Sistema informativo. Combinazione di risorse umane, materiali e procedure per la gestione. (raccolta, archiviazione, elaborazione, scambio )

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Sistema informativo. Combinazione di risorse umane, materiali e procedure per la gestione. (raccolta, archiviazione, elaborazione, scambio )"

Transcript

1 Data Warehousing 1

2 Ripasso 2

3 Sistema informativo Combinazione di risorse umane, materiali e procedure per la gestione (raccolta, archiviazione, elaborazione, scambio ) delle informazioni necessarie per le attivita aziendali 3

4 Attività aziendali e informazioni connesse ATTI VITA di Pianificazione Strategica informazioni di governo ATTI VITA di Programmazione e Controllo informazioni di gestione ATTI VITA OPERATIVE informazioni di servizio 4

5 Sistema azienda Sistema informativo Sistema informatico 5

6 Evoluzione dei Sistemi Informatici -1 Inizio anni 60: Applicazioni operative Elaborazione ripetitiva di grandi quantita di dati: fatture, paghe, stipendi etc... Fine anni 60: Servizi informatici di funzione Supporto ai responsabili delle funzioni aziendali: contabilita generale, controllo di gestione etc Inizio anni 70:Servizi informatici per l organizzazione Integrazione dati comuni alle diverse funzioni : DBMS (Data Base Management System) 6

7 Evoluzione dei Sistemi Informatici - 2 Inizio anni 80:Servizi informatici per pianificazione strategica Sintesi di informazioni dai dati della produzione : Supporto alle decisioni, Datawarehouse Fine anni 90: Servizi informatici per la cooperazione Internet e Web favoriscono lo sviluppo di protocolli di interazione e cooperazione tra sistemi diversi : commercio elettronico, web services 7

8 Dai sistemi settoriali ai sistemi informatici Inizio anni 60: Applicazioni operative Elaborazione ripetitiva di grandi quantita di dati: fatture, paghe, stipendi etc... Fine anni 60: Servizi informatici di funzione Supporto ai responsabili delle funzioni aziendali: contabilita generale, controllo di gestione etc Inizio anni 70:Servizi informatici per l organizzazione Integrazione dati comuni alle diverse funzioni : DBMS (Data Base Management System) 8

9 Dal dato alla conoscenza dato informazione conoscenza archivi Basi di dati Basi di conoscenza programmi DBMS Tecniche DM tempo 9

10 Significato implicito dei dati Scoperta della conoscenza in modo semiautomatico Perchè? Significato intuitivo dei dati Schema Logico Che cosa? Ordner A Ordner B File 1 File 2 Archivi Fisici Come? 10

11 Tipologie di dati STRUTTURATI Sparta non ride... NON STRUTTURATI SEMISTRUTTURATI Se Atene piange. 11

12 Problemi?? In genere: DB1 DB2 abbondanza di dati DB4 DB3 ma anche ridondanza ed inconsistenza che non permette di utilizzare i dati in modo utile a fini decisionali 12

13 Perché i sistemi tradizionali non sono sufficienti? no dati storici sistemi eterogenei basse prestazioni DBMS non adeguati al supporto decisionale problemi di sicurezza 13

14 Tipiche richieste Qual è il volume delle vendite per regione e categorie di prodotto durante l ultimo anno? Come si correlano i prezzi delle azioni delle società produttrici di hardware con i profitti trimestrali degli ultimi 10 anni? Quali sono stati i volumi di vendita dello scorso anno per regione e categoria di prodotto? In che modo i dividendi di aziende di hardware sono correlati ai profitti trimestrali negli ultimi 10 anni? 14

15 Data Warehouse : cos e? E un processo per trasformare i dati in informazioni e per rendere le stesse disponibili agli utenti in tempo utile. E una singola completa e consistente raccolta di dati derivati da una varietà di sorgenti diverse e messa a disposizione degli utenti perché possano capirne il significato e utilizzarla nei processi decisionali aziendali. 15

16 Data Warehouse : cos e? Terabytes (10 12 bytes); Petabytes (10 15 bytes); GIS Exabytes (10 18 bytes); sist. Sanitario USA Zettabytes (10 21 bytes); immag. prev. tempo Zettabytes (10 24 bytes); video CIA 16

17 Data Warehouse : cos e? Processo Tecnica per assemblare e gestire dati da sorgenti differenti per risolvere questioni aziendali e supportare le decisioni Dataset Database di supporto alle decisioni gestito separatamente rispetto ai DB operativi aziendali 17

18 Data Warehouse : cos e? Una collezione di dati orientata ai soggetti Integrata Variabile nel tempo Non-volatile utilizzata pricipalmente come supporto decisionale nei processi organizzativi aziendali 18

19 Più formalmente... Sistemitradizionali(DB) On-Line Transaction Processing (OLTP ) Sistemi di data warehousing On-Line Analytical Processing (OLAP ) Profondamente diversi 19

20 OLTP On Line Transaction Processing Transazioni predefinite e di breve durata Dati dettagliati, recenti e aggiornati Dati residenti su un unico DB Read & write di pochi record Critiche le proprietà ACIDe Implementate su Main Frame 20

21 OLAP On Line Analytical Processing Interrogazioni complesse e casuali Dati storici e aggregati Dati provenienti da più DB eterogenei Moltissime operazioni di Read (nessuna di write) Visualizzazione dei dati su PC 21

22 Da tener ben presente. I dati usati dai sistemi OLAP sono gli stessi di dati usati dai sistemi OLTP: quello che cambia nei due tipi di sistemi è l elaborazione compiuta sui dati. 22

23 Un DW è un DB specializzato... OLTP OLAP funzione gestione giornaliera supporto alle decisioni progettazione orientata alle orientata al soggetto applicazioni frequenza giornaliera sporadica dati recenti, dettagliati storici, riassuntivi, multidimensionali sorgente singola DB DB multiple uso ripetitivo ad hoc accesso read/write read flessibilità accesso uso di programmi generatori di query precompilati # record acceduti decine migliaia tipo utenti operatori manager # utenti migliaia centinaia tipo DB singola multiple, eterogenee performance alta bassa dimensione DB 100 MB - GB 100 GB - TB 23

24 Architettura Multi-Tier per un DW Database OLTP Strumenti ETL Estrazione Trasporto e Trasformazione Data Warehouse Data Mart Utilizzatori Finali 24

25 Ovvero Sorgenti dei dati Data Marts utenti Magazzino dati analisi Area di Staging Acquisti reporting Sistemi di supporto operativo File piatti Vendite Inventario mining 25

26 OLAP: modelli logici 26

27 OLAP (On line Analytical Processing) Per supportare un sistema OLAP, i dati devono essere organizzati attraverso modelli multidimensionali 27

