Convergenza. Schema di fatto
|
|
- Franco Valsecchi
- 8 anni fa
- Visualizzazioni
Transcript
1 Convergenza Quando due attributi dimensionali possono essere connessi da due o più cammini direzionali distinti pur mantenendo le dipendenze funzionali di tutte le direzioni. 451 Schema di fatto 452 1
2 Rappresentazione delle convergenze nello schema di fatto Sullo schema di fatto le convergenze sono denotate da due o più archi, in genere appartenenti alla stessa gerarchia che terminano nello stesso attributo dimensionale. In presenza di una convergenza le direzioni degli archi non possono essere più univocamente determinate dalla struttura dell albero. Vengono pertanto disegnate frecce sugli archi convergenti 453 Nel diagramma e/r la convergenza è rappresentatoa dal ciclo ridondante di associazioni tra le entità NEGOZIO, CITTA STATO e DISTRETTO DI VENDITA Convergenza 454 2
3 Convergenza ridondante Una gerarchia in cui uno dei percorsi alternativi non comprende attributi intermedi non ha ragione di esistere. La convergenza è del tutto ovvia in virtù della transitività delle dipendenze funzionali. 455 Archi multipli Quando l associazione tra padre e figlio di unastessa gerarchia non è solo di tipo unoamolti occorre specificare la cardinalità dellarelazione con la notazione del doppio trattino. Un libro può essere scritto da uno o più autori e un autore può scrivere più libri
4 Archi opzionali Quando una associazione tra padre e figlio è definita solo per alcuni sottoinsiemi di eventi si dice opzionale. (Es. Taglia è un attributo valido solo per prodotti di tipo abbigliamento). L opzionalità può esistere verso un attributo o verso un intera dimensione (Es. la dimensione promozione può essere nulla in corrispondenza di alcune combinazioni di prodotto, negozio, città). 457 Dinamicità dei valori degli attributi Spesso accade che il valore di un attributo in una dimensione cambi (Es. cambia una categoria di prodotti). Questi cambiamenti incidono direttamente sulle interrogazioni che l utente può effettuare. (Es. nel dominio della fornitura, in data 1/1/2002 cambia il responsabile degli acquisti e un vecchio fornitore cambia nome). Questa situazione porta all individuazione di quattro scenari: 458 4
5 Dinamicità dei valori degli attributi Oggi per ieri: tutti gli eventi vengono riportati all attuale configurazione (tutti gli acquisti anche quelli precedenti al2002 vengono attribuite al nuovo responsabile e al nuovo fornitore). Ieri per oggi: tutti gli eventi vengono riportati alla configurazione precedente (tutti gli acquisti vengono attribuiti al vecchio responsabile e al vecchio fornitore). Oggi o ieri: ciascun evento viene riportato alla configurazione assunta dalla gerarchia nell istante di tempo in cui si è verificata (gli acquisti prima del 2002 vengono attribuite al vecchio responsabile e al vecchio fornitore, mentre quelle avvenute dal 2002 in poi vengono attribuite al nuovo responsabile e al nuovo fornitore). Oggi e ieri: vengono considerati solo gli eventi riferiti alla parte di gerarchia rimasta immutata (non vengono considerati gli acquisti del nuovo responsabile e del nuovo fornitore). 459 Misure In un ambiente di Data Warehousing è possibile individuare tre tipi di misure: 1. Misure di f lusso. Si riferiscono ad un periodo, al c ui termine vengono valutate in modo c umulativo (N um. P rodotti venduti in un giorno, l incasso mensile, ilnumero di pazienti in un anno). 2.Misure di livello. Vengono valutate in particolari istanti di tempo, rappresentano istantanee di specifici aspetti del dominio applicativo (numero di prodotti in magazzino, numero di degenti ricoverati in un dato giorno). 3.Mi sure unit arie. V engono valutate in particolari istanti di tempo, ma sono espresse in termini relativi (prezzo unitario di un prodotto, percentuale di sconto)
6 Operatori di aggregazione 461 Additività semi-additività non aggregabilità L aggregazione richiede di definire degli operatori capaci di comporre i risultati delle misure quando si aggregano gli a ttributi dimensiona li (Es. le ve ndite de l mese riporta la somma delle vendite di ogni giorno). Non tutte le misure sono additive! Una misura è detta additiva su una dimensione quando i sui valori possono essere aggregati lungo la corrispondente gerarchia tramite l operatore di somma, altrimenti è detta non-additiva. Una m isura non-additiva è non-aggregabile se nessun operatore di aggregazione può essere usato su di essa
7 Additività e notazione grafica Vengono esplicitate solo le eccez ioni, la misura viene collegata alla dimensione su cui non è additiva tramite una linea tratteggiata etichettata con gli eventuali operatori. 463 Esempio 464 7
8 Problema Come costruire un DFM a partire dagli schemi delle sorgenti operazionali e dai requisiti utente 465 Fasi della progettazione concettuale 1. Definizione dei fatti 2. Per ciascun fatto 1. Costruzione dell albero degli attributi 2. Potatura e innesto dell albero degli attributi 3. Definizione delle dimensioni 4. Definiz ione delle misure 5. Creazione dello schema di fatto (DFM) 466 8
9 Definizione dei fatti La definizione dei fatti può essere svolta attraverso diverse strade: Da schemi concettuali E/R Da schemi logici E/R Da schemi XML 467 Progettazione da schemi concettuali E/R 468 9
10 1 Definizione dei fatti 469 Scelta dei fatti La scelta dei fatti dipende in massima parte dal dominio applicativo e dai requisiti utente (analisi che l utente vuole poter eseguire). Ciascun fatto individuato nello schema sorgente diventa radice di un differente schema di fatto
