Sistema informativo. Combinazione di risorse umane, materiali e procedure per la gestione. (raccolta, archiviazione, elaborazione, scambio )
|
|
- Bernarda Falcone
- 8 anni fa
- Visualizzazioni
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 (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
DettagliIntroduzione data warehose. Gian Luigi Ferrari Dipartimento di Informatica Università di Pisa. Data Warehouse
Introduzione data warehose Gian Luigi Ferrari Dipartimento di Informatica Università di Pisa Data Warehouse Che cosa e un data warehouse? Quali sono i modelli dei dati per data warehouse Come si progetta
DettagliRassegna 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
DettagliData warehousing Mario Guarracino Laboratorio di Sistemi Informativi Aziendali a.a. 2006/2007
Data warehousing Introduzione A partire dalla metà degli anni novanta è risultato chiaro che i database per i DSS e le analisi di business intelligence vanno separati da quelli operazionali. In questa
DettagliAnalisi dei Dati. Lezione 10 Introduzione al Datwarehouse
Analisi dei Dati Lezione 10 Introduzione al Datwarehouse Il Datawarehouse Il Data Warehousing si può definire come il processo di integrazione di basi di dati indipendenti in un singolo repository (il
DettagliData Warehousing. Argomenti della lezione. Rappresentazioni dei dati. Rappresentazione dei dati. Parte II Analisi multidimensionale
Argomenti della lezione Data Warehousing Parte II Analisi multidimensionale richiami sul data warehousing organizzazione di un data warehouse l analisi multidimensionale data warehousing e internet strumenti
DettagliData 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
DettagliData 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
DettagliCosa 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
DettagliSQL/OLAP. Estensioni OLAP in SQL
SQL/OLAP Estensioni OLAP in SQL 1 Definizione e calcolo delle misure Definire una misura significa specificare gli operatori di aggregazione rispetto a tutte le dimensioni del fatto Ipotesi: per ogni misura,
DettagliPROGETTAZIONE 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
DettagliArchitetture 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
DettagliData warehousing con SQL Server
Data warehousing con SQL Server SQL Server è un RDBMS (Relational DataBase Management System) Analysis Services è un componente di SQL Server che offre un insieme di funzionalità di supporto al data warehousing
DettagliData warehousing con SQL Server
Data warehousing con SQL Server! SQL Server è un RDBMS (Relational DataBase Management System)! Analysis Services è un componente di SQL Server che offre un insieme di funzionalità di supporto al data
DettagliData warehousing con SQL Server
Data warehousing con SQL Server SQL Server è un RDBMS (Relational DataBase Management System) Analysis Services è un componente di SQL Server che offre un insieme di funzionalità di supporto al data warehousing
DettagliSISTEMI INFORMATIVI AVANZATI -2010/2011 1. Introduzione
SISTEMI INFORMATIVI AVANZATI -2010/2011 1 Introduzione In queste dispense, dopo aver riportato una sintesi del concetto di Dipendenza Funzionale e di Normalizzazione estratti dal libro Progetto di Basi
DettagliAmbienti 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
DettagliIntroduzione ad OLAP (On-Line Analytical Processing)
Introduzione ad OLAP (On-Line Analytical Processing) Metodi e Modelli per il Supporto alle Decisioni 2002 Dipartimento di Informatica Sistemistica e Telematica (Dist) Il termine OLAP e l acronimo di On-Line
DettagliSistemi 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
DettagliData 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.
DettagliOLAP 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.
DettagliDBMS (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
DettagliLezione 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
DettagliIl 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
DettagliOrganizzazione degli archivi
COSA E UN DATA-BASE (DB)? è l insieme di dati relativo ad un sistema informativo COSA CARATTERIZZA UN DB? la struttura dei dati le relazioni fra i dati I REQUISITI DI UN DB SONO: la ridondanza minima i
DettagliInformatica 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
DettagliData warehousing con SQL Server
Data warehousing con SQL Server! SQL Server è un RDBMS (Relational DataBase Management System)! Analysis Services è un componente di SQL Server che offre un insieme di funzionalità di supporto al data
DettagliPer capire meglio l ambito di applicazione di un DWhouse consideriamo la piramide di Anthony, L. Direzionale. L. Manageriale. L.