28 Il modello logico di un OLAP: il data cube Magazzini Quantità Vendite Prodotti Periodi di tempo 28

29 MOLAP Processo: vendite in una catena di supermercati tempo magazzino A feb apr mag set prodotto B C vino acqua coca cola 29

30 Dimensional Fact Model (DFM) Si basa sui seguenti elementi Fatto: un concetto sul quale centrare l analisi Misura: Una proprietà atomica(numerica) di un fatto da analizzare Dimensione: Una proprietà del fatto che definisce la prospettiva lungo la quale effettuare l analisi 30

31 Esempio DFM per le vendite Fatti (le celle) Dimensioni (gli spigoli) SETTIMANA a b c d VENDITE X Y Z W PRODOTTO n3 n2 n1 NEGOZI Vendite del prodotto w, nel negozio n1, nella settimana a misure 31

32 DFM ricapitolando I componenti di base dei FS sono fatti, misure dimensioni e gerarchie. Un fatto è un evento di interesse per l impresa ed è descritto da un insieme di misure. Una dimensione determina la granularità di rappresentazione dei fatti. Una gerarchia determina come le istanze di fatto possono essere aggregate e selezionate in modo significativo per il processo decisionale. 32

33 Un altro DFM Mercati Quantità Vendite Prodotti Periodi di tempo 33

34 Dimensioni e gerarchie regione anno provincia marca categoria trimestre città magazzino Mercati prodotto Prodotti mese giorno Periodi di tempo 34

35 I punti di vista aziendali.e nuovi tipi di query Il manager regionale esamina la vendita dei prodotti in tutti i periodi relativamente ai propri mercati Il manager finanziario esamina la vendita dei prodotti in tutti i mercati relativamente al periodo corrente e quello precedente mercato tempo prodotto Il manager di prodotto esamina la vendita di un prodotto in tutti i periodi e in tutti i mercati Il manager strategico si concentra su una categoria di prodotti, un area regionale e un orizzonte temporale medio 35

36 Operazioni OLAP drill-down/roll-up pivoting slicing dicing top-n 36

37 Roll UP Aggrega i dati, salendo nella gerarchia dei concetti per una dimensione o attraverso una riduzione di una dimensione Volume di vendite per categorie di prodotto, E per regione 37

38 Roll Down or Drill Down Disaggrega i dati da un livello di dettaglio basso ad un livello di dettaglio alto, scendendo nella gerarchia o introducendo una nuova dimensione. Trova le vendite giornaliere per una data categoria di prodotto, E per una data regione 38

39 Roll-Up & Drill Down Region Product Roll-up Year Store Product Roll-up Year Drill-Down Store Product Month Drill-Down 39

40 Slice and Dice: select& project SLICE : Esegue una selezione su una dimensione del cubo. DICE : Definisce un sottocubo eseguendo una selezione su due o più dimensioni 40

41 Operazioni tipiche: Slice and Dice Store Product Store Product Slice Month Month 41

42 Pivot (rotate) Top-n Pivot (rotate): ri-orienta il cubo Top-n (ranking): Esempio: determinare i 10 prodotti piu` venduti ad una certa data e in un certo magazzino, ordinati per vendite 42

43 Store Operazioni tipiche: Pivot Pivot Product All All Pivot Time Product Pivot All Time Drill-Down AllAll All Drill-Down Time Drill-Down 43

44 La R sta per relazionale OLAP: gli schemi logici ROLAP utilizza il modello relazionale per rappresentare i dati multidimensionali Il DFM è implementato a livello logico da tabelle relazionali; i dati sono acceduti tramite query SQL su di essi, vengono effettuate le sintesi necessarie per la visualizzazione dei risultati. 44

45 ROLAP vantaggio dati acceduti sono sempre gli ultimi disponibili. Esiste una classe di strumenti che è in grado di recuperare i dati dalle tabelle e sintetizzarli. svantaggio una volta usciti dal viewer i dati di sintesi si perdono e quindi per riaccedervi è necessario rieseguire le estrazioni e le sintesi. 45

46 OLAP: gli schemi logici M indica una struttura per dati MOLAP Multidimensionali L insieme dei dati da navigare è archiviato su una struttura dati a matrice dove sono registrate tutte le sintesi statistiche degli incroci multidimensionali possibili il presentation server in questo caso chiede i dati direttamente al database multidimensionale 46

47 MOLAP Vantaggio in questo caso sono i tempi di risposta. Svantaggio il Multidimensional Data Base deve essere allineato all aggiornamento dei dati di base dal quale viene generato. 47

48 Come fare le interrogazioni? complicato e dispendioso in termini di tempo SQL standard: per ciascuna misura, bisogna considerare alternativamente ogni dimensione e applicare esplicitamente la formula di aggregazione desiderata (conteggio, somma, media, etc.). Tecniche proprietarie basate su opportune estensioni del linguaggio SQL 48

49 Un data cube in SQL (ROLAP) 49

50 Un data cube in SQL (ROLAP) La tabella relazionale T risultante esprime i fatti rilevanti. T (settimana, prodotto, negozio, città, vendite) 50

51 Esempio roll-up (aggrega) SELECT categoria, SUM(unità_cat) FROM vendite, prodotti, tempo WHERE vendite.prodotto-k = prodotti.prodotto-k AND vendite.tempo-k = tempo.tempo-k AND tempo.giorno = 1 Gennaio, 1996 GROUP BY categoria Vista vendite_per_categorie 51

52 Esempio query aggregata SELECT categoria, unità_cat FROM vendite-per-cat, tempo WHERE vendite-aggreg-per-cat.tempo-k = tempo.tempo-k AND tempo.giorno = 1 Gennaio,

53 Operatori aggregati in Oracle 9i SQL viene esteso con nuovi operatori di aggregazione. Tra i vari operatori: ROLLUP CUBE RANK/TOP-N 53

54 Roll-up SELECT. GROUP BY ROLLUP (elenco colonne) calcola l aggregato standard rispetto all elenco di colonne specificato calcola subtotali di livello più alto, riducendo ad uno ad uno le colonne da aggregare, procedendo da destra a sinistra nella lista 54

55 Roll-up Esempio: SELECT città, mese, prodotto, SUM(vendite) FROM Vendite v, Magazzini m, Tempo t, Prodotti p WHERE m.magazzino_k = v.magazzino_k AND p.prodotto_k = v.prodotto_k AND t.tempo_k = v.tempo_k GROUP BY ROLLUP(città,mese,prodotto) 55

56 Roll-up Città Mese Prodotto Vendite genova marzo p1 120 genova marzo p2 320 genova marzo 440 genova luglio p1 220 genova luglio p2 110 genova luglio 330 genova 770 milano marzo p1 430 milano marzo p2 143 milano marzo 573 milano luglio p1 340 milano luglio p2 100 milano luglio 440 milano

