Data warehouse Analisi dei dati
|
|
|
- Giustina Mora
- 6 anni fa
- Visualizzazioni
Transcript
1 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati atabase and data mining group, M B G ata warehouse Analisi dei dati ATA WAREHOUSE: OLAP - 1 atabase and data mining group, Operazioni di analisi dei dati Calcolo di funzioni aggregate lungo una o più dimensioni necessità di fornire supporto a diversi tipi di funzione aggregata (esempi: media mobile, top ten) Operazioni di confronto, essenziali per confrontare l andamento degli affari (esempio: confronto dei dati delle vendite in mesi diversi) è difficile eseguire confronti utilizzando solo il linguaggio SQL Analisi dei dati mediante tecniche di data mining ATA WAREHOUSE: OLAP - 2 Pag. 1
2 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati atabase and data mining group, Operazioni di analisi dei dati Presentazione attività distinta dalla ricerca: i dati ottenuti da una ricerca possono essere rappresentati mediante diversi tipi di strumenti di rappresentazione Ricerca di motivazioni esplorazione dei dati mediante approfondimenti (esempio: drill down) ATA WAREHOUSE: OLAP - 3 Strumenti di interfaccia atabase and data mining group, L utente può interrogare il data warehouse mediante strumenti di vario tipo: ambiente controllato di query strumenti specifici di query e generazione rapporti strumenti di data mining ATA WAREHOUSE: OLAP - 4 Pag. 2
3 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati atabase and data mining group, Ambiente controllato di query Sono definite ricerche complesse con struttura prefissata (normalmente parametrica) procedure specifiche di analisi rapporti con struttura prefissata È possibile introdurre elementi specifici del settore economico considerato È necessario lo sviluppo di codice ad hoc si utilizzano stored procedures, applicazioni contenute in packages, join e aggregazioni predefinite sono disponibili strumenti flessibili per la gestione della reportistica, che permettono di definire layout, periodicità di pubblicazione, liste di distribuzione ATA WAREHOUSE: OLAP - 5 atabase and data mining group, Ambiente di query ad hoc È possibile definire interrogazioni OLAP di tipo arbitrario, progettate al momento dall utente formulazione delle interrogazioni mediante tecniche point and click, che generano automaticamente istruzioni SQL si possono definire interrogazioni (tipicamente) complesse interfaccia basata sul paradigma dello spreadsheet Una sessione di lavoro OLAP permette raffinamenti successivi della stessa interrogazione Utile quando i rapporti predefiniti non sono adeguati ATA WAREHOUSE: OLAP - 6 Pag. 3
4 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati atabase and data mining group, M B G OLAP ATA WAREHOUSE: OLAP - 7 Analisi OLAP atabase and data mining group, Operazioni di ricerca disponibili roll up, drill down slice and dice pivot di tabelle ordinamento Le operazioni possono essere combinate tra loro nella stessa query eseguite in una sequenza di raffinamenti successivi della stessa query che forma la sessione di lavoro OLAP ATA WAREHOUSE: OLAP - 8 Pag. 4
5 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati Roll up atabase and data mining group, Riduzione di dettaglio dei dati mediante la riduzione del livello di dettaglio di una delle dimensioni presenti, con l aumento di livello in una gerarchia esempio group by negozio, mese group by città, mese l eliminazione di una delle dimensioni presenti esempio group by prodotto, città group by prodotto ATA WAREHOUSE: OLAP - 9 Roll up atabase and data mining group, Tratto da Golfarelli, Rizzi, ata warehouse, teoria e pratica della progettazione, McGraw Hill 2006 ATA WAREHOUSE: OLAP - 10 Pag. 5
6 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati Roll up atabase and data mining group, Tratto da Golfarelli, Rizzi, ata warehouse, teoria e pratica della progettazione, McGraw Hill 2006 ATA WAREHOUSE: OLAP - 11 Roll up atabase and data mining group, Tratto da Golfarelli, Rizzi, ata warehouse, teoria e pratica della progettazione, McGraw Hill 2006 ATA WAREHOUSE: OLAP - 12 Pag. 6
7 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati rill down atabase and data mining group, Aumento di dettaglio dei dati mediante l aumento del livello di dettaglio di una delle dimensioni presenti, con la riduzione di livello in una gerarchia esempio: da raggruppamento per città e mese a raggruppamento per negozio e mese l aggiunta di una nuova dimensione esempio: da raggruppamento per città, raggruppamento per città e prodotto Spesso il drill down opera su un sottoinsieme dei dati di partenza ATA WAREHOUSE: OLAP - 13 rill down atabase and data mining group, Tratto da Golfarelli, Rizzi, ata warehouse, teoria e pratica della progettazione, McGraw Hill 2006 ATA WAREHOUSE: OLAP - 14 Pag. 7
8 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati rill down atabase and data mining group, Tratto da Golfarelli, Rizzi, ata warehouse, teoria e pratica della progettazione, McGraw Hill 2006 ATA WAREHOUSE: OLAP - 15 rill down atabase and data mining group, Tratto da Golfarelli, Rizzi, ata warehouse, teoria e pratica della progettazione, McGraw Hill 2006 ATA WAREHOUSE: OLAP - 16 Pag. 8
9 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati Slice and dice atabase and data mining group, Riduzione del volume dei dati da analizzare selezione di un sottoinsieme mediante predicati slice: predicato di uguaglianza che seleziona una fetta esempio: Anno=2005 dice: combinazione di predicati che seleziona un cubetto esempio: Categoria= Alimentari and Città= Torino ATA WAREHOUSE: OLAP - 17 Slice and dice atabase and data mining group, Tratto da Golfarelli, Rizzi, ata warehouse, teoria e pratica della progettazione, McGraw Hill 2006 ATA WAREHOUSE: OLAP - 18 Pag. 9
10 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati Slice and dice atabase and data mining group, Tratto da Golfarelli, Rizzi, ata warehouse, teoria e pratica della progettazione, McGraw Hill 2006 ATA WAREHOUSE: OLAP - 19 Slice and dice atabase and data mining group, Tratto da Golfarelli, Rizzi, ata warehouse, teoria e pratica della progettazione, McGraw Hill 2006 ATA WAREHOUSE: OLAP - 20 Pag. 10
