Sistemi Informativi Avanzati Anno Accademico 2011/2012 Prof. Domenico Beneventano. OLAP - Analysis Services

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Sistemi Informativi Avanzati Anno Accademico 2011/2012 Prof. Domenico Beneventano. OLAP - Analysis Services"

Transcript

1 Sistemi Informativi Avanzati Anno Accademico 2011/2012 Prof. Domenico Beneventano OLAP - Analysis Services

2 OLAP: cubi multidimensionali OLAP : insieme di tecniche software per l'analisi interattiva e veloce di grandi quantità di dati, che è possibile esaminare in modalità piuttosto complesse. Un Cubo OLAP (o cubo multidimensionale o ipercubo) è una struttura per la memorizzazione di dati che permette di eseguire analisi in tempi rapidi Nei sistemi OLAP lenfasi è la velocità delle operazioni, ottenuta pre-calcolando i dati aggregati: archiviazione del cubo Progetto e realizzazione di cubi multidimensionali Per progetto si intende la definizione dello schema del cubo: è in pratica stato già realizzato attraverso lo schema di fatto DFM Per realizzazione si intende limplementazione del cubo su un sistema OLAP 2

3 Strumenti OLAP nell architettura di un DW Architettura classica a 2 livelli (situazione simile a quella a 3 livelli ) Livello delle! sorgenti! Dati operazionali" Dati esterni" Strumenti ETL" Livello di! alimentazione! Data Warehouse! Livello del! warehouse! Strumenti" OLAP" Livello di analisi CUBO Multidimensionale Lo strumento OLAP analizza i dati del DW, ovvero dati che hanno già una struttura multidimensionale (schema a stella/snowflake) Ha una connessione dati con il DW Non ha nessuna connessione con i Dati Operazionali 3

4 Progetto e realizzazione di CUBI OLAP La progettazione dei Cubi OLAP ha come input: 1. Uno Schema di Fatto DFM 2. Il corrispondente schema logico (stella/snowflake) Loutput è generalmente costituito da un solo Cubo OLAP, che è praticamente definito in modo univoco essendo le scelte di progettazione già state realizzate Per motivi di efficienza si possono realizzare più Cubi OLAP corrispondenti ad un unico Schema di Fatto si costruisce il cubo corrispondente, In presenza di più Schemi di Fatto (e quindi di uno schema logico che contiene più fact table) verranno costruiti più Cubi OLAP, che potranno condividere alcune dimensioni 4

5 Linguaggi e strumenti per lolap Fasi dello sviluppo Progettazione Concettuale Progettazione Logica Implementazione Interrogazione Database/OLTP Modello E/R Modello Relazionale Schema Relazionale del DB: Linguaggio SQL (Data Definition Language - create table.) Linguaggio SQL (Data Manipulation Language: select from where) DataWarehouse/OLAP Modello DFM Modello Relazionale (star/ snoflake schema) Schema del Cubo OLAP: 1.Strumenti proprietari 2.XMLA Linguaggio MDX Strumenti OLAP di SQL Server XMLA - XML for Analysis : standard nei sistemi OLAP 5

6 OLAP con SQL Server SQL Server è un RDBMS (Relational DataBase Management System) Analysis Services è la componente OLAP di SQL Server che offre strutture e strumenti per l analisi OLAP dei dati OLAP Server: è il server analitico dei dati rappresenta i dati analitici del DW in forma multidimensionale, usando i concetti di cubo, dimensione e misura OLAP Manager : strumento di amministrazione dei dati analitici MDX: MDX Sample Application per interrogazioni bidimensionali del linguaggio MDX (MultiDimensional expression) SQL Server offre anche altre funzionalità di supporto al data warehousing quale uno strumento ETL chiamato DTS (Data Transformation Service) 6

7 Analysis Services (AS) I cubi sono contenuti in un OLAP database gestiti dallolap Server Un cubo recupera i dati dal DW relazionale che è definito come sorgente dati (data source) per l OLAP Database; la sorgente dati non deve essere necessariamente gestita con SQL Server Un OLAP database può avere più cubi e più data source; un cubo può recuperare dati da una singola data source; diversi cubi possono recuperare dati da data source differenti. Il sistema OLAP AS, così come un qualsiasi altro sistema OLAP, ha concetti e strumenti propri per definire un cubo, concetti e strumenti più o meno sofisticati e spesso proprietari 7

8 Analysis Services (AS) Del sistema OLAP AS verranno introdotti gli strumenti per 1. Definire un cubo, con le sue dimensioni e misure 2. Definire misure derivate e calcolate. 3. Definire gli operatori di aggregazione 4. Definire alcuni aspetti specifici, quali il membro ALL per le dimensioni Dal punto di vista logico la definizione del cubo non richiede altro; tuttavia nel costruire un cubo si possono gestire una serie di altri concetti, in particolare quelli legati allefficienza del sistema Nella prima parte della definizione dei cubi OLAP in AS, ci soffermeremo sulla terminologia usata in AS confrontandola con quella usata nel modello DFM; La terminologia AS è in pratica coincidente con quella dello standard XMLA, in quanto entrambi nati come prodotti Microsoft 8

9 DFM: schemi multidimensionali Con attributo dimensionale si intendono le dimensioni e gli altri attributi, che le descrivono Una gerarchia è un albero direzionato i cui nodi sono attributi dimensionali e i cui archi rappresentano dipendenze funzionali: larco da X a Y rappresenta la dipendenza funzionale X Y In un arco da X a Y, X è detto padre e Y figlio Con dimensione Prodottosi indica anche lintera gerarchia della dimension attributo dimensionale dimensione an no trimestre mese gio rno va canz a settimana da ta gruppo di mark eting pr odotto tipo VENDITA quantità v enduta inca sso num. client i prezzo un itario categoria marca re parto città della marca responsa bile d elle vendite dist ret to d i ven dita negozio gerarchia città del negozio regione sta to 9

10 DFM: schemi multidimensionali Un cammino dalla radice ad una foglia dellalbero individua un percorso di navigazione sul quale applicare gli operatori di rollup e drill-down an no trimestre mese gio rno va canz a settimana da ta gruppo di mark eting pr odotto tipo VENDITA quantità v enduta inca sso num. client i prezzo un itario categoria marca re parto città della marca responsa bile d elle vendite dist ret to d i ven dita negozio città del negozio regione sta to Dimensione prodotto, con tre cammini 1. Prodotto Tipo GruppoDiMarketing 2. Prodotto Tipo Categoria Reparto 3. Prodotto Marca CittaDellaMarca 10

11 AS: schemi multidimensionali Il sistema OLAP di AS usa il concetto di Dimensione per implementare un percorso di navigazione (cammino): Gli attributi dimensionali si chiamano livelli I valori degli attributi dimensionali si dicono membri dimensione STORE livelli (ALL) membri STORE CITY STATE COUNTRY (ALL) Ditutto RE EmiliaR Italia ALL NonSoloX RE EmiliaR Italia ALL NonSoloY MO EmiliaR Italia ALL NonSoloZ RM Lazio Italia ALL ALL 11