57 Cube SELECT. GROUP BY CUBE (elenco colonne) calcola l aggregato standard rispetto all elenco di colonne specificato e rispetto ad ogni sottoinsieme dell elenco specificato 57

58 Cube Esempio: SELECT città, mese, prodotto, SUM(vendite) FROM Vendite v, Magazzini m,tempo t,prodotti p WHERE m.magazzino_k = v.magazzino_k AND p.prodotto_k = v.prodotto_k AND t.tempo_k = v.tempo_k GROUP BY CUBE(città,mese,prodotto) 58

59 Cube Città Mese Prodotto Vendite genova marzo p1 120 genova marzo p2 320 genova marzo 440 genova luglio p1 220 genova luglio p2 110 genova luglio 330 genova p1 340 genova p2 440 genova 770 milano marzo p1 430 milano marzo p2 143 milano marzo 573 milano luglio p1 340 milano luglio p

60 Top-N SELECT A1,,An FROM (SELECT B1,,Bm, RANK() OVER(ORDER BY Ai ASC, ORDER BY Aj DESC) AS rank FROM WHERE... GROUP BY A1,,An) WHERE rank <= N; permette di ordinare i risultati e restituire solo i primi N rispetto all ordinamento prescelto 60

61 Top-N SELECT città, mese, prodotto, sum_vendite FROM SELECT città,mese,prodotto, SUM(vendite) AS sum_vendite, RANK() OVER (ORDER by SUM(vendite) DESC) AS rank FROM Vendite v, Magazzini m, Tempo t, Prodotti p WHERE m.magazzino_k = v.magazzino_k AND p.prodotto_k = v.prodotto_k AND t.tempo_k = v.tempo_k GROUP BY (città,mese,prodotto)) WHERE rank <= 3; 61

62 Top-N Città Mese Prodotto Vendite milano marzo p1 430 milano luglio p1 340 genova marzo p

63 Tipiche query OLAP richiedono molte aggregazioni Impatto sul codice SQL GE MI Totale SELECT SUM (vendite) FROM vendite S, Tempo T, Magazzini M WHERE S.TId = T.TId AND S.Mid = M.Mid GROUP BY T.anno, M.citta` Totale SELECT SUM (vendite) FROM vendite S, Magazzini M WHERE S.MId = M.MId GROUP BY M.citta` SELECT SUM (vendite) FROM vendite S, Tempo T WHERE S.TId = T.TId GROUP BY T.anno 63

64 Impatto sul codice SQL {PId, MId,TId} In genere: fatti con k dimensioni 2 k query SQL aggregate Nuovo operatore SQL CUBE per calcolare tutte le possibili aggregazioni rispetto ad un insieme di attributi CUBE Pid, Mid, Tid BY SUM Vendite equivalente ad un insieme di query: SELECT SUM (vendite) FROM vendite S GROUP BY grouping lis {PId, MId} {PId, TId} {MId, TId} {PId} {MId} {TId} { } 64

65 Impatto sul codice SQL Necessita` di determinare i primi n elementi rispetto ad un certo ordinamento Esempio: determinare i 10 prodotti piu` venduti in un certo magazzino, ordinati per entita` delle vendite Presente in molti DBMS 65

66 ROLAP: sistema di data warehouse in grado di supportare le interrogazioni tipiche (roll-up, drill-down, ) presentation server relazionale Oracle 9i + Discoverer MOLAP: sistema di data warehouse in grado di supportare le interrogazioni tipiche (roll-up, drill-down, ) presentation server multidimensionale Express Server DOLAP (Desktop OLAP): i dati vengono recuperati da un DW relazionale o multidimensionale e copiati localmente Business Objects 66

67 Progettazione logica 67

68 Fatti : associazioni molti a molti 68

69 Schemi logici multidimensionali modello a stella modello a fiocco di neve (snowflake) modello a costellazione di fatti 69

70 Modello a stella (Star Schema) Un singolo oggetto (fact table) connesso ad un numero di oggetti (dimension tables) Fatto: - identifica l attività principale - caratterizzato dai dati di dettaglio che si desidera analizzare Dimensioni: parametri rispetto ai quali si analizzano i dati di dettaglio 70

71 Uno Star Schema è. Un insieme di relazioni (tabelle DT 1,Dt 2, DT n ) ognuna delle quali corrisponde ad una dimensione Ogni DT i è caratterizzata da una chiave primaria d i e da un insieme di attributi descriventi le dimensioni a diversi livelli di aggregazione Una relazione FT (tabella dei fatti) che importa le chiavi primarie delle tabelle DT i La chiave primaria di FT è (d 1,d 2,.d n ) FT contiene un attributo per ogni misura 71

72 Esempio 72

73 Il modello a stella - in generale, uno schema a stella rappresenta una relazione molti a molti - il collegamento tra ogni tabella delle dimensioni e la tabella dei fatti rappresenta una relazione uno a molti 73

74 Star Schema : Le tabelle delle dimensioni DT non sono normalizzate Es. prodotto tipo categoria (dip. transitiva) La mancanza di normalizzazione comporta ridondanza, ma facilita l accesso ai dati che avviene tramite join tra le Dimension Table e la Fact Table La tabella dei fatti contiene informazioni espresse a diversi livelli di aggregazione 74

75 Vantaggi nell uso dello schema a stella Permette di fare assunzioni circa i dati, da utilizzare in fase di ottimizzazione simmetrico facilmente estensibile approcci standard alla costruzione tipiche query eseguibili efficientemente 75

76 76

77 77

78 Modello a fiocco di neve (Snow Flake) Si ottiene normalizzando le tabelle dimensioni dello star schema -rimozione di alcune dipendenze transitive -numero di tabelle maggiori ma di piccole dimensioni e normalizzate - conseguente semplicità di gestione in fase di popolazione ed aggiornamento delle tabelle 78

79 Uno Snowflake Schema è. Un insieme di relazioni (tabelle DT 1,Dt 2, DT n ) ognuna delle quali corrisponde ad una dimensione Ogni DT i è caratterizzata da : una chiave primaria un sotto-insieme di attributi che dipendono direttamente da d i nessuna o piu chiavi esterne che permettono di ricostruire l intera informazione 79

80 In un Snowflake Schema si distinguono: Tabelle di dimensione PRIMARIE : Le loro chiavi sono importate nella tabella dei fatti Tabelle di dimensione SECONDARIE: Gli attributi dipendono dalla chiave primaria Sono collegate con chiavi esterne Hanno un certo livello di normalizzazione 80

81 Esempio snow flake 81

82 Vantaggi nell uso dello schema snowflake Riduzione dello spazio di memoria Nuove chiavi surrogate Vantaggi nell esecuzione di query collegate agli attributi contenuti in un fatto e nelle tavole di dimensione primaria. 82

