendita (notazione ER) Dimensioni Prodotto Prodotto (0,n) Data Fatto Negozio Data (0,n) Vendita (0,n) Negozio Qtà venduta Incasso Prezzo unitario Num. clienti Misure 18
48 Un fatto esprime un associazione molti a molti tra le dimensioni Es.: Schema di fatto Vendita Prodotto Dimensioni Fatto Data Vendita Qtà venduta Incasso Prezzo unitario Num. clienti Negozio Misure Con tale notazione si intende dimensione obbligatoria, cioè ogni vendita dovrà essere obbligatoriamente abbinata ad una data, ad un prodotto e ad un negozio 19
49 Attributo dimensionale: dimensione ed eventuali altri attributi che le descrivono Gerarchia: albero i cui nodi sono attributi dimensionali e i cui archi modellano associazioni molti a uno tra coppie di attributi dimensionali. Una gerarchia racchiude una dimensione e tutti gli attributi che la descrivono. Responsabile Negozio Città Regione Stato Distretto Le gerarchie si formalizzano con dipendenze funzionali Negozio Città Regione Responsabile, Città, Distretto Regione Stato Il valore di regione dipendende da citta, il valore di stato dipende da quello di regione 20
50 Uno schema di fatto molto più ricco 21
51 Costrutti addizionali usati nello schema precedente Attributo descrittivo: aggiunge informazione all attributo dimensionale Es.: con notazione relazionale (Città-del-negozio, indirizzo, telefono) (Prodotto, peso). Gli attributi e le dimensioni possono essere opzionali, come indicato in figura con un trattino. 22
52 Schema ER da cui Si può derivare lo schema di fatto Vendite 24
53 Altri aspetti della modellazione concettuale Le gerarchie condivise SPEDIZIONE Prodotto Costo Magazzino Ordine Data sped. Responsabile Città Regione Stato Cliente Data consegna Data Mese Anno Le gerarchie condivise da più dimensioni sono denotate da un pallino pieno.. Gli archi entranti di inizio dimensione condivisa devono essere etichettati con un ruolo per specificarne il significato. 25
54 Archi multipli (x attributi multivalore Prodotti SPEDIZIONE Costo Magazzino Ordine Data sped. Responsabili Città Regione Stato Cliente Data Mese Anno Data consegna Un fatto è caratterizzato di norma da un solo valore per ogni dimensione. Può tuttavia essere utile disporre di dimensioni multivalore (doppio tratto), come da esempio, dove la spedizione riguarda più prodotti e il magazzino è descritto dai suoi responsabili. Altro esempio classico la dimensione libro: Libro Genere Autori 26
55 Gerarchie incomplete Nazione Regione Provincia Italia Rep. S. Mariono Città del Vaticano Piemonte Torino Comune Poirino Serravalle S. Marino. Con gerarchia incompleta si intende la possibile assenza di valori lungo il percorso gerarchico. 27
56 3: TEMPO: Dinamicità delle gerarchie Le gerarchie sono adeguatamente modellate dalle dipendenze funzionali Negozio Responsabile, Distretto Tipo GruppoMarketing Categoria Reparto. Le dipendenze funzionali implicano una visione statica della realtà che invece può modificarsi nel tempo. Es.: si alterano i confini dei distretti, cambiano i responsabili dei negozi, si aggiornano i gruppi marketing dei prodotti, le categorie dei pro dotti sono cambiati di reparto, dipendenze funzionali con periodo di validità [Data Inizio, Data Fine] 29
57 sscenari TEMPORALI. [x, 01] Negozio1 [02, x] Negozio1 [x, 02] Negozio1 [03, x] Negozio1 ResponsabileRossi ResponsabileBianchi DistrettoPiemonteLiguria DistrettoPiemonte Più che la modellazione concettuale, la dinamica delle gerarchie influenza la progettazione logica del data warehouse in funzione di come tale dinamica sarà utilizzata dalle interrogazioni, in quattro scenari: 1. oggi o ieri 2. ieri per oggi 3. oggi per ieri 4. ieri e oggi 30
58 Es.: Siamo interessati agli incassi dei negozi dal 2000 al 2004 [x, 01] Negozio1 [02, x] Negozio1 [x, 02] Negozio1 [03, x] Negozio1 ResponsabileRossi ResponsabileBianchi DistrettoPiemonteLiguria DistrettoPiemonte Oggi o ieri: Ciascun evento è riferito al valore delle gerarchie nell istante di tempo in cui si è verificato. Negozio Responsabile Rossi Rossi - Bianchi- Bianchi Bianchi Distretto PiemonteLiguria PiemonteLiguria PiemonteLiguria Piemonte Piemonte Incassi