11 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati Pivot atabase and data mining group, Riorganizzazione dell orientamento della struttura multidimensionale senza variare il livello di dettaglio permette una visualizzazione più chiara delle stesse informazioni la rappresentazione dei dati multidimensionali rimane sotto forma di griglia due dimensioni sono gli assi principali della griglia varia la posizione delle dimensioni nella griglia ATA WAREHOUSE: OLAP - 21 Pivot atabase and data mining group, Tratto da Golfarelli, Rizzi, ata warehouse, teoria e pratica della progettazione, McGraw Hill 2006 ATA WAREHOUSE: OLAP - 22 Pag. 11
12 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati Pivot atabase and data mining group, Tratto da Golfarelli, Rizzi, ata warehouse, teoria e pratica della progettazione, McGraw Hill 2006 ATA WAREHOUSE: OLAP - 23 Pivot atabase and data mining group, Tratto da Golfarelli, Rizzi, ata warehouse, teoria e pratica della progettazione, McGraw Hill 2006 ATA WAREHOUSE: OLAP - 24 Pag. 12
13 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati atabase and data mining group, M B G Estensioni del linguaggio SQL ATA WAREHOUSE: OLAP - 25 atabase and data mining group, Estensioni del linguaggio SQL Gli strumenti di interfaccia richiedono nuove funzioni aggregate funzioni aggregate utilizzate per le analisi economiche (media mobile, mediana,...) posizione nell ordinamento funzioni per la generazione di rapporti definizione di totali parziali e cumulativi Lo standard ANSI ha accettato la proposta di nuove funzioni OLAP incorporate nei prodotti a partire da B2 UB 7.1, Oracle 8i v2 ATA WAREHOUSE: OLAP - 26 Pag. 13
14 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati atabase and data mining group, Estensioni del linguaggio SQL Gli strumenti di interfaccia richiedono operatori per il calcolo di più raggruppamenti (group by) diversi nello stesso momento Lo standard SQL-99 (SQL3) ha esteso la clausola group by di SQL ATA WAREHOUSE: OLAP - 27 Base di dati di esempio Vendite(Città,Mese,Importo) atabase and data mining group, Città Mese Importo Milano Milano 8 10 Milano 9 70 Milano Milano Milano Torino 7 70 Torino 8 35 Torino 9 80 Torino Torino Torino ATA WAREHOUSE: OLAP - 28 Pag. 14
15 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati Funzioni OLAP in SQL atabase and data mining group, Nuova classe di funzioni aggregate (funzioni OLAP) caratterizzate da: finestra di calcolo, all interno di cui è possibile specificare il calcolo di funzioni aggregate possibilità di calcolare totali cumulativi e media mobile nuove funzioni aggregate per ricavare la posizione nell ordinamento (ranking) ATA WAREHOUSE: OLAP - 29 Finestra di calcolo atabase and data mining group, Nuova clausola window caratterizzata da: partizionamento: divide le righe in gruppi, senza collassarle (diverso da group by) assenza di partizionamento: un solo gruppo ordinamento delle righe separatamente all interno di ogni partizione (simile a order by) finestra di aggregazione: definisce il gruppo di righe su cui l aggregato è calcolato, per ciascuna riga della partizione ATA WAREHOUSE: OLAP - 30 Pag. 15
16 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati Esempio atabase and data mining group, Visualizzare, per ogni città e mese l importo delle vendite la media rispetto al mese corrente e ai due mesi precedenti, separatamente per ogni città ATA WAREHOUSE: OLAP - 31 Esempio atabase and data mining group, Partizionamento in base alla città il calcolo della media è azzerato ogni volta che cambia la città Ordinamento in base al mese per calcolare la media mobile sul mese corrente insieme ai due mesi precedenti senza ordinamento, il calcolo sarebbe privo di significato imensione della finestra di calcolo: riga corrente e le due righe precedenti ATA WAREHOUSE: OLAP - 32 Pag. 16
17 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati Esempio atabase and data mining group, SELECT Città, Mese, Importo, AVG(Importo) OVER Wavg AS MediaMobile FROM Vendite WINOW Wavg AS (PARTITION BY Città ORER BY Mese ROWS 2 PRECEING) ATA WAREHOUSE: OLAP - 33 Esempio atabase and data mining group, SELECT Città, Mese, Importo, AVG(Importo) OVER (PARTITION BY Città ORER BY Mese ROWS 2 PRECEING) AS MediaMobile FROM Vendite ATA WAREHOUSE: OLAP - 34 Pag. 17
18 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati Risultato Città Mese Importo MediaMobile Milano Milano Milano Milano Milano Milano Torino Torino Torino Torino Torino Torino atabase and data mining group, Partizione 1 Partizione 2 ATA WAREHOUSE: OLAP - 35 Osservazioni atabase and data mining group, E` necessario specificare l ordinamento, perché l aggregazione richiesta utilizza le righe in modo ordinato l ordinamento indicato non corrisponde ad un ordine predefinito delle righe in output Quando la finestra è incompleta, il calcolo è effettuato sulla parte presente è possibile specificare che, se la finestra è incompleta, il risultato deve essere NULL E` possibile specificare più finestre di calcolo diverse ATA WAREHOUSE: OLAP - 36 Pag. 18
19 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati Finestra di aggregazione atabase and data mining group, La finestra mobile su cui è effettuato il calcolo dell aggregato può essere definita a livello fisico, formando il gruppo mediante conteggio delle righe esempio: la riga corrente e le due righe precedenti a livello logico, formando il gruppo in base alla definizione di un intervallo intorno alla chiave di ordinamento esempio: il mese corrente e i due mesi precedenti ATA WAREHOUSE: OLAP - 37 atabase and data mining group, efinizione intervallo fisico Tra un estremo inferiore e la riga corrente ROWS 2 PRECEING Tra un estremo inferiore e uno superiore ROWS BETWEEN 1 PRECEING AN 1 FOLLOWING ROWS BETWEEN 3 PRECEING AN 1 PRECEING Tra l inizio (o la fine) della partizione e la riga corrente ROWS UNBOUNE PRECEING (o FOLLOWING) ATA WAREHOUSE: OLAP - 38 Pag. 19
20 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati Raggruppamento fisico atabase and data mining group, Adatto per dati che non hanno interruzioni nella sequenza esempio: non manca nessun mese nella sequenza è possibile specificare più di una chiave di ordinamento il raggruppamento ignora le separazioni esempio: ordinamento per mese e anno non occorrono formule per specificare come calcolare la finestra ATA WAREHOUSE: OLAP - 39 atabase and data mining group, efinizione intervallo logico Si utilizza il costrutto range, con la stessa sintassi dell intervallo fisico E` necessario definire la distanza tra gli estremi dell intervallo e il valore corrente sulla chiave di ordinamento Esempio RANGE 2 MONTH PRECEING ATA WAREHOUSE: OLAP - 40 Pag. 20