83 83

84 Aggregazioni Talvolta è necessario introdurre nuova misure per gestire correttamente le aggregazioni Misure derivate : si ottengono applicando operatori matematici a due o piu valori nella stessa t-upla 84

85 Operatori aggregati Operatori distributivi Aggregano i dati partendo da aggregazioni parziali (es. somma, max,min) Operatori algebrici Richiedono ulteriori informazioni per aggregare i dati (es. media) Operatori olistici Non è possibile ottenere dati aggregati partendo da aggregazioni parziali (es. mediana,moda) 85

86 86

87 Navigatori aggregati Inclusi nei DW commerciali Consentono di riformulare query OLAP sulla best view Gestiscono aggregati esclusivamente tramite operatori distributivi 87

88 Constellation schema Memorizza nelle tabelle dei fatti le viste aggregate Solo la dimensione della fact table è ottimizzata (ma è già un passo avanti) Massimo livello di ottimizzazione Tabelle dei fatti separate Tabelle di dimensioni ripetute per differenti livelli di aggregazione 88

89 89

90 90

91 Progettazione concettuale 91

92 Progettazione concettuale Tiene conto della documentazione relativa a tre possibili tipologie di schemi: Schema E/R Schema Relazionale Schema XML 92

93 DFM e E/R Un fatto descrive una relazione N a M lungo le sue dimensioni E presente una dipendenza funzionale tra il fatto e le sue dimensioni Le dimensioni di uno schema devono avere nomi differenti 93

94 94

95 Metodologia top down Definizione del fatto Per ogni fatto Definizione attributi Definizione dimensioni Definizione misure Creazione dello schema dei fatti 95

96 Partendo dallo schema E/R Identificazione di fatti, misure e dimensioni Ristrutturazione dello schema concettuale Rappresentazione dei fatti tramite entità Individuazione di nuove dimensioni Raffinamento dei livelli per ogni dimensione Grafo dimensionale Progettazione logica e fisica 96

97 Partendo dallo schema E/R 97

98 98

99 99

100 Definizione dei fatti Un fatto corrisponde ad un evento In uno schema E/R puo corrispondere ad un entità o ad un associazione di entità In uno schema relazionale corrisponde ad una tabella relazionale Una volta identificato il fatto diventa la radice di uno schema di fatti 100

101 Grafo di derivazione 101

102 Star Schema 102

103 Dal DB al DW fatti e dimensioni diventano tabelle a cui si aggiunge una chiave artificiale le tabelle delle dimensioni contengono tutti gli attributi per tutti i livelli della gerarchia poiché le associazioni sono tutte uno-amolti, si modellano con chiavi esterne 103

104 Chiavi Le chiavi aggiunte devono essere chiavi artificiali (numeriche, progressive) non sono le chiavi semantiche eventualmente utilizzate nella base di dati operazionale si ottimizzano le operazioni di join le chiavi semantiche possono essere comunque presenti come attributi comuni 104

105 Esempio di schema Tempo Prodotto Codice orario Ora Giorno Settimana Mese Trimestre Anno Luogo Codice luogo Negozio Indirizzo Codice Città Città Codice Regione Regione Codice Stato Stato Vendite Codice orario Codice luogo Codice prodotto Codice cliente Unità Incasso Codice prodotto Descrizione Colore Modello Codice categoria Categoria Cliente Codice cliente Nome Cognome Indirizzo Età Codice professione Professione 105

106 Esempio di instanza product prodid name price p1 bolt 10 p2 nut 5 store storeid city c1 nyc c2 sfo c3 la sale oderid date custid prodid storeid qty amt o100 1/7/97 53 p1 c o102 2/7/97 53 p2 c /8/ p1 c customer custid name address city 53 joe 10 main sfo 81 fred 12 main sfo 111 sally 80 willow la 106

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

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

Data warehousing Mario Guarracino Data Mining a.a. 2010/2011

Data warehousing Mario Guarracino Data Mining a.a. 2010/2011 Data warehousing Introduzione A partire dagli anni novanta è risultato chiaro che i database per i DSS e le analisi di business intelligence vanno separati da quelli operazionali. In questa lezione vedremo

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

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

Architetture per l analisi di dati

Architetture per l analisi di dati Architetture per l analisi di dati Basi di dati: Architetture e linee di evoluzione - Seconda edizione Capitolo 8 Appunti dalle lezioni Motivazioni I sistemi informatici permettono di aumentare la produttività

Dettagli

Data warehouse Introduzione

Data warehouse Introduzione Database and data mining group, Data warehouse Introduzione INTRODUZIONE - 1 Pag. 1 Database and data mining group, Supporto alle decisioni aziendali La maggior parte delle aziende dispone di enormi basi

Dettagli

Data Warehousing e Data Mining

Data Warehousing e Data Mining Università degli Studi di Firenze Dipartimento di Sistemi e Informatica A.A. 2011-2012 I primi passi Data Warehousing e Data Mining Parte 2 Docente: Alessandro Gori a.gori@unifi.it OLTP vs. OLAP OLTP vs.

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. 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

Sistemi per le decisioni Dai sistemi gestionali ai sistemi di governo

Sistemi per le decisioni Dai sistemi gestionali ai sistemi di governo Sistemi per le decisioni Dai sistemi gestionali ai sistemi di governo Obiettivi. Presentare l evoluzione dei sistemi informativi: da supporto alla operatività a supporto al momento decisionale Definire

Dettagli

Data warehousing e OLAP

Data warehousing e OLAP Data warehousing e OLAP Introduzione Il contesto, processi aziendali Decision Support Systems Sistemi di Data Warehousing Data mart Architettura Modellazione Concettuale Star Schema, Dimensioni, Livelli

Dettagli

Governo Digitale a.a. 2011/12

Governo Digitale a.a. 2011/12 Governo Digitale a.a. 2011/12 I sistemi di supporto alle decisioni ed il Data Warehouse Emiliano Casalicchio Agenda Introduzione i sistemi di supporto alle decisioni Data warehouse proprietà architettura

Dettagli

Analisi dei Dati. Lezione 10 Introduzione al Datwarehouse

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

Dettagli

Data Warehousing: concetti base e metodologie

Data Warehousing: concetti base e metodologie Data Warehousing: concetti base e metodologie Paolo Atzeni (con la collaborazione di Luca Cabibbo e Riccardo Torlone) Università di Roma Tre Dipartimento di Informatica e Automazione atzeni@dia.uniroma3.it

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

OLAP On Line Analytical Processing

OLAP On Line Analytical Processing OLAP On Line Analytical Processing Alfredo Cuzzocrea DEIS Dipartimento di Elettronica, Informatica e Sistemistica Università della Calabria cuzzocrea@si.deis.unical.it Testo di Riferimento: J. Han, M.

