SISTEMI INFORMATIVI AZIENDALI
|
|
- Claudio Battaglia
- 8 anni fa
- Visualizzazioni
Transcript
1 SISTEMI INFORMATIVI AZIENDALI Prof. Andrea Borghesan venus.unive.it/borg Ricevimento: Alla fine di ogni lezione Modalità esame: scritto 1
2 Data Mining. Introduzione La crescente popolarità dei sistemi di data mining all interno dei sistemi informativi aziendali è giustificata dalla grande disponibilità di enormi quantità di dati generati dai vari processi aziendali informatizzati. Questi dati contengono sicuramente informazioni potenzialmente utili al processo decisionali ma spesso tali informazioni non sono facilmente identificabili (es. complessità delle relazioni). Per evitare che una decisione venga presa solo sulla base dell esperienza o dell intuito dell imprenditore si utilizzano strumenti di data mining al fine di elevare il grado di obiettività e di precisione dell analisi inglobando magari anche aspetti che potrebbero addirittura non valutati 2
3 Cosa sono i sistemi Data Mining. Il data mining è l attività volta a riconoscere automaticamente ed estrarre informazione da base di dati digrandi dimensioni. Il data mining è spesso definito anche come il processo di scoperta della conoscenza da basi di dati (Knowledge Discovery in Databases, KDD). Il processo di scoperta della conoscenza si articola nei seguenti passaggi: Pulizia dei dati, significa eliminare le inconsistenze e correggere gli eventuali errori Integrazione dei dati, integrare fonti diverse in un unico modello 3
4 Selezione dei dati, significa selezionare solo i dati che servono all analisi Trasformazione dei dati, significa riorganizzare o aggregare i dati in base al tipo di elaborazione Data mining, il processo vero e proprio di analisi Valutazione dei pattern, significa che spesso le tecniche di data mining portano alla luce informazioni che possono essere classificate come non rilevanti per l indagine Presentazione della conoscenza, le informazioni devono essere presentate all utente tramite opportune rappresentazioni grafiche (a colpo d occhio l utente deve comprendere la conoscenza che scaturisce dalle informazioni) 4
5 Architetture dei sistemi di data mining Data Warehouse Motore di data mining Base di conoscenza Valutazione delle condizioni Presentazione 5
6 6 Componenti dell archittetura L archichettura della slide precedente, si fonda sui seguenti componenti: DataWarehouse, è la base di dati di analisi Base di conoscenza (Knowledge Base), contiene l insieme di regole e conoscenze date per note che verranno utilizzate per guidare la ricerca e per filtrare i risultati valutando l effettivo interesse dei pattern rilevati Motore di data mining (Data Mining Engine), è composto dall intero insieme di funzioni di analisi dei dati provenienti da discipline diverse come la statistica, l intelligenza artificiale, reti neurali, l analisi dei segnali Sistema di valutazione delle condizioni (Pattern Evaluation), focalizza la ricerca sui pattern (condizioni) interessanti Sistema dipresentazione, è l interfaccia tramite la quale l utente può specificare le tecniche di data mining, formulare nuove ipotesi o semplicemente visualizzare i risultati ottenuti
7 7 Data Mining e Data Warehouse Un sistema di data mining può non essere integrato nel sistema di data warehousing, allora il sistema di data mining deve mantenere una copia propria dei dati informazionali e periodicamente aggiornarla. Oppure integrarsi perfettamente, il sistema data mining viene visto come una componente funzionale del sistema informazionale, il vantaggio sta in una facilità di implementazione delle funzioni di data mining e in prestazioni elevate. Altre 2 caratteristiche sono: Scalabilità, capacità di elaborare le funzioni di analisi con tempi di risposta lineari rispetto alla numerosità dei dati. Requisito non sempre soddisfatto in quanto le informazioni superano una soglia critica il sistema rallenta in modo evidente (soluzione: calcolo parallelo) Interpretabilità, facilità con cui l utente interagisce con l interfaccia del sistema per l attivazione delle funzioni di analisi e rappresentazione dei dati
8 8 Funzioni di mining 1/3 In generale le funzioni di mining possono essere ripartite in 2 macro classi: Il mining descrittivo, descrive le proprietà generali dei dati. Il mining predittivo, che analizzando i dati presenti, determina delle regole e crea modelli per predire il futuro. Tipologie di analisi: Descrizione di classi e concetti Concetto: è una astrazione dei fatti (clienti e vendite) Classe: raggruppamento di elementi aventi stesse caratteristiche Analisi associativa, scopre le regole associative identificando nella massa dei dati i valori di attributi che si presentano insieme con elevata frequenza (importanti nei piani di marketing, campagne prodotti)
9 Funzioni di mining 2/3 Tecniche di classificazione e predizione, utilizzate per costruire modelli a partire dall analisi dei dati di un campione (es. analisi rischio-clienti). Tali modelli permettono di ricondurre ad una classe nota qualsiasi elemento in base alle caratteristiche di suoi attributi. Analisi cluster, i dati vengono raggruppati in classi (cluster) sulla base della similitudine; elementi che appartengono alla stessa classe hanno caratteristiche comuni che li rendono simili. Le regole di similitudine non sono date a priori ma sono determinate dal sistema sulla base dell osservazione dei valori assunti dai dati 9
10 Funzioni di mining 2/3 Analisi degli outlier, gli outlier sono gli elementi che si discostano dal modello generale dei dati, quelli che presentano qualche anomalia rispetto al profilo generale, esempio: La ricerca di frodi (operazioni o importi sospetti) La ricerca di intrusioni non autorizzate nei sistemi elettronici Valutazione efficienza impianti (individuazione macchine con guasti superiori alla media) Analisi evolutiva dei dati, descrive il comportamento nel tempo degli elementi sottoposti ad analisi, sottolineandone regolarità (comportamenti stagionali o ciclici) e tendenze. Analisi utilizzata per predire comportamenti futuri e quindi guidare le decisioni sulle politiche aziendali. 10
