Capitolo 4. Studio dei problemi di progetto. 4.1 Data Quality

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Capitolo 4. Studio dei problemi di progetto. 4.1 Data Quality"

Transcript

1 Capitolo 4 Studio dei problemi di progetto Dal primo approccio con il progetto, è risultato chiaro che una semplice analisi della teoria sulla progettazione concettuale non sarebbe stata sufficiente ad inquadrare interamente il problema. Gli strumenti da noi sviluppati, basati principalmente sull analisi dei dati, affondavano le loro radici nel Data Quality. Nella prima parte di questo capitolo affronteremo appunto questo argomento, con particolare attenzione ai suoi legami con l informatica ed agli elementi fondamentali per l analisi qualitativa di una sorgente dati. Fonte principale di questi paragrafi è stato lo scritto Data Quality: a statistical perspective di Alan F. Karr, Ashish P. Sanil, David L. Banks. Dovendo sviluppare una metodologia d aiuto alla progettazione concettuale di datawarehouse, si è ottenuto un grande appoggio dalla lettura di un importante articolo Automating Data Warehouse Conceptual Schema Design and Evaluation, nel quale gli autori Cassandra Phipps ed Karen C. Davis presentano uno dei primi piani per la creazione di uno strumento dagli scopi similari. Le soluzioni adottate in questo elaborato sono sicuramente uno dei maggiori aiuti nell elaborazione e confronto delle politiche implementate nello strumento da noi proposto. 4.1 Data Quality Il Data Quality, applicato alla progettazione concettuale di sistemi Data Warehouse, studia la capacità del dato di essere utilizzato con efficienza, economicità e rapidità per informare e prendere decisioni. Necessariamente, il Data Quality deve assicurare l accuratezza del contenuto,l accessibilità, la rilevanza, la velocità d utilizzo, la correttezza ed esaustività della documentazione, l adattamento alle conoscenze e aspettative dell utente, e l adattamento ai costi ed alle specifiche di contesto del dominio di conoscenza. Data Quality è un argomento di studio che affonda le sue radici nella misura degli errori e nel controllo dell incertezza. La situazione attuale, che vede un massiccio ricorso all informatica, per la rilevazione e mantenimento di insiemi di dati da utilizzare per adottare politiche decisionali complesse, fa sì che problemi di Data Quality possano creare significanti inefficienze dai risvolti economici importanti Informatica e Data Quality Il processo di DataWarehouse solitamente richiede l assemblaggio di dati proveniente da una varietà di risorse e l analisi a supporto decisionale. Questa necessità di integrazione fra sorgenti diverse, ognuna con i suoi standard e la sua politica, porta ad un degrado dell informazione. Per questo comportamento il processo di DataWarehouse attende dal Data Quality nuovo impegno nell identificazione degli elementi dell informazione non validi, in quanto violanti vincoli fisici, logici o di dominio. 23

2 4.1.2 Elementi di analisi di Data Quality Il Data Quality in realtà non si ferma alla sola analisi dei dati, ma si divide in tre branche: - Qualità dei processi: analisi della qualità relativa alle operazioni di generazione, assemblaggio, descrizione e mantenimento dei dati. Gli strumenti fondamentali di questo campo analizzano Affidabilità, Metadata, Sicurezza, e Riservatezza. Essi si basano solo su una valutazione qualitativa e sono altamente legati al contesto, perciò risultano essere soggettivi e non adatti ad uno strumento che si propone di essere di uso generale. - Qualità dei dati: questa fase del Data Quality è ovviamente strettamente legata ai dati (ed è appunto la parte a cui noi ci rifacciamo nello sviluppo dello strumento più avanti presentato). Nell analisi dei record, delle tabelle e degli attributi, si fa particolare ricorso alla rilevazione delle seguenti proprietà: Accuratezza, Completezza, Consistenza e Validità. Nell analisi qualitativa dei database gli strumenti preferiti analizzano Identificabilità e Joinability. Basandosi sull analisi dei dati,effettuano valutazioni di tipo quantitativo, e perciò sono facilmente verificabili ed implementabili. - Qualità del trattamento: Analisi sul metodo di trattamento dell informazione da parte dell utenza e fruibilità del dato. Strumenti utilizzati in questa fase guardano ad: Accessibilità, Integrabilità, Interpretabilità, Retificabilità, Rilevanza, Timeliness. Anche questi sono valutabili solo qualitativamente, e perciò altamente soggettivi e legati al contesto, dunque non adatti ad uno strumento di utilizzo generale, come vuole essere il progetto che abbiamo sviluppato. Benché nella nostra trattazione sia stata utilizzata solamente l analisi della Qualità dei dati (in quanto unico settore slegato dal contesto), qui di seguito proponiamo una descrizione dettagliata tutte le branche in cui si può suddividere il Data Quality, in quanto si vuole mantenere ancora nel lettore una visione larga del problema di analisi della qualità. I problemi e le politiche adottate nello sviluppo del progetto verranno affrontate nello specifico nei capitoli successivi Qualità dei processi Tale segmento di ricerca è basato sullo studio dei metodi Best practice o Stato dell arte. I loro risultati derivano da analisi qualitative e soggettive, usualmente notevolmente influenzate dal dominio in analisi. Per valutazione della Affidabilità di un processo si intende la valutazione della correttezza ed efficienza dei metodi adottati, comparati con le politiche di esecuzione considerate stato dell arte. Ci sono tre principali suddivisioni corrispondenti a generazione, editing ed analisi. Esaminare l Affidabilità a livello di generazione dati significa eseguire controlli in modo da massimizzare il Data Quality durante la raccolta e controllo dati, misurando quanto la conduzione di interviste impatta sulla qualità ed attendibilità finale del dato. Gli argomenti principali trattati in questa fase sono: - progettazione strumenti di controllo qualitativo dei processi - selezione del metodo di raccolta dati - strategie per la minimizzazione delle non risposte - strategie per la riduzione dei tempi di processo dei dati Analizzare l Affidabilità a livello di editing del dato prevede una ampia varietà di metodi per evitare la perdita di dati sugli attributi, con lo scopo di identificare e se possibile correggere inconsistenze tra dati, o tra dati e loro domini. Studiare l Affidabilità a livello di analisi dei dati comprende la rilevare l incertezza nelle valutazioni statistiche, per identificare le non risposte e la ripartizione dei dati rilevati sul dominio di competenza, allo scopo di ottimizzare l analisi. 24