Dettagli

Il modello dimensionale

Il modello dimensionale aprile 2012 1 L organizzazione dei dati del data warehouse costituisce la pietra angolare dell intero sistema DW/BI le applicazioni BI, di supporto alle decisioni, accedono i dati direttamente dal DW l

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

Basi di Dati Complementi Esercitazione su Data Warehouse

Basi di Dati Complementi Esercitazione su Data Warehouse Sommario Basi di Dati Complementi Esercitazione su Data Warehouse 1. Riassunto concetti principali dalle slide della lezione di teoria 2.Studio di caso : progettazione di un Data Warehouse di una catena

Dettagli

Data warehouse. Architettura complessiva con OLTP e OLAP OLTP. Sistemi di supporto alle decisioni

Data warehouse. Architettura complessiva con OLTP e OLAP OLTP. Sistemi di supporto alle decisioni Data warehouse Data warehouse La crescita dell importanza dell analisi dei dati ha portato ad una separazione architetturale dell ambiente transazionale (OLTP on-line transaction processing) da quello

Dettagli

Breve introduzione ai data warehouse (per gli allievi che non hanno seguito BD2)

Breve introduzione ai data warehouse (per gli allievi che non hanno seguito BD2) Tecnologie per i sistemi informativi Breve introduzione ai data warehouse (per gli allievi che non hanno seguito BD2) Letizia Tanca lucidi tratti dal libro: Atzeni, Ceri, Paraboschi, Torlone Introduzione

Dettagli

Lezione 9. Microsoft Analysis Services: Principi e Funzionalità

Lezione 9. Microsoft Analysis Services: Principi e Funzionalità Lezione 9 Microsoft Analysis Services: Principi e Funzionalità MS Analysis Services (OLAP Server) E l implementazione Microsoft di OLAP Server Offre buone prestazione per realtà aziendali medie/grandi

Dettagli

Introduzione ad OLAP (On-Line Analytical Processing)

Introduzione ad OLAP (On-Line Analytical Processing) Introduzione ad OLAP (On-Line Analytical Processing) Metodi e Modelli per il Supporto alle Decisioni 2002 Dipartimento di Informatica Sistemistica e Telematica (Dist) Il termine OLAP e l acronimo di On-Line

Dettagli

Introduzione a data warehousing e OLAP

Introduzione a data warehousing e OLAP Corso di informatica Introduzione a data warehousing e OLAP La Value chain Information X vive in Z S ha Y anni X ed S hanno traslocato Data W ha del denaro in Z Stile di vita Punto di vendita Dati demografici

Dettagli

4 Introduzione al data warehousing

4 Introduzione al data warehousing Che cosa è un data warehouse? Introduzione al data warehousing 22 maggio 2001 Un data warehouse è una base di dati collezione di dati di grandi dimensioni, persistente e condivisa gestita in maniera efficace,

Dettagli

Cosa è un data warehouse?

Cosa è un data warehouse? Argomenti della lezione Data Warehousing Parte I Introduzione al warehousing cosa è un data warehouse classificazione dei processi aziendali sistemi di supporto alle decisioni elaborazione OLTP e OLAP

Dettagli

Introduzione al data warehousing

Introduzione al data warehousing Introduzione al data warehousing, Riccardo Torlone aprile 2012 1 Motivazioni I sistemi informatici permettono di aumentare la produttività delle organizzazioni automatizzandone la gestione quotidiana dei

Dettagli

Informazioni generali sul corso

Informazioni generali sul corso Informazioni generali sul corso Principi di Datawarehouse 1 Obiettivi del corso Conoscere i Datawarehouse 2 1 Argomenti Il contesto I sistemi DSS Architettura DW Proprietà DW Utilizzo DW Elementi OLAP:

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

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

MODELLI DEI DATI PER DW DAI DATI ALLE DECISIONI. Per definire la struttura di un DW si usano i seguenti formalismi, detti modelli dei dati:

MODELLI DEI DATI PER DW DAI DATI ALLE DECISIONI. Per definire la struttura di un DW si usano i seguenti formalismi, detti modelli dei dati: DAI DATI ALLE DECISIONI MODELLI DEI DATI PER DW Le aziende per competere devono usare metodi di analisi, con tecniche di Business Intelligence, dei dati interni, accumulati nel tempo, e di dati esterni,

Dettagli

PROGETTAZIONE E IMPLEMENTAZIONE DI UN DATAWAREHOUSE

PROGETTAZIONE E IMPLEMENTAZIONE DI UN DATAWAREHOUSE Tesi in: ARCHITETTURA DEI SISTEMI INFORMATIVI PROGETTAZIONE E IMPLEMENTAZIONE DI UN DATAWAREHOUSE IN UN AMBIENTE DI DISTRIBUZIONE FARMACEUTICA RELATORE: Prof. Crescenzio Gallo LAUREANDO: Alessandro Balducci

Dettagli

Introduzione al Data Warehousing

Introduzione al Data Warehousing Il problema - dati IPERVENDO Via Vai 111 P.I.11223344 Vendite II Trim. (Milioni!) Introduzione al Data Warehousing tecnologia abilitante per il data mining ACQUA MIN 0.40 LATTE INTERO 1.23 SPAZZ.DENTI

Dettagli

On Line Analytical Processing

On Line Analytical Processing On Line Analytical Processing Data integra solitamente Warehouse(magazzino dati) èun sorgenti un unico schema globalel informazione estratta da piu puo replicazioneai puo essere èinterrogabile, non modificabile

Dettagli

Lezione 3. Modello Multidimensionale dei Dati Metadati per il Data Warehousing Accesso ai Data Warehouses Implementazioni per il Data Warehousing

Lezione 3. Modello Multidimensionale dei Dati Metadati per il Data Warehousing Accesso ai Data Warehouses Implementazioni per il Data Warehousing Lezione 3 Modello Multidimensionale dei Dati Metadati per il Data Warehousing Accesso ai Data Warehouses Implementazioni per il Data Warehousing 27/02/2010 1 Modello multidimensionale Nasce dall esigenza

Dettagli

Sistemi Informativi La Modellazione Dimensionale dei Fatti. Obiettivi Concetti Base Operazioni OLAP DFM Casi Modellazione Logica Esercizi

Sistemi Informativi La Modellazione Dimensionale dei Fatti. Obiettivi Concetti Base Operazioni OLAP DFM Casi Modellazione Logica Esercizi Sistemi Informativi La Modellazione Dimensionale dei Fatti Obiettivi Concetti Base Operazioni OLAP DFM Casi Modellazione Logica Esercizi Obiettivi Nelle lezioni precedenti abbiamo modellato i processi

