Business Intelligence

BUSINESS INTELLIGENCE

1- LA BUSINESS INTELLIGENCE E IL DATA WAREHOUSE

Il ruolo della BI nel sistema informatico

L’informatica nelle aziende la funzione svolta dalle basi di dati in ambito aziendale è stata fino a qualche anno fa

→

esclusivamente quella di memorizzare dati operazionali (o transazionali), ovvero generati da operazioni svolte all’interno dei

processi gestionali; si parla di dati transazionali perché ogni volta che avviene una modifica all’interno di un database, avviene

una transazione, un insieme di operazione operazioni elementare che vengono svolte in un’unica volta . L’informatica era

vista infatti come una scienza di supporto che permetteva di rendere più rapide ed economiche le operazioni di gestione delle

informazioni ma che non creava di per sé ricchezza.

Il ruolo dei sistemi informativi è radicalmente cambiato dai primi anni ’70 ad oggi: i si sono trasformati

sistemi informativi

da semplici strumenti per migliorare l’efficienza dei processi a elementi centrali dell’organizzazione aziendale, in grado

di rivoluzionare la struttura dei processi aziendali.

I motivi di questo cambiamento sono stati:

- L’aumento esponenziale dei volumi di dati operazionali, che ha reso il calcolatore l’unico strumento adatto per il

processo decisionale

- L’utilizzo massiccio di tecniche di analisi dei dati aziendali, che ha reso il sistema informativo un elemento strategico

per la realizzazione del business.

Il ruolo dell’informatica è passato da strumento passivo per la registrazione delle operazioni a fattore decisivo per

l’individuazione di elementi critici nell’organizzazione e di potenziali aree di business.

Il duplice ruolo dell’informatica:

- Tecnologia di supporto alla gestione del sistema informativo

- Disciplina organizzativa che influenza i processi, servizi e struttura aziendale

Definizioni:

• Sistema informativo tutto il patrimonio di dati e informazioni che viene gestito in maniera organizzata e coerente

→

da un’azienda. in un SI rientrano anche documenti cartacei (digitale + carta)

• Data Base fa parte del sistema informatico, è una raccolta di dati memorizzati su un supporto informatico,

→

organizzati secondo un modello. Il modello è una collezione di concetti che usiamo per descrivere i dati (ad esempio

il modello relazionale, dove il concetto base è la relazione)

• DBMS programma per la gestione dei data base.

→

Il portafoglio applicativo

Nel processo decisionale, di importante rilevanza strategica, il ruolo dell’informatica è fondamentale: problema è gestire

enormi quantità di dati. Viene utilizzato il →

portafoglio direzionale è l’insieme di applicazioni che vengono utilizzate

dai manager aziendali per:

- Analizzare lo stato dell’azienda

- Prendere decisioni rapide

- Prendere decisioni migliori

Definizioni:

• ERP – Enterprise resource planning gestisce I dati e comprende una parte alta della business intelligence. Le

→

caratteristiche sono: unicità del dato, configurazione personalizzabile, modularità. Il leader mondiale è SAP.

• CRM – Customer relationship management orientate al cliente

→

• CIM - Computer Integrated Manufacturing orientata alla produzione.

→

Si parla anche di piattaforma per la business intelligence →

- La business intelligence è un insieme di strumenti e procedure che consentono all’azienda di trasformare

i propri dati di business in informazioni utili al processo decisionale, da rendere disponibili alla persona

giusta e nel formato idoneo. Le informazioni così ottenute sono utilizzate dai decisori aziendali per

definire e supportare strategie di business, così da prendere decisioni consapevoli e informate con

l’obiettivo di trarre vantaggi competitivi, migliorare le prestazioni operative e la profittabilità e. più in

generale, creare valore per l’azienda.

Si parla di piattaforma di BI perché per consentire ai manager analisi potenti e flessibili è necessario definire un’apposita

infrastruttura hardware e software di supporto, composta da:

- Hardware dedicato

- Infrastrutture di rete

- DBMS

- Software di back end

- Software di front end

Il ruolo chiave di una piattaforma di business intelligence è la trasformazione dei dati aziendali in informazioni fruibili a diversi

livelli di dettaglio e, quindi, in conoscenza.