3 Con il controllo dei Metadata (dove per metadata si considera l insieme di informazioni utili a definire il dominio e la struttura di un database) ci si preoccupa di assicurare che il contenuto, la collezione dei processi, la proprietà e l affidabilità dei dati siano documentati chiaramente, senza ambiguità ed in una forma che sia accessibile dall utenza. La qualità ed accuratezza della documentazione sui dati ha un impatto critico sul Data Quality, influenzato in particolar modo dalla utilizzabilità del dato stesso. Inoltre il mantenimento di metadati precisi e ben strutturati risulta essenziale nel momento in cui si deve integrare i dati provenienti da varie sorgenti. All interno di un organizzazione avere un gruppo assegnato a rivedere i metadata può rivelarsi in molti casi una strategia efficace ed non costosa. Tale gruppo può inoltre formulare linee guida e liste di controllo da seguire nel momento dell archiviazione dei dati. I principi di progettazione ed analisi dei Sistemi Informativi prevedono l uso di Dizionari dei dati come strumento di raccolta dei metadati. Un più sofisticato approccio è legato alla definizione di precisi standard per la documentazione dei dati, e quindi della creazione di software per la verifica, il parsing,il processo e la generazione di metadati. Strumenti di analisi della Sicurezza di un sistema si occupano di analizzare la sicurezza ottenuta attraverso l adozione di hardware e software specifico, per la prevenzione da accessi ed usi di servizi non autorizzati. Infine abbiamo strumenti di analisi della Riservatezza che misurano il grado di robustezza di un sistema informativo dall accesso non autorizzato a dati confidenziali. Qualità dei dati Come visto in precedenza la qualità dei dati viene analizzata in due livelli: il livello dei Record/Tabelle ed il livello dei Database. Nel livello Record troviamo delle misure che sono prettamente di tipo binario (Ad esempio il valore di un attributo può essere o corretto o scorretto ) e riassunte nel livello Tabelle da metriche Data Quality come ad esempio la frazione di record corretti. Una prima proprietà da osservare in questo settore è l Accuratezza, la quale misura appunto la correttezza di un dato. In alcuni casi proprio per il dominio dell informazione in esame il rilevamento di questo fattore è estremamente semplice (Es: la correttezza dell età di una persona è una misurazione oggettiva) mentre in altri (aperti a considerazioni soggettive) giudicare la correttezza di un dato è molto più arduo. Fondamentale in questo frangente è dunque la determinazione del livello di correttezza, soprattutto nei casi in cui la sua rilevazione sia molto difficile. Nell effettuare tali misurazioni però ci si deve scontrare oltre che con le limitazioni tecnologiche per il rilevamento, anche con la convenienza economica dello stesso. Difatti esistono molti casi in cui il rilevamento è possibile ma non economicamente vantaggioso. Altra proprietà binaria è Completezza, la quale indica se un record è stato compilato o meno. In questo caso possono nascere problemi confondendosi tra valori mancanti e legittimi, e proprio alla luce di ciò proponiamo due metriche che si occupano di questo settore che sono: - percentuale di attributi senza valori mancanti (i valori che indicano che manca una vera rilevazione non vengono considerati validi) - percentuale di attributi contenenti valori (conta anche i valori che indicano un valore mancante come validi) 25

4 Ulteriore proprietà dal dominio booleano è Consistenza, la quale rileva se le relazioni intra-record, definite in una base di dati sono rispettate. Una volta definita una regola di consistenza, la rilevazione dello stato (consistente od inconsistente) è pressoché istantanea e può facilmente essere utilizzata per rilevare metriche come la frazione di record consistenti. Altra misura, questa volta piuttosto debole, è Validità. Tale dato indica non la correttezza del dato rilevato, ma semplicemente la sua plausibilità, cioè l appartenenza al dominio dell attributo in esame. Ovviamente anche in questo caso ci sono complicazioni derivanti dal ricorso a diversi tipi di risorse, ognuna delle quali avrà delle regole diverse di rappresentazione dei dati. Analizziamo ora le metriche che si trovano a livello Database. Tali misure servono principalmente per comprendere se l insieme di tabelle che attualmente cerchiamo di combinare permettano tale operazione. Solitamente questi indici vengono utilizzati nella costruzione di Database, in quanto ne analizzano le principali peculiarità, mentre perdono di interesse nel Data Warehousing, dato che le sorgenti di tali elementi del sistema informativo sono già state testate. La prima proprietà è Identificabilità, e si basa sulla presenza in una tabella di un identificatore univoco (il quale può essere sia un unico attributo che combinazione di diversi attributi), chiamato chiave primaria. Ovviamente anche questa misura è di tipo binario (una tabella può avere o non avere la chiave primaria), ed è di immediata rilevazione. Ultima proprietà di questo insieme è Joinability, che indica la possibilità di due tabelle di fondersi insieme e creare una nuova tabella. Requisito fondamentale è che la chiave primaria di una tabella sia presente come semplice attributo nell altra (della quale sarà considerato chiave esterna). Qualità del trattamento Tutte le metriche sopra citate si occupano o delle sequenze di esecuzione di alcune operazioni o del trattamento del dato. Nessuna ha tenuto conto però dell elemento umano, sebbene la maggior parte degli strumenti elettronici siano human-centric, e quindi sia necessaria un analisi sulla utilizzabilità dello strumento stesso. Proprio per tale necessità sono stati studiati degli indicatori che misurano tali gradi di soddisfazione dell utente. Una prima proprietà è l Accessibilità, vale a dire la facilità di utilizzo del sistema. Tale indicatore deve analizzare se il traffico normale del sistema è supportato correttamente, assicurare sulla modernità dei formati dei file utilizzati, sull efficienza dei sistemi legacy che vengono eseguiti su vecchie piattaforme, e testare l efficacia delle interfacce dei moderni software. Altra caratteristica fondamentale è l Integrabilità, che mostra il livello di integrazione tra diversi Database. In questo settore le problematiche vanno dalla necessità di unire Database con diverse definizioni di dominio per Attributi simili, alla impossibilità di eseguire dei join tra tabelle a causa dell utilizzo di chiavi diverse. Attualmente gli strumenti di integrazione dei Database sono in avanzato sviluppo, ciò che impedisce veramente le corrette fusioni sono gli errori commessi nella fase della progettazione concettuale dei Database. 26

5 Altro strumento rilevante è quello che si occupa dell Interpretabilità. Esso deve guardare a due aspetti fondamentali: - la consistenza del dato. Un certo tipo di dato può essere riportato nel Database in molti modi (ad esempio per un mutamento delle politiche di immagazzinamento dati nel tempo), oppure Database diversi che cooperano tra loro possono utilizzare definizioni diverse per lo stesso attributo. Questi comportamenti influenzano notevolmente la fruibilità del dato e la correttezza dei risultati. - L abilità nell estrazione dell informazione dai dati, che viene trattata dagli statistici come inferenza. Proprietà importante e degna di rilevamento è inoltre Retificabilità, che indica quanto è facile per l utente finale (sia esso il gestore dei Sistema Informativo, oppure un semplice soggetto tracciato dal Database), richiedere una modifica nei dati immessi nel sistema. Grande peso è dato dalle aziende a questo processo, e precise linee guida vengono redatte per informare l utenza sulle modalità di modifica dati. Importante elemento di analisi è la Rilevanza, che indica se un dato presente nel Database è di interesse per l utente. Due sono i problemi che devono essere rilevati: - le omissioni di dati nei risultati, che possono essere trovate solo dall utente finale - la presenza nel database di dati irrilevanti per l uso degli utenti, che devono essere valutate dall amministratore di database confrontando le tipologie di informazione mantenute nel database con quelle utili alle varie categorie di utenti. Ultimo dato da presentare per questo settore d analisi è Timeliness, che indica la corretta datazione nel rilevamento di informazioni. La corretta datazione è un elemento fondamentale nei database: difatti un analisi eseguita con una datazione inadeguata può portare a false certezze, compotrando un accuratezza peggiore di quella derivante da un analisi slegata dal tempo. 27