59 Es.: Siamo interessati agli incassi del Negozio1 dal 2000 al 2004 [x, 01] Negozio1 [02, x] Negozio1 [x, 02] Negozio1 [03, x] Negozio1 ResponsabileRossi ResponsabileBianchi DistrettoPiemonteLiguria DistrettoPiemonte Ieri per oggi: Ciascun evento è riferito al valore iniziale delle gerarchie. Negozio Responsabile Rossi Rossi Rossi Rossi Rossi Distretto PiemonteLiguria PiemonteLiguria PiemonteLiguria PiemonteLiguria PiemonteLiguria Incassi Se Negozio2 ha iniziato le attività nel 2002 non apparirà nel rapporto 32
60 Es.: Siamo interessati agli incassi del Negozio1 dal 2000 al 2004 [x, 01] Negozio1 [02, x] Negozio1 [x, 02] Negozio1 [03, x] Negozio1 ResponsabileRossi ResponsabileBianchi DistrettoPiemonteLiguria DistrettoPiemonte Oggi per ieri: Eventi ascritti alla situazione delle gerarchie alla data odierna. Negozio Responsabile Bianchi Bianchi Bianchi Bianchi Bianchi Distretto Piemonte Piemonte Piemonte Piemonte Piemonte Incassi lo stato corrente diventa il referente anche per il passato 33
61 Oggi e ieri: Vengono considerati solo gli eventi che si riferiscono a valori immutati della gerarchia. Ad esempio i negozi che hanno mantenuto lo stesso responsabile e lo stesso distretto. Le varie gerarchie è bene siano abbinate agli scenari di analisi possibili. oggi o ieri oggi p ieri ieri p oggi ieri e oggi negozio responsabi x x negozio distretto x x x x categoria reparto x In genere si assume per default oggi per ieri che semplifica il data warehouse in quanto viene memorizzato solo lo stato corrente della gerarchia. 34
62 Additività delle misure L aggregazione delle misure lungo una gerarchia dipende richiede operatori adatti a seconda della categoria della misura proposta da Lenz: Flusso: misure cumulative in una certa quantità di tempo. Es.: incasso giornaliero, numero prodotti venduti, numero clienti, Livello: misurato in un dato istante di tempo. Es.: numero prodotti in magazzino, abitanti di una città, Misura unitaria: valutata in un istante di tempo è una proprietà di qualche oggetto. Es.: prezzo unitario di un prodotto, cambio di una valuta 35
63 In un progetto occorre definire con precisione gli operatori di aggregazione che verranno utilizzati nelle interrogazioni, tuttavia occorre precisare che l aggregazione di una misura lungo una gerarchia non è detto sia sempre possibile o sensata. L esempio Vendite Prodotto Data Negozio Promozione Quantità venduta SUM SUM SUM SUM Incasso SUM SUM, AVG SUM, MIN, MAX SUM N clienti - SUM SUM SUM Prezzo unitario AVG AVG, MIN, MAX AVG AVG Supponiamo di valutare il N clienti contando gli scontrini emessi in una certo giorno (data) e negozio. Se salgo a livello di Reparto nella gerarchia Prodotto non c è modo di desumere il numero totale di clienti con qualche funzione di aggregazione. 36
64 Ed ora accenniamo alla derivazione dello schema di fatto da uno schema ER 37
65 A partire da Vendita, Si percorrono le associazioni (x,1) introducendo una dimensione per ogni entità incontrata. Le dimensioni possono essere arricchite con attributi dell entità e delle associazioni. Categoria Tipo Gruppo marketing Prodotto Vendita Qtà venduta Incasso 38
66 Schema ER con ciclo Schema di fatto con e senza ciclo Budget Struttura organizzativa (1, n) (1, 1) Aff Responsabile (1, 1) (0, 1) Budget Struttura organizzativa Impiegato (1, n) Impiegato Budget Budget Impiegato Divisione Capo reparto Reparto (1, 1) Ore Incarico (1, 1) (1, n) Progetto Data Progetto Data INCARICO Ore lavorate INCARICO Ore lavorate NB.: solo le associazioni (x,1) possono dare origine a dimensioni. 39
67 La confluenza di cammini può dare origine ad un attributo cross dimensionale. Es.: IVA a gerarchie condivise se i percorsi non sono ridondanti. (a) (b) Reparto Responsabile Responsabile Data (0, n) Da A (0, n) (1, 1) Responsabile Da Reparto A Da Reparto A (1, 1) (1, 1) Impiegato (0, 1) Trasferimenti Num per anno Trasferimenti Anno Impiegato Data NB.: sono possibili schemi di fatto vuoti (privi di misure) 40
68 Grana temporale e grana transazionale di uno schema di fatto Grana temporale, ciascun evento primario condensa in sé un insieme di più transazioni (aziendali) in una unità di tempo. Es.: Vendita, grana giornaliera (data = g.m.a.) Trasferimenti, grana annuale (data = anno) Grana transazionale, ciascun evento primario coincide con una transazione operazionale Es.: Incarico, Attività Spedizione 41