La piramide della BI

al livello più basso ci sono i dati gestiti da applicazioni gestionali (o operazionali o transazionali). Tra utente

➔ Dati:

e dati c’è bisogno di un programma con un’interfaccia adatta all’utente e che comunichi con l’utente stesso: per

accedere al database ho bisogno di un DBMS, perché il database comunica in linguaggio SQL. Quindi abbiamo: DB

logica applicativa utente. I database che sono alla base della piramide vengono anche chiamati di

→DBMS → →

produzione. nei due livelli successivi abbiamo le informazioni, ovvero un “distillato” del dato. Ci sono due sottolivelli:

➔ Informazioni:

- Operational data store (ODS) è il livello del db intermedio, in cui abbiamo dati dettagliati ma puliti. Utilizziamo

→

ODS per fare un reporting operativo, per lanciare query che generano listoni.

- Data Warehouse viene fatta una “sintesi” e qui troviamo la vera informazione. Il DW è un contenitore di dati e

→

qui l’interazione avviene tramite paradigma OLAP e CRUSCOTTI.

nei due livelli successivi abbiamo conoscenza, a questo punto continua ad essere ridotta la quantità

➔ Conoscenza:

a favore della qualità.

- Data mining è composto da un insieme di strumenti che permettono di implementare algoritmi complessi che

→

sono in grado di estrarre conoscenza nascosta da grandi quantità di dati

- Analisi what if permette di fare analisi del passato per prendere decisioni più accurate in futuro.

→

all’ultimo livello della piramide troviamo le decisioni, che possono essere prese più facilmente attraverso

➔ Decisioni:

il data mining e l’analisi what if.

In BI abbiamo un ciclo decisionale:

• →

Analisi identificare e formulare il problema; ottenere dai dati le informazioni rilevanti

• →

Comprensione comprendere il problema; trasformare le informazioni in conoscenza

• →

Decisione tradurre la conoscenza in decisioni e quindi in azioni

• →

Misura misurare le prestazioni conseguenti alle azioni intraprese

che abilitano questo ciclo sono:

I fattori

- →

Supporto tecnologico

Potenza di calcolo

➢ Tecniche avanzate di visualizzazione

➢ Capacità di memorizzare grandi moli di dati

➢ Connettività di rete

➢ Interoperabilità sw

➢

- →

Metodologie analitiche

Modelli matematici espressivi, precisi, flessibili

➢ Tecniche di apprendimento induttivo e di ottimizzazione

➢

- →

Risorse umane

Cultura aziendale

➢ Creatività

➢ Agilità mentale

➢ Disponibilità al cambiamento

➢

Quello che interessa la BI è la parte che riguarda il supporto tecnologico, che si concretizza nel DATA WAREHOUSE.

Il Data Warehousing

Il data warehouse gestisce il passaggio da dati ad informazioni. È bene ricordare che dati e informazioni non sono sinonimi;

l’informazione è un bene a valore crescente necessario per pianificare e controllare le attività aziendali con efficacia, in poche

parole è la materia prima che viene trasformata dai sistemi informativi. Spesso la disponibilità di troppi dati rende arduo, a

volte impossibile, estrapolare le informazioni veramente importanti. Per ogni azienda è fondamentale poter disporre in maniera

rapida e completa delle informazioni necessarie al processo decisionale: le indicazioni strategiche vengono estrapolate

principalmente dalla mole di dati operazionali contenuti nei database aziendali, attraverso un processo di selezione e sintesi

progressiva. Si parte dalle fonti informative primarie (azienda) e si estrapolano le informazioni, ottenendo rapporti e alla fine

le informazioni strategiche. Per ottenere le informazioni ci sono dei problemi: l’eterogeneità dei dati, query troppo grandi. La

soluzione è il data warehouse: un raccoglitore di informazioni che integra e riorganizza i dati provenienti da sorgenti

di varia natura e li rende disponibili per analisi e valutazioni finalizzate alla pianificazione e al processo decisionale;

è direttamente consultabile dall’utente finale.

OLTP e OLAP

Per capire come funziona un DW bisogna distringuere tra due tipi di interrogazioni:

• le interrogazioni eseguono transazioni che leggono e scrivono un

→

OLTP – On line transactional processing

ridotto numero di record da diverse tabelle legate da semplici relazioni. Il nucleo sostanziale del carico di lavoro è

congelato all’interno dei programmi applicativi: essendo sempre le stesse query il carico è uguale. Può accadere che

si verifichi un guasto o in generale una situazione inattesa, per risolvere il problema abbiamo bisogno di scrivere

una query specifica, per il resto le query sono già pronte. Le interrogazioni (query) sono sia di lettura che di scrittura

e vengono lanciate dai livelli medio – bassi dell’organigramma.