DATA WAREHOUSE Un Dataware House può essere definito come una base di dati di database. In molte aziende ad esempio ci potrebbero essere molti DB, per effettuare ricerche di diverso tipo, in funzione del
Dettagli02/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
DettagliGoverno 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
DettagliBasi 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
DettagliData 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
DettagliProgettazione di Basi di Dati
Progettazione di Basi di Dati Prof. Nicoletta D Alpaos & Prof. Andrea Borghesan Entità-Relazione Progettazione Logica 2 E il modo attraverso il quale i dati sono rappresentati : fa riferimento al modello
DettagliAl 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,
Dettaglimarca (1,n) (1,1) nome prezzou prodotto nome responsabile quantità nome datai dataf (0,n) vendite (0,n) (0,n) (0,n) tempo acquisti quantità (0,n)
marca (1,n) di descrizione (1,1) prodotto (1,1) in (1,n) categoria città (1,n) (1,n) nella indirizzo responsabile quantità (1,1) supermercato vendite ricavo promozione datai dataf %sconto costo acquisti
DettagliI 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
DettagliData 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
DettagliSQL Server BI Development Studio
Il Data warehouse SQL Server Business Intelligence Development Studio Analysis Service Sorgenti dati operazionali DB relazionali Fogli excel Data warehouse Staging Area e dati riconciliati Cubi Report
DettagliSQL Server 2005. Introduzione all uso di SQL Server e utilizzo delle opzioni Olap. Dutto Riccardo - SQL Server 2005.
SQL Server 2005 Introduzione all uso di SQL Server e utilizzo delle opzioni Olap SQL Server 2005 SQL Server Management Studio Gestione dei server OLAP e OLTP Gestione Utenti Creazione e gestione DB SQL
DettagliLezione 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
Dettagli1. BASI DI DATI: GENERALITÀ
1. BASI DI DATI: GENERALITÀ BASE DI DATI (DATABASE, DB) Raccolta di informazioni o dati strutturati, correlati tra loro in modo da risultare fruibili in maniera ottimale. Una base di dati è usualmente
DettagliOn 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
DettagliB C I un altro punto di vista Introduzione
Bollicine Community B C Intelligence B C I un altro punto di vista Introduzione Graziano Guazzi General Manager Data Flow Settembre 2007 pag, 1 Cosa misurare La definizione di quale domanda di mercato
DettagliDATABASE RELAZIONALI
1 di 54 UNIVERSITA DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI DISCIPLINE STORICHE ETTORE LEPORE DATABASE RELAZIONALI Dott. Simone Sammartino Istituto per l Ambiente l Marino Costiero I.A.M.C. C.N.R.
DettagliBreve 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
DettagliData 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
DettagliLorenzo Braidi. Database design. Libro_datadesign.indb 1 23-11-2004 10:06:17
Lorenzo Braidi Database design Libro_datadesign.indb 1 23-11-2004 10:06:17 Sommario Introduzione...XI Capitolo 1 Le basi di dati relazionali... 1 Le basi di dati... 1 Un po di storia... 2 I database gerarchici...
DettagliIl 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
DettagliCORSO ACCESS PARTE II. Esistono diversi tipi di aiuto forniti con Access, generalmente accessibili tramite la barra dei menu (?)
Ambiente Access La Guida di Access Esistono diversi tipi di aiuto forniti con Access, generalmente accessibili tramite la barra dei menu (?) Guida in linea Guida rapida Assistente di Office indicazioni
DettagliL 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
DettagliSistemi per la gestione di database: MySQL ( )
Sistemi per la gestione di database: MySQL ( ) Relational Database e Relational Database Management System Un database è una raccolta di dati organizzata in modo da consentire l accesso, il reperimento
DettagliBasi 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,
DettagliBASI 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
DettagliLezione V. Aula Multimediale - sabato 29/03/2008
Lezione V Aula Multimediale - sabato 29/03/2008 LAB utilizzo di MS Access Definire gli archivi utilizzando le regole di derivazione e descrivere le caratteristiche di ciascun archivio ASSOCIAZIONE (1:1)
DettagliEstensioni 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