11 Processo di mining dei dati Ogni analisi di mining dei dati richiede, da parte dell utente, l indicazione dei parametri elencati di seguito: Insieme dei dati di analisi Tipo di informazioni da ricercare Misure di interesse Base di conoscenza Presentazione dei pattern 11
12 Insieme dei dati di analisi L insieme dei dati di analisi definisce la porzione dei dati da fornire in ingresso alle funzioni di data mining. Esempio, un analisi delle abitudini di acquisto dei propri clienti ha come base i fatti di vendita e non avrebbe alcun senso lanciare l analisi comprendendo fatti di produzione o fatti legati alla logistica. Circoscrivere l insieme dei dati di partenza migliora le prestazioni. È possibile che questa attività sia fatta da un utente che non ha una idea precisa ne consegue che potrebbe vanificare l attività di mining sui dati 12
13 Tipo di informazioni da ricercare L utente può/deve indicare quali informazioni ricercare scegliendo tra le funzioni disponibili quella che si presta meglio al suo obiettivo di conoscenza (descrittivo, di classificazione, predittivo o di analisi delle eccezioni). 13
14 Misure di interesse dei pattern Le analisi di mining possono produrre un insieme assai numeroso di elementi in uscita. È necessario un passaggio di post-processing per focalizzare l attenzione, un pattern interessante si caratterizza per: Novità, si intende informazione nuova, non ancora conosciuta (non duplicata) Semplicità, facilmente comprensibile da chi conduce l analisi Certezza, la regola definita dal pattern deve essere valida anche su dati nuovi o diversi Utilità, la regola identificata deve avere una qualche utilità potenziale per il decisore 14
15 Base di conoscenza Alcuni parametri che potrebbero essere utili per discriminare i pattern significativi dipendono dalla struttura dei dati, dalle regole aziendali e dall esperienza di chi conduce l analisi. Tali parametri devono essere descritti all interno di una base di dati dedicata, la base di conoscenza, sotto forma di regole, di relazioni tra elementi. Per esempio, la base di conoscenza potrebbe descrivere le varie gerarchie (strutturali, di raggruppamento) all interno del sistema. 15
16 Visualizzazione dei pattern La visualizzazione dei risultati ottenuti non è un elemento da sottovalutare, si può considerare come uno dei fattori di successo di qualsiasi sistema di analisi dei dati. Nei sistemi di data mining alcuni tipi di visualizzazione sono particolarmente utili. Esempio, gli alberi di decisione si utilizzano prevalentemente nelle analisi di classificazione, i diagrammi di dispersione nelle analisi di clustering. 16
17 Statistiche elementari e analisi relative Un primo insieme di funzioni di mining dei dati è costituito dagli strumenti che permettono di descrivere in modo sintetico ma preciso le informazioni contenuti nel database. Gli strumenti descrittivi operano tramite: Generalizzazione, attività che permette di ripartire i dati elementari in gruppi caratterizzati da attributi comuni Caratterizzazione, descrive le particolarità Discriminazione, che marca le differenze tra gruppo e gruppo 17
18 18 Caratterizzazione Si utilizzano misure di tendenza al fine di capire come i dati si dispongono attorno ad un determinato valore: Media,media pesata, centro numerico diuninsieme divalori Mediana, valore/modalità che si trova nel mezzo della distribuzione Moda, valore che ha la massima frequenza Oppure misure di dispersione: Varianza, come i dati si distribuiscono attorno al valore medio Confidenza, identifica l intervallo di valori intorno alla media che si distribuiscono come una Gaussiana all interno di una probabilità data (intervallo di confidenza pari al 98%) Percentili, rappresentano, dato un insieme ordinato di misure, il limite al di sotto del quale ricade una certa percentuale dei dati (quartili)
19 Discriminazione Nella discriminazione le caratteristiche di una classe vengono messe a confronto con quelle di classi diverse ma ovviamente paragonabili. 19 Rappresentazione grafica I principali sono: Istogramma difrequenza Plot quantile Scatter plot Uno degli strumenti grafici più efficace per vedere a colpo d occhio se è presente una relazione di qualsiasi genere tra 2 misure descrittive della stessa classe. La coppia di valori è vista come una coppia di coordinate. Si evidenziano blocchi di aggregazione o tendenze o punti isolati
20 20 Analisi associative I meccanismi di associazione permettono di identificare le condizioni che tendenzialmente si verificano contemporaneamente. Nati principalmente per l analisi delle vendite, tracciano le propensioni d acquisto legate alle caratteristiche dei clienti. Le informazioni che scaturiscono permettono di pianificare campagne promozionali efficaci, strutturare i listini o addirittura identificare clienti potenzialmente a rischio di insoluti. In sostanza si cerca di individuare dei pattern che si ripetono in determinate condizioni e che consentono di derivare delle regole di implicazione del tipo A => B (se si verifica A allora è probabile si verifichi anche B). Le condizioni vengono rappresentate nella forma: Attributo(soggetto, valore) Attributo1(soggetto, valore1) AND Attributo2(soggetto, valore2)
21 Significatività delle associazioni 1/2 La significatività di un associazione viene principalmente valutata in base a 2 misure particolari: confidenza e supporto. Confidenza, è una misura della certezza del pattern. Definita come la probabilità condizionata P(A B), cioè la probabilità che un elemento che contenga A contenga anche B. Calcolato come P(A B) = P(A B)/P(B) Supporto, è una misura della frequenza con cui il pattern è stato identificato sulla base di dati. È calcolato come (elementi che soddisfano la regola)/(totale elementi dell insieme dati di analisi) 21