12 Dimensioni in AS I livelli descrivono la struttura gerarchica della dimensione dal livello più alto (più aggregato) al livello più basso (più dettagliato) dei dati. ogni nodo può avere al massimo un figlio Una dimensione contiene solitamente il livello speciale (ALL) con un solo membro All Relazione padre-figlio tra i membri di livelli successivi: ogni membro di un livello si raggruppa nel membro padre il membro All è padre dei membri Italia, Francia,... il membro Italia è padre dei membri EmiliaR, Lazio,.. DFM: CITY è padre di STATE (terminologia degli alberi) AS: relazione padre-figlio riferita ai membri, e risulta invertita : il membro EmiliaR (di STATE) è padre del membro RE (di CITY); si dice anche che il livello STATE è padre del livello CITY 12

13 DFM AS : confronto terminologia DFM: relazione padre-figlio Prodotto Tipo GruppoDiMarketing Prodotto è padre di Tipo, Tipo è padre di GruppoDiMarketing AS : relazione padre-figlio Prodotto Tipo GruppoDiMarketing GruppoDiMarketing è padre di Tipo, Tipo è padre di Prodotto AS: ogni livello figlio (inferiore) determina funzionalmente il livello padre (superiore) Prodotto Tipo Tipo GruppoDiMarketing rappresentazione grafica GruppoDiMarketing Tipo Prodotto 13

14 AS: Dipendenze Funzionali tra i livelli La FD figlio padre si controlla a livello di istanze ovvero si traduce nella regola Un livello figlio include più membri del rispettivo livello padre CODVOLO à SIGLA La regola può essere violata : è un warning, non un errore! Violare la regola significa realizzare una dimensione dove un livello figlio non determinare funzionalmente il livello padre: ha senso una tale dimensione? 14

15 AS: Dipendenze Funzionali tra i livelli AS: dimensione con un livello figlio (Libro) che non il livello padre (Autore) serve per gli archi multipli genere autore libro VENDITA numero incasso arco multiplo (AM) è significativo avere sia più autori che libri che mese anno più libri che autori! data Nella nostra progettazione non si useranno cubi di AS con dimensione contenenti archi multipli in quanto un arco multiplo dello schema di fatto viene eliminato con il push-down Quindi figlio padre (Un figlio include più membri del rispettivo padre) deve essere sempre vera! 15

16 Traduzione di una dimensione DFM in AS DFM: Una Dimensione, Una gerarchia (albero) con più cammini 1. Prodotto Tipo GruppoDiMarketing 2. Prodotto Tipo Categoria Reparto 3. Prodotto Marca CittaDellaMarca AS : Tre dimensioni (ognuna con una singola gerarchia) 1. Prodotto Tipo GruppoDiMarketing 2. Prodotto Tipo Categoria Reparto 3. Prodotto Marca CittaDellaMarca Al nome della dimensione in AS si può aggiungere il nome della foglia Prodotto_GruppoDiMarketing oppure solo GruppoDiMarketing 16

17 Dallo schema di fatto DFM al cubo AS Uno schema di fatto DFM si traduce in un cubo AS Per ogni dimensione DFM con gerarchia, per ogni cammino dalla dimensione (radice) alle foglie si deve definire una dimensione nel cubo AS con un numero di livelli pari alla lunghezza del cammino Se la gerarchia è un albero puro (no condivisioni/convergenze, no attributi cross-dimensionali, no attributi multipli) nel cubo ci saranno un numero di dimensioni pari al numero di foglie dell albero Dimensione VOLO-ORADIPARTENZA Con livelli CODVOLO e ORA_PART 17

18 Dallo schema di fatto DFM al cubo AS Per costruire una dimensione/livelli di AS 1. Si considera lo schema logico 2. Si seleziona la Dimension Table corrispondente ; nel caso di snowflake schema si selezionano le dimension table secondarie (verificando che siano correttamente legate tramite join) 3. Si definiscono i livelli (vedere esempi di dettaglio) 4. Si decide se tenere o meno il membro ALL Altri aspetti da considerare Dimensione condivisa da più cubi Differente operatore di aggregazione per la dimensione ESEMPIO: cubo BIGLIETTI con tre dimensioni CITTA_ARRIVO con due livelli: Citta Stato VOLO_ORADIPARTENZA con due livelli: CODVOLO ORA_PART VOLO_COMPAGNIA con due livelli: CODVOLO COMPAGNIA 18

19 Dimensioni: livello (ALL) e membro ALL Dimensione CITTA_ARRIVO con due livelli : Citta Stato CITTA STATO (ALL) MARSIGLIA FRANCIA ALL PARIGI FRANCIA ALL LONDRA INGHIL ALL livelli membri Nella visualizzazione della dimensione, il livello (ALL) è chiamato (Totale) ed il membro ALL è totale CITTA_ARRIVO (AS in italiano ) Nelle proprietà della dimensione si può eliminare il livello (ALL) (All level = No) e cambiare il nome del membro ALL: 19

20 Dimensioni: livello (ALL) e membro ALL Per definizione, il membro ALL (e di conseguenza il livello (ALL) che lo contiene) deve essere presente in ogni dimensione in quanto consente di avere i totali per quella dimensione, ovvero di realizzare/visualizzare pattern senza la dimensione in questione Nel cubo BIGLIETTI: Se CITTA_ARRIVO ha il membro ALL allora Il Pattern {COMPAGNIA,ORA_DI_PARTENZA} si realizza riportando sulle righe COMPAGNIA e sulle colonne ORA_DI_PARTENZA (senza ALL si ottiene qualcosa di particolare, che vedremo in seguito) Non introdurre il membro ALL per una dimensione può comportare dei vantaggi dal punto di vista dell efficienza: intuitivamente, si evita di pre-calcolare i valori corrispondenti ad ALL Da un punto di vista logico non si dovrebbe introdurre ALL quando non è significativo calcolare il totale della dimensione (nellesempio classico FoodMart di AS non viene definito ALL per la dimensione Year, con la giustificazione che non ha senso fare il totale di anni diversi ) Se non si introduce il membro ALL, tale membro può comunque essere definito e calcolato esplicitamente nelle espressioni MDX. Nelle nostre dimensioni definiremo sempre il membro ALL! 20

21 Misure in AS Le misure sono considerate come membri di una dimensione speciale chiamata Measures (presente in tutti i cubi) ESEMPIO: BIGLIETTI con due Misure 1. Num_Colli 2. Incasso I membri di Measures sono ordinati: Num_Colli è la prima misura Quando si realizza {COMPAGNIA,ORA_DI_PARTENZA} riportando sulle righe COMPAGNIA e sulle colonne ORA_DI_PARTENZA viene visualizzato di default il valore della prima misura: Num_Coll Anche i membri delle altre dimensioni normali sono ordinati: al momento questo non viene considerato (da un punto di vista logico non è stato definito in DFM ) 21

22 Esempio : DimensioneDistretto Lesempio vuole evidenziare come luso di AS su un DM già ben progettato è molto semplice ed evita di dover utilizzare strumenti propri di AS Consideriamo un caso frequente, ovvero quello di un attributo dimensionale derivante dalla composizione di più attributi Esempio: Nella Tabella Negozio, il distretto di vendita è STATO_DISTRETTO+NDISTRETTO I valori di tale attributo dimensionale vengono ricavati tramite una vista e quindi riportati in una Dimension_Table del DM con struttura dtnegozio(nome, NOMEDISTRETTO, STATO_DISTRETTO) 22