6 4.2 Un caso di studio Cassandra Phipps e Karen C. Davis hanno proposto un procedimento per la creazione automatica di uno schema concettuale per Data Warehouse, a partire da uno schema concettuale di una base di dati operazionale. Tale strumento, nella prima parte precede automaticamente alla creazione di diversi schemi concettuali, rappresentati col modello ME/R (Multidimensional Entity/Relationship). Nella seconda parte il modello è rifinito grazie ad input aggiuntivi, seguendo un approccio basato sui requisiti, e ponendo domande all utente atte alla selezione dei migliori schemi candidati alla realizzazione degli obiettivi. Viene inoltre presentata una linea guida con le principali operazioni di rifinitura da svolgere per aggiungere nel modello concettuale le funzionalità richieste dall utente Presentazione del modello ME/R utilizzato nella rappresentazione dello schema concettuale L obbiettivo nella creazione di uno schema concettuale è trasferire i requisiti utente in una rappresentazione astratta e comprensibile dall utente, indipendente dall implementazione finale, ma comunque formale e completa, tale da poter essere trasformata nel successivo schema logico senza ambiguità. Cassandra Phipps e Karen Davis propongono il modello ME/R per la creazione degli schemi concettuali, scelto soprattutto per l efficacia e la chiarezza espositiva. I costrutto centrale del ME/R è il fact node, rappresentato da un rombo, che contiene le misure di business. Un level node, rappresentato da un rettangolo, contenente informazioni sulle misure. Ogni livello o fact node ha degli attributi, rappresentati come elissi, che sono descrittori per questa entità. Questi sono i tre construtti principali che compongono l ME/R model, e sono connessi da diverse relazioni. Un fact node è legato a un livello da un arco dimensionale visualizzata come una retta senza verso. La relazione has connette fatti o livelli ai relativi attributi, sempre attraverso una retta non direzionata. La classificazione degli archi indica le relazioni tra i livelli. Questa è rappresentata dal simbolo di una forchetta posta alla fine di una retta con verso. Tutti i livelli del fact node, legati da archi di classificazione, rappresentano una dimensione del modello. Gli archi diretti tra livello sono importanti in quanto indicano aggregazioni gerarchiche. Questo è particolarmente importante quando un nodo di livello può essere un nodo di classificazione per più di un livello. Con soli tre costrutti, il modello ME/R è semplice per la lettura degli utenti finali, e l aggregazione è mostrata attraverso la gerarchia di livelli rappresentante le dimensioni Problemi dell approccio automatizzato alla progettazione concettuale L iniziale determinazione di misure, fatti, o eventi è la parte più difficile ed è solitamente eseguita manualmente. Diversi approcci nel trovare misure sono stati suggeriti: 1. derivare la tabella dei fatti da uno schema a stella selezionando le relazioni molti a molti nel modello ER contenente fatti numerici ed additivi non chiave 2. trovare le misure candidate analizzando le queries di business alla ricerca dei tipi di dato che indicanti le performance di business 28

7 3. trovare i fatti basati sulle entità che sono più frequentemente aggiornate 4. osservare che le proprietà dei fatti sono usualmente dati numerici, e quindi sono di facile aggregazione Prima della proposta del processo di progettazione di Cassandra Phipps e Karen C. Davis, erano stati proposti diversi approcci semiautomatici o automatici per la creazione di schemi da sistemi OLTP, nessuno dei quali includeva un meccanismo automatico di rilevamento delle misure, pertanto lo studio da loro affrontato è stato il primo tentativo di automazione della creazione di uno schema concettuale a partire da un OLTP schema, incluse l iniziale determinazione di fatti e misure Creazione dello schema concettuale Questo approccio alla generazione di schemi ha due premesse fondamentali. La prima è che attributi numerici rappresentano misure di potenziale interesse di business e maggiore è il numero di questi attributi in un entità e maggiore è la probabilità che tale entità sia un evento od un fatto. La seconda premessa è che la cardinalità di una relazione determina quanto sia importate una entità nella creazione di uno schema. Ogni entità dotata di una relazione a molti è di grande importanza (ed ognuna delle sue entità può essere parimenti importante), dato che potenzialmente è dotata di un alto livello di astrazione. L algoritmo qui presentato per la creazione di schemi concettuali consta di cinque passi il cui schema risultante è centrato sugli eventi di business, con relazioni ad altre entità dalle quali rilevare le dimensioni descriventi tali eventi. Benché ci siano istanze dove gli eventi scelti hanno poco o nessun significato per l utente, e le analisi più comuni devono essere aggiunte dal progettista, comunque la creazione dello schema iniziale è automatizzata. Gli schemi così ottenuti devono essere rifiniti manualmente come descritto nel paragrafo successivo. L input dell algoritmo è uno schema ER rappresentante la struttura dati sorgente, mentre l output è un set di schemi ME/R rappresentante i fact nodes, i relativi sottolivelli ed attributi. I passi dell algoritmo sono riassunti come segue: 1. trovare le entità con attributi numerici e creare un fact node per ogni entità identificata. In questo frangente si ordina le entità con i campi numerici in ordine discendente. Processando le entità in questo modo i migliori candidati sono creati prima e vengono inseriti in un rombo. 2. creare attributi numerici per ogni fact node basato sugli attributi numerici delle entità, che vengono posti all interno di elissi collegate alle relative entità 3. creare livelli del tempo per ogni tipo di livello temporale (data od ora) usato per ciascun fact node. Innanzitutto si individuano tutte le informazioni riguardanti le datazioni o gli orari; esse diverranno dimensioni nel ME/R schema. A questo punto nel processo automatizzato non siamo a conoscenza della granularità di questi attributi, perciò sarà necessario l intervento umano per determinare la rappresentazione migliore di tali dimensioni, e saranno rappresentate nel grafico non come rettangoli, bensì come esagoni, appunto per questa loro necessità di essere rielaborate. 4. creare un livello (dimensione) contenente i rimanenti attributi delle entità (non numerici, non chiave). Questi attributi mantengono un informazione generalmente di tipo stringa, che porta alla creazione di livelli rappresentati come rettangoli. 5. ricorsivamente esaminare le relazioni di un entità per aggiungere livelli in un sistema di gerarchie (creazione della dimensione). In questa fase ciascun fact node è valutato. Ogni entità connessa è posta in un level node con i suoi attributi. Se questa level entity è il verso a molti della relazione, le sue relazioni sono pure valutate e processate chiamando ancora 29

8 la subprocedura. Se incontriamo una relazione che non è molti a molti od uno a molti, non l aggiungiamo nello schema. L algoritmo si ferma nel momento in cui nessun event entity ha relazioni a molti ancora da analizzare. In questo frangente nasce la necessità di introdurre un nuovo simbolo: la nuvoletta, che denoterà che un livello, seppure necessario per il data warehouse non è stato automaticamente rilevato, e perciò per la sua introduzione sarà necessario l intervento dell uomo. In generale, gli schemi concettuali così generati non sono completamente fruibili dall utente, e necessitano di un affinamento da parte del progettista Selezione di schemi candidati e rifinitura In questa sezione vengono utilizzate delle queries per valutare quali tra gli schemi candidati ottenuti nel punto precedente siano quelli che meglio si adattano alle necessità dell utente. Ci sono due aspetti di una query che sono usati per determinare se uno schema candidato può darle risposta:le tabelle menzionate nella FROM e gli attributi nominati nella SELECT. Infatti affinché l esecuzione di una query abbia buon fine deve essere possibile ritrovare il dato desiderato, e per fare questo deve essere reperibile sia la tabella che l attributo di cui il dato che stiamo cercando è istanza. Per comparare gli schemi candidati è necessario creare una tabella nella quale per ogni riga viene posto il risultato di una certa query, mentre ad ogni colonna corrisponde uno schema nel quale tale richiesta viene eseguita. Il dato immagazzinato in tale tabella indicherà se una certa query eseguita su un certo schema è stata eseguita correttamente, ha ottenuto una risposta solo parziale, o addirittura non ha ricevuto risposta. Al termine dell esecuzione delle query nei vari domini rappresentati negli schemi, è possibile processare automaticamente i risultati ottenuti attraverso un algoritmo di copertura del grafo, oppure attraverso una valutazione manuale, in modo da determinare quali schemi candidati mantenere e quali eliminare. L algoritmo utilizzato in questo frangente ha i seguenti scopi: - rispondere al maggior numero di domande possibili - rispondere a ciascuna domanda con la massima esattezza possibile - ottenere un insieme di schemi che sia il più piccolo possibile Da questa prima analisi otteniamo un insieme di schemi, alcuni dei quali utili perché sono gli unici a rispondere ad una determinata query. E necessario dunque l intervento umano per comprendere se è possibile eliminare tali schemi, modificando gli altri candidati che rispondono ad un alto numero di query, e strutturarli in modo da permettere la soluzione anche dell unica query per cui viene accettato lo schema in esame. In generale, durante il raffinamento manuale dello schema si deve tenere conto dei seguenti passi: 1. Eliminare i schemi candidati non necessari 2. Controllare la validità delle misure rilevate per un fact node 3. Determinare il giusto livello di granularità dell informazione, in particolar modo per quanto riguarda le date (la dimensione temporale) 4. Controllare che non sia stata omessa la rilevazione di particolari attributi necessari 5. Analizzare la possibilità di combinazione delle informazioni contenute negli schemi 6. Eliminare gli attributi non necessari all utente 7. Controllare che la mancanza di dati necessari all utente non derivi da una mancanza del database di partenza 30