22 Significatività delle associazioni 2/2 Esempio, la regola: Compra(X, divano a 2 posti ) => Compra(X, poltrona ) Ha una misura di confidenza dell 85% e una di supporto del 30%. Come si legge? Significa che tutti coloro che hanno comprato un divano a 2 posti erano all 85% intenzionati a comprare anche una poltrona ma solo nel 30% delle vendite il cliente ha comprato sia un divano a 2 posti che una poltrona Le associazioni forti sono quelle che il supporto è significativo (oltre una certa soglia) e la confidenza è elevata. 22
23 Classificazione Le tecniche di classificazione sono anche definite tecniche di apprendimento assistito: i parametri per la creazione del modello sono infatti forniti dall utente che specifica le classi, i dati per il modello e a che classe appartiene il dato. Nella creazione del modello l utente divide i dati in 2 sottoinsiemi, il training set (per l apprendimento) e il testing set (per la validazione del modello). Le tecniche usate sono molteplici: Alberi di decisione Reti neurali e algoritmi genetici Reti bayesiane 23
24 Alberi di decisione 1/3 Titolo di studio Zona Età Acquista divano Laurea Nord < 40 Sì Laurea Sud No Laurea Nord >50 Sì Diploma Sud < 40 Sì Diploma Nord Sì Laurea Sud No Diploma Nord < 40 Sì Laurea Sud >50 No Laurea Nord >50 Sì Diploma Nord >50 No 24
25 Alberi di decisione 2/3 Data la tabella slide precedente, costruiamo l albero delle decisioni. Prima di iniziare definiamo la struttura: I nodi interni sono attributi del soggetto da classificare Gli archi in uscita da un nodo sono etichettati con i valori che l attributo può assumere I nodi foglia sono le classi La tecnica di costruzione usa raffinamenti successivi: sceglie un attributo come radice, divide gli elementi in sottoinsiemi sulla base dei valori assunti dall attributo e crea gli archi, uno per ogni possibile valore dell attributo, che portano a nuovi nodi. Se tutti gli elementi di un sottoinsieme appartengono alla stessa classe, il nodo corrente è una foglia, altrimenti sceglie un nuovo attributo per etichettare il nodo e riprende la divisione. 25
26 Alberi di decisione 3/3 L albero avrà la seguente forma: Sì <40 Sì Età Titolo di studio No >50 No Zona diploma laurea sud nord diploma Sì Titolo di studio laurea No 26
27 Caratteristiche dei classificatori Accuratezza della previsione Velocità, tempo impiegato sia per costruire il modello sia che per classificare gli elementi Scalabilità Robustezza, capacità del modello di classificare correttamente elementi anche in presenza di dati errati o mancanti Interpretabilità, modello di facile comprensione (vedi l albero delle decisioni) a differenza delle reti neurali o quelle bayesiane 27
Ricerca di outlier. Ricerca di Anomalie/Outlier
Ricerca di outlier Prof. Matteo Golfarelli Alma Mater Studiorum - Università di Bologna Ricerca di Anomalie/Outlier Cosa sono gli outlier? L insieme di dati che sono considerevolmente differenti dalla
DettagliSISTEMI 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
DettagliData mining e rischi aziendali
Data mining e rischi aziendali Antonella Ferrari La piramide delle componenti di un ambiente di Bi Decision maker La decisione migliore Decisioni Ottimizzazione Scelta tra alternative Modelli di apprendimento
DettagliCORSO ACCESS PARTE II. Esistono diversi tipi di aiuto forniti con Access, generalmente accessibili tramite la barra dei menu (?)
Ambiente Access La Guida di Access Esistono diversi tipi di aiuto forniti con Access, generalmente accessibili tramite la barra dei menu (?) Guida in linea Guida rapida Assistente di Office indicazioni
DettagliCOMUNE DI RAVENNA GUIDA ALLA VALUTAZIONE DELLE POSIZIONI (FAMIGLIE, FATTORI, LIVELLI)
COMUNE DI RAVENNA Il sistema di valutazione delle posizioni del personale dirigente GUIDA ALLA VALUTAZIONE DELLE POSIZIONI (FAMIGLIE, FATTORI, LIVELLI) Ravenna, Settembre 2004 SCHEMA DI SINTESI PER LA
Dettagli7.2 Indagine di Customer Satisfaction
7.2 Indagine di Customer Satisfaction Il campione L indagine è stata condotta su un campione a più stadi di 795 clienti TIEMME SpA (errore di campionamento +/ 2%) rappresentativo della popolazione obiettivo,
DettagliIDENTIFICAZIONE DEI BISOGNI DEL CLIENTE
IDENTIFICAZIONE DEI BISOGNI DEL CLIENTE 51 Dichiarazione d intenti (mission statement) La dichiarazione d intenti ha il compito di stabilire degli obiettivi dal punto di vista del mercato, e in parte dal
DettagliVALORE DELLE MERCI SEQUESTRATE
La contraffazione in cifre: NUOVA METODOLOGIA PER LA STIMA DEL VALORE DELLE MERCI SEQUESTRATE Roma, Giugno 2013 Giugno 2013-1 Il valore economico dei sequestri In questo Focus si approfondiscono alcune
DettagliSOLUZIONE Web.Orders online
SOLUZIONE Web.Orders online Gennaio 2005 1 INDICE SOLUZIONE Web.Orders online Introduzione Pag. 3 Obiettivi generali Pag. 4 Modulo di gestione sistema Pag. 5 Modulo di navigazione prodotti Pag. 7 Modulo
DettagliCorso di. Dott.ssa Donatella Cocca
Corso di Statistica medica e applicata Dott.ssa Donatella Cocca 1 a Lezione Cos'è la statistica? Come in tutta la ricerca scientifica sperimentale, anche nelle scienze mediche e biologiche è indispensabile
DettagliPro e contro delle RNA
Pro e contro delle RNA Pro: - flessibilità: le RNA sono approssimatori universali; - aggiornabilità sequenziale: la stima dei pesi della rete può essere aggiornata man mano che arriva nuova informazione;
DettagliDatabase. Si ringrazia Marco Bertini per le slides
Database Si ringrazia Marco Bertini per le slides Obiettivo Concetti base dati e informazioni cos è un database terminologia Modelli organizzativi flat file database relazionali Principi e linee guida
DettagliAnalisi dei requisiti e casi d uso
Analisi dei requisiti e casi d uso Indice 1 Introduzione 2 1.1 Terminologia........................... 2 2 Modello del sistema 4 2.1 Requisiti hardware........................ 4 2.2 Requisiti software.........................