69 Il tempo Fattore chiave nei sistemi data warehouse Il tempo appare quasi sempre tra le dimensioni. Il problema nasce se si deve tenere traccia sia del tempo di validità dell evento (valid time) sia del tempo di notifica dell evento che chiameremo (transaction time). Es.: Richiesta di pensionamento (transaction time), inizio pensione (valid time) noto all atto della richiesta. Anno Mese Data Richiesta A riposo Pensione Notifica morte (transaction time), data morte (valid time) notificata. 42
70 Il tempo In genere l evento notificato contiene entrambe le date, ma non sempre: Richiesta di immatricolazione (transaction time), so che c è un potenziale nuovo studente all inizio dell anno accademico (valid time). Data di validazione solo dopo la verifica del pagamento delle tasse che può avvenire molto tempo dopo la presentazione della richiesta, addirittura prima o dopo il valid time. Altro esempio: Richiesta di esame clinico (transaction time), so che c è un potenziale paziente in una certa data (valid time) da esaminare. Data di validazione al pagamento del ticket che può avvenire molto tempo dopo la richiesta. Scopo del data warehouse sia la storicizzazione delle richieste e delle validazioni. 43
71 Fissato anno accademico (a.a.) e corso di studi (ccs), Ogni coppia di date registra il numero di studenti che hanno presentato domanda in Data Richiesta e sono stati convalidata in Data Convalida. I totali sono possibili usi del data ware house. ccs a.a. ISCRIZIONE Num. stud Richiesta Convalida Data Mese Anno Giorno presentazione domanda Validazione L M M G V S L 1 1 M M G V S Tot matricole Totale domante 44
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! Un arco multiplo corrisponde ad un associazione molti-a-molti: il padre (libro) non determina funzionalmente il figlio (autore)
Arco Multiplo! Schema di fatto contenente un arco multiplo: genere autore libro VENDITA numero incasso data mese anno arco multiplo (AM) " Per illustrare il concetto di arco multiplo si parte da uno schema
DettagliBasi di dati attive. Una base di dati è ATTIVA quando consente la definizione e la gestione di regole di produzione (regole attive o trigger).
Basi di dati attive Una base di dati è ATTIVA quando consente la definizione e la gestione di regole di produzione (regole attive o trigger). Tali regole vengono attivate in modo automatico al verificarsi
DettagliLe basi di dati. Definizione 1. Lezione 2. Bisogna garantire. Definizione 2 DBMS. Differenza
Definizione 1 Lezione 2 Le basi di dati Gli archivi di dati Organizzato in modo integrato attraverso tecniche di modellazione di dati Gestiti su memorie di massa Con l obiettivo Efficienza trattamento
DettagliSistemi Informativi Aziendali. Sistemi Informativi Aziendali. Sistemi Informativi Aziendali
DIPARTIMENTO DI INGEGNERIA INFORMATICA AUTOMATICA E GESTIONALE ANTONIO RUBERTI Introduzione al Data Warehousing per b. Progetto di Datawarehouse 1 Progetto di Data Warehouse Definizione di obiettivi e
DettagliDall intuizione alla conoscenza
Dall intuizione alla conoscenza Il valore dei dati nel processo decisionale Maurizio Pighin Università di Udine Facoltà di Economia LiberaMente Srl Spinoff Accademico Università Udine Slide 1 Agenda Alcuni
DettagliIl modello multidimensionale. Per le slides si ringrazia il Prof. Stefano Rizzi (http://www-db.deis.unibo.it/~srizzi/) e il Dott.
Il modello multidimensionale Per le slides si ringrazia il Prof. Stefano Rizzi (http://www-db.deis.unibo.it/~srizzi/) e il Dott. Angelo Sironi Verso il modello multidimensionale Che incassi sono stati
DettagliSISTEMI INFORMATIVI E DATABASE
SISTEMI INFORMATIVI E DATABASE SISTEMA INFORMATIVO AZIENDALE (S.I.) In una realtà aziendale si distingue: DATO elemento di conoscenza privo di qualsiasi elaborazione; insieme di simboli e caratteri. (274,
DettagliCONCETTI E ARCHITETTURA DI UN SISTEMA DI BASI DI DATI
CONCETTI E ARCHITETTURA DI UN SISTEMA DI BASI DI DATI Introduzione alle basi di dati (2) 2 Modelli dei dati, schemi e istanze (1) Nell approccio con basi di dati è fondamentale avere un certo livello di
DettagliBasi di dati I 27 gennaio 2016 Esame Compito A Tempo a disposizione: un ora e quarantacinque minuti. Libri chiusi.