DettagliLe 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
DettagliCosa è un foglio elettronico
Cosa è un foglio elettronico Versione informatica del foglio contabile Strumento per l elaborazione di numeri (ma non solo...) I valori inseriti possono essere modificati, analizzati, elaborati, ripetuti
DettagliInformazioni 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:
DettagliSistemi 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
DettagliBasi di Dati Relazionali
Corso di Laurea in Informatica Basi di Dati Relazionali a.a. 2009-2010 PROGETTAZIONE DI UNA BASE DI DATI Raccolta e Analisi dei requisiti Progettazione concettuale Schema concettuale Progettazione logica
DettagliRiccardo Dutto, Paolo Garza Politecnico di Torino. Riccardo Dutto, Paolo Garza Politecnico di Torino
Integration Services Project SQL Server 2005 Integration Services Permette di gestire tutti i processi di ETL Basato sui progetti di Business Intelligence di tipo Integration services Project SQL Server
DettagliIl grafico 3D riportato è la versione multidimensionale del modello ER
Appunti Database del 13/10/2015 Datawarehouse Definizione: I datawarehouse non sono così diffusi come i database relazionali poiché mentre i secondi hanno la loro maggior applicazione nei livelli bassi
DettagliDatabase. 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
DettagliSistemi 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
DettagliProgramma del Corso. Dati e DBMS SQL. Progettazione di una. Normalizzazione
Programma del Corso Dati e DBMS DBMS relazionali SQL Progettazione di una base di dati Normalizzazione (I prova scritta) (II prova scritta) Interazione fra linguaggi di programmazione e basi di dati Cenni
DettagliDispensa di database Access
Dispensa di database Access Indice: Database come tabelle; fogli di lavoro e tabelle...2 Database con più tabelle; relazioni tra tabelle...2 Motore di database, complessità di un database; concetto di
DettagliIntroduzione 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
DettagliDatabase. Si ringrazia Marco Bertini per le slides
Database Si ringrazia Marco Bertini per le slides Obiettivo Concetti base dati e informazioni cos è un database terminologia Modelli organizzativi flat file database relazionali Principi e linee guida
DettagliProgettaz. 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)
DettagliIntroduzione alle basi di dati. Gestione delle informazioni. Gestione delle informazioni. Sistema informatico
Introduzione alle basi di dati Introduzione alle basi di dati Gestione delle informazioni Base di dati Modello dei dati Indipendenza dei dati Accesso ai dati Vantaggi e svantaggi dei DBMS Gestione delle
DettagliAbilità Informatiche A.A. 2010/2011 Lezione 9: Query Maschere Report. Facoltà di Lingue e Letterature Straniere
Abilità Informatiche A.A. 2010/2011 Lezione 9: Query Maschere Report Facoltà di Lingue e Letterature Straniere Le QUERY 2 Che cos è una Query? Una Query rappresenta uno strumento per interrogare un database.
DettagliIntroduzione 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
Dettagli4 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,
DettagliSQL Server. Applicazioni principali
SQL Server Introduzione all uso di SQL Server e utilizzo delle opzioni OLAP Applicazioni principali SQL Server Enterprise Manager Gestione generale di SQL Server Gestione utenti Creazione e gestione dei
DettagliTelerilevamento e GIS Prof. Ing. Giuseppe Mussumeci
Corso di Laurea Magistrale in Ingegneria per l Ambiente e il Territorio A.A. 2014-2015 Telerilevamento e GIS Prof. Ing. Giuseppe Mussumeci Strutture di dati: DB e DBMS DATO E INFORMAZIONE Dato: insieme
DettagliMODULO 5 Appunti ACCESS - Basi di dati
MODULO 5 Appunti ACCESS - Basi di dati Lezione 1 www.mondopcnet.com Modulo 5 basi di dati Richiede che il candidato dimostri di possedere la conoscenza relativa ad alcuni concetti fondamentali sui database.
DettagliSistemi informativi secondo prospettive combinate
Sistemi informativi secondo prospettive combinate direz acquisti direz produz. direz vendite processo acquisti produzione vendite INTEGRAZIONE TRA PROSPETTIVE Informazioni e attività sono condivise da
DettagliIl linguaggio SQL. è di fatto lo standard tra i linguaggi per la gestione di data base relazionali.