DettagliANALISI DEI QUESTIONARI PER LA RILEVAZIONE DELLE OPINIONI DEGLI STUDENTI SUI SINGOLI INSEGNAMENTI
ANALISI DEI QUESTIONARI PER LA RILEVAZIONE DELLE OPINIONI DEGLI STUDENTI SUI SINGOLI INSEGNAMENTI Anno Accademico 008/009 Rapporto statistico riassuntivo Corso di Laurea in Scienze politiche e delle Relazioni
DettagliAnalisi della performance temporale della rete
Analisi della performance temporale della rete In questo documento viene analizzato l andamento nel tempo della performance della rete di promotori. Alcune indicazioni per la lettura di questo documento:
DettagliUn po di statistica. Christian Ferrari. Laboratorio di Matematica
Un po di statistica Christian Ferrari Laboratorio di Matematica 1 Introduzione La statistica è una parte della matematica applicata che si occupa della raccolta, dell analisi e dell interpretazione di
DettagliLE CARTE DI CONTROLLO (4)
LE CARTE DI CONTROLLO (4) Tipo di carta di controllo Frazione difettosa Carta p Numero di difettosi Carta np Dimensione campione Variabile, solitamente >= 50 costante, solitamente >= 50 Linea centrale
DettagliUno standard per il processo KDD
Uno standard per il processo KDD Il modello CRISP-DM (Cross Industry Standard Process for Data Mining) è un prodotto neutrale definito da un consorzio di numerose società per la standardizzazione del processo
DettagliTi consente di ricevere velocemente tutte le informazioni inviate dal personale, in maniera assolutamente puntuale, controllata ed organizzata.
Sommario A cosa serve InfoWEB?... 3 Quali informazioni posso comunicare o ricevere?... 3 Cosa significa visualizzare le informazioni in maniera differenziata in base al livello dell utente?... 4 Cosa significa
Dettagli7.2 Indagine di Customer Satisfaction
7.2 Indagine di Customer Satisfaction Il campione L indagine è stata condotta su un campione a più stadi di 373 clienti di Tiemme Spa sede operativa di Piombino (errore di campionamento +/- 2%) rappresentativo
DettagliAutomazione Industriale (scheduling+mms) scheduling+mms. adacher@dia.uniroma3.it
Automazione Industriale (scheduling+mms) scheduling+mms adacher@dia.uniroma3.it Introduzione Sistemi e Modelli Lo studio e l analisi di sistemi tramite una rappresentazione astratta o una sua formalizzazione
DettagliCapitolo 2 - Teoria della manutenzione: classificazione ABC e analisi di Pareto
Capitolo 2 - Teoria della manutenzione: classificazione ABC e analisi di Pareto Il presente capitolo continua nell esposizione di alcune basi teoriche della manutenzione. In particolare si tratteranno
DettagliSistemi Informativi e Sistemi ERP
Sistemi Informativi e Sistemi Trasformare i dati in conoscenza per supportare le decisioni CAPODAGLIO E ASSOCIATI 1 I SISTEMI INFORMATIVI LI - E IMPRESA SISTEMA DI OPERAZIONI ECONOMICHE SVOLTE DA UN DATO
DettagliCorso di Laurea Specialistica in Ingegneria Informatica. Corso di Ingegneria del Software A. A. 2008-2009. Class Discovery E.
Corso di Laurea Specialistica in Ingegneria Informatica Corso di Ingegneria del Software A. A. 2008 - Class Discovery E. TINELLI Contenuti Classi di analisi: definizione ed esempi Tecniche per la definizione
DettagliAppendice III. Competenza e definizione della competenza
Appendice III. Competenza e definizione della competenza Competenze degli psicologi Lo scopo complessivo dell esercizio della professione di psicologo è di sviluppare e applicare i principi, le conoscenze,
DettagliIngegneria del Software T
Home Finance 1 Requisiti del cliente 1 Si richiede di realizzare un sistema per la gestione della contabilità familiare. Il sistema consente la classificazione dei movimenti di denaro e la loro memorizzazione.