21 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati Raggruppamento logico atabase and data mining group, Adatto per dati sparsi, che hanno interruzioni nella sequenza esempio: manca un mese nella sequenza non è possibile specificare più di una chiave di ordinamento è possibile utilizzare solo tipi di dato numerici o data come chiave di ordinamento (consentono di scrivere espressioni aritmetiche) ATA WAREHOUSE: OLAP - 41 Applicazioni atabase and data mining group, Calcolo di aggregati mobili l aggregato è calcolato su una finestra che scorre sui dati esempi: media mobile, somma mobile Calcolo di totali cumulativi il totale (cumulativo) è incrementato aggiungendo una riga alla volta Confronto tra dati dettagliati e dati complessivi ATA WAREHOUSE: OLAP - 42 Pag. 21
22 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati atabase and data mining group, Calcolo di totali cumulativi Visualizzare, per ogni città e mese l importo delle vendite l importo cumulativo delle vendite al trascorrere dei mesi, separatamente per ogni città ATA WAREHOUSE: OLAP - 43 atabase and data mining group, Calcolo di totali cumulativi Partizionamento in base alla città il calcolo della somma cumulativa è azzerato ogni volta che cambia la città Ordinamento (crescente) in base al mese per calcolare la somma al passare dei mesi senza ordinamento, il calcolo sarebbe privo di significato imensione della finestra di calcolo: dalla riga iniziale della partizione alla riga corrente ATA WAREHOUSE: OLAP - 44 Pag. 22
23 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati atabase and data mining group, Calcolo di totali cumulativi SELECT Città, Mese, Importo, SUM(Importo) OVER (PARTITION BY Città ORER BY Mese ROWS UNBOUNE PRECEING) AS SommaCumul FROM Vendite ATA WAREHOUSE: OLAP - 45 atabase and data mining group, Calcolo di totali cumulativi: risultato Città Mese Importo SommaCumul Milano Milano Milano Milano Milano Milano Torino Torino Torino Torino Torino Torino Partizione 1 Partizione 2 ATA WAREHOUSE: OLAP - 46 Pag. 23
24 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati atabase and data mining group, Confronto tra dati dettagliati e dati complessivi Visualizzare, per ogni città e mese l importo delle vendite l importo totale delle vendite sul periodo completo per la città corrente ATA WAREHOUSE: OLAP - 47 atabase and data mining group, Confronto tra dati dettagliati e dati complessivi Partizionamento in base alla città il calcolo del totale complessivo è azzerato ogni volta che cambia la città Non è necessario l ordinamento il totale complessivo è calcolato indipendentemente dall ordinamento Non è necessaria la finestra di calcolo è l intera partizione ATA WAREHOUSE: OLAP - 48 Pag. 24
25 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati atabase and data mining group, Confronto tra dati dettagliati e dati complessivi SELECT Città, Mese, Importo, SUM(Importo) OVER (PARTITION BY Città) AS ImpTotale FROM Vendite ATA WAREHOUSE: OLAP - 49 atabase and data mining group, Confronto tra dati dettagliati e dati complessivi Città Mese Importo ImpTotale Milano Milano Milano Milano Milano Milano Torino Torino Torino Torino Torino Torino Partizione 1 Partizione 2 ATA WAREHOUSE: OLAP - 50 Pag. 25
26 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati atabase and data mining group, Confronto tra dati dettagliati e dati complessivi Visualizzare, per ogni città e mese l importo il rapporto tra l importo della riga corrente per le vendite e il totale complessivo il rapporto tra l importo della riga corrente per le vendite e il totale complessivo per città il rapporto tra l importo della riga corrente per le vendite e il totale complessivo per mese ATA WAREHOUSE: OLAP - 51 atabase and data mining group, Confronto tra dati dettagliati e dati complessivi Tre finestre di calcolo diverse totale complessivo: nessun partizionamento totale per città: partizionamento per città totale per mese: partizionamento per mese Non è necessario l ordinamento per nessuna finestra il totale complessivo è calcolato indipendentemente dall ordinamento La finestra di calcolo è sempre l intera partizione ATA WAREHOUSE: OLAP - 52 Pag. 26
27 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati atabase and data mining group, Confronto tra dati dettagliati e dati complessivi SELECT Città, Mese, Importo Importo/SUM(Importo) OVER () AS PercTotale Importo/SUM(Importo) OVER (PARTITION BY Città) AS PercCittà Importo/SUM(Importo) OVER (PARTITION BY Mese) AS PercMese FROM Vendite ATA WAREHOUSE: OLAP - 53 atabase and data mining group, Confronto tra dati dettagliati e dati complessivi Città Mese Importo PercTotale PercCittà PercMese Milano / / /180 Milano /950 10/470 10/40 Milano /950 90/470 90/170 Milano /950 80/470 80/180 Milano /950 40/470 40/90 Milano / / /290 Torino /950 70/480 70/180 Torino /950 30/480 30/40 Torino /950 80/480 80/170 Torino / / /180 Torino /950 50/480 50/90 Torino / / /290 ATA WAREHOUSE: OLAP - 54 Pag. 27
28 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati Group by e finestre atabase and data mining group, E` possibile abbinare l uso di finestre con il raggruppamento eseguito dalla clausola group by La tabella temporanea generata dall esecuzione della clausola group by (con eventuale calcolo di funzioni aggregate abbinate al group by) diviene l operando a cui applicare le operazioni definite per la window ATA WAREHOUSE: OLAP - 55 Esempio atabase and data mining group, Si supponga che la tabella Vendite contenga informazioni sulle vendite con granularità giornaliera Visualizzare, per ogni città e mese l importo delle vendite la media rispetto al mese corrente e ai due mesi precedenti, separatamente per ogni città ATA WAREHOUSE: OLAP - 56 Pag. 28
29 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati Esempio atabase and data mining group, E` necessario raggruppare i dati per mese e calcolare l importo totale per mese prima di effettuare il calcolo della media mobile si usa la clausola group by per calcolare il totale mensile La tabella temporanea generata dalla prima aggregazione diviene l operando su cui definire la finestra di calcolo ATA WAREHOUSE: OLAP - 57 Esempio atabase and data mining group, SELECT Città, Mese, SUM(Importo) AS TotMese, AVG(SUM(Importo)) OVER (PARTITION BY Città ORER BY Mese ROWS 2 PRECEING) AS MediaMobile FROM Vendite GROUP BY Città, Mese ATA WAREHOUSE: OLAP - 58 Pag. 29