11 Algoritmo di costruzione albero Dato uno schema concettuale E/R sorgente è possibile automatizzare una procedura capace di navigare ricorsivamente le dipendenze funzionali costruendo l albe ro de gli attributi corrispondenti. Per ogni entità si crea la radice costituita dall identificatore dell entità e che sarà collegata con il fatto F. A questa gli si aggiunge un vertice figlio per ogni suo attributo. Per ogni associazione R che esce da E con cardinalità massima 1 e diretta verso un altra entità G, si aggiungono a v tanti figli quanti sono gli attributi di R. Poi si ripete il procedimento per G e cosi via fino a esaminare tutte le entità dello schema concettuale E/R. 471 Pseudo-codifica algoritmo di costruzione albero
12 Schema concettuale E/R 473 Albero degli attributi Albero degli attributi per lo schema delle vendite. La radice 474 È in grigio 12
13 Flusso operativo della procedura traduci per l esempio vendite 475 Casi particolari Entità padre-figlio (selfreferencing) Associazioni n-arie Associazioni cicliche Gerarchie
14 Esempio Esempio
15 Esempio Esempio
16 Potatura e innesto Significa manipolare l albero per modifica rne la struttura e la granularità. La potatura di un ve rtice v si e ffe ttua e lim ina ndo l inte ro so ttoa lbe ro con radice in v. L innesto del vertice v, con padre v1 viene effettuato collegando tutti i figli di v direttamente a v1 ed eliminando v. 481 Osservazioni Quando un vertice opzionale viene innestato, tutti i suoi figli ereditano il trattino di opzionalità. Potare o innestare un figlio della radice significa rendere più grossolana la granularità de l fatto. Se viene innestato un vertice con più figli si ha po te nzialmente un aumento de l numero de lle dimensioni
17 Esempio 483 Esempio
18 Ultimi accomodamenti A volte può essere necessario ulteriori manipolazioni dell albero degli attributi. In particolare puòessere necessario modificare la struttura dell albero sostituendo il padre di un certo nodo modificando una dipendenza funzionale tra gli attributi. 485 Definizione delle dimensioni Le dimensioni determinano in che modo gli eventi potranno essere aggregati significativamente per il processo decisionale. Devono essere scelte nell albero degli attributi tra i vert ici figli della radice (possono corrispondere ad attributi discreti o a intervalli discreti o continui). Definiscono la granularità degli event i primari
19 Esempio
20 Grana transazionale o temporale Quando la granularità degli eventi dello schema di fatto coincide con quella degli schemi logici si dice che il DW è a grana transazionale al contrario quando la granularità degli schemi di fatto sono l aggregazioni di due o più transazioni dello schema sorgente si dice a grana temporale. 489 Tempo come dimensione chiave Il tempo è una dimensio ne chia ve pe r il DW ed è quasi sempre presente, tuttavia c è una profonda differenza su come questa viene intesa. Ciò dipende dagli schemi sorgenti e da come si è scelto di impostare il campo d indagine. Se il risultato finale deve essere un analisi nel tempo dei fatti accaduti il DW sarà detto storico a l contra rio se si de ve studia re lo sta to a ttua le di un contesto viene detto snapshot. Nel primo caso i dati cadenzalmente aggiunti a quelli presenti tenendo traccia delle modificazioni avvenute, nel secondo caso le versioni dei dati vengono continuamente sostituiti ad ogni aggiornamento
21 Definizione delle misure 491 Generazione dello schema di fatto (1)
22 Esempio 493 Esempio
23
24 Attributi cross-dimensionali e opzionali 497 Generazione dello schema di fatto (2) Identificazione delle additività semiadditività e non aggregazione delle misure presenti nello schema, considerando tutte le coppie dimensione-misura
25 Progettazione da schemi logici relazionali Partendo da schemi logici la progettazione concettuale non cambia. Viene ridefinito l algoritmo di creazione dell albero degli attributi che si baserà sullo schema relazionale della base dati operazionale. Il processo risulta più complesso in quanto gli schemi logici hanno meno potere descrittivo di uno schema concettuale (spesso però è l unico documento a disposizione del progettista). 499 Fasi della progettazione di un DW Analisi e riconciliazione delle fonti dati II. Analisi dei requisiti III. Progettazione concettuale IV. Raffinamento del carico di lavoro, validazione dello schema concettuale V. Progettazione logica VI. Progettazione dell alimentazione VII. Progettazione fisica
26 Modellazione logica Le strutture dimensionali possono essere rappresentate utilizzando due distinti modelli logici: Relazionale ROLAP (Relational On- Line Analytical Processing); Multidimensionale MOLAP(Multidimensional On-Line Analytical Processing); 501 Lo schema a stella La modellazione multidimensionale è basata sul cosiddetto schema a stella e sulle sue varianti. Definizione: uno schema a stella è composto: Un insieme di relazioni DT1,DTn, chiamate dimension table che corris pondono alle dimensioni. O gni DTi è caratterizzata da una chiave primaria di e da un insieme di attributi che descrivono le dimensioni di analisi a diversi livelli di aggregazione. Una relazione FT, chiamata fact table, c he importa le c hiavi primarie di tutte le dimension table. La chiave primaria di FT è data dalla combinazione delle chiavi esterne alle dimensioni o da una chiave propria ( chiave surrogata.. Kimball)
27 Osservazioni L aspetto più rilevante di questa soluzione è la forte denormalizzazione limitata alle dimension table. Per limitare questo fenomeno si può utilizzare lo schema a fiocco di neve (snowflake schema). Si ottiene eliminando progressivamente alcune delle dipendenze funzionali transitive presenti nelle dimension table 503 Viste È possibile aumentare le prestazioni del sistema pre-aggregando i dati di maggior interesse e/o di uso comune in strutture dette viste. Le viste primarie definite da pattern primari contengono dati dettagliati mentre le viste secondarie contengono dati aggregati. Per richiedere dati aggregati (vendite del mese) è molto più efficiente interrogare una vista secondaria precalcolata!