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

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

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

SOMMARIO. 9- Basi di dati direzionali. Tipi di sistemi direzionali SISTEMI INFORMATIVI DIREZIONALI. Basi di Dati per la gestione dell Informazione

SOMMARIO. 9- Basi di dati direzionali. Tipi di sistemi direzionali SISTEMI INFORMATIVI DIREZIONALI. Basi di Dati per la gestione dell Informazione 1 SOMMARIO 2 9- Basi di dati direzionali Basi di Dati per la gestione dell Informazione A. Chianese, V. Moscato, A. Picariello, L. Sansone Sistemi Informativi Direzionali (SID) Architettura dei SID La

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

02/mag/2012. Il Modello Multidimensionale. Il Modello Multidimensionale. Il Modello Multidimensionale. Il Modello Multidimensionale

02/mag/2012. Il Modello Multidimensionale. Il Modello Multidimensionale. Il Modello Multidimensionale. Il Modello Multidimensionale Modello semplice ed intuitivo Si presta bene a descrivere dei FATTI in modo grafico (CUBO o IPERCUBO) Es. di FATTI: Vendite Spedizioni Ricoveri Interventi chirurgici Andamento borsistico 62 Un cubo multidimensionale

Dettagli

Data warehouse (parte 1)

Data warehouse (parte 1) Data warehouse (parte 1) La maggior parte delle aziende dispone di enormi basi di dati contenenti dati di tipo operativo: queste basi di dati costituiscono una potenziale miniera di informazioni utili.

Dettagli

Introduzione alla Business Intelligence

Introduzione alla Business Intelligence SOMMARIO 1. DEFINIZIONE DI BUSINESS INTELLIGENCE...3 2. FINALITA DELLA BUSINESS INTELLIGENCE...4 3. DESTINATARI DELLA BUSINESS INTELLIGENCE...5 4. GLOSSARIO...7 BIM 3.1 Introduzione alla Pag. 2/ 9 1.DEFINIZIONE

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

INFORMATICA. Applicazioni WEB a tre livelli con approfondimento della loro manutenzione e memorizzazione dati e del DATABASE.

INFORMATICA. Applicazioni WEB a tre livelli con approfondimento della loro manutenzione e memorizzazione dati e del DATABASE. INFORMATICA Applicazioni WEB a tre livelli con approfondimento della loro manutenzione e memorizzazione dati e del DATABASE. APPLICAZIONI WEB L architettura di riferimento è quella ampiamente diffusa ed

Dettagli

Lorenzo Braidi. Database design. Libro_datadesign.indb 1 23-11-2004 10:06:17

Lorenzo Braidi. Database design. Libro_datadesign.indb 1 23-11-2004 10:06:17 Lorenzo Braidi Database design Libro_datadesign.indb 1 23-11-2004 10:06:17 Sommario Introduzione...XI Capitolo 1 Le basi di dati relazionali... 1 Le basi di dati... 1 Un po di storia... 2 I database gerarchici...

Dettagli

Corso di Complementi di Basi di dati A.A. 2005-2006 4. Data Warehouse

Corso di Complementi di Basi di dati A.A. 2005-2006 4. Data Warehouse Riferimenti Corso di Complementi di Basi di dati A.A. 2005-2006 4. Data Warehouse Queste trasparenze parte 4 Testo di Atzeni et al. Basi di dati R.Kimball, The Data Warehouse Lifecycle Toolkit, 2nd Ed.,

Dettagli

Informatica Generale Andrea Corradini. 19 - Sistemi di Gestione delle Basi di Dati

Informatica Generale Andrea Corradini. 19 - Sistemi di Gestione delle Basi di Dati Informatica Generale Andrea Corradini 19 - Sistemi di Gestione delle Basi di Dati Sommario Concetti base di Basi di Dati Il modello relazionale Relazioni e operazioni su relazioni Il linguaggio SQL Integrità

Dettagli

Introduzione al Data Warehousing

Introduzione al Data Warehousing Sistemi Informativi Avanzati Anno Accademico 2013/2014 Prof. Domenico Beneventano Introduzione al Data Warehousing Molte di queste slide sono state realizzate dal Prof. Stefano Rizzi (http://www-db.deis.unibo.it/~srizzi/)

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

DBMS (Data Base Management System)

DBMS (Data Base Management System) Cos'è un Database I database o banche dati o base dati sono collezioni di dati, tra loro correlati, utilizzati per rappresentare una porzione del mondo reale. Sono strutturati in modo tale da consentire

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

Lezione 9. Ambienti Operativi per OLAP Casi di Studio 08/03/2010 1

Lezione 9. Ambienti Operativi per OLAP Casi di Studio 08/03/2010 1 Lezione 9 Ambienti Operativi per OLAP Casi di Studio 08/03/2010 1 Ambienti Operativi per OLAP. Casi di Studio Alfredo Cuzzocrea DEIS Dipartimento di Elettronica, Informatica e Sistemistica Università della

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

PBI Passepartout Business Intelligence

PBI Passepartout Business Intelligence PBI Passepartout Business Intelligence TARGET DEL MODULO Il prodotto, disponibile come modulo aggiuntivo per il software gestionale Passepartout Mexal, è rivolto alle Medie imprese che vogliono ottenere,

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

marca (1,n) (1,1) nome prezzou prodotto nome responsabile quantità nome datai dataf (0,n) vendite (0,n) (0,n) (0,n) tempo acquisti quantità (0,n)

marca (1,n) (1,1) nome prezzou prodotto nome responsabile quantità nome datai dataf (0,n) vendite (0,n) (0,n) (0,n) tempo acquisti quantità (0,n) marca (1,n) di descrizione (1,1) prodotto (1,1) in (1,n) categoria città (1,n) (1,n) nella indirizzo responsabile quantità (1,1) supermercato vendite ricavo promozione datai dataf %sconto costo acquisti

Dettagli

TEORIA sulle BASI DI DATI

TEORIA sulle BASI DI DATI TEORIA sulle BASI DI DATI A cura del Prof. Enea Ferri Cos è un DATA BASE E un insieme di archivi legati tra loro da relazioni. Vengono memorizzati su memorie di massa come un unico insieme, e possono essere

Dettagli

13. Datawarehouse (parte 2) Analisi e riconciliazione delle fonti dati progettista amministratori dei database modello a tre livelli

13. Datawarehouse (parte 2) Analisi e riconciliazione delle fonti dati progettista amministratori dei database modello a tre livelli 13. Datawarehouse (parte 2) Analisi e riconciliazione delle fonti dati Questa fase richiede di definire e documentare lo schema del livello dei dati operazionali, a partire dal quale verrà alimentato il

Dettagli

DATABASE RELAZIONALI

DATABASE RELAZIONALI 1 di 54 UNIVERSITA DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI DISCIPLINE STORICHE ETTORE LEPORE DATABASE RELAZIONALI Dott. Simone Sammartino Istituto per l Ambiente l Marino Costiero I.A.M.C. C.N.R.