30 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati Funzioni di ranking atabase and data mining group, Funzioni per calcolare la posizione di un valore all interno di una partizione funzione rank(): calcola la posizione, lasciando intervalli vuoti successivi alla presenza di pari merito esempio: 2 primi, subito dopo vi è il terzo nella graduatoria funzione denserank(): calcola la posizione, senza lasciare intervalli vuoti successivi alla presenza di pari merito esempio: 2 primi, subito dopo vi è il secondo nella graduatoria ATA WAREHOUSE: OLAP - 59 Esempio atabase and data mining group, Visualizzare, per ogni città nel mese di dicembre l importo delle vendite la posizione nella graduatoria ATA WAREHOUSE: OLAP - 60 Pag. 30
31 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati Esempio atabase and data mining group, Non occorre partizionamento una sola partizione che include tutte le città Ordinamento in base all importo per stilare la graduatoria senza ordinamento, il calcolo sarebbe privo di significato La finestra di calcolo è l intera partizione ATA WAREHOUSE: OLAP - 61 Esempio atabase and data mining group, SELECT Città, Importo, RANK() OVER (ORER BY Importo ESC) AS Graduatoria FROM Vendite WHERE Mese = 12 ATA WAREHOUSE: OLAP - 62 Pag. 31
32 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati Risultato atabase and data mining group, Città Importo Graduatoria Torino Milano ATA WAREHOUSE: OLAP - 63 atabase and data mining group, Ordinamento del risultato L ordinamento del risultato è ottenuto mediante la clausola order by può essere diverso dall ordinamento delle finestre di calcolo Esempio: ordinare il risultato dell esempio precedente in ordine alfabetico di città ATA WAREHOUSE: OLAP - 64 Pag. 32
33 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati Esempio atabase and data mining group, SELECT Città, Importo, RANK() OVER (ORER BY Importo ESC) AS Graduatoria FROM Vendite WHERE Mese = 12 ORER BY Città Città Importo Graduatoria Milano Torino ATA WAREHOUSE: OLAP - 65 atabase and data mining group, Estensioni della clausola group by Gli spreadsheet multidimensionali richiedono più totali parziali in un colpo solo somma delle vendite per mese e città somma delle vendite per mese somma delle vendite per città Per motivi di efficienza è opportuno evitare letture multiple dei dati ordinamenti ridondanti dei dati ATA WAREHOUSE: OLAP - 66 Pag. 33
34 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati atabase and data mining group, Estensioni della clausola group by Lo standard SQL-99 ha esteso la sintassi della clausola group by rollup per calcolare le aggregazioni su tutti i gruppi ottenuti togliendo in ordine una colonna per volta dall insieme specificato di colonne cube per calcolare le aggregazioni su tutte le possibili combinazioni delle colonne specificate grouping sets per specificare un elenco di raggruppamenti richiesti (diversi da quelli ottenibili con le due clausole precedenti) () per richiedere totali generali (nessun raggruppamento) ATA WAREHOUSE: OLAP - 67 Rollup: esempio Si considerino le seguenti tabelle Tempo(Tkey,Giorno,Mese,Anno, ) Supermercato(Skey,Città,Regione, ) Prodotto(Pkey,NomeP,Marca, ) Vendite(Skey,Tkey,Pkey,Importo) atabase and data mining group, Calcolare il totale delle vendite nel 2000 per le seguenti diverse combinazioni di attributi prodotto, mese e città mese, città città ATA WAREHOUSE: OLAP - 68 Pag. 34
35 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati Rollup: esempio atabase and data mining group, SELECT Città, Mese, Pkey, SUM(Importo) AS TotVendite FROM Tempo T, Supermercato S, Vendite V WHERE T.Tkey = V.Tkey AN S.Skey = V.Skey AN Anno = 2000 GROUP BY ROLLUP (Città,Mese,Pkey) L ordinamento delle colonne in rollup determina quali aggregati sono calcolati ATA WAREHOUSE: OLAP - 69 Rollup: risultato atabase and data mining group, Città Mese Pkey TotVendite Milano Milano Milano Milano 7 NULL 8500 Milano 8 Milano NULL NULL Torino 150 Torino NULL 2500 Torino NULL NULL NULL NULL NULL I superaggregati sono rappresentati con NULL ATA WAREHOUSE: OLAP - 70 Pag. 35
36 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati Cube: esempio atabase and data mining group, Calcolare il totale delle vendite nel 2000 per tutte le combinazioni dei seguenti attributi prodotto, mese, città Si devono calcolare le seguenti aggregazioni: prodotto, mese, città prodotto, mese mese, città prodotto, città prodotto mese città nessun raggruppamento ATA WAREHOUSE: OLAP - 71 Cube: esempio atabase and data mining group, SELECT Città, Mese, Pkey, SUM(Importo) AS TotVendite FROM Tempo T, Supermercato S, Vendite V WHERE T.Tkey = V.Tkey AN S.Skey = V.Skey AN Anno = 2000 GROUP BY CUBE (Città,Mese,Pkey) L ordinamento delle colonne in cube è ininfluente ATA WAREHOUSE: OLAP - 72 Pag. 36
37 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati Calcolo del cubo atabase and data mining group, Si considerano le proprietà distributive e algebriche delle funzioni aggregate le funzioni aggregate distributive (min, max, sum, count) possono essere calcolate a partire da aggregazioni su un numero maggiore di attributi (con granularità maggiore) Esempio: dall importo totale su prodotto e mese, si calcola l importo totale per mese per le funzioni aggregate algebriche (avg, ) è possibile il calcolo a partire da aggregazioni su un numero maggiore di atttributi (con granularità maggiore), pur di memorizzare opportuni risultati intermedi Esempio: per la media serve conoscere il valore della media nel gruppo il numero di elementi per gruppo ATA WAREHOUSE: OLAP - 73 Calcolo del cubo atabase and data mining group, Per rendere più efficiente il calcolo del cubo, si usano le proprietà distributive/algebriche delle funzioni aggregate si usano i risultati di group by già calcolati l operazione di rollup richiede una sola operazione di ordinamento il cubo può essere visto come una combinazione di più operazioni di rollup (in ordine opportuno) si sfruttano operazioni di sort già eseguite (anche parzialmente) è possibile utilizzare l ordinamento delle colonne (A,B) per ordinare (A,C) ATA WAREHOUSE: OLAP - 74 Pag. 37
38 atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of B MG ata warehouse: analisi dei dati Grouping Set: esempio atabase and data mining group, Calcolare il totale delle vendite nel 2000 per le seguenti combinazioni di attributi mese mese, città, prodotto Eseguire un rollup richiederebbe il calcolo di aggregati aggiuntivi ATA WAREHOUSE: OLAP - 75 Grouping Set: esempio atabase and data mining group, SELECT Città, Mese, Pkey, SUM(Importo) AS TotVendite FROM Tempo T, Supermercato S, Vendite V WHERE T.Tkey = V.Tkey AN S.Skey = V.Skey AN Anno = 2000 GROUP BY GROUPING SETS (Mese, (Città,Mese,Pkey)) ATA WAREHOUSE: OLAP - 76 Pag. 38