28 Attenzione Scenari temporali
29 507 Scenario
30
31 Terza soluzione È la più sofisticata, ma da supporto a tutti gli scenari temporali visiti. La sua realizzazione richiede la storicizzazione completa della gerarchia e non può essere basata sul classico schema a stella. Occorre aggiungere alle dimensioni tre attributi (campi): una coppia di timestamp che indichino l intervallo di validità di una tupla, un campo master per individuare tutte le tuple coinvolte in una sequenza di modifiche (riporta, per ogni record modificato, il valore di chiave della tupla da cui il record ha avuto origine. I record primigeni riportano nel campo master il valore della propria chiave)
32
33 Progettazione Logica In questa fase vengono definite le strutture dati in base al modello logico prescelto attuando varie forme di ottimizzazione. Lo schema logico viene determinato a partire dallo schema concettuale. Occorre dimenticare tutte le tecniche progettuali assimilate per la progettazione di data base operazionali. In contrasto perché diversi sono gli obiettivi che si devono raggiungere. La progettazione logica influisce sulle prestazioni del sistema finale. 515 Fasi della progettazione logica Traduzione degli schemi di fatto in schemi logici: schemi a stella, a fiocco di neve, schema constellation. Materializzazione delle viste. Frammentazione verticale e orizzontale delle fact table
34 Traduzione degli schemi di fatto Regola generale: uno schema di fatto può essere modellato in ambito relazionale mediante uno schema a stella in cui la fact table contiene tutte le misure e gli attributi descrittivi direttamente collegati al fatto, e per ogni gerarchia viene creata una dimension table che ne contiene tutti gli attributi
35
36
37
38
39
40
41
42
43
44 537 Fasi della progettazione di un DW Analisi e riconciliazione delle fonti dati II. Analisi dei requisiti III. Progettazione concettuale IV. Raffinamento del carico di lavoro, validazione dello schema concettuale V. Progettazione logica VI. Progettazione dell alimentazione VII. Progettazione fisica
45 Fasi della progettazione dell alimentazione 1. Dalle sorgenti operazionali al livello riconciliato: fase più complessa in cui devono essere progettate sia le procedure di trasformazione definite durante la fase dell integrazione, sia le procedure di pulizia dei dati (data cleaning). 2. Dal livello riconciliato al livello del data mart: vengono definite procedure che permettono di confrontare i dati del livello riconciliato con lo schema a stella del DW. Oltre alle procedure di denormalizzazione e delle chiavi surrogate, si definiscono anche le procedure di materializzazione delle viste secondarie (aggregate) oltre che di quelle primarie
46
47 Documentazione di progetto e caso di studio Vedi pagine del libro. Capitolo 13, Business intelligence
48 Business intelligence e DM Business intelligence: disciplina che consente ai decisori aziendali di capire, attraverso soluzioni software, i fattori chiave del business e conseguentemente di prendere le migliori decisioni in quel momento. 2 fattori chiave: componente logica e componente scientifica 545 Componenti tecnologica -> superare i problemi dovuti alla numerosità dei dati Scientifica -> il decisore deve essere in grado di indirizzare l analisi individuando i fattori critici e utilizzare le tecniche più appropriate per ottenere le informazioni Profilo sia tecnico che manageriale
49 Il dw Consente di gestire serie storiche dei dati; Permette di effettuare analisi; multidimensionali e rapide; Si basa su un modello semplice che può essere facilmente assimilato dai manager È alla base dei sistemi per il calcolo degli indicatori. 547 Il dw L intervallo di aggiornamento dati è raramente più breve della settimana/giorno È poco efficiente quando è utilizzato per interrogazioni complesse fuori dal modello multidimensionale Registra solo il passato e non consente di formulare scenari di previsione
50 Adozione di nuove soluzioni in grado di: Fornire tecniche più potenti e non basate sul modello multidimensionale Fornire la possibilità di effettuare analisi dei dati provenienti da sorgenti informative con aggiornamenti rapidi; Possibilità di prevedere il futuro e non solo di analizzare il passato 549 Business intelligence
51 Proposte Analisi what- if Data mining: insieme di tecniche evolute in grado di individuare automaticamente caratteristiche nascoste nei dati Business Performance Monitor: framework per il controllo della performance aziendale che permette di condividere la strategia aziendale a tutti i livelli 551 Analisi What-if Rispondere a domande tipo: Se applicassi lo sconto del 5% al prezzo unitario del prodotto x cosa avverrebbe sul prodotto y? Come varierà il costo del personale tra 5 anni seguendo l attuale piano delle assunzioni?