Dettagli

Sistemi Informativi Aziendali I

Sistemi Informativi Aziendali I Modulo 6 Sistemi Informativi Aziendali I 1 Corso Sistemi Informativi Aziendali I - Modulo 6 Modulo 6 Integrare verso l alto e supportare Managers e Dirigenti nell Impresa: Decisioni più informate; Decisioni

Dettagli

Lezione 1. Introduzione e Modellazione Concettuale

Lezione 1. Introduzione e Modellazione Concettuale Lezione 1 Introduzione e Modellazione Concettuale 1 Tipi di Database ed Applicazioni Database Numerici e Testuali Database Multimediali Geographic Information Systems (GIS) Data Warehouses Real-time and

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

I sistemi di reporting e i rapporti direzionali

I sistemi di reporting e i rapporti direzionali I sistemi di reporting e i rapporti direzionali Reporting - Sintesi dei fenomeni aziendali secondo modelli preconfezionati e con frequenza e aggiornamento prestabiliti - contabile (dati economici) - extracontabile

Dettagli

SQL Server 2005. Introduzione all uso di SQL Server e utilizzo delle opzioni Olap. Dutto Riccardo - SQL Server 2005.

SQL Server 2005. Introduzione all uso di SQL Server e utilizzo delle opzioni Olap. Dutto Riccardo - SQL Server 2005. SQL Server 2005 Introduzione all uso di SQL Server e utilizzo delle opzioni Olap SQL Server 2005 SQL Server Management Studio Gestione dei server OLAP e OLTP Gestione Utenti Creazione e gestione DB SQL

Dettagli

Sviluppo Applicazione di BI/DWH. con tecnologia Microsoft. per il supporto della catena logistica

Sviluppo Applicazione di BI/DWH. con tecnologia Microsoft. per il supporto della catena logistica UNIVERSITÀ DEGLI STUDI DI MODENA E REGGIO EMILIA Dipartimento di Ingegneria Enzo Ferrari di Modena Corso di Laurea Magistrale in Ingegneria Informatica (270/04) Sviluppo Applicazione di BI/DWH con tecnologia

Dettagli

Per capire meglio l ambito di applicazione di un DWhouse consideriamo la piramide di Anthony, L. Direzionale. L. Manageriale. L.

Per capire meglio l ambito di applicazione di un DWhouse consideriamo la piramide di Anthony, L. Direzionale. L. Manageriale. L. DATA WAREHOUSE Un Dataware House può essere definito come una base di dati di database. In molte aziende ad esempio ci potrebbero essere molti DB, per effettuare ricerche di diverso tipo, in funzione del

Dettagli

Introduzione alla Business Intelligence. E-mail: infobusiness@zucchetti.it

Introduzione alla Business Intelligence. E-mail: infobusiness@zucchetti.it Introduzione alla Business Intelligence E-mail: infobusiness@zucchetti.it Introduzione alla Business Intelligence Introduzione Definizione di Business Intelligence: insieme di processi per raccogliere

Dettagli

Sistemi Informativi e Basi di Dati

Sistemi Informativi e Basi di Dati Sistemi Informativi e Basi di Dati Laurea Specialistica in Tecnologie di Analisi degli Impatti Ecotossicologici Docente: Francesco Geri Dipartimento di Scienze Ambientali G. Sarfatti Via P.A. Mattioli

Dettagli

SISTEMI INFORMATIVI AZIENDALI

SISTEMI INFORMATIVI AZIENDALI SISTEMI INFORMATIVI AZIENDALI Prof. Andrea Borghesan venus.unive.it/borg borg@unive.it Ricevimento: Alla fine di ogni lezione Modalità esame: scritto 1 Data Warehousing. Introduzione 1/2 I data warehousing

Dettagli

Organizzazione degli archivi

Organizzazione degli archivi COSA E UN DATA-BASE (DB)? è l insieme di dati relativo ad un sistema informativo COSA CARATTERIZZA UN DB? la struttura dei dati le relazioni fra i dati I REQUISITI DI UN DB SONO: la ridondanza minima i

Dettagli

BASE DI DATI: introduzione. Informatica 5BSA Febbraio 2015

BASE DI DATI: introduzione. Informatica 5BSA Febbraio 2015 BASE DI DATI: introduzione Informatica 5BSA Febbraio 2015 Di cosa parleremo? Base di dati relazionali, modelli e linguaggi: verranno presentate le caratteristiche fondamentali della basi di dati. In particolare

Dettagli

Progettazione di Basi di Dati

Progettazione di Basi di Dati Progettazione di Basi di Dati Prof. Nicoletta D Alpaos & Prof. Andrea Borghesan Entità-Relazione Progettazione Logica 2 E il modo attraverso il quale i dati sono rappresentati : fa riferimento al modello

Dettagli

Al giorno d oggi, i sistemi per la gestione di database

Al giorno d oggi, i sistemi per la gestione di database Introduzione Al giorno d oggi, i sistemi per la gestione di database implementano un linguaggio standard chiamato SQL (Structured Query Language). Fra le altre cose, il linguaggio SQL consente di prelevare,

Dettagli

Introduzione. La misurazione dei sistemi di Data Warehouse. Definizioni & Modelli. Sommario. Data Warehousing. Introduzione. Luca Santillo (CFPS)

Introduzione. La misurazione dei sistemi di Data Warehouse. Definizioni & Modelli. Sommario. Data Warehousing. Introduzione. Luca Santillo (CFPS) Introduzione La misurazione dei sistemi di Data Warehouse Luca Santillo (CFPS) AIPA, 17/5/01 In pratica I concetti generali, le definizioni e le regole di conteggio possono essere difficili da applicare

Dettagli

Database. Francesco Tapparo Informatica e Bioinformatica 2013-14 1/16

Database. Francesco Tapparo Informatica e Bioinformatica 2013-14 1/16 Database Francesco Tapparo Informatica e Bioinformatica 2013-14 1/16 Trend attuali CPU sempre più potenti Memorie di massa di dimensioni sempre maggiori Eniac: 180m 2 Memoria: 20 numeri di 10 cifre, meno

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

ANALISI DEI DATI. OLAP (On Line Analytical Processing) Data Warehousing Data Mining

ANALISI DEI DATI. OLAP (On Line Analytical Processing) Data Warehousing Data Mining ANALISI DEI DATI OLAP (On Line Analytical Processing) Data Warehousing Data Mining Dall OLTP all OLAP La tecnologia delle basi di dati è finalizzata prevalentemente alla gestione dei dati in linea, si

Dettagli

Le Basi di Dati. Le Basi di Dati

Le Basi di Dati. Le Basi di Dati Le Basi di Dati 20/05/02 Prof. Carlo Blundo 1 Le Basi di Dati Le Base di Dati (database) sono un insieme di tabelle di dati strutturate in maniera da favorire la ricerca di informazioni specializzate per

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

Basi Di Dati, 09/12/2003

Basi Di Dati, 09/12/2003 Basi Di Dati, 09/12/2003 Una concessionaria di auto nuove ed usate vuole automatizzare alcune delle sue attività. L attività che la concessionaria vuole automatizzare riguarda la gestione delle auto nuove,

Dettagli

Pianificazione del data warehouse

Pianificazione del data warehouse Pianificazione del data warehouse Dalla pianificazione emergono due principali aree d interesse: area commerciale focalizzata sulle agenzie di vendita e area marketing concentrata sulle vendite dei prodotti.