Dettagli11. Evoluzione del Software
11. Evoluzione del Software Andrea Polini Ingegneria del Software Corso di Laurea in Informatica (Ingegneria del Software) 11. Evoluzione del Software 1 / 21 Evoluzione del Software - generalità Cosa,
DettagliSistemi di misurazione e valutazione delle performance
Sistemi di misurazione e valutazione delle performance 1 SVILUPPO DELL'INTERVENTO Cos è la misurazione e valutazione delle performance e a cosa serve? Efficienza Efficacia Outcome Requisiti minimi Indicatori
DettagliSOFTWARE PER LA RILEVAZIONE DEI TEMPI PER CENTRI DI COSTO
SOFTWARE PER LA RILEVAZIONE DEI TEMPI PER CENTRI DI COSTO Descrizione Nell ambito della rilevazione dei costi, Solari con l ambiente Start propone Time&Cost, una applicazione che contribuisce a fornire
DettagliLogiTrack OTG. LogiTrack Gestione logistica controllo ordine spedizioni. OTG Informatica srl info@otg.it
LogiTrack OTG LogiTrack Gestione logistica controllo ordine spedizioni OTG Informatica srl info@otg.it 1 Sommario Sommario... 1 LOGITRACK Controllo Ordini e Spedizioni... 2 ORDITRACK... 2 Vista Ordini...
DettagliStatistica. Le rappresentazioni grafiche
Statistica Le rappresentazioni grafiche Introduzione Le rappresentazioni grafiche costituiscono uno dei mezzi più efficaci, sia per descrivere in forma visiva i risultati di numerose osservazioni riguardanti
DettagliGESTIONE CONTRATTI. Contratti clienti e contratti fornitori
SPRING - CONTRATTI La Gestione Contratti di SPRING, in un'azienda, risolve le esigenze relative alla rilevazione dei contratti e delle relative condizioni. In particolare è possibile definire i servizi
DettagliANALISI DEI QUESTIONARI PER LA RILEVAZIONE DELLE OPINIONI DEGLI STUDENTI SUI SINGOLI INSEGNAMENTI
ANALISI DEI QUESTIONARI PER LA RILEVAZIONE DELLE OPINIONI DEGLI STUDENTI SUI SINGOLI INSEGNAMENTI Anno Accademico 008/009 Rapporto statistico riassuntivo Scuola di specializzazione per gli insegnanti della
DettagliIntroduzione Ai Data Bases. Prof. Francesco Accarino IIS Altiero Spinelli Via Leopardi 132 Sesto San giovanni
Introduzione Ai Data Bases Prof. Francesco Accarino IIS Altiero Spinelli Via Leopardi 132 Sesto San giovanni I Limiti Degli Archivi E Il Loro Superamento Le tecniche di gestione delle basi di dati nascono
DettagliCap.1 - L impresa come sistema
Cap.1 - L impresa come sistema Indice: L impresa come sistema dinamico L impresa come sistema complesso e gerarchico La progettazione del sistema impresa Modelli organizzativi per la gestione Proprietà
DettagliCiclo di vita dimensionale
aprile 2012 1 Il ciclo di vita dimensionale Business Dimensional Lifecycle, chiamato anche Kimball Lifecycle descrive il framework complessivo che lega le diverse attività dello sviluppo di un sistema
DettagliDFD DISPENSA DEL CORSO DI SISTEMI INFORMATIVI UNIVERSITÀ DEGLI STUDI DI VERONA FACOLTÀ DI MM.FF.NN LAUREA SPECIALISTICA IN INFORMATICA
UNIVERSITÀ DEGLI STUDI DI VERONA FACOLTÀ DI MM.FF.NN LAUREA SPECIALISTICA IN INFORMATICA DISPENSA DEL CORSO DI SISTEMI INFORMATIVI Prof. Carlo Combi DFD Appunti a cura di E. Peri M. Devincenzi Indice 1
Dettagli03. Il Modello Gestionale per Processi
03. Il Modello Gestionale per Processi Gli aspetti strutturali (vale a dire l organigramma e la descrizione delle funzioni, ruoli e responsabilità) da soli non bastano per gestire la performance; l organigramma
DettagliIndice. pagina 2 di 10
LEZIONE PROGETTAZIONE ORGANIZZATIVA DOTT.SSA ROSAMARIA D AMORE Indice PROGETTAZIONE ORGANIZZATIVA---------------------------------------------------------------------------------------- 3 LA STRUTTURA
DettagliSoluzione di equazioni quadratiche
Soluzione di equazioni quadratiche Soluzione sulla Retta Algebrica Inseriamo sulla Retta Algebrica le seguenti espressioni polinomiali x e x 3 e cerchiamo di individuare i valori di x per i quali i punti
DettagliAnalisi di Mercato. Facoltà di Economia. Analisi sui consumi. Metodo delle inchieste familiari. Metodo delle disponibilità globali
Obiettivi delle aziende Analisi di Mercato Facoltà di Economia francesco mola Analisi sui consumi Conoscere i bisogni e i gusti dei consumatori Valutare la soddisfazione della clientela Lanciare nuovi
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
DettagliOlga Scotti. Basi di Informatica. Excel
Basi di Informatica Excel Tabelle pivot Le tabelle pivot sono strumenti analitici e di reporting per creare tabelle riassuntive, riorganizzare dati tramite trascinamento, filtrare e raggruppare i dati,
DettagliProgetto ASTREA WP2: Sistema informativo per il monitoraggio del sistema giudiziario
Progetto ASTREA WP2: Sistema informativo per il monitoraggio del sistema giudiziario Nell ambito di questa attività è in fase di realizzazione un applicativo che metterà a disposizione dei policy makers,
DettagliSommario. Definizione di informatica. Definizione di un calcolatore come esecutore. Gli algoritmi.
Algoritmi 1 Sommario Definizione di informatica. Definizione di un calcolatore come esecutore. Gli algoritmi. 2 Informatica Nome Informatica=informazione+automatica. Definizione Scienza che si occupa dell
DettagliData mining. Vincenzo D Elia. vincenzo.delia@polito.it. DBDMG - Politecnico di Torino
Data mining Vincenzo D Elia vincenzo.delia@polito.it DBDMG - Politecnico di Torino vincenzo.delia@polito.it Archivi Multimediali e Data Mining - p. 1 Rapid Miner vincenzo.delia@polito.it Archivi Multimediali
DettagliMetodologia di monitoraggio Impianti fotovoltaici
Metodologia di monitoraggio Impianti fotovoltaici Per effettuare il monitoraggio degli impianti fotovoltaici è stato scelto il metodo di acquisizione dati proposto dal Dott. Ing. F. Spertino, Dott. Ing.