Basi di dati I 27 gennaio 2016 Esame Compito A Tempo a disposizione: un ora e quarantacinque minuti. Libri chiusi. Cognome: Nome: Matricola: Domanda 1 (20%) Lo schema concettuale seguente rappresenta un
DettagliSommario. Introduzione... 13
Sommario Introduzione... 13 1. Database pro e contro... 19 A cosa serve conoscere i database?...19 Le alternative alla gestione manuale...22 Quando non serve un database?...24 Domande ed esercizi...26
DettagliCorso di Basi di Dati
Corso di Basi di Dati Progettazione Logica Home page del corso: http://www.cs.unibo.it/~difelice/dbsi/ Analisi dei requisiti e progettazione in dettaglio Studio/analisi dei requisiti Risultati SCHEMA CONCETTUALE
DettagliCiclo di vita di un sistema informativo
Ciclo di vita di un sistema informativo 1) Studio di fattibilità definire, in maniera per quanto possibile precisa, i costi delle varie alternative possibili stabilire le priorità di realizzazione delle
DettagliInformatica per le Scienze Umane. Introduzione al corso: programma
Informatica per le Scienze Umane Introduzione al corso: programma 1 Obiettivi del corso Fornire le conoscenze e le competenze necessarie alla rappresentazione e al trattamento consapevole delle informazioni
DettagliMetodologie e modelli di progetto
Metodologie e modelli di progetto Ingg. Francesco Gullo, Giovanni Ponti D.E.I.S Università della Calabria fgullo@deis.unical.it gponti@deis.unical.it 1 I Sistemi Informativi Un sistema informativo èun
DettagliProgettazione logica relazionale (1/2) Progettazione logica. Progettazione logica relazionale (2/2) Introduzione. Progettazione logica
Progettazione logica Progettazione logica relazionale (1/2) Introduzione Ristrutturazione dello schema ER Eliminazione delle gerarchie Partizionamento di concetti Eliminazione degli attributi multivalore
DettagliModellazione concettuale
Sistemi Informativi Avanzati Anno Accademico 2015/2016 Prof. Domenico Beneventano Modellazione concettuale Dal Capitolo 5 del libro Data Warehouse - teoria e pratica della Progettazione Autori: Matteo
DettagliData warehousing Mario Guarracino Laboratorio di Sistemi Informativi Aziendali a.a. 2006/2007
Data warehousing Introduzione A partire dalla metà degli anni novanta è risultato chiaro che i database per i DSS e le analisi di business intelligence vanno separati da quelli operazionali. In questa
DettagliInformatica per le Scienze Umane. Introduzione al corso: programma dettagliato
Informatica per le Scienze Umane Introduzione al corso: programma dettagliato 1 Obiettivi del corso Fornire le conoscenze e le competenze necessarie alla rappresentazione e al trattamento consapevole delle
DettagliCap. 3 - Il modello ER
Cap. 3 - Il modello ER Introduzione Introduzione Il modello ER nella progettazione Il modello e la progettazione concettuale Progettazione logica Progetto applicazioni di basi di dati 33 Progetto DB relazionale
DettagliInformatica. Dipartimento di Economia. Ing. Cristiano Gregnanin. 20 ottobre Corso di laurea in Economia
Informatica Dipartimento di Economia Ing. Cristiano Gregnanin Corso di laurea in Economia 20 ottobre 2016 1 / 22 Introduzione ai database Prima dei DBMS, le organizzazioni utilizzavano semplici file per
DettagliUniversità di Bergamo Facoltà di Ingegneria INGEGNERIA DEL SOFTWARE. Paolo Salvaneschi A4_3 V2.1. Progettazione. Metodi e Linguaggi
Università di Bergamo Facoltà di Ingegneria INGEGNERIA DEL SOFTWARE Paolo Salvaneschi A4_3 V2.1 Progettazione Metodi e Linguaggi Il contenuto del documento è liberamente utilizzabile dagli studenti, per
DettagliPag Politecnico di Torino 1
Introduzione Strutture fisiche di accesso Definizione di indici in SQL Progettazione fisica Linguaggio SQL: costrutti avanzati D B M G D B M G2 Organizzazione fisica dei dati All interno di un DBMS relazionale,
DettagliEsercizio con attributo cross-dimensionale - transazionale
Esercizio con attributo cross-dimensionale - transazionale TIPO (,CITTA) DI QTY CITTA (,ANNO) SCONTRINO(NSC, :) (,TIPO) VENDITA IN VENDITA(NSC:SCONTRINO,:, :,QTY,PU) IN PU NSC ANNO SCONTRINO DEL Viene
DettagliProgettare una basi di dati vuole dire progettare la struttura dei dati e le applicazioni
LA PROGETTAZIONE DI BASI DI DATI Progettare una basi di dati vuole dire progettare la struttura dei dati e le applicazioni La progettazione dei dati è l attività più importante Per progettare i dati al