23 Esempio : DimensioneDistretto Realizzare tale dimensione in AS, partendo dalla dtnegozio è immediato: 1) si seleziona dtnegozio 2) si definiscono i tre livelli iniziando da StatoDistretto (2.a) 1) 2.a) 2.b) 2.c) Visualizzazione della dimensione ottenuta: 23

24 Esempio : DimensioneDistretto Realizzare tale dimensione in AS, senza usare dtnegozio ma direttamente su NEGOZIO non è immediato in quanto occorre effettuare in AS quelle le manipolazioni (ricavare il valore di NomeDistretto) effettuate invece in fase di alimentazione del DM In definitiva, molti strumenti propri di AS non sono indispensabili quando si parte da un DM già ben progettato! 24

25 Operatore di aggregazione AVG in AS CostoMedioBiglietto (CMB) aggregato tramite AVG CodVolo DATA INCASSO NUM_BIG CMB ALIT1 GEN ALIT1 GEN ALIT2 GEN SUM SUM AVG Compagnia DATA INCASSO NUM_BIG CMB ALITALIA GEN ALITALIA GEN ,5 Compagnia Mese INCASSO NUM_BIG CMB ALITALIA GEN ,33 In AS una misura aggregata con AVG deve essere sempre definita tramite una misura calcolata. Una misura calcolata è un membro calcolato della dimensione Measures: 1. Si definisce la misura CMB_SUM, additiva 2. Si definisce la misura CMB_COUNT, additiva 3. Si definisce CMB come membro calcolato CMB_SUM/CMB_COUNT CMB_SUM e CMB_COUNT si dichiarano come non visibili 25

26 Esempio: fatto Ritardi_NEW Schema di Fatto Ritardi_New Schema Logico SnowFlake: FACT TABLE RITARDINEW(CODVOLO:VOLO, ANNO,INIZIOMESE, CITTAARRIVO:CITTA, RITARDO,NUMRITARDI) DIMENSION TABLE VOLO(CODVOLO,COMPAGNIA, AEROP_PART:AEROPORTO) AEROPORTO(SIGLA, CITTA_PART:CITTA) CITTA (CITTA,STATO) In AS si definiscono 5 Dimensioni, di cui 2 degeneri. Le 3 non degeneri 1) STATO_PARTENZA 2) STATO_ARRIVO oppure CITTA_ARRIVO (c è solo un cammino) 3) COMPAGNIA vengono nell esempio realizzate come dimensioni condivise (dal punto di vista logico questo non comporta alcuna differenza) 26

27 Esempio: Database OLAP Si crea un nuovo DB OLAP che conterrà tutti gli oggetti multidimensionali (cubo, dimensioni condivise) 1) Si definisce l origine dei dati, ovvero il collegamento al DM 2) Si seleziona la voce relativa a SQL Server e quindi - dall elenco dei DB disponibili - si seleziona il DM Se si apportano modifiche al DM, per renderle visibili anche nel DB OLAP può essere necessario aggiornare l origine dati 27

28 Esempio: Dimensione STATO_PARTENZA 1) Si seleziona la tabella contenente la radice della dimensione 2) Si aggiungono le altre tabelle che contengono gli attributi dimensionale, controllando le relazioni di join 28

29 Esempio: Cubo Ritardi Dopo aver generato tutte le dimensioni condivise, si passa alla generazione del cubo 1) Si userà l editor (la procedura guidata infatti è basata su concetti propri di AS ) 2) Si seleziona la fact table; un cubo è basato su una ed una sola fact table 3) Se la Fact Table è vuota si ha un warning del tipo: 29

30 Esempio: Cubo Ritardi Dopo aver generato tutte le dimensioni condivise, si passa alla generazione del cubo 4) Si definiscono le dimensioni degeneri ANNO e INIZIOMESE 5) Si inseriscono le dimensioni condivise definite in precedenza, una alla volta. 6) Inserimento CITTA_ARRIVO: il join con la fact table viene automaticamente definito considerando il nome, quindi essendo nomi diversi non viene automaticamente generato In ogni caso, meglio generare manualmente i Join! 30

31 Esempio: Cubo Ritardi 7) Si genera il join. A questo punto la dimensione CITTA_ARRIVO per il cubo è definita. 8) Inserimento STATO_PARTENZA. Il sistema introduce tutte le tabelle che servono per definire la dimensione. PROBLEMA: la tabella CITTA viene usata due volte, in due dimensioni. Questo non è corretto, è come se si stesse definendo una convergenza. Il sistema non consente questo ciclo: 31

32 Esempio: Cubo Ritardi Per evitare il problema precedente, ogni qualvolta c è una tabella che viene usata in più dimensioni tramite condivisione, si assegna un alias a ciascuna occorrenza 9) Inserimento dimensione COMPAGNIA: in questo caso COMPAGNIA è nella stessa tabella VOLO, quindi non è necessario introdurre un alias per volo 32

33 Esempio: Cubo Ritardi Per evitare il problema precedente, ogni qualvolta c è una tabella che viene usata in più dimensioni tramite condivisione, si assegna un alias a ciascuna occorrenza 9) Inserimento dimensione COMPAGNIA: in questo caso COMPAGNIA è nella stessa tabella VOLO, quindi non è necessario introdurre un alias per volo Tutte le dimensioni sono state inserite: si noti il differente simbolo per quelle condivise 33

34 Visualizzazione e verifica dei risultati Terminata la definizione e costruzione del cubo, prima della visualizzazione dei dati o delle interrogazioni con MDX, si deve archiviare il cubo Conviene quindi verificare il risultato ottenuto, visualizzando alcuni pattern e controllando il risultato ottenuto con quanto ottenuto con SQL-OLAP Esempio: pattern {STATO_PARTENZA.STATO, STATO_PARTENZA.CITTA} limitato a CITTA_ARRIVO.STATO = ITALIA 34

35 Dallo schema di fatto DFM al cubo AS Schema di Fatto e relativo star schema : gruppo di mark eting pr odotto tipo VENDITA quantità v enduta inca sso num. client i prezzo un itario categoria marca re parto città della marca responsa bile d elle vendite dist ret to d i ven dita AS : Tre dimensioni FACT_TABLE(PRODOTTO:dtPRODOTTO,. dtprodotto(prodotto,tipo, MARCA,CITTADELLAMARCA, GRUPPODIMARKETING,CATEGORIA,REPARTO) negozio Nel costruire in AS le tre dimensioni di PRODOTTO si utilizza città del sia stalo to Schema di Fatto (per ottenere i cammini e negozio regione quindi i livelli di AS) sia lo star schema (per mappare i livelli nelle opportune tabelle/attributi) Siccome le tre dimensioni di AS derivano tutte dalla stessa dimensione DFM: per tutte e tre si deve usare la stessa dimension table dtprodotto 1. GruppoDiMarketing:Prodotto Tipo GruppoDiMarketing 2. Reparto: Prodotto Tipo Categoria Reparto 3. CittaDellaMarca: Prodotto Marca CittaDellaMarca 35