• le interrogazioni effettuano un’analisi multidimensionale che richiede la

→

OLAP – On line Analytical Processing

scansione di un’enorme quantità di record per calcolare un insieme di dati numerici di sintesi che quantifichino le

prestazioni dell’azienda. l’interattività è una caratteristica irrinunciabile delle sessioni di analisi e fa sì che il carico di

lavoro effettivo vari continuamente nel tempo. Sono query solo in lettura in quanto ci si limita ad analizzare: l’analista

decide ogni volta quali informazioni gli interessano, vengono lanciate dai decisori e il carico di lavoro è imprevedibile.

Mescolare interrogazioni “analitiche” e “transazionali” di routine porta a inevitabili

rallentamenti che rendono gli utenti insoddisfatti di entrambe le categorie. Bisogna

separare l’elaborazione OLTP dalla OLAP: viene costruito un nuovo raccoglitore di

informazioni che integri i dati proveniente da sorgenti di varia natura, li organizzi in

una forma appropriata e li renda disponibili per scopi di analisi e valutazione finalizzate

alla pianificazione e al processo decisionale.

Si usano due DB separati:

DB operazionale

➢ Data Warehouse

➢

Il ponte tra i due DB è l’ETL (procedura batch non iterativa): viene lanciato

periodicamente per estrarre nuovi dati che si sono accumulati in un certo istante di

tempo nel DB operazionale, li pulisce e li sposta nel Data Warehouse. L’ETL viene

lanciato periodicamente quindi le informazioni nel DW sono latenti. ETL ha bisogno di

tempo quindi non posso farla ogni secondo ma ho un minimo di tempo per

un’occorrenza e l’altra. Esistono trucchi per mantenere aggiornato il DW però non

bisogna abusarne molto in quanto il decisore non ha bisogno in ogni istante ma magari

frequenza

richiede qualcosa ogni tot. Negli esempi supporremo di avere una

settimanale (sabato notte).

Alcune aree di business dove occorrono queste tecnologie:

- Commercio (analisi vendite e reclami, controllo spedizioni, cura del rapporto con cliente)

- Manifattura (controllo di costi di produzione, supporto fornitori e ordini)

- Servizi finanziari (analisi del rischio e delle carte di credito)

- Trasporti (gestione parco mezzi)

- Telecomunicazioni (analisi del flusso delle chiamate e del profilo dei clienti)

- Sanità (analisi di ricoveri e dimissioni, contabilità e centri di costo).

DATA WAREHOUSING:

Definizione una collezione di metodi, tecnologie e strumenti di ausilio al knowledge worker

→

(dirigente, amministratore, gestore, analista) per condurre analisi di dati finalizzate all’attuazione di processi decisionali e al

miglioramento del patrimonio informativo.

Lamentele di un decisore senza data warehouse →

- Montagne di dati non accessibili

- Selezionare, raggruppare e manipolare i dati in ogni modo possibile

- Mostrare solo ciò che è importante

- Tutti sanno che alcuni dati non sono corretti

caratteristiche fondamentali del processo di warehousing →

Dalle lamentele alle

• Accessibilità a utenti con conoscenze limitate di informatica e strutture dati

• Integrazione dei dati sulla base di un modello standard dell’impresa

• Flessibilità di interrogazione per trarre il massimo vantaggio dal patrimonio informativo esistente

• Sintesi per permettere analisi mirate ed efficaci

• Rappresentazione multidimensionale per offrire all’utente una visione intuitiva ed efficacemente manipolabile delle

informazioni

• Correttezza e completezza dei dati integrati.

• →

Business intelligence disciplina che si occupa di supportare i manager nelle decisione strategiche e tattiche.

Trasforma i dati in minore quantità di informazioni pulite e da qui in conoscenza con elevatissimo valore aggiunto,

da cui il manager può prendere decisioni.

• →

Data warehouse contenitore di informazioni al cui interno vengono raccolti e integrati i dati necessari per il

decision making che vengono estratti dalle sorgenti disponibili fuori e dentro l’azienda.