52 Analisi what-if (2) Modello realizzato in modalità iterativa definendone una prima versione validata su un insieme di dati storici (training set) Riscontrare le eventuali differenze di comportamento individuate rispetto a un secondo insieme di dati (test set) Reiterare il processo fino a che non si raggiunge un sufficiente livello di aderenza al comportamento reale Il DW viene utilizzato come fonte dati per la validazione 553 Analisi what-if (3) Il modello può essere elaborato secondo: Tecniche induttive : ricavando il modello basandosi sul comportamento che il sistema ha avuto durante un intervallo temporale. Se finora è andata così andrà così anche dopo Tecniche deduttive: sono mirate all identificazione e alla caratterizzazione dei rapporti di tipo causa ed effetto tra i componenti del sistema
53 Data Mining Il data mining è il processo per estrarre conoscenza da banche dati di grandi dimensioni tramite l applicazione di algoritmi che individuano le associazioni nascoste tra le informazioni e le rendono visibili In poche parole è l attività orientataa scoprire informazioni nascoste nei dati 555 Applicazioni di data mining Ricerche di mercato: studio sulle propensioni del cliente, analisi dello stile di vita, valutazione della soddisfazione del cliente, predizione dei risultati elettorali Studio dell efficacia del marketing: click-stream-analysis per monitorare l uso del sito web Segmentazione del mercato per l identificazione di profili cliente significativi Analisi delle abitudini di acquisto per organizzare la merce sugli scaffali Pianificazione aziendale per la gestione dei carichi di lavoro, il controllo dei costi, il budget, la previsione delle entrate, il controllo dei magazzini
54 Esempi Modellazione degli investimenti per predire gli andamenti di borsa Rilevamento di attività fraudolente Valutazione delle categorie di rischio nei settori assicurativi e concessione prestiti Riconoscimento di similarità tra sequenze di eventi Valutazione di casi clinici e studio di modelli epidemiologici 557 Considerazioni Il data mining raccoglie un insieme di tecniche e di metodologie (logica fuzzy, reti neuronali, algoritmi genetici,..) per aiutare l utente ad individuare tutti i modelli significativi presenti (pattern) quali: Sequenze ripetute Correlazioni e associazioni tra i dati Raggruppamenti interessanti
55 Considerazioni (2) L utente ha il compito di specificare cosa e dove vuole ricercaree lasciare che uno strumento automatico si sobbarchi il peso della computazione. Consente di analizzare automaticamente grosse quantità di dati Il data mining può essere utilizzato nel DW con fini descrittivi, ma anche con fini predittivi, ossia per determinare i valori futuri di alcune variabili o quelli sconosciuti di altre 559 Knowledge Discovery Elementi fondamentali del processo di estrazione della conoscenza son i dati e i parttern. Con il termine dati si intende un insieme di descrizioni e di eventi derivati da una base dati, da un datawarehouse o da un data stream Un pattern è una rappresentazione sintetica e ricca di semantica di un insieme di dati
56 pattern in altri termini un pattern è un espressione codificata in un linguaggio opportuno che descrive le informazioni derivate dai dati Un pattern in genere esprime uno schema ricorrente nei dati, o la sua atipicità 561 Esempi di pattern in linguaggio naturale I clienti maschi di età compresa tra 8 e 15 anni comprano videogiochi I clienti con uno stipendio mensile inferiore a 800 euro non rispettano le scadenze nei pagamenti delle rate
57 Il processo di KD Selezione e campionamento dei dati di interesse (possono essere presi da qualsiasi fonte dati) Trasformazione e pulitura Data Mining: applicazione dell algoritmo prescelto opportunamente parametrizzato per generare i pattern Valutazione: I pattern vengono esaminati, verificati e validati. Se i risultati non sono soddisfacienti, si innesca una retroazione verso i passi precedenti per tarare meglio i parametri dell algoritmo 563 Algoritmi di DM Basati su: Regole associative Clustering Classificatori o alberi decisionali Serie temporali
58 Regole associative Consentono di determinare le regole di implicazione logica presenti nella base dati e di individuare i gruppi di affinità tra oggetti. Si basa sulla regola: X=>Y (X implica Y) Dove X e Y sono insiemi di elementi da analizzare. Il significato di questa regola è che le transazioni che contengono gli elementi in X tendono a contenere anche quelli in Y 565 Misure Supporto: percentuale degli eventi contenenti sia X che Y Supporto (X=>Y)=Numero di eventi contenenti X e Y / Numero di eventi totale Confidenza: percentuale degli eventi tra quelli che contengono X che contengono anche Y Confidenza(X=>Y)=Numero di eventi contenenti X e Y / Numero di eventi contenenti X
59 Esempio Market Basket Analysis ovvero l analisi dei prodotti acquistati insieme dai clienti volta a determinare le correlazioni più frequenti tra i prodotti. Si supponga di disporre di una base dati che contenga un insieme di transazioni di acquisto ciscuna delle quali descritta dall insieme dei prodotti acquistati 567 Esempio (Birra=>Patatine), supporto = 70%, confidenza=85% Indica che l 85% dei clienti che acquistano Birra acquistano anche patatine, e che questo abbinamento si riscontra nel 70% delle transazioni registrate