(Structured Query Language) : Il linguaggio è di fatto lo standard tra i linguaggi per la gestione di data base relazionali. prima versione IBM alla fine degli anni '70 per un prototipo di ricerca (System
DettagliIl database management system Access
Il database management system Access Corso di autoistruzione http://www.manualipc.it/manuali/ corso/manuali.php? idcap=00&idman=17&size=12&sid= INTRODUZIONE Il concetto di base di dati, database o archivio
DettagliBASE 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
DettagliLezione 2. Il modello entità relazione
Lezione 2 Il modello entità relazione Pag.1 Introduzione alla progettazione delle basi di dati 1. Analisi dei requisiti Quali sono le entità e le relazioni dell organizzazione? Quali informazioni su queste
DettagliUtilizzando Microsoft Access. Si crea la tabella Anagrafica degli alunni,le Materie e i voti si mettono alcuni campi
Vogliamo creare una struttura per permettere di memorizzari i voti della classe in tutte le materie Per fare questo untilizziamo tre tabelle Alunni,materie,voti Alunni Materie Voti Creo un record per ogni
DettagliSistemi di supporto alle decisioni
Sistemi di supporto alle decisioni Introduzione I sistemi di supporto alle decisioni, DSS (decision support system), sono strumenti informatici che utilizzano dati e modelli matematici a supporto del decision
DettagliISTITUTO TECNICO ECONOMICO MOSSOTTI
CLASSE III INDIRIZZO S.I.A. UdA n. 1 Titolo: conoscenze di base Conoscenza delle caratteristiche dell informatica e degli strumenti utilizzati Informatica e sistemi di elaborazione Conoscenza delle caratteristiche
DettagliCapitolo 13. Interrogare una base di dati
Capitolo 13 Interrogare una base di dati Il database fisico La ridondanza è una cosa molto, molto, molto brutta Non si devono mai replicare informazioni scrivendole in più posti diversi nel database Per
DettagliDSCube. L analisi dei dati come strumento per i processi decisionali
DSCube L analisi dei dati come strumento per i processi decisionali Analisi multi-dimensionale dei dati e reportistica per l azienda: DSCube Introduzione alla suite di programmi Analyzer Query Builder
DettagliCiclo di vita dimensionale
aprile 2012 1 Il ciclo di vita dimensionale Business Dimensional Lifecycle, chiamato anche Kimball Lifecycle descrive il framework complessivo che lega le diverse attività dello sviluppo di un sistema
DettagliI database relazionali (Access)
I database relazionali (Access) Filippo TROTTA 04/02/2013 1 Prof.Filippo TROTTA Definizioni Database Sistema di gestione di database (DBMS, Database Management System) Sistema di gestione di database relazionale
DettagliBase Dati Introduzione
Università di Cassino Facoltà di Ingegneria Modulo di Alfabetizzazione Informatica Base Dati Introduzione Si ringrazia l ing. Francesco Colace dell Università di Salerno Gli archivi costituiscono una memoria
DettagliEsercitazione query in SQL L esercitazione viene effettuata sul database viaggi e vacanze che prevede il seguente modello E/R:
Esercitazione query in SQL L esercitazione viene effettuata sul database viaggi e vacanze che prevede il seguente modello E/R: Si consiglia di creare il data base, inserire i dati nelle tabelle, provare
DettagliSupporto alle decisioni e strategie commerciali/mercati/prodotti/forza vendita;
.netbin. è un potentissimo strumento SVILUPPATO DA GIEMME INFORMATICA di analisi dei dati con esposizione dei dati in forma numerica e grafica con un interfaccia visuale di facile utilizzo, organizzata
DettagliMisure (parte II) Gerarchie Incomplete
Sistemi Informativi Avanzati Anno Accademico 2013/2014 Prof. Domenico Beneventano Misure (parte II) Gerarchie Incomplete Esempio Schema di Fatto STUDENTE(STUDENTE,,REGIONE,), DF:! REGIONE (,,) REGIONE!
DettagliMODELLI 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,
DettagliLezione 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
DettagliITI M. FARADAY Programmazione modulare a.s. 2014-2015
Indirizzo: INFORMATICA E TELECOMUNICAZIONI Disciplina: Informatica Docente:Maria Teresa Niro Classe: Quinta B Ore settimanali previste: 6 (3 ore Teoria - 3 ore Laboratorio) ITI M. FARADAY Programmazione
DettagliDominio applicativo. Analisi e ricognizione delle fonti dati
Dominio applicativo La Società chiamata StraSport, si occupa di vendite all ingrosso di articoli sportivi. Ha agenzie distribuite sul territorio italiano che gestiscono le vendite, ognuna di esse gestisce
DettagliPROGRAMMAZIONE MODULARE DI INFORMATICA CLASSE QUINTA - INDIRIZZO MERCURIO SEZIONE TECNICO
PROGRAMMAZIONE MODULARE DI INFORMATICA CLASSE QUINTA - INDIRIZZO MERCURIO SEZIONE TECNICO Modulo 1: IL LINGUAGGIO HTML Formato degli oggetti utilizzati nel Web Elementi del linguaggio HTML: tag, e attributi
DettagliBasi di dati. Il Modello Relazionale dei Dati. K. Donno - Il Modello Relazionale dei Dati
Basi di dati Il Modello Relazionale dei Dati Proposto da E. Codd nel 1970 per favorire l indipendenza dei dati Disponibile come modello logico in DBMS reali nel 1981 (non è facile realizzare l indipendenza
DettagliProgettazione 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
DettagliCorso 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