Estensioni del linguaggio SQL per interrogazioni OLAP
Sistemi Informativi Avanzati Anno Accademico 2012/2013 Prof. Domenico Beneventano Estensioni del linguaggio SQL per interrogazioni OLAP Esempio! Esempio delle vendite con scontrino (nella tabella, per
Data warehouse in Oracle
Data warehouse in Oracle Viste materializzate e estensioni al linguaggio SQL per l analisi dei dati presenti nei data warehouse Viste materializzate Paolo Garza 1 Viste materializzate Viste materializzate
Structured Query Language
IL LINGUAGGIO SQL Structured Query Language Contiene sia il DDL sia il DML, quindi consente di: Definire e creare il database Effettuare l inserimento, la cancellazione, l aggiornamento dei record di un
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;
Manuale SQL. Manuale SQL - 1 -
Manuale SQL - 1 - Istruzioni DDL Creazione di una tabella : CREATE TABLE Il comando CREATE TABLE consente di definire una tabella del database specificandone le colonne, con il tipo di dati ad esse associate,
Viste materializzate in Oracle e SQL esteso. Sistemi di gestione di basi di dati. Tania Cerquitelli e Paolo Garza 1.
Tabella d esempio Data warehouse in Oracle Schema tabella VENDITE(Città, Data, Importo) Viste materializzate ed estensioni al linguaggio SQL per l analisi dei dati presenti nei data warehouse Estensioni
Data warehouse: introduzione
atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of atabase and ata Mining Group of atabase and
<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
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
Linguaggio SQL seconda parte
Linguaggio SQL seconda parte A. Lorenzi, E. Cavalli INFORMATICA PER SISTEMI INFORMATIVI AZIENDALI Copyright Istituto Italiano Edizioni Atlas Le condizioni di ricerca 2 Le condizioni di ricerca Usate nelle
Architetture per l analisi dei dati
Architetture per l analisi dei dati Esercizio 8.1 Progettare un cubo multidimensionale relativo all analisi dei sinistri per una compagnia assicurativa, basandosi sulle specifiche accennate nel paragrafo
CORSO ACCESS 2000 PARTE VI
Le Query Le Query selezionano dati, da una o più tabelle in un database, che soddisfano determinati requisiti e visualizzano i risultati in un foglio dati. I dati richiesti vengono visualizzati in un recordset
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
Database Lezione 2. Sommario. - Progettazione di un database - Join - Valore NULL - Operatori aggregati
Sommario - Progettazione di un database - Join - Valore NULL - Operatori aggregati Progettazione di un database - In un database c'è una marcata distinzione tra i valori in esso contenuti e le operazioni
Elena Baralis 2007 Politecnico di Torino 1
Linguaggio SQL: fondamenti Struttura di base Clausola WHEE Ordinamento del risultato Join unzioni aggregate Operatore GOU BY Istruzione SELECT: esempio di BD forniture prodotti Istruzione SELECT: esempio
Sistemi Informativi Avanzati Anno Accademico 2013/2014 Prof. Domenico Beneventano. Archi multipli
Sistemi Informativi Avanzati Anno Accademico 2013/2014 Prof. Domenico Beneventano Archi multipli Capitoli 5.2.5 e 9.1.4 del libro Data Warehouse - teoria e pratica della Progettazione Autori: Matteo Golfarelli,
D B M G. Linguaggio SQL: fondamenti. Istruzione SELECT: fondamenti. Elena Baralis 2007 Politecnico di Torino 1. Struttura di base
Linguaggio SQL: fondamenti Struttura di base Clausola WHERE Ordinamento del risultato Join Funzioni aggregate Operatore GROUP BY 2007 Politecnico di Torino 1 Istruzione SELECT: esempio Trovare il codice
Data warehouse in Oracle
Data warehouse in Oracle Viste materializzate ed estensioni al linguaggio i SQL per l analisi li i dei dati presenti nei data warehouse Estensioni al linguaggio SQL per l analisi dei dati presenti nei
Definizione e calcolo delle misure
Definizione e calcolo delle misure! Misure Derivate! Misure Calcolate! Misure Derivate e Progetto Logico! Calcolo delle Misure! Aggregabilità Misure Derivate " Sono misure definite a partire da altre misure
! 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
Elena Baralis 2007 Politecnico di Torino 1
Linguaggio SQL: fondamenti Struttura di base Clausola WHEE Ordinamento del risultato Join unzioni aggregate Operatore GOU BY Istruzione SELECT: esempio Trovare il codice e il numero di soci dei fornitori
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
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
Il linguaggio SQL: raggruppamenti. Versione elettronica: SQLb-gruppi.pdf
Il linguaggio SQL: raggruppamenti Versione elettronica: SQLb-gruppi.pdf Informazioni di sintesi Quanto sinora visto permette di estrarre dal DB informazioni che si riferiscono a singole tuple (eventualmente
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
Structured. Language. Basi di Dati. Introduzione. DDL: Data Definition Language. Tipi di dato. Query. Modifica dei Dati
Basi di Dati Matteo Longhi Structured Query Language Introduzione Standard creato nel 1976 da IBM Aggiornato (versione 2 nel 1992 (ANSI X3.135 e ISO 9075 Consente di: DDL: definire la struttura del DB
SQL. Argomenti della lezione. Join esplicito. Interrogazioni complesse in SQL join esplicito outer join operatori aggregati interrogazioni nidificate
Argomenti della lezione SQL Interrogazioni complesse in SQL join esplicito outer join operatori aggregati interrogazioni nidificate Maternità Paternità Madre Figlio Olga Filippo Sergio Olga Filippo Persone
Basi di Dati: Corso di laboratorio
Basi di Dati: Corso di laboratorio Lezione 5 Raffaella Gentilini 1 / 22 Sommario 1 Gruppi 2 / 22 Raggruppamenti Gruppi Quanto sinora visto permette di estrarre dal DB informazioni che si riferiscono a
Analisi dei dati. analisi dei dati 1
Analisi dei dati analisi dei dati 1 Il problema... Limitazioni della tecnologia relazionale - Difficoltà d'uso - Rigidità Conseguenze - Uso operativo: buono - Uso strategico: scarso Soluzioni: tecniche,
Esempi SQL con Access. Orazio Battaglia
con Access Orazio Battaglia Consideriamo la base di dati in figura. 2 Interrogazione 1: Selezioniamo tutti gli impiegati, vogliamo Cognome, Nome e Posizione SELECT Impiegati.Cognome, Impiegati.Nome, Impiegati.Posizione
MODULO 2. Query normali e parametriche Query di:
MODULO 2 TITOLO DBMS e SQL In questo Modulo si affronta lo studio dei DBMS Access e MySQL. In particolare per Access, si descrive come progettare, impostare e modificare gli strumenti di lavoro (tabelle,
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,
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
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
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,
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,
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
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
Query in Access. Criteri, Valori Univoci, Operatori e Colonna Calcolata. Query (Interrogazione)
Query in Access Criteri, Valori Univoci, Operatori e Colonna Calcolata [1] Query (Interrogazione) La query è un'operazione che estrae record da una o più tabelle in base a criteri specificati dall utente
SQL terza parte 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 2010/11
SQL terza parte 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 2010/11 Operatori aggregati Costituiscono una estensione delle normali interrogazioni SQL (non hanno corrispondenza in
SQL e linguaggi di programmazione. Cursori. Cursori. L interazione con l ambiente SQL può avvenire in 3 modi:
SQL e linguaggi di programmazione L interazione con l ambiente SQL può avvenire in 3 modi: in modo interattivo col server attraverso interfacce o linguaggi ad hoc legati a particolari DBMS attraverso i
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
APPUNTI DELLA LEZIONE DI DATABASE DEL 26/10/2016 Studenti: Marco D'Amato, Adriano Luigi Piscopello Professore: Mario Bochicchio
APPUNTI DELLA LEZIONE DI DATABASE DEL 26/10/2016 Studenti: Marco D'Amato, Adriano Luigi Piscopello Professore: Mario Bochicchio INTRODUZIONE L algebra relazionale è l algebra su cui si basa il linguaggio
INFORMATICA GENERALE Prof. Alberto Postiglione. Scienze della Comunicazione Università di Salerno. INFORMATICA GENERALE Prof. Alberto Postiglione
INFORMATICA GENERALE Prof. Alberto Postiglione Scienze della Comunicazione Università degli Studi di Salerno 2.3b: SQL (2) Interrogazioni semplici INFORMATICA GENERALE Prof. Alberto Postiglione Scienze
SELECT s.nome, e.data Studenti s, Esami e WHERE e.materia = 'BD' AND e.voto = 30 AND e.matricola = s.matricola
SQL SELECT s.nome, e.data FROM Studenti s, Esami e WHERE e.materia = 'BD' AND e.voto = 30 AND e.matricola = s.matricola SELECT s.nome As Nome, 2002 - s.annonascita As Eta, 0 As NumeroEsami FROM Studenti
SELECT s.nome, e.data FROM Studenti s, Esami e WHERE e.materia = 'BD' AND e.voto = 30 AND e.matricola = s.matricola
SQL, e.data, Esami e WHERE e.materia = 'BD' AND e.voto = 30 AND e.matricola = s.matricola As Nome, 2002 - s.annonascita As Eta, 0 As NumeroEsami WHERE NOT EXISTS (SELECT * WHERE e.matricola = s.matricola
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
Corso di Informatica. Software di produttività personale e database. Ing Pasquale Rota
Corso di Software di produttività personale e database Ing Pasquale Rota Argomenti I programmi di produttività personale Le basi di dati Fogli elettronici Software di produttività personale e database
Interrogare una base di dati: Algebra relazionale e SQL. Alessandro Bardine Alessandro Ciaramella Vincenzo Galella Rudy Manganelli
Interrogare una base di dati: Algebra relazionale e SQL Alessandro Bardine Alessandro Ciaramella Vincenzo Galella Rudy Manganelli Prerequisiti Conoscenze di: Progettazione Base di Dati Modellazione Relazionale
ACCESS Esercitazione (query complesse) Ing. Cosimo Orlacchio
ACCESS Esercitazione (query complesse) Ing. Cosimo Orlacchio Le query su più tabelle Le query proposte nella Lezione scorsa sono tutte basate su una sola tabella. Una base di dati è solitamente costituita
SQL [2] Concetti avanzati di SQL. Esempi di interrogazioni
![SQL [2] Concetti avanzati di SQL. Esempi di interrogazioni](/thumbs/49/25825867.jpg "SQL [2] Concetti avanzati di SQL. Esempi di interrogazioni")
SQL [2] Concetti avanzati di SQL 2 Esempi di interrogazioni 3 Esempi di interrogazioni 4 Esempi di interrogazioni 5 Confronti che coinvolgono NULL NULL può voler dire: valore sconosciuto (esiste ma non
Strutture dati e loro organizzazione. Gabriella Trucco
Strutture dati e loro organizzazione Gabriella Trucco Introduzione I linguaggi di programmazione di alto livello consentono di far riferimento a posizioni nella memoria principale tramite nomi descrittivi
Query. Query (Interrogazioni) SQL SQL. Significato dell interrogazione. Sintassi
Informatica della Facoltà di Lingue e Letterature dell Università degli Studi di Torino. Qualsiasi altro Query (Interrogazioni) SQL Materiale aggiuntivo per il corso di laurea in Lingue e Culture per il
ESERCITAZIONI ACCESS
ESERCITAZIONI ACCESS MS Access 2000 Struttura di riferimento: Studente (Matricola, Cognome, Nome) Esame (Matricola, Materia, Voto, Data) CREARE LE TABELLE IN SQL: Create table STUDENTE ( matricola char(6)
Microsoft Access. Microsoft Access. Maurizio Rebaudengo, Paolo Garza 1. Microsoft Access. Creazione base di dati. Apertura di una base dati
Microsoft Access Programma applicativo del pacchetto Microsoft Office per la gestione delle basi di dati. Microsoft Access 2 Creazione base di dati Apertura di una base dati Una nuova base dati si crea
ESEMPIO DI PROVA PRATICA
ESEMPIO DI PROVA PRATICA Sono dati Schema di Fatto VENDITA QTY: misura normale ADDITIVA PU: misura calcolata come PU_TOTALE/NVENDITE dove a) PU_TOTALE misura normale additiva b) NVENDITE misura normale
Tipi di sottoquery SQL
Tipi di sottoquery SQL È possibile specificare subquery in numerose posizioni: Con le parole chiave IN e NOT IN. Con operatori di confronto. Con le parole chiave ANY, SOME e ALL. Con le parole chiave EXISTS
Access. P a r t e t e r z a
Access P a r t e t e r z a 1 Query: Concetti generali (2) Query 1 Tabella Query 2 Le query rappresentano viste differenti sul DB (possono coinvolgere una o più tabelle) 2 Creazione (1) Diverse possibilità,
Basi di Dati: Corso di laboratorio
Basi di Dati: Corso di laboratorio Lezioni 6 7 Raffaella Gentilini 1 / 46 Sommario 1 Subquery (o Interrogazioni Nidificate) Interrogazioni Annidate con Predicati di Confronto Interrogazioni Annidate con
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
I DATI E LA LORO INTEGRAZIONE 63 4/001.0
I DATI E LA LORO INTEGRAZIONE 63 4/001.0 L INTEGRAZIONE DEI DATI INTEGRAZIONE DEI DATI SIGNIFICA LA CONDIVISIONE DEGLI ARCHIVI DA PARTE DI PIÙ AREE FUNZIONALI, PROCESSI E PROCEDURE AUTOMATIZZATE NELL AMBITO
MS Access Un DBMS relazionale per Windows?