DettagliCatena del valore (studio di caso)
(studio di caso) aprile 2012 1 Sono stati finora studiati individualmente alcuni processi di business può essere però utile anche inquadrare tali processi congiuntamente, in un contesto più ampio in particolare,
DettagliIl modello Entità/Relazioni (ER)
Il modello Entità/Relazioni (ER) Basi di dati 1 Il modello Entità/Relazioni (ER) Angelo Montanari Dipartimento di Matematica e Informatica Università di Udine Il modello Entità/Relazioni (ER) Basi di dati
DettagliBASI DATI INFORMATICA
BASI DATI INFORMATICA 1 Sistema Informativo Un sistema informativo (SI) è un componente di una organizzazione il cui obiettivo è gestire le informazioni utili per gli scopi dell organizzazione stessa GESTIRE
DettagliElena Baralis 2007 Politecnico di Torino 1
Introduzione Sistemi informativi 2 Introduzione Base di dati Modello dei dati Accesso ai dati Vantaggi e svantaggi dei DBMS 4 6 2007 Politecnico di Torino 1 7 8 9 10 Sistema informatico Nei sistemi informatici,
DettagliBasi di Dati Direzionali
Basi di Dati Direzionali Angelo Chianese, Vincenzo Moscato, Antonio Picariello, Lucio Sansone Basi di dati per la gestione dell'informazione 2/ed McGraw-Hill Capitolo 9 Appunti dalle lezioni SQL come DDL
DettagliIl linguaggio SQL. Il linguaggio SQL. Il linguaggio SQL. Il linguaggio SQL. Il linguaggio SQL: fondamenti. Il linguaggio SQL
: fondamenti Linguaggio per gestire le basi di dati relazionali Structured Query Language SQL possiede istruzioni per definire lo schema di una base di dati relazionale leggere e scrivere i dati definire
DettagliI Diagrammi di Flusso OO
Corso di Laurea Specialistica in Ingegneria Informatica Corso di Ingegneria del Software A. A. 2008 - I Diagrammi di Flusso OO Generalità I diagrammi di attività vengono usati per modellare processi a
DettagliData 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
DettagliData 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
DettagliInformatica Industriale Modello funzionale: Informazione Modello Entità-Relazione
DIIGA - Università Politecnica delle Marche A.A. 2006/2007 Informatica Industriale Modello funzionale: Informazione Modello Entità-Relazione Luca Spalazzi spalazzi@diiga.univpm.it www.diiga.univpm.it/~spalazzi/
Dettagli<Nome Tabella>.<attributo>
Informatica Generale (AA 07/08) Corso di laurea in Scienze della Comunicazione Facoltà di Lettere e Filosofia Università degli Studi di Salerno : SQL (2) Tabelle mult., variabili, aggreg, group Prof. Alberto
DettagliBibliografia. INFORMATICA GENERALE Prof. Alberto Postiglione. Scienze della Comunicazione Università di Salerno. Definizione di DB e di DBMS
INFORMATICA GENERALE DBMS: Introduzione alla gestione dei dati Bibliografia 4 ott 2011 Dia 2 Curtin, Foley, Sen, Morin Vecchie edizioni: 8.4, 8.5, 8.6, 8.7, 8.8 Edizione dalla IV in poi: 6.5, 21.1, 19.4,
DettagliProgrammazione con Java
Programmazione con Java Astrazioni e UML Astrazioni Nella vita reale siamo abituati a osservare e descrivere oggetti a vari livelli di dettaglio Dai da mangiare a Fido Porta a passeggio il cane Di quale
DettagliI database. Introduzione alla teoria delle basi di dati
I database Introduzione alla teoria delle basi di dati 1 Cosa sono e a cosa servono i Database Un database (o base di dati) e' una raccolta organizzata di dati correlati. Il principale scopo di un database
DettagliSchema Del DB Operazionale TELEFONATE
Schema Del DB Operazionale TELEFONATE Costruire lo Schema di Fatto per analizzare le chiamate considerando come dimensioni TelefonoDA e TelefonoA, Data e Fascia, intesa come FasciaOraria della chiamata
DettagliBasi 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
DettagliIntroduzione data warehose. Gian Luigi Ferrari Dipartimento di Informatica Università di Pisa. Data Warehouse
Introduzione data warehose Gian Luigi Ferrari Dipartimento di Informatica Università di Pisa Data Warehouse Che cosa e un data warehouse? Quali sono i modelli dei dati per data warehouse Come si progetta
DettagliGrandezze fisiche e loro misura
Grandezze fisiche e loro misura Cos è la fisica? e di che cosa si occupa? - Scienza sperimentale che studia i fenomeni naturali suscettibili di sperimentazione e caratterizzati da entità o grandezze misurabili.