• Il data warehousing è tutto il processo che si poggia sul data base (data warehouse)

• →

ETL procedura lanciata periodicamente, punto di sincronismo, c’è un ritardo con cui il data warehouse viene

aggiornato. Se serve un data warehouse real time bisogna utilizzare dei trucchi.

Data Warehouse

Al centro del processo, il data warehouse è un contenitore di dati che si fa garante dei requisiti esposti. Un data

warehouse è una collezione di dati di supporto per il processo decisionale che presente le seguenti caratteristiche:

- nel mondo OLPT (database operazionali) l’accento è sulle applicazioni

→

È orientata ai soggetti di interesse

(application oriented), quando si progetta un OLTP in un contesto aziendale lo si fa in base ad una specifica

applicazione che serve. Dunque ogni DB è un mondo a parte che si riferisce a singoli processi che l’azienda deve

svolgere, questo significa che ogni processo ha il suo DB. Il mondo DW è subject oriented: per ogni soggetto del

business bisogna fornire una visione a 360 gradi e consistente.

- il DW si appoggia a più fonti di dati eterogenee, ad esempio dati estratti dall’ambiente

→

È integrata e consistente

di produzione, archiviati in DB aziendali, oppure dati provenienti da sorgenti informative esterne all’azienda. Di tutti

questi il DW restituisce una visione unificata: viene utilizzato ETL (estraggo i dati e li pulisco, li trasformo e infine li

carico nel DW (load)).

- nei DB operazionali il contenuto storico è limitato, spesso il

→

È rappresentativa dell’evoluzione temporale

tempo non è parte delle chiavi e i dati sono soggetti ad aggiornamento e si sovrascrivono le informazioni (foto).

Nel DW invece abbiamo una quantità elevata di dati storici, il tempo è parte delle chiavi. Ogni volta che viene lanciato

ETL viene scattata una foto che viene aggiunta alle vecchie: si ottiene un film in quanto non vengono cancellate o

sovrascritte le informazioni precedenti. Di solito la profondità temporale va dai 3, ai 5 fino al massimo a 10 anni.

- un DB operazionale opera operazioni di scrittura e lettura (insert, update, delete), invece del DW

→

Non è volatile

potenzialmente nulla viene mai cancellato, si accumulano grandi quantità di dati in quanto viene fatta solo lettura, il

problema infatti potrebbe essere il throughput per eccessive richieste di letture contemporaneamente.

→

Confronto tra DB operazionale e DW riassumendo

Architetture

Requisiti →

• l’elaborazione analitica e quella transazionale devono essere mantenute il più possibile separate

Separazione:

• l’architettura hardware e software deve poter essere facilmente ridimensionata a fronte della crescita

Scalabilità:

nel tempo dei volumi di dati da gestire ed elaborare e del numero di utenti da soddisfare

• deve essere possibile accogliere nuove applicazioni e tecnologie senza riprogettare integralmente il

Estendibilità:

sistema

• il controllo sugli accessi è essenziale a causa della natura strategica dei dati memorizzati

Sicurezza:

• la complessità dell’attività di amministrazione non deve risultare eccessiva.

Amministrabilità:

Classificazione architetture per livelli

1) non rispetta la separazione OLAP e OLTP. La più semplice è a due livelli, veniva utilizzata

→

Architettura a 1 livello

20 anni fa, poi è stata completamente abbandonata, adesso si usa in situazioni particolari, per avere dei contenitori

(data lake) in cui ci sono dei dati che si accumulano molto velocemente che derivano da fonti esterne, se si vuole

integrare questi dati al processo di decision making, si usano queste architetture ad un livello. Non soddisfa il

requisito di separazione.

2) il livello di data warehouse diventa fisico (per questo due livelli). In mezzo abbiamo il

→

Architettura a 2 livelli

livello di alimentazione (a imbuto) che è l’ETL. Dentro il DW ci sono piccoli data mart:

→

Data mart un sottoinsieme o un’aggregazione dei dati presenti nel DW primario, contenente l’insieme delle

informazioni rilevanti per una particolare area del business, una particolare divisione dell’azienda, una particolare

Per i sistemi collocati all’interno di realtà aziendali medio-grandi i data mart sono utili: come blocchi

categoria di sogget