60 Algoritmo Normalmente, estrarre regole associative significa determinare tutte le regole che presentano supporto e confidenza superiori ad una data soglia Diversi algoritmi (il più noto Apriori) si basano sulla determinazione degli insiemi degli item più frequenti Tra gli ambiti di applicazione: Studio delle abitudini di acquisto per la pubblicità mirata L organizzazione della merce sugli scaffali Lo studio della variabilità delle vendite in assenza di un certo prodotto 569 Clustering Data una popolazione di oggetti rappresentabili come punti in uno spazio multidimensionale in cui ciascuna dimensione corrisponde ad una caratteristica (feature) di interesse, e data una funzione che esprima la similarità o vicinanza tra due punti, effettuare un clustering significa raggruppare gli oggetti in un ridotto numero di insiemi (cluster) che caratterizzino meglio la popolazione
61 Rappresentazione clustering Possiamo dire che il clusteringindividua le somiglianze tra oggetti. Ciascun cluster contiene oggetti molto simili tra loro, mentre oggetti appartenenti a cluster differenti sono dissimili o molto lontani 571 Ambiti di applicazione Segmentazione della clientela in categorie al fine di fornire per ciascuna un migliore servizio o per la promozione mirata di nuovi prodotti Valutazione di casi clinici sulla base della sintomatologia L analis i epidemiologica e la determinazione delle aree a rischio geologico Vedi tutorial : Creazione di un modello di data mining di tipo OLAP con l'algoritmo Microsoft Clustering (tutorial analysis services sql 572 server2000) 61
62 Alberi decisionali Gli alberi decisionali rappresentano un particolare tipo di classificatore e vengono usati per la comprensione di un particolare fenomeno poiché permettono di classificare, in ordine di importanza le cause che portano al verificarsi di un evento. 573 Algoritmi di classificazione Alberi decisionali Un classificatore è un algoritmo che dato un insieme di classi note a priori e un insieme di oggetti etichettati con il nome della classe di appartenenza (training set) permette di tracciare un profilo descrittivo basato sulle feature dei dati contenuti nel training set. Il modello generato, viene poi utilizzato per assegnare alla classe appropriata altri oggetti esterni al training set. E particolarmente adatto per effettuare previsioni
63 Alberi decisionali In un albero decisionale ciascun nodo intermedio modella una scelta, tipicamente attraverso una condizione che confronta una condizione con una costante, ciascun arco in unscita da un nodo rappresenta un possibile esito della condizione ivi contenuta, ciascuna foglia rappresenta una decisione finale. 575 Esempio
64 Alberi decisionali 577 Esempi di applicazioni Valutazione di categorie di rischio dei clienti che concedono mutui e prestiti Classi di rischio dei clienti di una assicurazione Vedi esercitazione Visualizzazione della dimensione e del cubo virtuale del modello di data mining di tipo OLAP (tutorial sqlserver2000)
65 Serie temporali Individuazione di pattern ricorrenti o atipici in sequenze di dati complesse. I campi di applicazione spaziano in più campi dalla economia, alla meteorologia all astrofisica Tipi di interrogazioni collegate alle serie temporali: Corrispondenza completa: in cui la sequenza cercata e le sequenze presenti hanno la stessa lunghezza Corrispondenza parziale: in cui la sequenza cercata può essere considerata una sottosequenza di quelle recuperate nel db 579 Ambiti di applicazione Identificazione di schemi associati alla crescita dei titoli di borsa Rilevazione anomalie in un sistema di monitoraggio Studio delle correlazioni tra serie temporali distinte Identificazione di aziende con modelli di sviluppo simili Analisi dei percorsi di navigazione in siti web
66 Business Performance Management Insieme di attività atte a misurare le proprie prestazioni incoraggiando l efficacia dei processi aziendali e l uso efficiente delle risorse umane, materiali ed economiche. Ottimizzare l effic ienza e l efficacia dei processi attraverso Associazione di KPI per ogni obiettivo aziendale e il relativo valore obiettivo
67 Ricordate che l innovazione è per il 10% ispirazione e per il 90% traspirazione ossia Fatica e Lavoro Jacob Nielsen Jacob Nielsen Web usability Buon.. Lavoro
Dominio 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
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
DettagliSISTEMI INFORMATIVI AVANZATI -2010/2011 1. Introduzione
SISTEMI INFORMATIVI AVANZATI -2010/2011 1 Introduzione In queste dispense, dopo aver riportato una sintesi del concetto di Dipendenza Funzionale e di Normalizzazione estratti dal libro Progetto di Basi
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
DettagliOrganizzazione degli archivi
COSA E UN DATA-BASE (DB)? è l insieme di dati relativo ad un sistema informativo COSA CARATTERIZZA UN DB? la struttura dei dati le relazioni fra i dati I REQUISITI DI UN DB SONO: la ridondanza minima i
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
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
DettagliPianificazione 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.