36 Dallo schema di fatto DFM al cubo AS Alla dimensione Prodotto del DFM corrispondono tre indipendenti dimensioni in AS che però sono mappate sulla stessa dimension table Di conseguenza il pattern {TIPO} dello Schema di Fatto DFM può essere realizzato in AS (visualizzazione dati del cubo o MDX) sia come {GruppoDiMarketing.Tipo} che come {Reparto.Tipo} Daltra parte con tre differenti dimensioni per Prodotto nulla vieta in AS (visualizzazione dati del cubo o MDX) di realizzare il pattern: {GruppoDiMarketing.Tipo, Reparto.Tipo} I pattern sono quelli definiti dal reticolo di roll-up nello Schema di Fatto DFM! 36

37 AS: Dimensione con Gerarchie Multiple Alla dimensione Prodotto del DFM si può far corrispondere in AS una sola dimensione con tre gerarchie: 1. Prodotto Tipo GruppoDiMarketing 2. Prodotto Tipo Categoria Reparto 3. Prodotto Marca CittaDellaMarca Anche con una sola dimensione Prodotto e tre gerarchie (GruppoDiMarketing, Reparto e CittaDellaMarca) nulla vieta (visualizzazione dati del cubo o MDX) di realizzare il pattern: {Prodotto.GruppoDiMarketing.Tipo, Prodotto.Reparto.Tipo} Le differenze sono solo a livello fisico di ottimizzazione: con una sola dimensione con più gerarchie, i pattern condivisi tra le gerarchie quali {Prodotto} e {Prodotto, Tipo} vengono pre-calcolati e memorizzati una sola volta, invece che più volte A livello logico : nessuna differenza!? 37

38 AS: Dimensione con Gerarchie Multiple Gli editor grafici visualizzano assieme le gerarchie multiple Esempio: Cubo ESAME visualizzato nelleditor di MDX Dimensione DOCENTE tradotta con una dimensione con gerarchia multipla (CDL, FACOLTA) Dimensione STUDENTE tradotta con due dimensioni Differenze a livello logico: differenti interrogazioni sulle dimensioni corrispondenti a DOCENTE e STUDENTE? Riprenderemo la questione nel contesto di MDX Per ora non useremo le gerarchie multiple! 38

Data warehousing con SQL Server

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

Dettagli

Data warehousing con SQL Server

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

Dettagli

Data warehousing con SQL Server

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

Dettagli

Data warehousing con SQL Server

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

Dettagli

Il Dimensional Fact Model

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

Dettagli

! Un arco multiplo corrisponde ad un associazione molti-a-molti: il padre (libro) non determina funzionalmente il figlio (autore)

! Un arco multiplo corrisponde ad un associazione molti-a-molti: il padre (libro) non determina funzionalmente il figlio (autore) Arco Multiplo! Schema di fatto contenente un arco multiplo: genere autore libro VENDITA numero incasso data mese anno arco multiplo (AM) " Per illustrare il concetto di arco multiplo si parte da uno schema

Dettagli

Biglietti: schema E/R. Biglietti: albero degli attributi

Biglietti: schema E/R. Biglietti: albero degli attributi Biglietti: schema E/R 1 Biglietti: albero degli attributi 2 Biglietti: albero degli attributi 3 Dimensioni, Misure e Schema! Dimensioni = {CodVolo, Data, Check-in,AnnoNascitaCliente}! Tra le dimensioni

Dettagli

Analysis Service. Dutto Riccardo IPSI - tel Dutto Riccardo - SQL Server 2008.

Analysis Service. Dutto Riccardo IPSI - tel Dutto Riccardo - SQL Server 2008. SQL Server Business Intelligence Development Studio Analysis Service Dutto Riccardo riccardo.dutto@polito.it IPSI - tel.7991 http://dbdmg.polito.it/ Il Data warehouse Sorgenti dati operazionali DB relazionali

Dettagli

Esercizio con attributo cross-dimensionale - transazionale

Esercizio con attributo cross-dimensionale - transazionale Esercizio con attributo cross-dimensionale - transazionale TIPO (,CITTA) DI QTY CITTA (,ANNO) SCONTRINO(NSC, :) (,TIPO) VENDITA IN VENDITA(NSC:SCONTRINO,:, :,QTY,PU) IN PU NSC ANNO SCONTRINO DEL Viene

Dettagli

Schema Del DB Operazionale TELEFONATE

Schema Del DB Operazionale TELEFONATE Schema Del DB Operazionale TELEFONATE Costruire lo Schema di Fatto per analizzare le chiamate considerando come dimensioni TelefonoDA e TelefonoA, Data e Fascia, intesa come FasciaOraria della chiamata

Dettagli

Biglietti e Ritardi: schema E/R

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

Dettagli

ESEMPIO: RITARDI & BIGLIETTI

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

Dettagli

Interrogare una base di dati: algebra relazionale e SQL. Savino Castagnozzi Giorgio Macauda Michele Meomartino Salvatore Picerno Massimiliano Sartor

Interrogare una base di dati: algebra relazionale e SQL. Savino Castagnozzi Giorgio Macauda Michele Meomartino Salvatore Picerno Massimiliano Sartor Interrogare una base di dati: algebra relazionale e SQL Savino Castagnozzi Giorgio Macauda Michele Meomartino Salvatore Picerno Massimiliano Sartor Contesto didattico Il seguente materiale didattico è

Dettagli

Sistemi Informativi Aziendali. Sistemi Informativi Aziendali. Sistemi Informativi Aziendali

Sistemi Informativi Aziendali. Sistemi Informativi Aziendali. Sistemi Informativi Aziendali DIPARTIMENTO DI INGEGNERIA INFORMATICA AUTOMATICA E GESTIONALE ANTONIO RUBERTI Introduzione al Data Warehousing per b. Progetto di Datawarehouse 1 Progetto di Data Warehouse Definizione di obiettivi e

Dettagli

Progettazione Logica. Sviluppo di un Database/DataWarehouse

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

Dettagli

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

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

Dettagli

Pag Politecnico di Torino 1

Pag Politecnico di Torino 1 Introduzione Strutture fisiche di accesso Definizione di indici in SQL Progettazione fisica Linguaggio SQL: costrutti avanzati D B M G D B M G2 Organizzazione fisica dei dati All interno di un DBMS relazionale,

Dettagli

Le basi di dati. Definizione 1. Lezione 2. Bisogna garantire. Definizione 2 DBMS. Differenza

Le basi di dati. Definizione 1. Lezione 2. Bisogna garantire. Definizione 2 DBMS. Differenza Definizione 1 Lezione 2 Le basi di dati Gli archivi di dati Organizzato in modo integrato attraverso tecniche di modellazione di dati Gestiti su memorie di massa Con l obiettivo Efficienza trattamento

Dettagli

SISTEMI INFORMATIVI E DATABASE

SISTEMI INFORMATIVI E DATABASE SISTEMI INFORMATIVI E DATABASE SISTEMA INFORMATIVO AZIENDALE (S.I.) In una realtà aziendale si distingue: DATO elemento di conoscenza privo di qualsiasi elaborazione; insieme di simboli e caratteri. (274,

Dettagli

Il sistema informativo deve essere di tipo centralizzato e accessibile mediante un computer server installato nella rete locale dell albergo.