Analisi dei requisiti e casi d uso

Analisi dei requisiti e casi d uso Analisi dei requisiti e casi d uso Indice 1 Introduzione 2 1.1 Terminologia........................... 2 2 Modello del sistema 4 2.1 Requisiti hardware........................ 4 2.2 Requisiti software.........................

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

Indicizzazione terza parte e modello booleano

Indicizzazione terza parte e modello booleano Reperimento dell informazione (IR) - aa 2014-2015 Indicizzazione terza parte e modello booleano Gruppo di ricerca su Sistemi di Gestione delle Informazioni (IMS) Dipartimento di Ingegneria dell Informazione

Dettagli

white paper La Process Intelligence migliora le prestazioni operative del settore assicurativo

white paper La Process Intelligence migliora le prestazioni operative del settore assicurativo white paper La Process Intelligence migliora le prestazioni operative del settore assicurativo White paper La Process Intelligence migliora le prestazioni operative del settore assicurativo Pagina 2 Sintesi

Dettagli

REALIZZARE UN MODELLO DI IMPRESA

REALIZZARE UN MODELLO DI IMPRESA REALIZZARE UN MODELLO DI IMPRESA - organizzare e gestire l insieme delle attività, utilizzando una piattaforma per la gestione aziendale: integrata, completa, flessibile, coerente e con un grado di complessità

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

Supporto alle decisioni e strategie commerciali/mercati/prodotti/forza vendita;

Supporto 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

Dettagli

AOT Lab Dipartimento di Ingegneria dell Informazione Università degli Studi di Parma. Unified Process. Prof. Agostino Poggi

AOT Lab Dipartimento di Ingegneria dell Informazione Università degli Studi di Parma. Unified Process. Prof. Agostino Poggi AOT Lab Dipartimento di Ingegneria dell Informazione Università degli Studi di Parma Unified Process Prof. Agostino Poggi Unified Process Unified Software Development Process (USDP), comunemente chiamato

Dettagli

CAPITOLO PRIMO IL CONCETTO DI ALGORITMO 1

CAPITOLO PRIMO IL CONCETTO DI ALGORITMO 1 1.1 Che cos è un algoritmo CAPITOLO PRIMO IL CONCETTO DI ALGORITMO 1 Gli algoritmi sono metodi per la soluzione di problemi. Possiamo caratterizzare un problema mediante i dati di cui si dispone all inizio

Dettagli

Abstract Data Type (ADT)

Abstract Data Type (ADT) Abstract Data Type Pag. 1/10 Abstract Data Type (ADT) Iniziamo la nostra trattazione presentando una nozione che ci accompagnerà lungo l intero corso di Laboratorio Algoritmi e Strutture Dati: il Tipo

Dettagli

Business Intelligence. Il data mining in

Business Intelligence. Il data mining in Business Intelligence Il data mining in L'analisi matematica per dedurre schemi e tendenze dai dati storici esistenti. Revenue Management. Previsioni di occupazione. Marketing. Mail diretto a clienti specifici.

Dettagli

Realizzare un architettura integrata di Business Intelligence

Realizzare un architettura integrata di Business Intelligence Realizzare un architettura integrata di Business Intelligence Un sistema integrato di Business Intelligence consente all azienda customer oriented una gestione efficace ed efficiente della conoscenza del

Dettagli

www.bistrategy.it In un momento di crisi perché scegliere di investire sulla Business Intelligence?

www.bistrategy.it In un momento di crisi perché scegliere di investire sulla Business Intelligence? In un momento di crisi perché scegliere di investire sulla Business Intelligence? Cos è? Per definizione, la Business Intelligence è: la trasformazione dei dati in INFORMAZIONI messe a supporto delle decisioni

Dettagli

Progetto BPR: Business Process Reengineering

Progetto BPR: Business Process Reengineering Progetto BPR: Business Process Reengineering Riflessioni frutto di esperienze concrete PER LA CORRETTA INTERPRETAZIONE DELLE PAGINE SEGUENTI SI DEVE TENERE CONTO DI QUANTO ILLUSTRATO ORALMENTE Obiettivo

Dettagli

UML: Class Diagram. Ing. Orazio Tomarchio Orazio.Tomarchio@diit.unict.it

UML: Class Diagram. Ing. Orazio Tomarchio Orazio.Tomarchio@diit.unict.it UML: Class Diagram Ing. Orazio Tomarchio Orazio.Tomarchio@diit.unict.it Dipartimento di Ingegneria Informatica e delle Telecomunicazioni Università di Catania Class Diagram Forniscono una vista strutturale

Dettagli

ORACLE BUSINESS INTELLIGENCE STANDARD EDITION ONE A WORLD CLASS PERFORMANCE

ORACLE BUSINESS INTELLIGENCE STANDARD EDITION ONE A WORLD CLASS PERFORMANCE ORACLE BUSINESS INTELLIGENCE STANDARD EDITION ONE A WORLD CLASS PERFORMANCE Oracle Business Intelligence Standard Edition One è una soluzione BI completa, integrata destinata alle piccole e medie imprese.oracle

Dettagli

Cos è l Ingegneria del Software?

Cos è l Ingegneria del Software? Cos è l Ingegneria del Software? Corpus di metodologie e tecniche per la produzione di sistemi software. L ingegneria del software è la disciplina tecnologica e gestionale che riguarda la produzione sistematica

Dettagli

Processi di business sovra-regionali relativi ai sistemi regionali di FSE. Versione 1.0 24 Giugno 2014

Processi di business sovra-regionali relativi ai sistemi regionali di FSE. Versione 1.0 24 Giugno 2014 Processi di business sovra-regionali relativi ai sistemi regionali di FSE Versione 1.0 24 Giugno 2014 1 Indice Indice... 2 Indice delle figure... 3 Indice delle tabelle... 4 Obiettivi del documento...