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
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
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
DettagliProgettazione di Basi di Dati
Progettazione di Basi di Dati Prof. Nicoletta D Alpaos & Prof. Andrea Borghesan Entità-Relazione Progettazione Logica 2 E il modo attraverso il quale i dati sono rappresentati : fa riferimento al modello
DettagliSoluzione dell esercizio del 2 Febbraio 2004
Soluzione dell esercizio del 2 Febbraio 2004 1. Casi d uso I casi d uso sono riportati in Figura 1. Figura 1: Diagramma dei casi d uso. E evidenziato un sotto caso di uso. 2. Modello concettuale Osserviamo
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
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
DettagliSQL/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,
DettagliProgettaz. e sviluppo Data Base
Progettaz. e sviluppo Data Base! Progettazione Basi Dati: Metodologie e modelli!modello Entita -Relazione Progettazione Base Dati Introduzione alla Progettazione: Il ciclo di vita di un Sist. Informativo
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
DettagliBusiness Process Management
Business Process Management Comprendere, gestire, organizzare e migliorare i processi di business Caso di studio a cura della dott. Danzi Francesca e della prof. Cecilia Rossignoli 1 Business process Un
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
Dettaglimarca (1,n) (1,1) nome prezzou prodotto nome responsabile quantità nome datai dataf (0,n) vendite (0,n) (0,n) (0,n) tempo acquisti quantità (0,n)
marca (1,n) di descrizione (1,1) prodotto (1,1) in (1,n) categoria città (1,n) (1,n) nella indirizzo responsabile quantità (1,1) supermercato vendite ricavo promozione datai dataf %sconto costo acquisti
DettagliCorso di Access. Prerequisiti. Modulo L2A (Access) 1.1 Concetti di base. Utilizzo elementare del computer Concetti fondamentali di basi di dati
Corso di Access Modulo L2A (Access) 1.1 Concetti di base 1 Prerequisiti Utilizzo elementare del computer Concetti fondamentali di basi di dati 2 1 Introduzione Un ambiente DBMS è un applicazione che consente
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
DettagliLa gestione manageriale dei progetti
PROGETTAZIONE Pianificazione, programmazione temporale, gestione delle risorse umane: l organizzazione generale del progetto Dimitri Grigoriadis La gestione manageriale dei progetti Per organizzare il
DettagliIl grafico 3D riportato è la versione multidimensionale del modello ER
Appunti Database del 13/10/2015 Datawarehouse Definizione: I datawarehouse non sono così diffusi come i database relazionali poiché mentre i secondi hanno la loro maggior applicazione nei livelli bassi
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
DettagliSQL 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
DettagliAnalisi 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
DettagliBasi di Dati Relazionali
Corso di Laurea in Informatica Basi di Dati Relazionali a.a. 2009-2010 PROGETTAZIONE DI UNA BASE DI DATI Raccolta e Analisi dei requisiti Progettazione concettuale Schema concettuale Progettazione logica
DettagliIndice. pagina 2 di 10
LEZIONE PROGETTAZIONE ORGANIZZATIVA DOTT.SSA ROSAMARIA D AMORE Indice PROGETTAZIONE ORGANIZZATIVA---------------------------------------------------------------------------------------- 3 LA STRUTTURA
DettagliGli Elementi fondamentali della Gestione Aziendale
Gli Elementi fondamentali della Gestione Aziendale n La Pianificazione n L Organizzazione n Il Coinvolgimento del Personale n Il Controllo Componenti del Sistema di Pianificazione n Valutazioni interne
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
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
DettagliAccess. P a r t e p r i m a
Access P a r t e p r i m a 1 Esempio di gestione di database con MS Access 2 Cosa è Access? Access e un DBMS che permette di progettare e utilizzare DB relazionali Un DB Access e basato sui concetti di
DettagliLa Metodologia adottata nel Corso
La Metodologia adottata nel Corso 1 Mission Statement + Glossario + Lista Funzionalià 3 Descrizione 6 Funzionalità 2 Schema 4 Schema 5 concettuale Logico EA Relazionale Codice Transazioni In PL/SQL Schema
DettagliIntroduzione 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
DettagliCorso di Amministrazione di Reti A.A. 2002/2003
Struttura di Active Directory Corso di Amministrazione di Reti A.A. 2002/2003 Materiale preparato utilizzando dove possibile materiale AIPA http://www.aipa.it/attivita[2/formazione[6/corsi[2/materiali/reti%20di%20calcolatori/welcome.htm
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
DettagliRiconoscibilità dei siti pubblici: i domini della Pa e le regole di.gov.it
Riconoscibilità dei siti pubblici: i domini della Pa e le regole di.gov.it Gabriella Calderisi - DigitPA 2 dicembre 2010 Dicembre 2010 Dominio.gov.it Cos è un dominio? Se Internet è una grande città, i
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
DettagliUNIVERSITA DEGLI STUDI DI BRESCIA Facoltà di Ingegneria
ESAME DI STATO DI ABILITAZIONE ALL'ESERCIZIO DELLA PROFESSIONE DI INGEGNERE PRIMA PROVA SCRITTA DEL 22 giugno 2011 SETTORE DELL INFORMAZIONE Tema n. 1 Il candidato sviluppi un analisi critica e discuta
Dettagli1. BASI DI DATI: GENERALITÀ
1. BASI DI DATI: GENERALITÀ BASE DI DATI (DATABASE, DB) Raccolta di informazioni o dati strutturati, correlati tra loro in modo da risultare fruibili in maniera ottimale. Una base di dati è usualmente
DettagliProgettazione concettuale
Progettazione concettuale Strategie top-down A partire da uno schema che descrive le specifiche mediante pochi concetti molto astratti, si produce uno schema concettuale mediante raffinamenti successivi
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.
DettagliSpecifiche tecniche e funzionali del Sistema Orchestra
Specifiche tecniche e funzionali del Sistema Orchestra Sommario 1. Il Sistema Orchestra... 3 2. Funzionalità... 3 2.1. Sistema Orchestra... 3 2.2. Pianificazione e monitoraggio dei piani strategici...