Il sistema informativo deve essere di tipo centralizzato e accessibile mediante un computer server installato nella rete locale dell albergo. PROBLEMA. Un albergo di una grande città intende gestire in modo automatizzato sia le prenotazioni sia i soggiorni e realizzare un database. Ogni cliente viene individuato, tra l altro, con i dati anagrafici,

Dettagli

CONCETTI E ARCHITETTURA DI UN SISTEMA DI BASI DI DATI

CONCETTI E ARCHITETTURA DI UN SISTEMA DI BASI DI DATI CONCETTI E ARCHITETTURA DI UN SISTEMA DI BASI DI DATI Introduzione alle basi di dati (2) 2 Modelli dei dati, schemi e istanze (1) Nell approccio con basi di dati è fondamentale avere un certo livello di

Dettagli

Elena Baralis 2007 Politecnico di Torino 1

Elena Baralis 2007 Politecnico di Torino 1 Introduzione Sistemi informativi 2 Introduzione Base di dati Modello dei dati Accesso ai dati Vantaggi e svantaggi dei DBMS 4 6 2007 Politecnico di Torino 1 7 8 9 10 Sistema informatico Nei sistemi informatici,

Dettagli

Basi di dati attive. Una base di dati è ATTIVA quando consente la definizione e la gestione di regole di produzione (regole attive o trigger).

Basi di dati attive. Una base di dati è ATTIVA quando consente la definizione e la gestione di regole di produzione (regole attive o trigger). Basi di dati attive Una base di dati è ATTIVA quando consente la definizione e la gestione di regole di produzione (regole attive o trigger). Tali regole vengono attivate in modo automatico al verificarsi

Dettagli

Sistemi Informativi Avanzati Anno Accademico 2011/2012 Prof. Domenico Beneventano SCENARI TEMPORALI

Sistemi Informativi Avanzati Anno Accademico 2011/2012 Prof. Domenico Beneventano SCENARI TEMPORALI Sistemi Informativi Avanzati Anno Accademico 2011/2012 Prof. Domenico Beneventano SCENARI TEMPORALI Dalle dispense originali realizzate dal Prof. Stefano Rizzi (http://www-db.deis.unibo.it/~srizzi/) e

Dettagli

DBMS. Alice Pavarani

DBMS. Alice Pavarani DBMS Alice Pavarani DBMS Insieme di programmi che offrono gli strumenti per gestire una base di dati Permette di: definire la struttura delle tabelle recuperare le informazioni manipolare i dati memorizzati

Dettagli

SISTEMA INFORMATIVO E SISTEMA INFORMATICO. Sistema informativo e sistema informatico

SISTEMA INFORMATIVO E SISTEMA INFORMATICO. Sistema informativo e sistema informatico BASE DI DATI Una base di dati, detta anche database, può essere considerata come una raccolta di dati logicamente correlati tra di loro e utilizzati per modellare una determinata realtà. In questo caso,

Dettagli

Informatica. Dipartimento di Economia. Ing. Cristiano Gregnanin. 20 ottobre Corso di laurea in Economia

Informatica. Dipartimento di Economia. Ing. Cristiano Gregnanin. 20 ottobre Corso di laurea in Economia Informatica Dipartimento di Economia Ing. Cristiano Gregnanin Corso di laurea in Economia 20 ottobre 2016 1 / 22 Introduzione ai database Prima dei DBMS, le organizzazioni utilizzavano semplici file per

Dettagli

Modellazione concettuale

Modellazione concettuale Sistemi Informativi Avanzati Anno Accademico 2015/2016 Prof. Domenico Beneventano Modellazione concettuale Dal Capitolo 5 del libro Data Warehouse - teoria e pratica della Progettazione Autori: Matteo

Dettagli

V. Moriggia Modelli di Base Dati. Modelli di Base Dati. a.a. 2001/2002 4.1

V. Moriggia Modelli di Base Dati. Modelli di Base Dati. a.a. 2001/2002 4.1 Modelli di Base Dati 4 Un DBMS: Access a.a. 2001/2002 4.1 DBMS 4.2 DBMS = Data Base Management System Software per la costruzione e la gestione di una base dati Esempi di DBMS: Oracle, MySQL, SQLServer,

Dettagli

SQL/OLAP. Estensioni OLAP in SQL

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

Dettagli

Caratteristiche dei linguaggi per Database

Caratteristiche dei linguaggi per Database IL LINGUAGGIO Caratteristiche dei linguaggi per Database I linguaggi per basi di dati relazionali possiedono i comandi per: definizione del data base; manipolazione dei dati; associazione tra tabelle diverse;

Dettagli

Estensioni del linguaggio SQL per interrogazioni OLAP

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

Dettagli

Introduzione Concetti Generali Pratica su Access Link utili. ECDL - Database. European Computer Driving Licence - Modulo 5 - Database LEZIONE 1

Introduzione Concetti Generali Pratica su Access Link utili. ECDL - Database. European Computer Driving Licence - Modulo 5 - Database LEZIONE 1 ECDL - Database Introduzione European Computer Driving Licence - Modulo 5 - Database LEZIONE 1 Informazioni sul corso orario: Giovedì - 14.30-16.30 materiale: http://www.fotoboni.com/carlo/ docente: webmaster@fotoboni.com

Dettagli

<Nome Tabella>.<attributo>

<Nome Tabella>.<attributo> Informatica Generale (AA 07/08) Corso di laurea in Scienze della Comunicazione Facoltà di Lettere e Filosofia Università degli Studi di Salerno : SQL (2) Tabelle mult., variabili, aggreg, group Prof. Alberto

Dettagli

I database. Introduzione alla teoria delle basi di dati

I database. Introduzione alla teoria delle basi di dati I database Introduzione alla teoria delle basi di dati 1 Cosa sono e a cosa servono i Database Un database (o base di dati) e' una raccolta organizzata di dati correlati. Il principale scopo di un database

Dettagli

MICROSOFT ACCESS IL MODELLO E/R

MICROSOFT ACCESS IL MODELLO E/R MICROSOFT ACCESS IL MODELLO E/R LE ENTITA Le entità di un database sono le singole tabelle che comporranno la struttura del nostro database. Le tabelle sono formate da attributi (o campi) che ne definiscono

Dettagli

ARCHITETTURA DI UN DBMS

ARCHITETTURA DI UN DBMS ARCHITETTURA DI UN DBMS Modelli di dati Un approccio con basi di dati fornisce un certo livello di astrazione dei dati Nasconde i dettagli sulla memorizzazione dei dati stessi Un modello dei dati fornisce

Dettagli

Sistemi Informativi e Basi di Dati

Sistemi Informativi e Basi di Dati Anno Accademico 2011/2012 Corso di Laurea in Ingegneria Gestionale Prof. Domenico Beneventano Ing. Andrea Bulgarelli 1 SISTEMI INFORMATIVI Due Moduli Un sistema informativo è un componente di una organizzazione

Dettagli

CAPITOLO V. DATABASE: Il modello relazionale

CAPITOLO V. DATABASE: Il modello relazionale CAPITOLO V DATABASE: Il modello relazionale Il modello relazionale offre una rappresentazione matematica dei dati basata sul concetto di relazione normalizzata. I principi del modello relazionale furono