DettagliUniversità degli Studi di Ferrara - A.A. 2014/15 Dott. Valerio Muzzioli ORDINAMENTO DEI DATI
ORDINAMENTO DEI DATI Quando si ordina un elenco (ovvero una serie di righe contenenti dati correlati), le righe sono ridisposte in base al contenuto di una colonna specificata. Distinguiamo due tipi di
DettagliGli attributi di STUDENTE saranno: Matricola (chiave primaria), Cognome, Nome.
Prof. Francesco Accarino Raccolta di esercizi modello ER Esercizio 1 Un università vuole raccogliere ed organizzare in un database le informazioni sui propri studenti in relazione ai corsi che essi frequentano
DettagliMODULO 5 Appunti ACCESS - Basi di dati
MODULO 5 Appunti ACCESS - Basi di dati Lezione 1 www.mondopcnet.com Modulo 5 basi di dati Richiede che il candidato dimostri di possedere la conoscenza relativa ad alcuni concetti fondamentali sui database.
DettagliMODELLO RELAZIONALE. Introduzione
MODELLO RELAZIONALE Introduzione E' stato proposto agli inizi degli anni 70 da Codd finalizzato alla realizzazione dell indipendenza dei dati, unisce concetti derivati dalla teoria degli insiemi (relazioni)
DettagliAnalisi sensitività. Strumenti per il supporto alle decisioni nel processo di Valutazione d azienda
Analisi sensitività. Strumenti per il supporto alle decisioni nel processo di Valutazione d azienda Premessa Con l analisi di sensitività il perito valutatore elabora un range di valori invece di un dato
DettagliB+Trees. Introduzione
B+Trees Introduzione B+Trees Il B+Trees e la variante maggiormente utilizzata dei BTrees BTrees e B+trees fanno parte della famiglia degli alberi di ricerca. Nel B+Trees i dati sono memorizzati solo nelle
DettagliBusiness Intelligence Revorg. Roadmap. Revorg Business Intelligence. trasforma i dati operativi quotidiani in informazioni strategiche.
soluzioni di business intelligence Revorg Business Intelligence Utilizza al meglio i dati aziendali per le tue decisioni di business Business Intelligence Revorg Roadmap Definizione degli obiettivi di
DettagliMETODOLOGIA STATISTICA E CLASSIFICAZIONE DEI DATI
METODOLOGIA STATISTICA E CLASSIFICAZIONE DEI DATI 1.1 La Statistica La Statistica è la scienza che raccoglie, elabora ed interpreta i dati (informazioni) relativi ad un dato fenomeno oggetto di osservazione.
DettagliVERIFICA DELLE IPOTESI
VERIFICA DELLE IPOTESI Nella verifica delle ipotesi è necessario fissare alcune fasi prima di iniziare ad analizzare i dati. a) Si deve stabilire quale deve essere l'ipotesi nulla (H0) e quale l'ipotesi
DettagliSistemi di supporto alle decisioni
Sistemi di supporto alle decisioni Introduzione I sistemi di supporto alle decisioni, DSS (decision support system), sono strumenti informatici che utilizzano dati e modelli matematici a supporto del decision
DettagliLibrerie digitali. Video. Gestione di video. Caratteristiche dei video. Video. Metadati associati ai video. Metadati associati ai video
Video Librerie digitali Gestione di video Ogni filmato è composto da più parti Video Audio Gestito come visto in precedenza Trascrizione del testo, identificazione di informazioni di interesse Testo Utile
DettagliDispensa di database Access
Dispensa di database Access Indice: Database come tabelle; fogli di lavoro e tabelle...2 Database con più tabelle; relazioni tra tabelle...2 Motore di database, complessità di un database; concetto di
DettagliDominio applicativo. Analisi e ricognizione delle fonti dati
Dominio applicativo La Società chiamata StraSport, si occupa di vendite all ingrosso di articoli sportivi. Ha agenzie distribuite sul territorio italiano che gestiscono le vendite, ognuna di esse gestisce
DettagliIntroduzione all analisi dei segnali digitali.