DettagliData 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
DettagliCORSO DI ECONOMIA E AMMINISTRAZIONE AZIENDALE ORGANIZZAZIONE E PERSONALE
CORSO DI ECONOMIA E AMMINISTRAZIONE AZIENDALE ORGANIZZAZIONE E PERSONALE 1 a) L organizzazione: concetti generali b) La struttura organizzativa c) I principali modelli di struttura organizzativa a) La
DettagliAtzeni, Ceri, Paraboschi, Torlone Basi di dati McGraw -Hill, Progettazione logica. Dati di ingresso e uscita
Atzeni, Ceri, Paraboschi, Torlone Basi di dati McGraw -Hill, 1996-2002 Capitolo 8: Progettazione logica 17/10/2002 Progettazione concettuale Requisiti della base di dati Schema concettuale Progettazione
DettagliData 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
DettagliGestione di basi di dati in Access. SUISM Docente: Ugo de Liguoro a.a Asti
Gestione di basi di dati in Access SUISM Docente: Ugo de Liguoro a.a. 2003-2004 Asti Indice 1. Un primo esempio: la rubrica telefonica 2. Progettazione di un DB 3. Popolamento 4. Interrogazioni (Queries)
DettagliAnalisi dei dati. analisi dei dati 1
Analisi dei dati analisi dei dati 1 Il problema... Limitazioni della tecnologia relazionale - Difficoltà d'uso - Rigidità Conseguenze - Uso operativo: buono - Uso strategico: scarso Soluzioni: tecniche,
DettagliCompito Sistemi Informativi LA. Tempo concesso : 90 minuti 27 Marzo 07 Nome: Cognome: Matricola:
Compito Sistemi Informativi LA. Tempo concesso : 90 minuti 27 Marzo 07 Nome: Cognome: Matricola: Esercizio 1 Si considerino le seguenti specifiche relative alla realizzazione del sistema informativo di
DettagliStrategie top-down. Primitive di trasformazione top-down. Primitive di trasformazione top-down
Strategie top-down A partire da uno schema che descrive le specifiche mediante pochi concetti molto astratti, si produce uno schema concettuale mediante raffinamenti successivi che aggiungono via via più
DettagliRequisiti della base di dati. Schema concettuale
Requisiti della base di dati Basi di dati - Modelli e linguaggi di interrogazione- Paolo Atzeni, Stefano Ceri, Stefano Paraboschi, Riccardo Torlone Progettazione concettuale Schema concettuale Progettazione
DettagliBasi di dati D O C E N T E P R O F. A L B E R T O B E L U S S I. Anno accademico 2012/13
Basi di dati D O C E N T E P R O F. A L B E R T O B E L U S S I Anno accademico 2012/13 Informazioni generali sull organizzazione Insegnamento annuale su due semestri Orario I Semestre Lunedì 11.30 13.30
DettagliI modelli logici dei dati
I modelli logici dei dati I modelli logici tradizionali sono tre: gerarchico reticolare relazionale I modelli gerarchio e reticolare sono più vicini alle strutture fisiche di memorizzazione. Quello relazionale
DettagliData 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
DettagliProgettazione di basi di dati
Progettazione di basi di dati Sistemi Informativi L-B Home Page del corso: http://www-db.deis.unibo.it/courses/sil-b/ Versione elettronica: progettazionedb.pdf Sistemi Informativi L-B Progettazione di
DettagliTrigger. Basi di dati attive. Trigger: regole che specificano azioni attivate automaticamente dal DBMS al verificarsi di determinati eventi
Basi di dati attive : regole che specificano azioni attivate automaticamente dal DBMS al verificarsi di determinati eventi Oggi fanno parte dello standard SLQ-99 In passato ogni DBMS li implementava seguendo
DettagliERP. Logistica. Produzione. Acquisti. Vendite. Amministrazione. Archivio 2
Filippo Geraci ERP Logistica Produzione Vendite Acquisti Amministrazione Archivio 2 Funzioni base dei sistemi per il flusso passivo Definire le condizioni commerciali dei prodotti e contrattuali con i
DettagliSistemi 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
DettagliTraduzione dello schema E-R in modello logico relazionale
Traduzione dello schema E-R in modello logico relazionale 1 2 Entità con identificatore esterno - Esempio Risoluzione delle entità con identificatore esterno 3 4 5 Traduzioni dal modello E-R al modello
DettagliArgomenti XML JSON. Linguaggi per la definizione e lo scambio di dati strutturati, semi-strutturati, non strutturati. XML Data Model JSON
XML JSON Argomenti 2 Linguaggi per la definizione e lo scambio di dati strutturati, semi-strutturati, non strutturati XML Data Model JSON 3 XML XML extensible Markup Language 4 Modello di dati XML Nato
DettagliCaratteristiche dei linguaggi per Database
IL LINGUAGGIO Caratteristiche dei linguaggi per Database I linguaggi per basi di dati relazionali possiedono i comandi per: definizione del data base; manipolazione dei dati; associazione tra tabelle diverse;
DettagliStructured. Language. Basi di Dati. Introduzione. DDL: Data Definition Language. Tipi di dato. Query. Modifica dei Dati
Basi di Dati Matteo Longhi Structured Query Language Introduzione Standard creato nel 1976 da IBM Aggiornato (versione 2 nel 1992 (ANSI X3.135 e ISO 9075 Consente di: DDL: definire la struttura del DB
DettagliData Warehousing e Data Mining
Università degli Studi di Firenze Dipartimento di Sistemi e Informatica A.A. 2011-2012 I primi passi Data Warehousing e Data Mining Parte 2 Docente: Alessandro Gori a.gori@unifi.it OLTP vs. OLAP OLTP vs.