Dettagli

Access 2007 Colonna di ricerca

Access 2007 Colonna di ricerca Pagina 1 di 7 Lezioni on line -> Gestire i dati Access 2007 Colonna di ricerca Quando si riempiono i campi dei record che formano una tabella, può essere utile e comodo poter scegliere, in un elenco dei

Dettagli

Bibliografia. INFORMATICA GENERALE Prof. Alberto Postiglione. Scienze della Comunicazione Università di Salerno. Definizione di DB e di DBMS

Bibliografia. INFORMATICA GENERALE Prof. Alberto Postiglione. Scienze della Comunicazione Università di Salerno. Definizione di DB e di DBMS INFORMATICA GENERALE DBMS: Introduzione alla gestione dei dati Bibliografia 4 ott 2011 Dia 2 Curtin, Foley, Sen, Morin Vecchie edizioni: 8.4, 8.5, 8.6, 8.7, 8.8 Edizione dalla IV in poi: 6.5, 21.1, 19.4,

Dettagli

Strategie top-down. Primitive di trasformazione top-down. Primitive di trasformazione top-down

Strategie top-down. Primitive di trasformazione top-down. Primitive di trasformazione top-down Strategie top-down A partire da uno schema che descrive le specifiche mediante pochi concetti molto astratti, si produce uno schema concettuale mediante raffinamenti successivi che aggiungono via via più

Dettagli

Basi di Dati Direzionali

Basi di Dati Direzionali Basi di Dati Direzionali Angelo Chianese, Vincenzo Moscato, Antonio Picariello, Lucio Sansone Basi di dati per la gestione dell'informazione 2/ed McGraw-Hill Capitolo 9 Appunti dalle lezioni SQL come DDL

Dettagli

LE BASI DI DATI. Prima parte Premesse introduttive I MODELLI DEI DATI

LE BASI DI DATI. Prima parte Premesse introduttive I MODELLI DEI DATI LE BASI DI DATI Prima parte Premesse introduttive I MODELLI DEI DATI MODELLAZIONE DEI DATI Un modello dei dati è un insieme di concetti utilizzati per organizzare i dati di interesse e descriverne la natura

Dettagli

Basi di dati Basi di dati per bioinformatica

Basi di dati Basi di dati per bioinformatica Basi di dati Basi di dati per bioinformatica DOCENTI PROF. ALBERTO BELUSSI PROF CARLO COMBI Anno accademico 2013/14 Organizzazione degli insegnamenti 3 Basi di dati Basi di dati per Bioinformatica Teoria

Dettagli

Microsoft Access (parte 5) Query. Query. Query. Query. Creare una query

Microsoft Access (parte 5) Query. Query. Query. Query. Creare una query Microsoft Access (parte 5) Anno accademico: 2008-2009 Per estrarre informazioni da un database si utilizzano delle query : procedure di interrogazione Si può creare più query per ogni tabella Occorre avere

Dettagli

Il PROCESSO UNIFICATO

Il PROCESSO UNIFICATO Corsi di laurea triennale in Ingegneria Informatica Corso di Ingegneria del software Il PROCESSO UNIFICATO Modellazione ed Implementazione di un Sistema Software per la gestione informatizzata di un ristorante

Dettagli

Esercitazione seconda prova Esame di Stato Prova di Informatica Gestionale ITC Programmatori e Mercurio. Note introduttive

Esercitazione seconda prova Esame di Stato Prova di Informatica Gestionale ITC Programmatori e Mercurio. Note introduttive Note introduttive Il metodo di lavoro proposto ripercorre il ciclo di vita di un sistema informativo automatizzato attraverso l analisi, il progetto, la realizzazione e il testing. Il sistema informativo

Dettagli

Ambienti Operativi per OLAP. Casi di Studio

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

Dettagli

Corso di Informatica. Access. Struttura tabella. Tabelle - esempi 11/01/2008

Corso di Informatica. Access. Struttura tabella. Tabelle - esempi 11/01/2008 Corso di Informatica Ing. Dario Sguassero Access Accessè un programma specializzato nella gestione dei database Un database è una raccolta di informazioni organizzate Un database di Access è costituito

Dettagli

Basi di dati D O C E N T E P R O F. A L B E R T O B E L U S S I. Anno accademico 2012/13

Basi di dati D O C E N T E P R O F. A L B E R T O B E L U S S I. Anno accademico 2012/13 Basi di dati D O C E N T E P R O F. A L B E R T O B E L U S S I Anno accademico 2012/13 Informazioni generali sull organizzazione Insegnamento annuale su due semestri Orario I Semestre Lunedì 11.30 13.30

Dettagli

Le query di comando e di servizio in Access

Le query di comando e di servizio in Access Le query di comando e di servizio in Access In questa parte sono presentate alcune query di Access che permettono di: creare nuove tabelle, aggiungere o eliminare righe in una tabella, modificare il contenuto

Dettagli

BASI DI DATI. Titolo Prof. Cognome Nome Indirizzo Numero Telefono

BASI DI DATI. Titolo Prof. Cognome Nome Indirizzo Numero Telefono BASI DI DATI Una base di dati (database) è un insieme organizzato di informazioni caratterizzate da alcuni aspetti fondamentali: tra esse esiste un nesso logico (cioè sono in qualche modo inerenti ad un

Dettagli

Traduzione dello schema E-R in modello logico relazionale

Traduzione dello schema E-R in modello logico relazionale Traduzione dello schema E-R in modello logico relazionale 1 2 Entità con identificatore esterno - Esempio Risoluzione delle entità con identificatore esterno 3 4 5 Traduzioni dal modello E-R al modello

Dettagli

Rassegna sui principi e sui sistemi di Data Warehousing

Rassegna sui principi e sui sistemi di Data Warehousing Università degli studi di Bologna FACOLTA DI SCIENZE MATEMATICHE, FISICHE E NATURALI Rassegna sui principi e sui sistemi di Data Warehousing Tesi di laurea di: Emanuela Scionti Relatore: Chiar.mo Prof.Montesi

Dettagli

SQL Server BI Development Studio

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

Dettagli

Compito Sistemi Informativi LA. Tempo concesso : 90 minuti 22 Giugno 04 Nome: Cognome: Matricola:

Compito Sistemi Informativi LA. Tempo concesso : 90 minuti 22 Giugno 04 Nome: Cognome: Matricola: Compito Sistemi Informativi LA. Tempo concesso : 90 minuti 22 Giugno 04 Nome: Cognome: Matricola: Esercizio 1 Si considerino le seguenti specifiche relative alla realizzazione del sistema informativo di

Dettagli

INTRODUZIONE ALLE BASI DATI RELAZIONALI

INTRODUZIONE ALLE BASI DATI RELAZIONALI INTRODUZIONE ALLE BASI DATI RELAZIONALI RELAZIONI E TABELLE Nelle BASI DI DATI RELAZIONALI le informazioni sono organizzate in TABELLE; Le tabelle sono rappresentate mediante griglie suddivise in RIGHE

Dettagli

Misure. Definizione delle misure

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

Dettagli

DOCENTE PROF. ALBERTO BELUSSI. Anno accademico 2010/11

DOCENTE PROF. ALBERTO BELUSSI. Anno accademico 2010/11 Basi di dati DOCENTE PROF. ALBERTO BELUSSI Anno accademico 2010/11 Informazioni generali sull organizzazione Insegnamento annuale su due semestri Orario I Semestre Lunedì 11.30 13.30 (aula B) Martedì 11.30