DettagliB 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
DettagliI database relazionali (Access)
I database relazionali (Access) Filippo TROTTA 04/02/2013 1 Prof.Filippo TROTTA Definizioni Database Sistema di gestione di database (DBMS, Database Management System) Sistema di gestione di database relazionale
DettagliIL MARKETING E QUELLA FUNZIONE D IMPRESA CHE:
IL MARKETING E QUELLA FUNZIONE D IMPRESA CHE:! definisce i bisogni e i desideri insoddisfatti! ne definisce l ampiezza! determina quali mercati obiettivo l impresa può meglio servire! definisce i prodotti
DettagliOrganizzazione delle informazioni: Database
Organizzazione delle informazioni: Database Laboratorio Informatico di base A.A. 2013/2014 Dipartimento di Scienze Aziendali e Giuridiche Università della Calabria Dott. Pierluigi Muoio (pierluigi.muoio@unical.it)
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
DettagliISTRUZIONI PER LA GESTIONE BUDGET
ISTRUZIONI PER LA GESTIONE BUDGET 1) OPERAZIONI PRELIMINARI PER LA GESTIONE BUDGET...1 2) INSERIMENTO E GESTIONE BUDGET PER LA PREVISIONE...4 3) STAMPA DIFFERENZE CAPITOLI/BUDGET.10 4) ANNULLAMENTO BUDGET
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
DettagliDATABASE 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.
DettagliIl modello di ottimizzazione SAM
Il modello di ottimizzazione control, optimize, grow Il modello di ottimizzazione Il modello di ottimizzazione è allineato con il modello di ottimizzazione dell infrastruttura e fornisce un framework per
DettagliL a p i p at a taf a or o ma a p e p r e ga g r a an a t n ire e l ef e fici c en e za za e n e e n r e ge g t e ica Powered By
La piattaforma per garantire l efficienza energetica Powered By L efficienza energetica come nuovo punto di forza Secondo la norma ISO EN 50001, l efficienza energetica rappresenta il modo per ottimizzare
DettagliData Warehousing. Argomenti della lezione. Rappresentazioni dei dati. Rappresentazione dei dati. Parte II Analisi multidimensionale
Argomenti della lezione Data Warehousing Parte II Analisi multidimensionale richiami sul data warehousing organizzazione di un data warehouse l analisi multidimensionale data warehousing e internet strumenti
DettagliPiano delle Performance
Comune di Pavullo nel Frignano Provincia di Modena Bilancio di Previsione 2011 Bilancio Pluriennale 2011 / 2013 Piano delle Performance *** Documento sulla compatibilità del sistema di programmazione,
DettagliIl Sistema di Valutazione delle Prestazioni del Gruppo Logiche e principali caratteristiche Presentazione alle OO.SS.
Il Sistema di Valutazione delle Prestazioni del Gruppo Logiche e principali caratteristiche Presentazione alle OO.SS. 1 Direzione Centrale Risorse Umane Ufficio Sviluppo Milano, e Compensation Marzo 2014
DettagliMarketing relazionale
Marketing relazionale Introduzione Nel marketing intelligence assume particolare rilievo l applicazione di modelli predittivi rivolte a personalizzare e rafforzare il legame tra azienda e clienti. Un azienda
DettagliSQL 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
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
DettagliSQL 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
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
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
DettagliConvegno 6 giugno 2013 Federlazio Frosinone
Convegno 6 giugno 2013 Federlazio Frosinone pag. 1 6 giugno 2013 Federlazio Frosinone Introduzione alla Business Intelligence Un fattore critico per la competitività è trasformare la massa di dati prodotti
DettagliSoftware per la pianificazione finanziaria
Software per la pianificazione finanziaria FUNZIONALITÀ Specifiche Tecniche di Professional Planner È la soluzione di budgeting e pianificazione per aziende di tutte le dimensioni, indipendentemente dal
DettagliARTICOLO TECNICO Smart-MED-Parks: il Software
ARTICOLO TECNICO Smart-MED-Parks: il Software Introduzione Da Febbraio 2013, data di lancio del progetto Smart-MED-Parks, sono state realizzate un insieme di azioni al fine di: - Aumentare il livello di
DettagliAbilità Informatiche A.A. 2010/2011 Lezione 9: Query Maschere Report. Facoltà di Lingue e Letterature Straniere
Abilità Informatiche A.A. 2010/2011 Lezione 9: Query Maschere Report Facoltà di Lingue e Letterature Straniere Le QUERY 2 Che cos è una Query? Una Query rappresenta uno strumento per interrogare un database.
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.........................
