Dynamic Warehousing: la tecnologia a supporto della Business Intelligence 2.0. Giulia Caliari Software IT Architect

Transcript

1 Dynamic Warehousing: la tecnologia a supporto della Business Intelligence 2.0 Giulia Caliari Software IT Architect

2 Business Intelligence: la nuova generazione Infrastruttura Flessibilità e rapidità di sviluppo Funzionalità, prestazioni e scalabilità Qualità e consistenza delle informazioni Pervasività all interno dell organizzazione Analisi strategiche, tattiche e operative Varietà di utenti e requisiti Applicazioni di analisi integrate nei processi di business Accesso integrato a informazioni strutturate e non strutturate 2

3 Un architettura completa, aperta, integrata Accesso utente Strumenti di analisi Strumenti di integrazione Data Management Sistemi HW e SW di base Accesso personalizzato Collaboration Ricerca Query&Reporting Analisi OLAP e Mining Embedded Analytics Integrazione dati eterogenei Qualità e consistenza Data Governance Volumi dati e utenti Mixed workloads Sicurezza, riservatezza Scalabilità e parallelismo Prestazioni Costi e gestione 3

4 Da dove partiamo? OS Flessibilità, adattabilità Database Reporting Application Server Memoria CPU Storage Backup Web Server Semplicità, rapidità 4

5 L evoluzione verso un modello intermedio Dynamic Warehousing Software Balanced Warehouse Infrastructure SW HW 5

6 Balanced Warehouse Soluzione globale che comprende sistemi HW, sottosistemi di storage, la piattaforma SW di Warehouse e servizi Metodologia di bilanciamento delle componenti HW e SW dell infrastruttura Configurazioni otimizzate e dettagliate a tutti i livelli Basata su moduli replicabili per la scalabilità Dynamic Warehousing Software Rapidità di realizzazione Scalabilità Rapporto costi/prestazioni Basso rischio Flessibiltà al cambiamento Garanzia di evoluzione Openess & Standard 6

7 Integrazione dei mondi di analisi Application Application Application Application Applicationi di BI, Reportistica Analisi Application Application Application Applicatio Mart Mart Mart Data Mining OLAP, MOLAP Data Mart EDW Enterprise Data Warehouse Operational Data Store ODS ODS Operational Systems Tante copie dei dati, più versioni della verità Elevata latenza Poco flessibile al cambiamento Coreografia unica Disponibilità tempestiva delle informazioni Rapidità di deployment e flessibilità 7

8 Mining alla portata di tutti gli utenti Dalla verifica, alla scoperta, alla previsione Associazioni [Vernice][Solvente] => [Pennello] Sequenze Acquisto Auto Acquisto Accessori Sintomo A Sintomo B [ Guasto X ] Raggruppamenti Profilazione della clientela Classificazioni: Quali utenti lasceranno scadere l assicurazione? Quali clienti sono insoddisfatti? Previsioni Stima delle previsioni di spesa di clienti New Data Data Model MiningData OLAP DataSpec Settings BuildTask Result Model Modello Visualization Modeling Scoring 8

9 Cosa si intende per embedded analytics? Funzionalità analitiche pienamente integrate nei processi di business, accedute e utilizzate durante lo svolgimento delle diverse attività, anche operative, per facilitare i processi decisionali a tutti i livelli Gli elementi: Accesso ritagliato su misura del contesto e dell utenza Navigabilità dei risultati, presentazione intuitiva e immediata attraverso strumenti di uso comune Contenuti integrati e aggiornati: dati storici e operativi, sorgenti eterogenee Integrazione dati non strutturati Componenti analitiche rapidamente incorporabili nei processi di business Le barriere: Usabilità degli strumenti tradizionali di BI Tempi di sviluppo e di rilascio Costi di gestione, manutenzione e personalizzazione 9

10 Embedded Analytics: un esempio Corporate Portal Doppio click su un KPI Dashboard Drill-down su un elemento Navigazione e drilldown nei dettagli Chart del report riassuntivo Dati aggregati del periodo vs. pianificato 10 Excel: for easy ad hoc analysis Collaborazione: annotazioni Monitor di indicatori esterni

11 Volumi di utenti, volumi di dati... Aumento del carico Prestazioni e scalabilità lineare (virtualmente) illimitata Tecniche avanzate di partizionamento dati, indicizzazione e clustering Tecniche di compressione Gestione di carichi di lavoro complessi Refresh dei dati in concomitanza all attività di analisi Classi diverse di utenti sottomettono diverse tipologie di query Diverse priorità, finestre temporali dedicate, politiche di concorrenzialità,... Query complesse Brevi query tattiche Aggiornamenti e batch ETL 11

12 Volumi di utenti, volumi di dati... Accesso controllato alle informazioni Autorizzazione e sicurezza Protezione delle informazioni Nel rispetto riservate delle normative Auditing sugli accessi Sulla data privacy Sulla conservazione + compressione + crittografia +... Information Lifecycle Management Archiviazione dei dati storici Disponibilità dei dati archiviati Politiche di conservazione 12

13 Analisi sui dati non strutturati: perchè? Sfruttare un altra preziosa sorgente di informazione I dati non strutturati arrivano all 80% del patrimonio informativo aziendale Individuare informazioni nascoste all interno di documenti: Reclami Descrizione di problemi tecnici Descrizioni di parti, prodotti Pubblicità e comunicazione Per indirizzare in modo completo i temi quali Individuazione di frodi Generazione di allarmi sulla customer attrition Evidenza e analisi di difetti (di prodotti) Profilazione della clientela ecc... 13

14 L analisi su dati non strutturati Framework per l analisi di dati non strutturati Dati Originali Clerk: Mark Date: Aug. 30, 2002 Duration: 10 min. CustomerID: ADC00123 D: Details of incident in motor vehicle claim including involved parties Sistemi operazionali Sistemi operazionali ETL Text Mining Warehouse integrato Dati Strutturati [Clerk] Mark [Date] 2002/08/30 [CustomerID] ADC00123 Metadati estratti [type] Claim [Involved Parties] John Jones Jack Smith [Vehicle type] Truck [Incident Type] Parking Dati Non Strutturati D: Details of incident in motor vehicle claim including involved parties Strumenti di accesso integrati Query & Reporting, Analisi OLAP, Mining Jack Smith sospettato di coinvolgimento in frodi assicurative procedere con approfondimento della richiesta di rimborso 14

15 Conclusioni La BI 2.0 promette nuove prospettive e lancia nuove sfide Con il Dynamic Warehousing IBM Indirizza le aspettative dell utenza in un quadro tecnologico organico e strutturato, fortemente innovativo Oltre la tecnologia, IBM Vi può affiancare nelle attività progettuali Su temi infrastrutturali e sulle aree applicative Con un bagaglio di esperienze, metodologia, competenze e best practice maturate con numerosi clienti in tutto il mondo Assess Plan Design Implement Run 15

16 16