DettagliModelli e Metodi per la Simulazione (MMS)
Modelli e Metodi per la Simulazione (MMS) adacher@dia.uniroma3.it Programma La simulazione ad eventi discreti, è una metodologia fondamentale per la valutazione delle prestazioni di sistemi complessi (di
DettagliDatabase. Cos è un database? Intro Tipi di entità Mapping ER/EER à Relazionale
Database Intro Tipi di entità Mapping ER/EER à Relazionale Ing. Lucia Vaira PhD Student @ University of Salento lucia.vaira@unisalento.it Cos è un database? 1 Cos è un database? È una struttura di dati
DettagliINFORMATICA PER LE SCIENZE UMANE a.a. 2015/2016
INFORMATICA PER LE SCIENZE UMANE a.a. 2015/2016 Francesca Levi Dipartimento di Informatica E-mail: francesca.levi@unipi.it levifran@di.unipi.it Francesca Levi Dipartimento di Informatica Informatica per
DettagliGrandezze fisiche e loro misura
Grandezze fisiche e loro misura Cos è la fisica? e di che cosa si occupa? - Scienza sperimentale che studia i fenomeni naturali suscettibili di sperimentazione e caratterizzati da grandezze misurabili.
DettagliProgettazione 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
DettagliModello Entità-Relazione
Modello Entità-Relazione Modelli concettuali, perché? servono per ragionare sulla realtà di interesse, indipendentemente dagli aspetti realizzativi permettono di rappresentare le classi di dati di interesse
DettagliAspetto comune: organizzazione di grandi quantità di dati permanenti da rendere accessibili in modo interattivo o da programmi.
IMPORTANZA DELL'AREA BASI DI DATI (BD) 1 Riguarda applicazioni di grande interesse e diffusione; Area di sintesi di competenze (linguaggi, ingegneria del software, intelligenza artificiale, algoritmi,
DettagliIngegneria del Software
Ingegneria del Software Progettazione OO Agenda Astrazione e classificazione Generalizzazione e Refactoring Riuso Interfacce e classi di utilità Patterns di progettazione GRASP Obiettivi Ottenere dei modelli
DettagliCap. 1-I 1 I sistemi informatici
Libro di testo A. Chianese,V. Moscato, A. Picariello, L. Sansone Basi di dati per la gestione dell informazione McGraw-Hill, 2007 Informazioni sul corso http://www.docenti.unina.it/lucio.sansone Ricevimento
DettagliProgettazione di Basi di Dati
Progettazione di Basi di Dati Prof. Nicoletta D Alpaos & Prof. Andrea Borghesan Entità-Relazione ModelloEntity-Relationship. E-R E il modello concettuale più diffuso Fornisce costrutti per descrivere le
DettagliStrutture dati e loro organizzazione. Gabriella Trucco
Strutture dati e loro organizzazione Gabriella Trucco Introduzione I linguaggi di programmazione di alto livello consentono di far riferimento a posizioni nella memoria principale tramite nomi descrittivi
DettagliAPPUNTI DELLA LEZIONE DI DATABASE DEL 26/10/2016 Studenti: Marco D'Amato, Adriano Luigi Piscopello Professore: Mario Bochicchio
APPUNTI DELLA LEZIONE DI DATABASE DEL 26/10/2016 Studenti: Marco D'Amato, Adriano Luigi Piscopello Professore: Mario Bochicchio INTRODUZIONE L algebra relazionale è l algebra su cui si basa il linguaggio
DettagliESERCIZIO 1 (12 punti) Dato il seguente schema relazionale, che modella le informazioni relative ad un negozio di libri online:
NOME COGNOME MATRICOLA ESERCIZIO 1 (12 punti) Dato il seguente schema relazionale, che modella le informazioni relative ad un negozio di libri online: UTENTI (Codice, Nome, Cognome, Recapito) LIBRI(Titolo,
DettagliArchitettura CPU. Memoria principale (RAM) Dispositivi di ingresso. Dispositivi di uscita. Memoria secondaria (memoria di massa)
Architettura CPU Dispositivi di ingresso Memoria principale (RAM) Dispositivi di uscita Memoria secondaria (memoria di massa) Architettura a tre livelli (ANSI-SPARC 78) Schema Est 1 Schema Est 2... Schema
DettagliInterrogare una base di dati: algebra relazionale e SQL. Savino Castagnozzi Giorgio Macauda Michele Meomartino Salvatore Picerno Massimiliano Sartor
Interrogare una base di dati: algebra relazionale e SQL Savino Castagnozzi Giorgio Macauda Michele Meomartino Salvatore Picerno Massimiliano Sartor Contesto didattico Il seguente materiale didattico è
DettagliI DSS e la gestione dei dati e della conoscenza. Prof. Luca Gnan
I DSS e la gestione dei dati e della conoscenza Prof. Luca Gnan Argomenti I decision support system Tipologie di DSS Logiche di funzionamento Tipologie di analisi La gestione dei dati e della conoscenza
DettagliAnalysis Service. Dutto Riccardo IPSI - tel Dutto Riccardo - SQL Server 2008.