Dettagli

SQL. Il nome sta per Structured Query Language Le interrogazioni SQL sono dichiarative

SQL. Il nome sta per Structured Query Language Le interrogazioni SQL sono dichiarative SQL SQL Il nome sta per Structured Query Language Le interrogazioni SQL sono dichiarative l utente specifica quale informazione è di suo interesse, ma non come estrarla dai dati Le interrogazioni vengono

Dettagli

Corso di Laurea in Informatica Basi di Dati a.a

Corso di Laurea in Informatica Basi di Dati a.a Corso di Laurea in Informatica Basi di Dati a.a. 2010-2011 Laboratorio 31B Esercitatori : Ing. G. Laboccetta Dott.ssa V. Policicchio Presentazione delle lezioni di laboratorio: finalità del corso modalità

Dettagli

Open Database Connectivity (ODBC)

Open Database Connectivity (ODBC) Open Database Connectivity (ODBC) Open Database Connectivity (ODBC), proposto dalla Microsoft nel 1991, fornisce un interfaccia applicativa standard che permette ad una generica applicazione di accedere

Dettagli

DATA WAREHOUSING CON JASPERSOFT BI SUITE

DATA WAREHOUSING CON JASPERSOFT BI SUITE UNIVERSITÁ DEGLI STUDI DI MODENA E REGGIO EMILIA Dipartimento di Ingegneria di Enzo Ferrari Corso di Laurea Magistrale in Ingegneria Informatica (270/04) DATA WAREHOUSING CON JASPERSOFT BI SUITE Relatore

Dettagli

Catena del valore (studio di caso)

Catena del valore (studio di caso) (studio di caso) aprile 2012 1 Sono stati finora studiati individualmente alcuni processi di business può essere però utile anche inquadrare tali processi congiuntamente, in un contesto più ampio in particolare,

Dettagli

TRADUZIONE DI SCHEMI

TRADUZIONE DI SCHEMI TRADUZIONE DI SCHEMI Progettazione di basi di dati relazionali attraverso la traduzione da schemi ER a schemi relazionali 2 Da un modello ad un altro Parliamo di come progettare uno schema di basi di dati

Dettagli

Progettazione logica

Progettazione logica Progettazione logica Progettazione Logica Il prodotto della progettazione logica è uno schema logico che rappresenta le informazioni contenute nello schema E- R in modo corretto ed efficiente. Richiede

Dettagli

Linguaggi di Programmazione

Linguaggi di Programmazione Linguaggi di Programmazione Linguaggi di Programmazione Programmazione. Insieme delle attività e tecniche svolte per creare un programma (codice sorgente) da far eseguire ad un computer. Che lingua comprende

Dettagli

Il modello relazionale

Il modello relazionale Basi di dati Il modello relazionale Si tratta della fase di progettazione. In questa fase individuiamo esattamente quello che è utili informatizzare Cerchiamo gli elementi importanti Individuiamo le loro

Dettagli

Data Warehouse Architettura e Progettazione

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

Dettagli

Basi di Dati. Progettazione di una Base di Dati. Progettazione di una Base di Dati

Basi di Dati. Progettazione di una Base di Dati. Progettazione di una Base di Dati Basi di Dati Cosa vuol dire progettare una base di dati? Il DBMS non va progettato il DBMS si acquista o esiste già è impossibile pensare di sviluppare un DBMS anni di sviluppo necessità di elevate competenze

Dettagli

Sviluppo di programmi

Sviluppo di programmi Sviluppo di programmi Per la costruzione di un programma conviene: 1. condurre un analisi del problema da risolvere 2. elaborare un algoritmo della soluzione rappresentato in un linguaggio adatto alla

Dettagli

Argomenti XML JSON. Linguaggi per la definizione e lo scambio di dati strutturati, semi-strutturati, non strutturati. XML Data Model JSON

Argomenti XML JSON. Linguaggi per la definizione e lo scambio di dati strutturati, semi-strutturati, non strutturati. XML Data Model JSON XML JSON Argomenti 2 Linguaggi per la definizione e lo scambio di dati strutturati, semi-strutturati, non strutturati XML Data Model JSON 3 XML XML extensible Markup Language 4 Modello di dati XML Nato

Dettagli

Data warehousing Mario Guarracino Laboratorio di Sistemi Informativi Aziendali a.a. 2006/2007

Data warehousing Mario Guarracino Laboratorio di Sistemi Informativi Aziendali a.a. 2006/2007 Data warehousing Introduzione A partire dalla metà degli anni novanta è risultato chiaro che i database per i DSS e le analisi di business intelligence vanno separati da quelli operazionali. In questa

Dettagli

SISTEMI INFORMATIVI AVANZATI -2010/2011 1. Introduzione

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

Dettagli

SQL - Structured Query Language

SQL - Structured Query Language SQL - Structured Query Language Lab 05 Alessandro Lori Università di Pisa 27 Aprile 2012 Riepilogo esercitazione precedente Operatori insiemistici (UNION, INTERSECT, EXCEPT) Riepilogo esercitazione precedente

Dettagli

Parte 7. Fogli Elettronici: MS Excel (livello avanzato) Parte 7. Ripasso. Elementi di informatica - AA 2008/2009 MS Excel avanzato.

Parte 7. Fogli Elettronici: MS Excel (livello avanzato) Parte 7. Ripasso. Elementi di informatica - AA 2008/2009 MS Excel avanzato. Parte 7 Fogli Elettronici: MS Excel (livello avanzato) 1 di 39 Parte 7 Ripasso 2 di 39 1 Ripasso Cosa sappiamo già fare con un foglio di calcolo Ms Excel: Selezionare celle e gruppi di celle Utilizzare

Dettagli

Le basi di dati. Lez. 2: Progettazione di un DB. Laboratorio di informatica gestionale

Le basi di dati. Lez. 2: Progettazione di un DB. Laboratorio di informatica gestionale Le basi di dati Lez. 2: Progettazione di un DB Cos è un dato? Un dato (dal latino datum) è la descrizione elementare di una cosa, di un avvenimento. Un dato è utilizzabile se esiste una chiave di interpretazione.

Dettagli

Architettura CPU. Memoria principale (RAM) Dispositivi di ingresso. Dispositivi di uscita. Memoria secondaria (memoria di massa)

Architettura CPU. Memoria principale (RAM) Dispositivi di ingresso. Dispositivi di uscita. Memoria secondaria (memoria di massa) Architettura CPU Dispositivi di ingresso Memoria principale (RAM) Dispositivi di uscita Memoria secondaria (memoria di massa) Architettura a tre livelli (ANSI-SPARC 78) Schema Est 1 Schema Est 2... Schema

Dettagli

BASI DI DATI. basi di dati - introduzione ai sistemi informativi 1

BASI DI DATI. basi di dati - introduzione ai sistemi informativi 1 BASI DI DATI basi di dati - introduzione ai sistemi informativi 1 Sistema Informativo Insieme degli strumenti, risorse e procedure che consentono la gestione delle informazioni aziendali e' essenziale

Dettagli

Misure (parte II) Gerarchie Incomplete

Misure (parte II) Gerarchie Incomplete Sistemi Informativi Avanzati Anno Accademico 2013/2014 Prof. Domenico Beneventano Misure (parte II) Gerarchie Incomplete Esempio Schema di Fatto STUDENTE(STUDENTE,,REGIONE,), DF:! REGIONE (,,) REGIONE!