Dettagli

IT FINANCIAL MANAGEMENT

IT FINANCIAL MANAGEMENT IT FINANCIAL MANAGEMENT L IT Financial Management è una disciplina per la pianificazione e il controllo economico-finanziario, di carattere sia strategico sia operativo, basata su un ampio insieme di metodologie

Dettagli

Università degli Studi di Parma. Facoltà di Scienze MM. FF. NN. Corso di Laurea in Informatica

Università degli Studi di Parma. Facoltà di Scienze MM. FF. NN. Corso di Laurea in Informatica Università degli Studi di Parma Facoltà di Scienze MM. FF. NN. Corso di Laurea in Informatica A.A. 2007-08 CORSO DI INGEGNERIA DEL SOFTWARE Prof. Giulio Destri http://www.areasp.com (C) 2007 AreaSP for

Dettagli

Progettazione di un DB....in breve

Progettazione di un DB....in breve Progettazione di un DB...in breve Cosa significa progettare un DB Definirne struttura,caratteristiche e contenuto. Per farlo è opportuno seguire delle metodologie che permettono di ottenere prodotti di

Dettagli

Sistemi di supporto alle decisioni Ing. Valerio Lacagnina

Sistemi di supporto alle decisioni Ing. Valerio Lacagnina Cosa è il DSS L elevato sviluppo dei personal computer, delle reti di calcolatori, dei sistemi database di grandi dimensioni, e la forte espansione di modelli basati sui calcolatori rappresentano gli sviluppi

Dettagli

PLM Software. Answers for industry. Siemens PLM Software

PLM Software. Answers for industry. Siemens PLM Software Siemens PLM Software Monitoraggio e reporting delle prestazioni di prodotti e programmi Sfruttare le funzionalità di reporting e analisi delle soluzioni PLM per gestire in modo più efficace i complessi

Dettagli

Esercizi per il corso di Algoritmi e Strutture Dati

Esercizi per il corso di Algoritmi e Strutture Dati 1 Esercizi per il corso di Algoritmi e Strutture Dati Esercizi sulla Tecnica Divide et Impera N.B. Tutti gli algoritmi vanno scritti in pseudocodice (non in Java, né in C++, etc. ). Di tutti gli algoritmi

Dettagli

un occhio al passato per il tuo business futuro

un occhio al passato per il tuo business futuro 2 3 5 7 11 13 17 19 23 29 31 37 41 43 47 53 59 61 un occhio al passato per il tuo business futuro BUSINESS DISCOVERY Processi ed analisi per aziende virtuose Che cos è La Business Discovery è un insieme

Dettagli

White Paper. Operational DashBoard. per una Business Intelligence. in real-time

White Paper. Operational DashBoard. per una Business Intelligence. in real-time White Paper Operational DashBoard per una Business Intelligence in real-time Settembre 2011 www.axiante.com A Paper Published by Axiante CAMBIARE LE TRADIZIONI C'è stato un tempo in cui la Business Intelligence

Dettagli

Milano, Settembre 2009 BIOSS Consulting

Milano, Settembre 2009 BIOSS Consulting Milano, Settembre 2009 BIOSS Consulting Presentazione della società Agenda Chi siamo 3 Cosa facciamo 4-13 San Donato Milanese, 26 maggio 2008 Come lo facciamo 14-20 Case Studies 21-28 Prodotti utilizzati

Dettagli

Business Intelligence

Business Intelligence aggregazione dati Business Intelligence analytic applications query d a t a w a r e h o u s e aggregazione budget sales inquiry data mining Decision Support Systems MIS ERP data management Data Modeling

Dettagli

Energy Data Management System (EDMS): la soluzione software per una gestione efficiente dell energia secondo lo standard ISO 50001

Energy Data Management System (EDMS): la soluzione software per una gestione efficiente dell energia secondo lo standard ISO 50001 Energy Data Management System (EDMS): la soluzione software per una gestione efficiente dell energia secondo lo standard ISO 50001 Oggi più che mai, le aziende italiane sentono la necessità di raccogliere,

Dettagli

2- Identificazione del processo. (o dei processi) da analizzare. Approcci: Esaustivo. In relazione al problema. Sulla base della rilevanza

2- Identificazione del processo. (o dei processi) da analizzare. Approcci: Esaustivo. In relazione al problema. Sulla base della rilevanza PROCESS MAPPING (2) Approcci: 2- Identificazione del processo Esaustivo (o dei processi) da analizzare Mappatura a largo spettro (es.: vasta implementazione di un ERP) In relazione al problema ad es. i

Dettagli

Processi (di sviluppo del) software. Fase di Analisi dei Requisiti. Esempi di Feature e Requisiti. Progettazione ed implementazione

Processi (di sviluppo del) software. Fase di Analisi dei Requisiti. Esempi di Feature e Requisiti. Progettazione ed implementazione Processi (di sviluppo del) software Fase di Analisi dei Requisiti Un processo software descrive le attività (o task) necessarie allo sviluppo di un prodotto software e come queste attività sono collegate

Dettagli

Introduzione al GIS (Geographic Information System)

Introduzione al GIS (Geographic Information System) Introduzione al GIS (Geographic Information System) Sommario 1. COS E IL GIS?... 3 2. CARATTERISTICHE DI UN GIS... 3 3. COMPONENTI DI UN GIS... 4 4. CONTENUTI DI UN GIS... 5 5. FASI OPERATIVE CARATTERIZZANTI

Dettagli

Business Process Management

Business Process Management Business Process Management Comprendere, gestire, organizzare e migliorare i processi di business Caso di studio a cura della dott. Danzi Francesca e della prof. Cecilia Rossignoli 1 Business process Un

Dettagli

B.P.S. Business Process Server ALLEGATO C10

B.P.S. Business Process Server ALLEGATO C10 B.P.S. Business Process Server ALLEGATO C10 REGIONE BASILICATA DIPARTIMENTO PRESIDENZA DELLA GIUNTA REGIONALE UFFICIO SISTEMA INFORMATIVO REGIONALE E STATISTICA Via V. Verrastro, n. 4 85100 Potenza tel

Dettagli

Problem Management. Obiettivi. Definizioni. Responsabilità. Attività. Input

Problem Management. Obiettivi. Definizioni. Responsabilità. Attività. Input Problem Management Obiettivi Obiettivo del Problem Management e di minimizzare l effetto negativo sull organizzazione degli Incidenti e dei Problemi causati da errori nell infrastruttura e prevenire gli

Dettagli

CONSIGLIO NAZIONALE DEI DOTTORI COMMERCIALISTI E CONSIGLIO NAZIONALE DEI RAGIONIERI

CONSIGLIO NAZIONALE DEI DOTTORI COMMERCIALISTI E CONSIGLIO NAZIONALE DEI RAGIONIERI CONSIGLIO NAZIONALE DEI DOTTORI COMMERCIALISTI E CONSIGLIO NAZIONALE DEI RAGIONIERI COMMISSIONE PARITETICA PER I PRINCIPI DI REVISIONE LA COMPRENSIONE DELL IMPRESA E DEL SUO CONTESTO E LA VALUTAZIONE DEI

Dettagli

Ricerca Operativa Branch-and-Bound per problemi di Programmazione Lineare Intera

Ricerca Operativa Branch-and-Bound per problemi di Programmazione Lineare Intera Ricerca Operativa Branch-and-Bound per problemi di Programmazione Lineare Intera L. De Giovanni AVVERTENZA: le note presentate di seguito non hanno alcuna pretesa di completezza, né hanno lo scopo di sostituirsi

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

ACCREDITAMENTO EVENTI

ACCREDITAMENTO EVENTI E.C.M. Educazione Continua in Medicina ACCREDITAMENTO EVENTI Manuale utente Versione 1.5 Maggio 2015 E.C.M. Manuale utente per Indice 2 Indice Revisioni 4 1. Introduzione 5 2. Accesso al sistema 6 2.1

Dettagli

Quando A e B coincidono una coppia ordinata é determinata anche dalla loro posizione.