SQL Server Business Intelligence Development Studio Analysis Service Dutto Riccardo riccardo.dutto@polito.it IPSI - tel.7991 http://dbdmg.polito.it/ Il Data warehouse Sorgenti dati operazionali DB relazionali
DettagliBasi di dati Basi di dati per bioinformatica
Basi di dati Basi di dati per bioinformatica DOCENTI PROF. ALBERTO BELUSSI PROF CARLO COMBI Anno accademico 2013/14 Organizzazione degli insegnamenti 3 Basi di dati Basi di dati per Bioinformatica Teoria
DettagliLaboratorio di Basi di Dati progettazione concettuale
Laboratorio di Basi di Dati progettazione concettuale Pierluigi Pierini Technolabs S.p.a. Pierluigi.Pierini@technolabs.it Analisi dei requisiti a partire da modulistica Un modulo contiene soltanto dati
DettagliGrandezze fisiche e loro misura
Grandezze fisiche e loro misura Cos è la fisica? e di che cosa si occupa? - Scienza sperimentale che studia i fenomeni naturali suscettibili di sperimentazione e che implicano grandezze misurabili. - Sono
DettagliBASI DI DATI. Titolo Prof. Cognome Nome Indirizzo Numero Telefono
BASI DI DATI Una base di dati (database) è un insieme organizzato di informazioni caratterizzate da alcuni aspetti fondamentali: tra esse esiste un nesso logico (cioè sono in qualche modo inerenti ad un
DettagliProgettazione 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
DettagliInformatica e CAD (c.i.) - ICA Prof. Pierluigi Plebani A.A. 2011/2012. Basi di dati
Dipartimento di Elettronica ed Informazione Politecnico di Milano Informatica e CAD (c.i.) - ICA Prof. Pierluigi Plebani A.A. 2011/2012 Basi di dati Le presenti slide sono tratte dalle slide del libro
DettagliModello logico dei dati utilizzato nell ambito delle basi di dati, introdotto da Codd nel 1970.
Modello Relazionale Modello logico dei dati utilizzato nell ambito delle basi di dati, introdotto da Codd nel 1970. } modello dei dati insieme di strutture dati e regole logico ) strutture disponibili
DettagliInformatica Industriale
DIIGA - Università Politecnica delle Marche A.A. 2006/2007 Informatica Industriale Modello informatico: Applicativo Progettazione logica Luca Spalazzi spalazzi@diiga.univpm.it www.diiga.univpm.it/~spalazzi/
DettagliIl tuo quartiere sotto la lente di ingrandimento
Il tuo quartiere sotto la lente di ingrandimento American Express in collaborazione con Experian, leader mondiale nell informazione commerciale e nella protezione dei dati di aziende e consumatori, nei
DettagliProgettazione di basi di dati
IL MODELLO E-R Modellazione concettuale e progettazione della Base di Dati 2 Progettazione di basi di dati È una delle attività del processo di sviluppo dei sistemi informativi va quindi inquadrata in
DettagliIl modello Entity-Relationship: elementi avanzati
Il modello Entity-Relationship: elementi avanzati Sistemi Informativi T Versione elettronica: 06.2.ER.avanzato.pdf Identificatori esterni Oltre a poter identificare un entità E mediante uno o più attributi
DettagliAtzeni, Ceri, Paraboschi, Torlone Basi di dati. Progettazione logica. Attenzione
Atzeni, Ceri, Paraboschi, Torlone Basi di dati Capitolo 7: Progettazione logica Attenzione Nel seguito, come gia detto nella descrizione del modello E-R, con la dizione Relationship si intende la relazione
DettagliBasi di dati 19 dicembre 2016 Prova parziale Compito A Tempo a disposizione: un ora e quindici minuti. Libri chiusi.
Basi di dati 19 dicembre 2016 Prova parziale Compito A Tempo a disposizione: un ora e quindici minuti. Libri chiusi. Cognome: : Matricola: Domanda 1 (25%) Considerare i quattro schemi seguenti: (1,N) Rispondere
DettagliModello Entità-Relazione (E-R)
Modello Entità-Relazione (E-R) Modello concettuale di dati. Fornisce una serie di strutture (costrutti) per descrivere un problema in modo chiaro e semplice. I costrutti vengono utilizzati per definire
DettagliIL MODELLO ENTITY RELATIONSHIP. il modello ER 1
IL MODELLO ENTITY RELATIONSHIP il modello ER 1 CONOSCENZA CONCRETA costrutti fondamentali PROPRIETÀ o ATTRIBUTI: fatti che descrivono le caratteristiche delle istanze di entità e le caratteristiche delle
DettagliLa progettazione logica Traduzione dal modello Entità-Associazione al modello relazionale Anno accademico 2008/2009
La progettazione logica Traduzione dal modello Entità-Associazione al modello Anno accademico 2008/2009 Obiettivo: Costruire uno schema logico in grado di descrivere le informazioni contenute nello schema
DettagliMODELLI 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,
DettagliCorso di Laurea Specialistica in Ingegneria Informatica. Corso di Ingegneria del Software A. A Introduzione ad UML E.
Corso di Laurea Specialistica in Ingegneria Informatica Corso di Ingegneria del Software A. A. 2008 - Introduzione ad UML E. TINELLI UML È un linguaggio (e notazione) universale per rappresentare qualunque
DettagliInventario (studio di caso)
(studio di caso) aprile 2012 1 Modelli di inventario Vengono ora studiati i possibili schemi dimensionali che possono essere adottati nel caso di una catena di magazzini di cui si vogliono analizzare i
Dettagli