MS Access Un DBMS relazionale per Windows? Quali DBMS in ambiente PC: dbase (ver. 5 per windows) FoxPro (per windows) Access (per windows) SQL Server (client/server) Oracle (client/server) Informix (client/server)...
Misure. Definizione delle misure. Sistemi Informativi Avanzati Anno Accademico 2015/2016 Prof. Domenico Beneventano. Glossario delle Misure
Sistemi Informativi Avanzati Anno Accademico 2015/2016 Prof. Domenico Beneventano Misure In parte dal Capitolo 5 del libro Data Warehouse - teoria e pratica della Progettazione Autori: Matteo Golfarelli,
Tabelle esempio: Impiegato/Dipartimento
Informatica Generale (AA 07/08) Corso di laurea in Scienze della Comunicazione Facoltà di Lettere e Filosofia Università degli Studi di Salerno : SQL (3) Insiemistiche e Nidificate Prof. Alberto Postiglione
Lezione 7 SQL (II) Basi di dati bis Docente Mauro Minenna Pag.1
Lezione 7 SQL (II) Pag.1 Ancora sugli operatori di confronto tra insiemi Abbiamo già visto IN, EXISTS e UNIQUE. Possiamo anche usare NOT IN, NOT EXISTS e NOT UNIQUE Disponibili anche: op ANY, op ALL Trovare
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
SQL Server BI Development Studio. SQL Server Business Intelligence Development Studio. Analysis Services
SQL Server Business Intelligence Development Studio Analysis Service Dutto Riccardo Analysis Services Operazioni OLAP Creazione di dimensioni Creazione e interrogazione di cubi Operazioni di Data Mining
Analisi dei Dati. Lezione 10 Introduzione al Datwarehouse
Analisi dei Dati Lezione 10 Introduzione al Datwarehouse Il Datawarehouse Il Data Warehousing si può definire come il processo di integrazione di basi di dati indipendenti in un singolo repository (il
STUDIO. Esercizi proposti a lezione cap. 3 rev. dic. 2007 da Ulmann, Widom Introduzione ai database. indirizzo. titolo. nome. recitain. attori.
Basi di dati ad oggetti:un esempio ODL-OQL 1. Caso filmoteca: modello dei dati lunghezza tipo_pellicola via città indirizzo titolo anno FILM attori recitain ATTORE nome posseduto da lunghezza_in_ore (
Data Warehousing. Esercitazione 2
Esercitazione 2 Reminder In laboratorio è presente un installazione Enterprise di DB2. Per accedere richiedere un account come specificato sul sito del corso 1 Riepilogo Esercitazione 1: Descrizione dello
Domande utili alla preparazione dell orale di Informatica all Esame di Stato
Domande utili alla preparazione dell orale di Informatica all Esame di Stato 1.Al livello fisico un database si appoggia ai files per contenere i suoi dati? 2.Esistono altri modelli di organizzazione oltre
DISPENSA ACCESS (OFFICE 2010 BETA)
DISPENSA ACCESS (OFFICE 2010 BETA) 2. LE RELAZIONI. Una relazione può essere definita come un legame tra due tabelle basato sul valore di uno o più campi di ciascuna delle due tabelle. Di solito i campi
La gestione delle interrogazioni
La gestione delle interrogazioni Basi di dati: Architetture e linee di evoluzione - Seconda edizione Capitolo 1 Appunti dalle lezioni Esecuzione e ottimizzazione delle query Un modulo del DBMS Query processor
Corso di Informatica. Esercitazione V [da Fluency with Information Technology, Addison Wesley] Esercitazione V
![Corso di Informatica. Esercitazione V [da Fluency with Information Technology, Addison Wesley] Esercitazione V](/thumbs/55/35641378.jpg "Corso di Informatica. Esercitazione V [da Fluency with Information Technology, Addison Wesley] Esercitazione V")
Corso di Laurea in Conservazione e Restauro dei Beni Culturali Corso di Informatica Gianluca Torta Dipartimento di Informatica Tel: 011 670 6782 Mail: torta@di.unito.it Esercitazione V [da Fluency with
Basi di dati 8 settembre 2015 Esame Compito A Tempo a disposizione: due ore. Libri chiusi.