Quando A e B coincidono una coppia ordinata é determinata anche dalla loro posizione. Grafi ed Alberi Pag. /26 Grafi ed Alberi In questo capitolo richiameremo i principali concetti di due ADT che ricorreranno puntualmente nel corso della nostra trattazione: i grafi e gli alberi. Naturale

Dettagli

SOA GOVERNANCE: WHAT DOES IT MEAN? Giorgio Marras

SOA GOVERNANCE: WHAT DOES IT MEAN? Giorgio Marras SOA GOVERNANCE: WHAT DOES IT MEAN? Giorgio Marras 2 Introduzione Le architetture basate sui servizi (SOA) stanno rapidamente diventando lo standard de facto per lo sviluppo delle applicazioni aziendali.

Dettagli

Dar da mangiare agli affamati. Le eccedenze alimentari come opportunità

Dar da mangiare agli affamati. Le eccedenze alimentari come opportunità Dar da mangiare agli affamati. Le eccedenze alimentari come opportunità Paola Garrone, Marco Melacini e Alessandro Perego Politecnico di Milano Indagine realizzata da Fondazione per la Sussidiarietà e

Dettagli

Esperienze e soluzioni realizzate nell ambito del Progetto S.I.MO.NE

Esperienze e soluzioni realizzate nell ambito del Progetto S.I.MO.NE Programma Enti Locali Innovazione di Sistema Esperienze e soluzioni realizzate nell ambito del Progetto S.I.MO.NE 1 Premessa Il presente documento ha lo scopo di facilitare la disseminazione e il riuso

Dettagli

INTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI

INTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI INTRODUZIONE AGLI ALGORITMI Prima di riuscire a scrivere un programma, abbiamo bisogno di conoscere un metodo risolutivo, cioè un metodo che a partire dai dati di ingresso fornisce i risultati attesi.

Dettagli

Regolamento tecnico interno

Regolamento tecnico interno Regolamento tecnico interno CAPO I Strumenti informatici e ambito legale Articolo 1. (Strumenti) 1. Ai sensi dell articolo 2, comma 5 e dell articolo 6, comma 1, l associazione si dota di una piattaforma

Dettagli

IT FOR BUSINESS AND FINANCE

IT FOR BUSINESS AND FINANCE IT FOR BUSINESS AND FINANCE Business Intelligence Siena 14 aprile 2011 AGENDA Cos è la Business Intelligence Terminologia Perché la Business Intelligence La Piramide Informativa Macro Architettura Obiettivi

Dettagli

Analisi dei requisiti e casi d uso

Analisi dei requisiti e casi d uso Analisi dei requisiti e casi d uso Indice 1 Introduzione 2 1.1 Terminologia........................... 2 2 Modello della Web Application 5 3 Struttura della web Application 6 4 Casi di utilizzo della Web

Dettagli

Maurizio Vichi Sapienza Università di Roma

Maurizio Vichi Sapienza Università di Roma Percorsi didattici, interdisciplinari ed innovativi per la Statistica Maurizio Vichi Sapienza Università di Roma Presidente Federazione Europea delle Società Nazionali di Statistica Scuola Estiva di Matematica

Dettagli

PUBLIC, PRIVATE O HYBRID CLOUD: QUAL È IL TIPO DI CLOUD OTTIMALE PER LE TUE APPLICAZIONI?

PUBLIC, PRIVATE O HYBRID CLOUD: QUAL È IL TIPO DI CLOUD OTTIMALE PER LE TUE APPLICAZIONI? PUBLIC, PRIVATE O HYBRID CLOUD: QUAL È IL TIPO DI CLOUD OTTIMALE PER LE TUE APPLICAZIONI? Le offerte di public cloud proliferano e il private cloud è sempre più diffuso. La questione ora è come sfruttare

Dettagli

BPEL: Business Process Execution Language

BPEL: Business Process Execution Language Ingegneria dei processi aziendali BPEL: Business Process Execution Language Ghilardi Dario 753708 Manenti Andrea 755454 Docente: Prof. Ernesto Damiani BPEL - definizione Business Process Execution Language

Dettagli

APPLICAZIONE WEB PER LA GESTIONE DELLE RICHIESTE DI ACQUISTO DEL MATERIALE INFORMATICO. Francesco Marchione e Dario Richichi

APPLICAZIONE WEB PER LA GESTIONE DELLE RICHIESTE DI ACQUISTO DEL MATERIALE INFORMATICO. Francesco Marchione e Dario Richichi APPLICAZIONE WEB PER LA GESTIONE DELLE RICHIESTE DI ACQUISTO DEL MATERIALE INFORMATICO Francesco Marchione e Dario Richichi Istituto Nazionale di Geofisica e Vulcanologia Sezione di Palermo Indice Introduzione...

Dettagli

Il Business Process Management: nuova via verso la competitività aziendale

Il Business Process Management: nuova via verso la competitività aziendale Il Business Process Management: nuova via verso la competitività Renata Bortolin Che cosa significa Business Process Management? In che cosa si distingue dal Business Process Reingeneering? Cosa ha a che

Dettagli

Business Process Manifesto! Redatto da Roger Burlton, P.Eng, CMC

Business Process Manifesto! Redatto da Roger Burlton, P.Eng, CMC Business Process Manifesto! Redatto da Roger Burlton, P.Eng, CMC Copyright BPTrends, LLC Redatto da Roger Burlton La riproduzione e la distribuzione di questo documento è autorizzata alle seguenti condizioni:

Dettagli

L analisi economico finanziaria dei progetti

L analisi economico finanziaria dei progetti PROVINCIA di FROSINONE CIOCIARIA SVILUPPO S.c.p.a. LABORATORI PER LO SVILUPPO LOCALE L analisi economico finanziaria dei progetti Azione n. 2 Progetti per lo sviluppo locale LA FINANZA DI PROGETTO Frosinone,

Dettagli

Gestione delle Architetture e dei Servizi IT con ADOit. Un Prodotto della Suite BOC Management Office

Gestione delle Architetture e dei Servizi IT con ADOit. Un Prodotto della Suite BOC Management Office Gestione delle Architetture e dei Servizi IT con ADOit Un Prodotto della Suite BOC Management Office Controllo Globale e Permanente delle Architetture IT Aziendali e dei Processi IT: IT-Governance Definire

Dettagli

Elementi di UML (7): Diagrammi dei componenti e di deployment

Elementi di UML (7): Diagrammi dei componenti e di deployment Elementi di UML (7): Diagrammi dei componenti e di deployment Università degli Studi di Bologna Facoltà di Scienze MM. FF. NN. Corso di Laurea in Scienze di Internet Anno Accademico 2004-2005 Laboratorio

Dettagli

AVVISO PER LA PRESENTAZIONE DEI PROGETTI DI INFOMOBILITÀ - ATTIVITÀ IV.4 DEL POR CREO 2007-2013. Giunta Regionale

AVVISO PER LA PRESENTAZIONE DEI PROGETTI DI INFOMOBILITÀ - ATTIVITÀ IV.4 DEL POR CREO 2007-2013. Giunta Regionale Giunta Regionale Direzione Generale delle Politiche Territoriali, Ambientali e per la Mobilità Area di Coordinamento Mobilità e Infrastrutture Settore Pianificazione del Sistema Integrato della Mobilità

Dettagli

Analisi per tutti. Panoramica. Considerazioni principali. Business Analytics Scheda tecnica. Software per analisi

Analisi per tutti. Panoramica. Considerazioni principali. Business Analytics Scheda tecnica. Software per analisi Analisi per tutti Considerazioni principali Soddisfare le esigenze di una vasta gamma di utenti con analisi semplici e avanzate Coinvolgere le persone giuste nei processi decisionali Consentire l'analisi

