I sistemi di reporting e i rapporti direzionali

Transcript

1 I sistemi di reporting e i rapporti direzionali

2 Reporting - Sintesi dei fenomeni aziendali secondo modelli preconfezionati e con frequenza e aggiornamento prestabiliti - contabile (dati economici) - extracontabile (es. giacenze di magazzino, scarti di produzione, ecc.)

3 I REPORT elaborazioni delle informazioni direzionali secondo appropriati CRITERI DI AGGREGAZIONE e CLASSIFICAZIONE PER OGNI UTENTE può essere realizzato UN RAPPORTO DIVERSO (OSSIA AGGREGAZIONI E CLASSIFICAZIONI DELL INFORMAZIONE DIVERSE

4 Reporting Utente 1 Motori di elaborazione... Utente n DB DIREZIONALE - DW Altri dati di input SI operativi

5 RAPPORTI DIVERSI PER DIRIGENTI DIVERSI esempio: reporting per la funzione commerciale direttore commerciale responsabile mercato Italia responsabile divisione "aspirapolveri" responsabile divisione "ventilatori" direttore filiale milano... direttore filiale bologna product manager "family" product manager "portatile...

6 responsabile divisione aspirapolvere VENDITE TOTALI "ASPIRAPOLVERE" MESE MODELLO gennaio febbraio marzo TOT. Anno cons. budg. cons. budg.cons. budg. cons. budg. "PORTATILE" "FAMILY" "UFFICIO" totale

7 product manager aspirapolvere family VENDITE TOTALI ASPIRAPOLVERE "FAMILY" MESE gennaio febbraio marzo TOT. Anno cons. budg. cons. budg.cons. budg. cons. budg. italia europa USA totale

8 direttore filiale di Milano direttore filiale "Milano" MESE vendite gennaio febbraio marzo TOT. Anno cons. budg.cons. budg.cons. budg. cons. budg. aspirapolvere ventilatori totale

9 Tecnologia chiave OLAP OnLine Analytical Processing tecniche software (standard) per interrogazione e analisi interattive e veloci di grandi database si applicano tipicamente a un database (relazionale) organizzato in modo opportuno lungo dimensioni Operazioni standard di software OLAP: Slicing (raggruppamento di dati su dimensioni diverse) Dicing (estrazione di sottoinsiemi di informazioni) Drill-down (esplosione di un dato aggregato nelle sue componenti) Drill-across (navigazione tra dati presentati allo stesso livello di aggregazione) Drill-through (esplosione di un dato aggregato risalendo alle sue componenti e fonti originarie)

10 Per progettare un sistema di reporting Identificare i dirigenti cui sono destinati Identificare il tipo di informazioni richieste Chiarire come ottenere tali informazioni estraendole dal DB direzionale Progettare le tabelle Definire le modalità di aggiornamento, presentazione, consultazione

11 I CRUSCOTTI GESTIONALI tableau de bord dashboard

12 Indicatori critici utili per pilotare l azienda o sue parti - Imitano un cruscotto del pilota Ausili grafici per efficacia rappresentativa Spesso evidenziati graficamente gli standard di riferimento (ad es. i budget, gli obiettivi pianificati, ) Organizzati a livelli ( drill down )

13 Ricavi vendite Livello 0 Per area Per prodotto Livello 1 NE italia NW Italia. Livello 2 Agente Pluto Agente Topolino. Livello 3 Prodotto X Prodotto Y Livello 4

14 Cruscotto vs. Reporting e criticità di progettazione Sistema più flessibile della semplice reportistica Possibili approfondimenti on demand Dati spesso maggiormente aggiornati Necessario predefinire le opzioni di ricerca (drill down)

15 Per progettare un cruscotto Identificare i dirigenti cui sono destinati Identificare gli indicatori critici utili al manager Definire come calcolare tali indicatori dai dati contenuti nel DB direzionale Definire le modalità di aggiornamento dei dati Caricare gli standard di riferimento Definire i livelli di interrogazione e drill down utili al manager Progettare l interfaccia grafica

16 DECISION SUPPORT SYSTEM Sistemi per il supporto alle decisioni non forniscono solo informazione impacchettata Offrono la possibilità di effettuare elaborazioni e analisi anche definire dall utente

17 TIPI DI DSS DATA ORIENTED: tecniche sofisticate di interrogazione del data warehouse MODEL ORIENTED: riproduzione del contesto in cui avviene il processo decisionale e/o dei suoi possibili effetti

18 DSS data oriented Data retrieval semplici (interrogazioni elementari ma libere del data warehouse) complessi (data analysis): interrogazioni lungo varie dimensioni e incrociando dati di varie fonti Uso sofisticato di tecniche OLAP es.: quali articoli non possiamo consegnare in quanto mancano le scorte? Tecniche di data mining

19 Una tecnologia chiave: data mining Analisi con metodi matematico-statistici di relazioni nascoste in grandi database: Ricerca ed estrazione di informazioni nascoste Esplorazione e identificazione di pattern (ossia regolarità )

20 Data mining vs. ricerca semplice Che cosa non è data mining Cercare un numero di telefono nell'elenco; Fare una ricerca in Internet su "vacanze Maldive" Che cosa è data mining Scoprire che alcuni cognomi (Benetton, Troncon, Cavasin) sono molto comuni in specifiche aree dell'italia Fare una ricerca nel web su una parola chiave e classificare i documenti trovati secondo un criterio semantico (p. es. "corriere": nome di giornale, professione, ecc) Scoprire la relazione tra le preferenze di acquisto dei consumatori e loro caratteristiche (ad es. socio-demografiche)

21 DSS MODEL ORIENTED Usano modelli matematici, logici o statistici per riprodurre il contesto o gli effetti di una decisione MODELLI PREDITTIVI (es. previsione delle vendite) MODELLI WHAT IF (simulano gli effetti di una possibile decisione) MODELLI DI OTTIMIZZAZIONE (calcolano la soluzione ottima in un contesto dato)

22 SISTEMI ESPERTI Obiettivo: riprodurre la base di conoscenza di un decisore esperto deducendone il comportamento codificando le esperienze precedenti elaborare nuovi scenari decisionali formulando soluzioni Applicazione dell INTELLIGENZA ARTIFICIALE

23 Logiche e modelli decisionali dati CODIFICAZIONE DELLA CONOSCENZA CODIFICAZIONE DI LOGICHE E MODELLI DI DECISIONE SULLA BASE DI: -esperienze precedenti -indicazioni di esperti -altri dati problema, quesito, richiesta soluzione BASE DI CONOSCENZA ELABORAZIONE DI POSSIBILI SOLUZIONI motore inferenziale VIENE ELABORATA (DEDOTTA) UNA RISPOSTA ALL INTERROGATIVO POSTO

24 SISTEMI ESPERTI Esistono esempi di applicazioni business (ad es. sistemi per l analisi del credito e le relative decisioni di concessioni di prestiti, mutui, ecc.) Il loro uso è tuttora oggetto di discussione Difficoltà possibilità di codificare e modellizzare realisticamente una base di conoscenza in un certo campo riprodurre i processi decisionali umani