Introduzione all analisi dei segnali digitali. Lezioni per il corso di Laboratorio di Fisica IV Isidoro Ferrante A.A. 2001/2002 1 Segnali analogici Si dice segnale la variazione di una qualsiasi grandezza
DettagliNota interpretativa. La definizione delle imprese di dimensione minori ai fini dell applicazione dei principi di revisione internazionali
Nota interpretativa La definizione delle imprese di dimensione minori ai fini dell applicazione dei principi di revisione internazionali Febbraio 2012 1 Mandato 2008-2012 Area di delega Consigliere Delegato
DettagliDATA BASE SCONTRINI. M46 GDS documentazione Verticale R0
DATA BASE SCONTRINI Introduzione 2. Soluzione proposta 3. Ambiente di configurazione 4. Programma di acquisizione file scontrini 5. Programma di visualizzazione scontrini 6. Programma di visualizzazione
DettagliAGENDA DIGITALE: COSA I COMUNI SI ATTENDONO DALLA SUA ATTUAZIONE E COME I COMUNI POSSONO CONTRIBUIRE ALLA SUA ATTUAZIONE
AGENDA DIGITALE: COSA I COMUNI SI ATTENDONO DALLA SUA ATTUAZIONE E COME I COMUNI POSSONO CONTRIBUIRE ALLA SUA ATTUAZIONE Milano, 19 dicembre 2012 1 Premessa L agenda digitale italiana, con le prime misure
DettagliStefania Marrara - Esercitazioni di Tecnologie dei Sistemi Informativi. Integrazione di dati di sorgenti diverse
Politecnico di Milano View integration 1 Integrazione di dati di sorgenti diverse Al giorno d oggi d la mole di informazioni che viene gestita in molti contesti applicativi è enorme. In alcuni casi le
DettagliManuale della qualità. Procedure. Istruzioni operative
Unione Industriale 19 di 94 4.2 SISTEMA QUALITÀ 4.2.1 Generalità Un Sistema qualità è costituito dalla struttura organizzata, dalle responsabilità definite, dalle procedure, dai procedimenti di lavoro
DettagliFasi di creazione di un programma
Fasi di creazione di un programma 1. Studio Preliminare 2. Analisi del Sistema 6. Manutenzione e Test 3. Progettazione 5. Implementazione 4. Sviluppo 41 Sviluppo di programmi Per la costruzione di un programma
DettagliStrumenti di indagine per la valutazione psicologica
Strumenti di indagine per la valutazione psicologica 2.2 Mettere a punto un test psicologico Davide Massidda davide.massidda@gmail.com Da dove partire C'è davvero bisogno di un nuovo strumento di misura?
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliExcel avanzato. I nomi. Gli indirizzi e le formule possono essere sostituiti da nomi. Si creano tramite Inserisci Nome Definisci
Excel avanzato I nomi marco.falda@unipd.it Gli indirizzi e le formule possono essere sostituiti da nomi documentazione astrazione Si creano tramite Inserisci Nome Definisci Vengono raccolti nell area riferimento
DettagliLezione 4. Controllo di gestione. Il controllo direzionale
Lezione 4 Il controllo direzionale Sistema di pianificazione e controllo PIANIFICAZIONE STRATEGICA PIANO 1 2 OBIETTIVI OBIETTIVI ATTIVITA 3 DI LUNGO PERIODO DI BREVE PERIODO OPERATIVA 5 BUDGET FEED-BACK
DettagliAprire WEKA Explorer Caricare il file circletrain.arff Selezionare random split al 66% come modalità di test Selezionare J48 come classificatore e
Alberi di decisione Aprire WEKA Explorer Caricare il file circletrain.arff Selezionare random split al 66% come modalità di test Selezionare J48 come classificatore e lanciarlo con i parametri di default.
DettagliTRAGUARDI PER LO SVILUPPO DELLE COMPETENZE AL TERMINE DELLA SCUOLA PRIMARIA
SCUOLA PRIMARIA DI CORTE FRANCA MATEMATICA CLASSE QUINTA TRAGUARDI PER LO SVILUPPO DELLE COMPETENZE AL TERMINE DELLA SCUOLA PRIMARIA L ALUNNO SVILUPPA UN ATTEGGIAMENTO POSITIVO RISPETTO ALLA MATEMATICA,
DettagliPiano di gestione della qualità
Piano di gestione della qualità Pianificazione della qualità Politica ed obiettivi della qualità Riferimento ad un eventuale modello di qualità adottato Controllo della qualità Procedure di controllo.
DettagliRaccomandazione del Parlamento europeo 18/12/2006 CLASSE PRIMA COMPETENZE ABILITÀ CONOSCENZE. Operare con i numeri
COMPETENZA CHIAVE MATEMATICA Fonte di legittimazione Raccomandazione del Parlamento europeo 18/12/2006 CLASSE PRIMA COMPETENZE ABILITÀ CONOSCENZE L alunno utilizza il calcolo scritto e mentale con i numeri
DettagliUso di base delle funzioni in Microsoft Excel
Uso di base delle funzioni in Microsoft Excel Le funzioni Una funzione è un operatore che applicato a uno o più argomenti (valori, siano essi numeri con virgola, numeri interi, stringhe di caratteri) restituisce
DettagliSCUOLA PRIMARIA Anno Scolastico 2014/2015 CURRICOLO DI TECNOLOGIA OBIETTIVI DI APPRENDIMENTO AL TERMINE DELLA CLASSE TERZA DELLA SCUOLA PRIMARIA
Ministero dell Istruzione, dell Università e della Ricerca Istituto Comprensivo Statale di Calolziocorte Via F. Nullo,6 23801 CALOLZIOCORTE (LC) e.mail: lcic823002@istruzione.it - Tel: 0341/642405/630636
DettagliISTITUTO COMPRENSIVO MONTEGROTTO TERME SCUOLA PRIMARIA DISCIPLINA: MATEMATICA - CLASSE PRIMA OBIETTIVI DI APPRENDIMENTO
PRIMA DELLA DISCIPLINA: MATEMATICA - CLASSE PRIMA L alunno si muove con sicurezza nel calcolo scritto e mentale con i numeri naturali. Legge e comprende testi che coinvolgono aspetti logici e matematici.