Dettagli

Sistemi di supporto alle decisioni

Sistemi di supporto alle decisioni Sistemi di supporto alle decisioni Introduzione I sistemi di supporto alle decisioni, DSS (decision support system), sono strumenti informatici che utilizzano dati e modelli matematici a supporto del decision

Dettagli

Data Mining e Analisi dei Dati

Data Mining e Analisi dei Dati e Analisi dei Dati Rosaria Lombardo Dipartimento di Economia, Seconda Università di Napoli La scienza che estrae utili informazioni da grandi databases è conosciuta come E una disciplina nuova che interseca

Dettagli

Corso di Informatica (Basi di Dati)

Corso di Informatica (Basi di Dati) Corso di Informatica (Basi di Dati) Lezione 1 (12 dicembre 2008) Introduzione alle Basi di Dati Da: Atzeni, Ceri, Paraboschi, Torlone - Basi di Dati Lucidi del Corso di Basi di Dati 1, Prof. Carlo Batini,

Dettagli

Relazione sul data warehouse e sul data mining

Relazione sul data warehouse e sul data mining Relazione sul data warehouse e sul data mining INTRODUZIONE Inquadrando il sistema informativo aziendale automatizzato come costituito dall insieme delle risorse messe a disposizione della tecnologia,

Dettagli

Informatica Documentale

Informatica Documentale Informatica Documentale Ivan Scagnetto (scagnett@dimi.uniud.it) Stanza 3, Nodo Sud Dipartimento di Matematica e Informatica Via delle Scienze, n. 206 33100 Udine Tel. 0432 558451 Ricevimento: giovedì,

Dettagli

Applicazioni OLAP in ambiente Analysis Service

Applicazioni OLAP in ambiente Analysis Service Applicazioni OLAP in ambiente Analysis Service Pasquale De Meo DIMET Università Mediterranea di Reggio Calabria Via Graziella, Località Feo di Vito demeo@unirc.it Corso di Sistemi Informativi- A.A. 2004-2005

Dettagli

Indice Prefazione... 1 1 SQL Procedurale/SQL-PSM (Persistent Stored Modules)... 3 Vincoli e Trigger... 9

Indice Prefazione... 1 1 SQL Procedurale/SQL-PSM (Persistent Stored Modules)... 3 Vincoli e Trigger... 9 Prefazione... 1 Contenuti... 1 Ringraziamenti... 2 1 SQL Procedurale/SQL-PSM (Persistent Stored Modules)... 3 1.1 Dichiarazione di funzioni e procedure... 3 1.2 Istruzioni PSM... 4 2 Vincoli e Trigger...

Dettagli

Le Basi di dati: generalità. Unità di Apprendimento A1 1

Le Basi di dati: generalità. Unità di Apprendimento A1 1 Le Basi di dati: generalità Unità di Apprendimento A1 1 1 Cosa è una base di dati In ogni modello di organizzazione della vita dell uomo vengono trattate informazioni Una volta individuate e raccolte devono

Dettagli

BASI DI DATI - : I modelli di database

BASI DI DATI - : I modelli di database BASI DI DATI - : I modelli di database DAL 1960 ci si e' orientati verso 3 direzioni: 1 MODELLO GERARCHICO Se i dati si presentano naturalmente in una struttura ad albero (ES. File System) Limiti: rigidità

Dettagli

UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II

UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II FACOLTÀ DI SCIENZE MATEMATICHE FISICHE E NATURALI CORSO DI LAUREA MAGISTRALE IN INFORMATICA Riscrittura di interrogazioni con viste in sistemi per la gestione

Dettagli

1. BASI DI DATI: GENERALITÀ

1. BASI DI DATI: GENERALITÀ 1. BASI DI DATI: GENERALITÀ BASE DI DATI (DATABASE, DB) Raccolta di informazioni o dati strutturati, correlati tra loro in modo da risultare fruibili in maniera ottimale. Una base di dati è usualmente

Dettagli

Progettaz. e sviluppo Data Base

Progettaz. e sviluppo Data Base Progettaz. e sviluppo Data Base! Introduzione ai Database! Tipologie di DB (gerarchici, reticolari, relazionali, oodb) Introduzione ai database Cos è un Database Cos e un Data Base Management System (DBMS)

Dettagli

Facoltà di Farmacia - Corso di Informatica

Facoltà di Farmacia - Corso di Informatica Basi di dati Riferimenti: Curtin cap. 8 Versione: 13/03/2007 1 Basi di dati (Database, DB) Una delle applicazioni informatiche più utilizzate, ma meno conosciute dai non informatici Avete già interagito

Dettagli

Il BACKUP è disponibile in http://www.dbgroup.unimo.it/sia/esercizio_21_novembre_2013/esercizio_21_novembre_2013.bak

Il BACKUP è disponibile in http://www.dbgroup.unimo.it/sia/esercizio_21_novembre_2013/esercizio_21_novembre_2013.bak ESEMPIO DELLE VENDITE: MISURE ED AGGREGABILITA E l esempio discusso nelle dispense è Dispense : http://www.dbgroup.unimo.it/sia/sia_2014_progettazionediundw_misure.pdf esteso e dettagliato. Il BACKUP è

Dettagli

I data warehouse e la loro progettazione

I data warehouse e la loro progettazione Tecnologie per i sistemi informativi I data warehouse e la loro progettazione Docente: Letizia Tanca Politecnico di Milano tanca@elet.polimi.it 1 Processi processi direzionali processi gestionali processi

Dettagli

L architettura di un DBMS

L architettura di un DBMS L architettura di un DBMS sources: Lucidi del corso di Lucidi del corso di Laboratorio di Basi di dati e sistemi informativi, Montesi, Magnani, Corso di laurea in Informatica per il management, Scienze

Dettagli