Dettagli

dal Controllo di Gestione alla Business Intelligence

dal Controllo di Gestione alla Business Intelligence dal Controllo di Gestione alla strumenti strategici per la gestione delle imprese Giovanni Esposito Bergamo, 29 Ottobre 2012 dal Controllo di Gestione alla 25/10/2012 1 Agenda 14:00 Benvenuto Il Sistema

Dettagli

Scuola primaria: obiettivi al termine della classe 5

Scuola primaria: obiettivi al termine della classe 5 Competenza: partecipare e interagire con gli altri in diverse situazioni comunicative Scuola Infanzia : 3 anni Obiettivi di *Esprime e comunica agli altri emozioni, sentimenti, pensieri attraverso il linguaggio

Dettagli

OpenStreetMap a servizio della Pubblica Amministrazione: l'esperienza di B.U.NE.T. (Bicycle Urban NEtwork in Torino)

OpenStreetMap a servizio della Pubblica Amministrazione: l'esperienza di B.U.NE.T. (Bicycle Urban NEtwork in Torino) OpenStreetMap a servizio della Pubblica Amministrazione: l'esperienza di B.U.NE.T. (Bicycle Urban NEtwork in Torino) Mappathon, 9 Aprile 2015 Relatore: Danilo Botta, Project Manager, 5T S.r.l. La genesi

Dettagli

END-TO-END SERVICE QUALITY. LA CULTURA DELLA QUALITÀ DAL CONTROLLO DELLE RISORSE ALLA SODDISFAZIONE DEL CLIENTE

END-TO-END SERVICE QUALITY. LA CULTURA DELLA QUALITÀ DAL CONTROLLO DELLE RISORSE ALLA SODDISFAZIONE DEL CLIENTE END-TO-END SERVICE QUALITY. LA CULTURA DELLA QUALITÀ DAL CONTROLLO DELLE RISORSE ALLA SODDISFAZIONE In un mercato delle Telecomunicazioni sempre più orientato alla riduzione delle tariffe e dei costi di

Dettagli

Predire la struttura terziaria

Predire la struttura terziaria Predire la struttura terziaria E di gran lunga la predizione più complessa che si possa fare su una proteina. Esistono 3 metodi principali di predizione: 1 - Homology modelling: se si conoscono proteine

Dettagli

Metadati e Modellazione. standard P_META

Metadati e Modellazione. standard P_META Metadati e Modellazione Lo standard Parte I ing. Laurent Boch, ing. Roberto Del Pero Rai Centro Ricerche e Innovazione Tecnologica Torino 1. Introduzione 1.1 Scopo dell articolo Questo articolo prosegue

Dettagli

Introduzione ad Access

Introduzione ad Access Introduzione ad Access Luca Bortolussi Dipartimento di Matematica e Informatica Università degli studi di Trieste Access E un programma di gestione di database (DBMS) Access offre: un supporto transazionale

Dettagli

Detrazione Fiscale e Scambio sul Posto

Detrazione Fiscale e Scambio sul Posto Gentile Cliente, il momento storico della fine del Conto Energia in Italia è arrivato lo scorso 6 luglio ed ha rappresentato un punto di svolta per tutti gli operatori del solare. La tanto discussa grid

Dettagli

Accuratezza di uno strumento

Accuratezza di uno strumento Accuratezza di uno strumento Come abbiamo già accennato la volta scora, il risultato della misurazione di una grandezza fisica, qualsiasi sia lo strumento utilizzato, non è mai un valore numerico X univocamente

Dettagli

UML Component and Deployment diagram

UML Component and Deployment diagram UML Component and Deployment diagram Ing. Orazio Tomarchio Orazio.Tomarchio@diit.unict.it Dipartimento di Ingegneria Informatica e delle Telecomunicazioni Università di Catania I diagrammi UML Classificazione

Dettagli

Sempre attenti ad ogni dettaglio Bosch Intelligent Video Analysis

Sempre attenti ad ogni dettaglio Bosch Intelligent Video Analysis Sempre attenti ad ogni dettaglio Bosch Intelligent Video Analysis 2 Intervento immediato con Bosch Intelligent Video Analysis Indipendentemente da quante telecamere il sistema utilizza, la sorveglianza

Dettagli

Processi ITIL. In collaborazione con il nostro partner:

Processi ITIL. In collaborazione con il nostro partner: Processi ITIL In collaborazione con il nostro partner: NetEye e OTRS: la piattaforma WÜRTHPHOENIX NetEye è un pacchetto di applicazioni Open Source volto al monitoraggio delle infrastrutture informatiche.

Dettagli

Albero semantico. Albero che mette in corrispondenza ogni formula con tutte le sue possibili interpretazioni.

Albero semantico. Albero che mette in corrispondenza ogni formula con tutte le sue possibili interpretazioni. Albero semantico Albero che mette in corrispondenza ogni formula con tutte le sue possibili interpretazioni. A differenza dell albero sintattico (che analizza la formula da un punto di vista puramente

Dettagli

Dal modello concettuale al modello logico

Dal modello concettuale al modello logico Dal modello concettuale al modello logico Traduzione dal modello Entita - Associazione al modello Relazionale Ciclo di sviluppo di una base di dati (da parte dell utente) Analisi dello scenario Modello

Dettagli

Semantica operazionale dei linguaggi di Programmazione

Semantica operazionale dei linguaggi di Programmazione Semantica operazionale dei linguaggi di Programmazione Oggetti sintattici e oggetti semantici Rosario Culmone, Luca Tesei Lucidi tratti dalla dispensa Elementi di Semantica Operazionale R. Barbuti, P.

Dettagli

Le funzionalità di un DBMS

Le funzionalità di un DBMS Le funzionalità di un DBMS Sistemi Informativi L-A Home Page del corso: http://www-db.deis.unibo.it/courses/sil-a/ Versione elettronica: DBMS.pdf Sistemi Informativi L-A DBMS: principali funzionalità Le

Dettagli

Informatica Industriale Modello funzionale: Informazione Progettazione concettuale

Informatica Industriale Modello funzionale: Informazione Progettazione concettuale DIIGA - Università Politecnica delle Marche A.A. 2006/2007 Informatica Industriale Modello funzionale: Informazione Progettazione concettuale Luca Spalazzi spalazzi@diiga.univpm.it www.diiga.univpm.it/~spalazzi/

Dettagli

Cenni su algoritmi, diagrammi di flusso, strutture di controllo

Cenni su algoritmi, diagrammi di flusso, strutture di controllo Cenni su algoritmi, diagrammi di flusso, strutture di controllo Algoritmo Spesso, nel nostro vivere quotidiano, ci troviamo nella necessità di risolvere problemi. La descrizione della successione di operazioni

Dettagli

Università di Venezia Corso di Laurea in Informatica. Marco Fusaro KPMG S.p.A.