DettagliS-TRAINER v.1.00 Esempio d uso
S-TRAINER v.1.00 Esempio d uso S-TRAINER v.1.00, ovvero il software per la pianificazione e la gestione dell allenamento sportivo. Andiamo a scoprire le potenzialità di questo nuovo software ideato da
DettagliSistemi di Gestione dei Dati e dei Processi Aziendali. Computer-Assisted Audit Technique (CAAT)
Sistemi di Gestione dei Dati e dei Processi Aziendali Computer-Assisted Audit Technique (CAAT) Indice degli argomenti Introduzione Metodologia Esempi Conclusioni Slide 2 Introduzione Metodologia Esempi
DettagliScopo della lezione. Informatica. Informatica - def. 1. Informatica
Scopo della lezione Informatica per le lauree triennali LEZIONE 1 - Che cos è l informatica Introdurre i concetti base della materia Definire le differenze tra hardware e software Individuare le applicazioni
Dettagli12. Evoluzione del Software
12. Evoluzione del Software Andrea Polini Ingegneria del Software Corso di Laurea in Informatica (Ingegneria del Software) 12. Evoluzione del Software 1 / 21 Evoluzione del Software - generalità Cosa,
DettagliIL RISCHIO D IMPRESA ED IL RISCHIO FINANZIARIO. LA RELAZIONE RISCHIO-RENDIMENTO ED IL COSTO DEL CAPITALE.
IL RISCHIO D IMPRESA ED IL RISCHIO FINANZIARIO. LA RELAZIONE RISCHIO-RENDIMENTO ED IL COSTO DEL CAPITALE. Lezione 5 Castellanza, 17 Ottobre 2007 2 Summary Il costo del capitale La relazione rischio/rendimento
DettagliArchivi e database. Prof. Michele Batocchi A.S. 2013/2014
Archivi e database Prof. Michele Batocchi A.S. 2013/2014 Introduzione L esigenza di archiviare (conservare documenti, immagini, ricordi, ecc.) è un attività senza tempo che è insita nell animo umano Primi
Dettagliuadro Soluzioni software per L archiviazione elettronica dei documenti Gestione Aziendale Fa quadrato attorno alla tua azienda
Fa quadrato attorno alla tua azienda Soluzioni software per L archiviazione elettronica dei documenti Perché scegliere Q Archiviazione Elettronica dei Documenti? Tale applicativo si pone come obbiettivo
DettagliGestione del workflow
Gestione del workflow Stefania Marrara Corso di Tecnologie dei Sistemi Informativi 2004/2005 Progettazione di un Sistema Informativo Analisi dei processi Per progettare un sistema informativo è necessario
DettagliConcetti di base di ingegneria del software
Concetti di base di ingegneria del software [Dalle dispense del corso «Ingegneria del software» del prof. A. Furfaro (UNICAL)] Principali qualità del software Correttezza Affidabilità Robustezza Efficienza
DettagliOSSERVAZIONI TEORICHE Lezione n. 4
OSSERVAZIONI TEORICHE Lezione n. 4 Finalità: Sistematizzare concetti e definizioni. Verificare l apprendimento. Metodo: Lettura delle OSSERVAZIONI e risoluzione della scheda di verifica delle conoscenze
DettagliAnalisi e diagramma di Pareto
Analisi e diagramma di Pareto L'analisi di Pareto è una metodologia statistica utilizzata per individuare i problemi più rilevanti nella situazione in esame e quindi le priorità di intervento. L'obiettivo
DettagliPer 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
DettagliIl software impiegato su un computer si distingue in: Sistema Operativo Compilatori per produrre programmi
Il Software Il software impiegato su un computer si distingue in: Software di sistema Sistema Operativo Compilatori per produrre programmi Software applicativo Elaborazione testi Fogli elettronici Basi
Dettaglidella manutenzione, includa i requisiti relativi ai sottosistemi strutturali all interno del loro contesto operativo.
L 320/8 Gazzetta ufficiale dell Unione europea IT 17.11.2012 REGOLAMENTO (UE) N. 1078/2012 DELLA COMMISSIONE del 16 novembre 2012 relativo a un metodo di sicurezza comune per il monitoraggio che devono
DettagliGHPPEditor è un software realizzato per produrre in modo rapido e guidato un part program per controlli numerici Heidenhain.
*+33(GLWRU GHPPEditor è un software realizzato per produrre in modo rapido e guidato un part program per controlli numerici Heidenhain. Il programma si basa su un architettura di tasti funzionali presenti
DettagliTecniche di riconoscimento statistico
On AIR s.r.l. Tecniche di riconoscimento statistico Applicazioni alla lettura automatica di testi (OCR) Parte 4 Reti neurali per la classificazione Ennio Ottaviani On AIR srl ennio.ottaviani@onairweb.com
DettagliLight CRM. Documento Tecnico. Descrizione delle funzionalità del servizio
Documento Tecnico Light CRM Descrizione delle funzionalità del servizio Prosa S.r.l. - www.prosa.com Versione documento: 1, del 11 Luglio 2006. Redatto da: Michela Michielan, michielan@prosa.com Revisionato
DettagliGestione Turni. Introduzione
Gestione Turni Introduzione La gestione dei turni di lavoro si rende necessaria quando, per garantire la continuità del servizio di una determinata struttura, è necessario che tutto il personale afferente
DettagliPIANO BIENNALE PER I DIRITTI DELLE PERSONE CON DISABILITÀ
PIANO BIENNALE PER I DIRITTI DELLE PERSONE CON DISABILITÀ 15 novembre 2014 Daniela Sangiovanni Comunicazione e Ufficio stampa Policlinico S,Orsola ACCESSIBILITÀ Gli Stati dovrebbero riconoscere l importanza
DettagliProject Cycle Management
Project Cycle Management Tre momenti centrali della fase di analisi: analisi dei problemi, analisi degli obiettivi e identificazione degli ambiti di intervento Il presente materiale didattico costituisce
DettagliMANUALE DELLA QUALITÀ Pag. 1 di 6
MANUALE DELLA QUALITÀ Pag. 1 di 6 INDICE GESTIONE DELLE RISORSE Messa a disposizione delle risorse Competenza, consapevolezza, addestramento Infrastrutture Ambiente di lavoro MANUALE DELLA QUALITÀ Pag.
DettagliStima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una
Dettagli