Basi di dati 8 settembre 2015 Esame Compito A Tempo a disposizione: due ore. Libri chiusi. Cognome: Nome: Matricola: Domanda 1 (15%) Considerare la base di dati relazionale contenente le seguenti relazioni:
Introduzione alla programmazione Esercizi risolti
Esercizi risolti 1 Esercizio Si determini se il diagramma di flusso rappresentato in Figura 1 è strutturato. A B C D F E Figura 1: Diagramma di flusso strutturato? Soluzione Per determinare se il diagramma
NETEZZA APPLIANCE. Danilo De Benedictis danilode@gmail.com NETEZZA DEVELOPMENT
NETEZZA APPLIANCE Danilo De Benedictis danilode@gmail.com NETEZZA DEVELOPMENT NETEZZA DEVELOPMENT STORED PROCEDURES ANALYTIC FUNCTIONS NETEZZA DEVELOPMENT STORED PROCEDURES STORED PROCEDURES Definizione:
Interrogazioni nidificate
Interrogazioni nidificate Nella clausola where si possono utilizzare valori prodotti da altre istruzioni select utilizzando any (qualsiasi) o all (tutti) insieme agli operatori di confronto Trovare nome,
Cosa sono i report. Prof. Emanuele Papotto 05/10/2010
Prof. Emanuele Papotto Cosa sono i report Nei database, gli elenchi di g informazioni pronti per essere stampati (nella figura a fianco l elenco dei cantanti), vengono chiamati report (rapporti) 1 A cosa
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
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,
Basi di dati (4) Docente: Andrea Bulgarelli. Università di Modena e Reggio Emilia. Argomento: select (1.
Università di Modena e Reggio Emilia Basi di dati (4) Docente: andrea.bulgarelli@gmail.com Argomento: select (1.0) 1 Panoramica Select Joins Subquery Wildcard Esempi 2 SELECT SELECT [DISTINCT] [TOP n]
DATABASE CLIENTIRAPPRESENTANTI
DATABASE CLIENTIRAPPRESENTANTI Esempio tratto dal libro di testo. TESTO L azienda INCOM Srl vuole organizzare un DB per gestire informazioni relative a fatture emesse ai propri clienti italiani, riportando
Algebra relazionale. Algebra relazionale. Operatori dell algebra relazionale. Operatori dell algebra relazionale. Algebra relazionale.
Algebra relazionale Algebra relazionale Introduzione Selezione e proiezione Prodotto cartesiano e join Natural join, theta-join e semi-join Outer join Unione e intersezione Differenza e antijoin Divisione
Processo di ottimizzazione. Ottimizzatore di Oracle. Execution plan. Esempio. Albero di esecuzione. Ottimizzatore di Oracle Dicembre 2002
Processo di ottimizzazione Ottimizzatore di Oracle Silvia Chiusano Politecnico di Torino chiusano@polito.it Scelta della esecuzione più efficiente per uno statement SQL Influenzato da: Metodi di accesso
Filtri. Microsoft Access. Filtri. Filtri
Filtri Microsoft Access Filtri, query Un filtro è una funzione che provoca la visualizzazione dei soli record contenenti dati che rispondono a un certo requisito Per applicare un filtro a una tabella è
Elena Baralis 2007 Politecnico di Torino 1
Introduzione Istruzione INSERT Istruzione DELETE Istruzione UPDATE Linguaggio SQL: fondamenti 2 (1/3) Inserimento di tuple Cancellazione di tuple Modifica di tuple 4 (2/3) INSERT inserimento di nuove tuple
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
Esempio di database relazionale con l utilizzo del prodotto MySQL
Esempio di database relazionale con l utilizzo del prodotto MySQL Marco Liverani Aprile 2015 In queste pagine viene riportato in sintesi il progetto di un database relazionale esemplificativo con cui viene
Oracle Database 10g: Introduction to SQL - LVC
Oracle University Chiamaci: 800 672 253 Oracle Database 10g: Introduction to SQL - LVC Duration: 5 Days Description Questo corso è destinato agli utenti di Oracle8i, Oracle9i e Oracle Database 10g.In questo
Interrogazioni semplici
Interrogazioni semplici Lorenzo Sarti 2009 Basi di Dati 1 select Campi considerati Matricola Cognome Nome Data di nascita A80198760 Bianchi Anna 22/03/1967 A80293450 Rossi Andrea 13/04/1968 A80198330 Neri
Eprogram ITIS V anno Unità 4 - Il linguaggio SQL
Eprogram ITIS V anno Unità 4 - Il linguaggio SQL Compito in classe proposto Date le seguenti tabelle: scrivi in SQL le seguenti richieste (per facilitare query complesse utilizza le viste): 1. elencare
Operatori aggregati: COUNT
Operatori aggregati: COUNT Il numero di figli di select count(*) as NumFigliDi where Padre = '' Paternità Padre Sergio Figlio Olga Filippo Andrea Aldo l operatore aggregato (count) viene applicato al risultato
Errore. Il segnalibro non è definito.
Access Access...1 Introduzione... 2 Tabelle... 2 Definizione dello schema... 3 Collegamenti tra tabelle... 4 Inserzione dati in una tabella... 5 Interrogazioni... 5 Maschere... 6 Report...Errore. Il segnalibro
Basi di Dati: Corso di laboratorio
Basi di Dati: Corso di laboratorio Lezione 6 Raffaella Gentilini 1 / 40 Sommario 1 Viste 2 3 2 / 40 Viste Viste le viste sono tabelle virtuali corrispondono al risultato di una query (SELECT) valutata
Oracle Database 11g: Introduzione a SQL Release 2
Oracle University Contact Us: 800 672 253 Oracle Database 11g: Introduzione a SQL Release 2 Duration: 5 Days What you will learn In questo corso gli studenti apprenderanno i concetti dei database relazionali.
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
SQL. SQL: "storia. Sviluppato nella metà degli anni settanta (1974) presso il laboratorio di ricerca IBM di S.Josè. Dal 1983 ca. "standard di fatto"
SQL SQL: "storia Sviluppato nella metà degli anni settanta (194) presso il laboratorio di ricerca IBM di S.Josè Dal 1983 ca. "standard di fatto" E il linguaggio di riferimento per l interrogazione di DBMS
SQL. Laboratorio di Progettazione di Basi di Dati (CdS in Informatica e TPS)
1 SQL Laboratorio di Progettazione di Basi di Dati (CdS in Informatica e TPS) a.a. 2015/2016 http://www.di.uniba.it/~lisi/courses/basi-dati/bd2015-16.htm dott.ssa Francesca A. Lisi francesca.lisi@uniba.it
BASI DATI: algebra relazionale
BASI DATI: algebra relazionale BIOINGEGNERIA ED INFORMATICA MEDICA 1 Algebra relazionale Definizione L'algebra relazionale è un insieme di operazioni (query) che servono per manipolare relazioni (tabelle).