Dettagli

LE MASCHERE. Maschera standard. Maschera semplice. Questa maschera però non consente di nascondere alcuni campi e visualizza i record uno ad uno.

LE MASCHERE. Maschera standard. Maschera semplice. Questa maschera però non consente di nascondere alcuni campi e visualizza i record uno ad uno. LE MASCHERE Inserire i dati direttamente in tabella non è agevole. Questa operazione normalmente viene svolta utilizzando le maschere. I vantaggi offerti dalle maschere sono: Aspetto grafico più accattivante

Dettagli

SQL Server. Applicazioni principali

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

Dettagli

Data Warehousing (DW)

Data Warehousing (DW) Data Warehousing (DW) Il Data Warehousing è un processo per estrarre e integrare dati storici da sistemi transazionali (OLTP) diversi e disomogenei, e da usare come supporto al sistema di decisione aziendale

Dettagli

I DSS e la gestione dei dati e della conoscenza. Prof. Luca Gnan

I DSS e la gestione dei dati e della conoscenza. Prof. Luca Gnan I DSS e la gestione dei dati e della conoscenza Prof. Luca Gnan Argomenti I decision support system Tipologie di DSS Logiche di funzionamento Tipologie di analisi La gestione dei dati e della conoscenza

Dettagli

Componenti di un DBMS

Componenti di un DBMS Componenti di un DBMS Come fa un DBMS a garantire le proprietà ACIDe di una transazione? Vediamo i componenti principali dal più interno a quello di più alto livello: Controllore di Concorrenza Gestore

Dettagli

LE BASI DI DATI. Seconda parte La progettazione di database Relazionali SCHEMA LOGICO - Ristrutturazione dello schema concettuale

LE BASI DI DATI. Seconda parte La progettazione di database Relazionali SCHEMA LOGICO - Ristrutturazione dello schema concettuale LE BASI DI DATI Seconda parte La progettazione di database Relazionali SCHEMA LOGICO - Ristrutturazione dello schema concettuale LA PROGETTAZIONE LOGICA L'obiettivo della progettazione logica è quello

Dettagli

Pumping lemma per i linguaggi Context-free

Pumping lemma per i linguaggi Context-free Pumping lemma per i linguaggi Context-free Sia L un linguaggio context-free. E possibile determinare una costante k, dipendente da L, tale che qualunque stringa z! L con z > k si può esprimere come z=

Dettagli

Capitolo 4: Tabelle. y(x) = x 3 ì 2x. Capitolo 4: Tabelle 67. Nota: le tabelle non sono disponibili nel modo di rappresentazione grafica 3D.

Capitolo 4: Tabelle. y(x) = x 3 ì 2x. Capitolo 4: Tabelle 67. Nota: le tabelle non sono disponibili nel modo di rappresentazione grafica 3D. Capitolo 4: Tabelle 4 Definizione di tabelle...68 Panoramica della procedura per generare una tabella...69 Impostazione dei parametri di tabella...70 Visualizzazione di una tabella in modo automatico...72

Dettagli

Thematica Software Technologies

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

Dettagli

ACCESS. Database: archivio elettronico, dotato di un programma di interfaccia che facilita la registrazione e la ricerca dei dati.

ACCESS. Database: archivio elettronico, dotato di un programma di interfaccia che facilita la registrazione e la ricerca dei dati. ACCESS Database: archivio elettronico, dotato di un programma di interfaccia che facilita la registrazione e la ricerca dei dati. Database Relazionale: tipo di database attualmente più diffuso grazie alla

Dettagli

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

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

Dettagli

MODELLI DEI DATI. Informatica Generale (AA 07/08) Corso di laurea in Scienze della Comunicazione Facoltà di Lettere e Filosofia

MODELLI DEI DATI. Informatica Generale (AA 07/08) Corso di laurea in Scienze della Comunicazione Facoltà di Lettere e Filosofia Informatica Generale (AA 07/08) Corso di laurea in Scienze della Comunicazione Facoltà di Lettere e Filosofia Università degli Studi di Salerno : Modelli dei Dati MODELLI DEI DATI Prof. Alberto Postiglione

Dettagli

Metodologie e modelli di progetto

Metodologie e modelli di progetto Metodologie e modelli di progetto Ingg. Francesco Gullo, Giovanni Ponti D.E.I.S Università della Calabria fgullo@deis.unical.it gponti@deis.unical.it 1 I Sistemi Informativi Un sistema informativo èun

Dettagli

Introduzione data warehose. Gian Luigi Ferrari Dipartimento di Informatica Università di Pisa. Data Warehouse

Introduzione data warehose. Gian Luigi Ferrari Dipartimento di Informatica Università di Pisa. Data Warehouse Introduzione data warehose Gian Luigi Ferrari Dipartimento di Informatica Università di Pisa Data Warehouse Che cosa e un data warehouse? Quali sono i modelli dei dati per data warehouse Come si progetta

Dettagli

Informatica per le Scienze Umane. Introduzione al corso: programma dettagliato

Informatica per le Scienze Umane. Introduzione al corso: programma dettagliato Informatica per le Scienze Umane Introduzione al corso: programma dettagliato 1 Obiettivi del corso Fornire le conoscenze e le competenze necessarie alla rappresentazione e al trattamento consapevole delle

Dettagli

SQL quick reference. piccolo manuale di riferimento dei principali comandi SQL (prof. Claudio Maccherani, Perugia, 2013)

SQL quick reference. piccolo manuale di riferimento dei principali comandi SQL (prof. Claudio Maccherani, Perugia, 2013) SQL quick reference piccolo manuale di riferimento dei principali comandi SQL (prof. Claudio Maccherani, Perugia, 2013) I tipi dei dati di SQL sono: delimitatori delle costanti: TEXT(n) stringa di caratteri

Dettagli

SQL Server Data Trasformation Services

SQL Server Data Trasformation Services SQL Server 2000 Data Trasformation Services (DTS) Introduzione Data Trasformation Services Strumenti che permetteno di: Importare dati da fonti esterne Esportare dati verso fonti esterne Trasformare dati

Dettagli

Sommario. Introduzione... 13

Sommario. Introduzione... 13 Sommario Introduzione... 13 1. Database pro e contro... 19 A cosa serve conoscere i database?...19 Le alternative alla gestione manuale...22 Quando non serve un database?...24 Domande ed esercizi...26

Dettagli

Relazioni e tabelle. Introduzione alle Basi di Dati Relazionali. Relazioni uno a uno. Esempio

Relazioni e tabelle. Introduzione alle Basi di Dati Relazionali. Relazioni uno a uno. Esempio Relazioni e tabelle Introduzione alle Basi di Dati Relazionali Nelle Basi di Dati relazionali le informazioni sono organizzate in tabelle Le tabelle sono rappresentate mediante griglie suddivise in colonne

Dettagli