DettagliLezione 2. Il modello entità relazione
Lezione 2 Il modello entità relazione Pag.1 Introduzione alla progettazione delle basi di dati 1. Analisi dei requisiti Quali sono le entità e le relazioni dell organizzazione? Quali informazioni su queste
DettagliCAPITOLO CAPIT Tecnologie dell ecnologie dell info inf rmazione e controllo
CAPITOLO 8 Tecnologie dell informazione e controllo Agenda Evoluzione dell IT IT, processo decisionale e controllo Sistemi di supporto al processo decisionale Sistemi di controllo a feedback IT e coordinamento
Dettagli25/11/14 ORGANIZZAZIONE AZIENDALE. Tecnologie dell informazione e controllo
ORGANIZZAZIONE AZIENDALE 1 Tecnologie dell informazione e controllo 2 Evoluzione dell IT IT, processo decisionale e controllo Sistemi di supporto al processo decisionale IT e coordinamento esterno IT e
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
DettagliRappresentazione grafica di entità e attributi
PROGETTAZIONE CONCETTUALE La progettazione concettuale, ha il compito di costruire e definire una rappresentazione corretta e completa della realtà di interesse, e il prodotto di tale attività, è lo schema
DettagliREALIZZARE UN MODELLO DI IMPRESA
REALIZZARE UN MODELLO DI IMPRESA - organizzare e gestire l insieme delle attività, utilizzando una piattaforma per la gestione aziendale: integrata, completa, flessibile, coerente e con un grado di complessità
DettagliMon Ami 3000 Varianti articolo Gestione di varianti articoli
Prerequisiti Mon Ami 3000 Varianti articolo Gestione di varianti articoli L opzione Varianti articolo è disponibile per le versioni Azienda Light e Azienda Pro e include tre funzionalità distinte: 1. Gestione
DettagliIl CRM per la Gestione del Servizio Clienti
Scheda Il CRM per la Gestione del Servizio Clienti Le Soluzioni CRM aiutano le aziende a gestire i processi di Servizio e Supporto ai Clienti. Le aziende di Servizio stanno cercando nuove modalità che
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
DettagliEXPLOit Content Management Data Base per documenti SGML/XML
EXPLOit Content Management Data Base per documenti SGML/XML Introduzione L applicazione EXPLOit gestisce i contenuti dei documenti strutturati in SGML o XML, utilizzando il prodotto Adobe FrameMaker per
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,
DettagliCreazione di un modello di data mining di tipo OLAP con l'algoritmo Microsoft Clustering
Pagina 1 di 9 Menu principale Sezione precedente Sezione successiva Creazione di un modello di data mining di tipo OLAP con l'algoritmo Microsoft Clustering Un modello di data mining è un modello che include
DettagliLezione 8. La macchina universale
Lezione 8 Algoritmi La macchina universale Un elaboratore o computer è una macchina digitale, elettronica, automatica capace di effettuare trasformazioni o elaborazioni su i dati digitale= l informazione
Dettagli2.0 Gli archivi. 2.1 Inserire gli archivi. 2.2 Archivio Clienti, Fornitori, Materiali, Noleggi ed Altri Costi. Impresa Edile Guida all uso
2.0 Gli archivi All interno della sezione archivi sono inserite le anagrafiche. In pratica si stratta di tutti quei dati che ricorreranno costantemente all interno dei documenti. 2.1 Inserire gli archivi
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
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
Dettagli13. Datawarehouse (parte 2) Analisi e riconciliazione delle fonti dati progettista amministratori dei database modello a tre livelli
13. Datawarehouse (parte 2) Analisi e riconciliazione delle fonti dati Questa fase richiede di definire e documentare lo schema del livello dei dati operazionali, a partire dal quale verrà alimentato il
DettagliLorenzo 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...
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
DettagliDatabase. Appunti di Amaranto Oronzo e Giancane Diego Lezione dell Ing. Lucia Vaira 24/04/2014
Database Appunti di Amaranto Oronzo e Giancane Diego Lezione dell Ing. Lucia Vaira 24/04/2014 Cos'è un database? È una struttura di dati composta da tabelle a loro volta composte da campi. Caratteristiche
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
DettagliDEPLOY YOUR BUSINESS
DEPLOY YOUR BUSINESS COS É ARROCCO? E uno strumento online per lo sviluppo del Piano Economico-Finanziario del Business Plan. Arrocco è uno strumento online appositamente progettato per lo sviluppo di
DettagliMODELLO PER LO SVILUPPO DEL PRODOTTO
MODELLO PER LO SVILUPPO DEL PRODOTTO 34 Funzioni aziendali coinvolte nello sviluppo prodotto LE PRINCIPALI FUNZIONI AZIENDALI PROTAGONISTE NELLO SVIPUPPO PRODOTTI SONO: Progettazione e sviluppo prodotto
DettagliControllo di Gestione
Pianificazione e controllo del business aziendale Controllo di Gestione In un contesto altamente complesso e competitivo quale quello moderno, il controllo di gestione ricopre un ruolo quanto mai strategico:
DettagliWorkFLow (Gestione del flusso pratiche)
WorkFLow (Gestione del flusso pratiche) Il workflow è l'automazione di una parte o dell'intero processo aziendale dove documenti, informazioni e compiti vengono passati da un partecipante ad un altro al
DettagliCOS È UN LINGUAGGIO? LINGUAGGI DI ALTO LIVELLO LA NOZIONE DI LINGUAGGIO LINGUAGGIO & PROGRAMMA
LINGUAGGI DI ALTO LIVELLO Si basano su una macchina virtuale le cui mosse non sono quelle della macchina hardware COS È UN LINGUAGGIO? Un linguaggio è un insieme di parole e di metodi di combinazione delle
DettagliControlloCosti. 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,
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
DettagliDatabase 1 biblioteca universitaria. Testo del quesito
Database 1 biblioteca universitaria Testo del quesito Una biblioteca universitaria acquista testi didattici su indicazione dei professori e cura il prestito dei testi agli studenti. La biblioteca vuole
DettagliOttimizzazione Multi Obiettivo
Ottimizzazione Multi Obiettivo 1 Ottimizzazione Multi Obiettivo I problemi affrontati fino ad ora erano caratterizzati da una unica (e ben definita) funzione obiettivo. I problemi di ottimizzazione reali
DettagliINFORMATICA PER LE APPLICAZIONI ECONOMICHE PROF.SSA BICE CAVALLO
Basi di dati: Microsoft Access INFORMATICA PER LE APPLICAZIONI ECONOMICHE PROF.SSA BICE CAVALLO Database e DBMS Il termine database (banca dati, base di dati) indica un archivio, strutturato in modo tale
Dettagli