Università di Venezia Corso di Laurea in Informatica. Marco Fusaro KPMG S.p.A. Università di Venezia Corso di Laurea in Informatica Laboratorio di Informatica Applicata Introduzione all IT Governance Lezione 5 Marco Fusaro KPMG S.p.A. 1 CobiT: strumento per la comprensione di una

Dettagli

Stefano Bonetti Framework per la valutazione progressiva di interrogazioni di localizzazione

Stefano Bonetti Framework per la valutazione progressiva di interrogazioni di localizzazione Analisi del dominio: i sistemi per la localizzazione Definizione e implementazione del framework e risultati sperimentali e sviluppi futuri Tecniche di localizzazione Triangolazione Analisi della scena

Dettagli

Import Dati Release 4.0

Import Dati Release 4.0 Piattaforma Applicativa Gestionale Import Dati Release 4.0 COPYRIGHT 2000-2005 by ZUCCHETTI S.p.A. Tutti i diritti sono riservati.questa pubblicazione contiene informazioni protette da copyright. Nessuna

Dettagli

Seconda Prova di Ricerca Operativa. Cognome Nome Numero Matricola A 1/12 A 2/12

Seconda Prova di Ricerca Operativa. Cognome Nome Numero Matricola A 1/12 A 2/12 A / A / Seconda Prova di Ricerca Operativa Cognome Nome Numero Matricola Nota: LA RISOLUZIONE CORRETTA DEGLI ESERCIZI CONTRADDISTINTI DA UN ASTERISCO È CONDIZIONE NECESSARIA PER IL RAGGIUNGIMENTO DELLA

Dettagli

Prima iscrizione degli immobili al CEU (estensione procedure di cui alla circ. n.1/2009) e controlli sulle titolarità

Prima iscrizione degli immobili al CEU (estensione procedure di cui alla circ. n.1/2009) e controlli sulle titolarità Direzione Centrale Catasto e Cartografia Modalità di aggiornamento relative alle intestazioni catastali presenti nelle dichiarazioni di DOCFA e nelle Domande di Volture Prima iscrizione degli immobili

Dettagli

Completezza funzionale KEY FACTORS Qualità del dato Semplicità d'uso e controllo Tecnologie all avanguardia e stabilità Integrabilità

Completezza funzionale KEY FACTORS Qualità del dato Semplicità d'uso e controllo Tecnologie all avanguardia e stabilità Integrabilità Armundia Group è un azienda specializzata nella progettazione e fornitura di soluzioni software e consulenza specialistica per i settori dell ICT bancario, finanziario ed assicurativo. Presente in Italia

Dettagli

Flusso a costo minimo e simplesso su reti

Flusso a costo minimo e simplesso su reti Flusso a costo minimo e simplesso su reti La particolare struttura di alcuni problemi di PL può essere talvolta utilizzata per la progettazione di tecniche risolutive molto più efficienti dell algoritmo

Dettagli

Sistemi avanzati di gestione dei Sistemi Informativi

Sistemi avanzati di gestione dei Sistemi Informativi Esperti nella gestione dei sistemi informativi e tecnologie informatiche Sistemi avanzati di gestione dei Sistemi Informativi Docente: Email: Sito: Eduard Roccatello eduard@roccatello.it http://www.roccatello.it/teaching/gsi/

Dettagli

Configuration Management

Configuration Management Configuration Management Obiettivi Obiettivo del Configuration Management è di fornire un modello logico dell infrastruttura informatica identificando, controllando, mantenendo e verificando le versioni

Dettagli

Dalla Mappatura dei Processi al Business Process Management

Dalla Mappatura dei Processi al Business Process Management Dalla Mappatura dei Processi al Business Process Management Romano Stasi Responsabile Segreteria Tecnica ABI Lab Roma, 4 dicembre 2007 Agenda Il percorso metodologico Analizzare per conoscere: la mappatura

Dettagli

VC-dimension: Esempio

VC-dimension: Esempio VC-dimension: Esempio Quale è la VC-dimension di. y b = 0 f() = 1 f() = 1 iperpiano 20? VC-dimension: Esempio Quale è la VC-dimension di? banale. Vediamo cosa succede con 2 punti: 21 VC-dimension: Esempio

Dettagli

Data warehouse.stat Guida utente

Data warehouse.stat Guida utente Data warehouse.stat Guida utente Versione 3.0 Giugno 2013 1 Sommario INTRODUZIONE 3 I concetti principali 4 Organizzazione dei dati 4 Ricerca 5 Il browser 5 GUIDA UTENTE 6 Per iniziare 6 Selezione della

Dettagli

Introduzione alla Programmazione ad Oggetti in C++

Introduzione alla Programmazione ad Oggetti in C++ Introduzione alla Programmazione ad Oggetti in C++ Lezione 1 Cosa è la Programmazione Orientata agli Oggetti Metodologia per costruire prodotti software di grosse dimensioni che siano affidabili e facilmente

Dettagli

CORSO DI ALGORITMI E PROGRAMMAZIONE. JDBC Java DataBase Connectivity

CORSO DI ALGORITMI E PROGRAMMAZIONE. JDBC Java DataBase Connectivity CORSO DI ALGORITMI E PROGRAMMAZIONE JDBC Java DataBase Connectivity Anno Accademico 2002-2003 Accesso remoto al DB Istruzioni SQL Rete DataBase Utente Host client Server di DataBase Host server Accesso

Dettagli

Attivitá dei Comitati dell ECHA e Valutazione dei Dossier

Attivitá dei Comitati dell ECHA e Valutazione dei Dossier Attivitá dei Comitati dell ECHA e Valutazione dei Dossier II CONFERENZA NAZIONALE SUL REGOLAMENTO REACH 11 Dicembre 2009 Claudio Carlon ECHA Evaluation http://echa.europa.eu 1 Comitati dell ECHA Attivitá

Dettagli

Rappresentazione dei numeri in un calcolatore

Rappresentazione dei numeri in un calcolatore Corso di Calcolatori Elettronici I A.A. 2010-2011 Rappresentazione dei numeri in un calcolatore Lezione 2 Università degli Studi di Napoli Federico II Facoltà di Ingegneria Rappresentazione dei numeri

Dettagli

Esame di Ricerca Operativa del 20/12/13. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare:

Esame di Ricerca Operativa del 20/12/13. Esercizio 1. Completare la seguente tabella considerando il problema di programmazione lineare: Esame di Ricerca Operativa del 0// (Cognome) (Nome) (Corso di laurea) Esercizio. Completare la seguente tabella considerando il problema di programmazione lineare: max x x x + x x +x x x x x x x 0 x x

Dettagli

Panoramica su ITIL V3 ed esempio di implementazione del Service Design

Panoramica su ITIL V3 ed esempio di implementazione del Service Design Master Universitario di II livello in Interoperabilità Per la Pubblica Amministrazione e Le Imprese Panoramica su ITIL V3 ed esempio di implementazione del Service Design Lavoro pratico II Periodo didattico

Dettagli

Grandi dimensioni e dimensioni variabili

Grandi dimensioni e dimensioni variabili Grandi dimensioni e dimensioni variabili aprile 2012 1 Questo capitolo studia alcuni ulteriori aspetti importanti e caratteristici della gestione delle dimensioni in particolare, delle grandi dimensioni

Dettagli

ALLEGATO D. Roma lì, / / Equitalia S.p.A. il Titolare

ALLEGATO D. Roma lì, / / Equitalia S.p.A. il Titolare 1 Premessa e quadro normativo Il Contratto sottoscritto da Equitalia S.p.A. e ha ad oggetto l affidamento dei servizi di implementazione e manutenzione del nuovo Sistema Informativo Corporate - Sistema

Dettagli

Integrazione. Ecad. Mcad. Ecad - MENTOR GRAPHICS

Integrazione. Ecad. Mcad. Ecad - MENTOR GRAPHICS Integrazione Ecad Mcad Ecad - MENTOR GRAPHICS MENTOR GRAPHICS - PADS La crescente complessità del mercato della progettazione elettronica impone l esigenza di realizzare prodotti di dimensioni sempre più

Dettagli

Il sistema di rilevazione dati per il controllo globale delle macchine di produzione

Il sistema di rilevazione dati per il controllo globale delle macchine di produzione 1 Il sistema di rilevazione dati per il controllo globale delle macchine di produzione Per automatizzare Ia raccolta dati di produzione e monitorare in tempo reale il funzionamento delle macchine, Meta

Dettagli