Riassunto esame Business Intelligence e Data Mining, prof. Vercellis, libro consigliato Business Intelligence e Data Mining, Vercellis

2.4.1   QUALI   SONO   I   PRINCIPALI   VANTAGGI   DI   UN   SISTEMA   DI   SUPPORTO   ALLE  

DECISIONI?  

I vantaggi potenziali sono:

1. Un aumento del numero di azioni alternative considerate.

2. Una maggiore efficacia delle decisioni.

3. Un aumento della capacità di reagire in tempi rapidi a situazioni impreviste.

4. La possibilità di eseguire analisi di scenario.

5. Una maggiore affidabilità dei meccanismi di controllo.

2.5  FASI  DI  SVILUPPO  DEI  SISTEMI  DI  SUPPORTO  ALLE  DECISIONI  

Le fasi di sviluppo di un sistema di supporto alle decisioni sono 4:

1. PIANIFICAZIONE. La fase di pianificazione ha il compito principale di cogliere le

esigenze e le opportunità, di tradurle in un progetto e successivamente in un sistema in grado

di operare con successo. La pianificazione inizia con uno studio di fattibilità del sistema.

2. ANALISI. In fase di analisi occorre definire in modo dettagliato le funzionalità del sistema

di supporto alle decisioni che si vuole realizzare, mediante un approfondimento delle analisi

preliminari svolte durante lo studio di fattibilità.

3. PROGETTAZIONE. In fase di progettazione viene definita l’architettura complessiva del

sistema (mediante l’identificazione delle piattaforme tecnologiche hardware, della struttura

di rete, ecc.) e vengono affrontate le scelte di make or buy circa la possibilità di affidare, del

tutto o in parte, la realizzazione del sistema di supporto alle decisioni a terzi.

4. REALIZZAZIONE. In questa fase di procede alla realizzazione operativa del sistema di

supporto alle decisioni, al suo collaudo e infine alla sua effettiva installazione.

2.5.1   QUALI   SONO   I   PRINCIPALI   MECCANISMI   CHE   RIDUCONO   IL   RISCHIO   DI  

INSUCCESSO  DI  UN  SISTEMA  DI  SUPPORTO  ALLE  DECISIONI?  

Tra i vari meccanismi, il più significativo si basa sull’impiego di TECNICHE DI

PROTOTIPAZIONE RAPIDA, che si basano su una semplice idea: invece di realizzare nella sua

interezza il sistema che si è progettato, si cerca di identificare una successione di sottoinsiemi che

siano autonomi ma dotati di ridotte funzionalità, e si procede gradualmente allo sviluppo dei

sottoinsiemi fino a raggiungere eventualmente lo stadio finale corrispondente al sistema di supporto

alle decisioni completo. Oltre al vantaggio derivante dal fatto che ciascuno dei sottoinsiemi viene

sviluppato più velocemente ed essere quindi disponibile con maggiore prontezza, è evidente come il

rischio di insuccesso del sistema sia ridotto. Esistono altre due metodologie di natura informatica

che possono essere utilizzate con efficacia per accelerare le fasi di realizzazione del software, ossia:

1. Le TECNICHE DI SVILUPPO AGILE;

2. Le TECNICHE DI PROGRAMMAZIONE ESTREMA. 11

2.5.2   QUALI   SONO   I   PRINCIPALI   FATTORI   CRITICI   CHE   POSSONO   DETERMINARE   IL  

GRADO  DI  SUCCESSO  DI  UN  SISTEMA  DI  SUPPORTO  ALLE  DECISIONI?  

I fattori critici che possono determinare il successo di un sistema di supporto alle decisioni sono 3:

1. INTEGRAZIONE. La progettazione e la realizzazione di un sistema di supporto alle

decisioni richiedono di armonizzare un elevato numero di metodologie, strumenti, modelli e

individui. Emerge quindi il ruolo chiave svolto da un integratore di sistema.

2. COINVOLGIMENTO. Il coinvolgimento dei decision maker e degli utilizzatori del sistema,

nel processo di sviluppo, è di fondamentale importanza per evitare che questi tendano a

respingere uno strumento che percepiscono come estraneo.

3. INCERTEZZA. È opportuno ridurre l’incertezza sull’esito del progetto mediante la

prototipazione, il collaudo del sistema nelle fasi preliminari, la facilità di utilizzo e la

realizzazione evolutiva.

3. DATA  WAREHOUSING  

3.1  DATA  WAREHOUSE  

Un DATA WAREHOUSE rappresenta un deposito di dati che risultano disponibili per sviluppare

analisi di business intelligence. Con il termine DATA WAREHOUSING viene indicato il

complesso di attività riguardanti la progettazione, la realizzazione e l’utilizzo di un data warehouse.

È possibile identificare 3 principali tipologie di dati che possono alimentare un data warehouse:

1. DATI INTERNI. I dati interni sono conservati in prevalenza nei database che costituiscono

i sistemi informativi di un’azienda, indicati anche come SISTEMI OPERAZIONALI. Essi

vengono raccolti attraverso i programmi applicativi gestionali che governano le attività

operative di un’impresa, quali l’amministrazione, la contabilità, la produzione, la logistica. Il

complesso di questi programmi viene indicato col termine ERP (Enterprise Resource

Planning).

2. DATI ESTERNI.

3. DATI PERSONALI. In molti casi i decision maker, che sviluppano analisi di business

intelligence, dispongono di informazioni e valutazioni personali conservate in database

locali sul proprio computer. Uno degli obiettivi del knowledge management è quello di

recuperare tali informazioni e integrarle ai dati di origine interna ed esterna.

3.1.1  OLAP    VS    OLTP  

Il termine OLAP (On-Line Analytical Processing) designa un insieme di tecniche software per

l'analisi interattiva e veloce di grandi quantità di dati. Anche l’OLTP (Online Transaction

Processing) è un insieme di tecniche software utilizzate per l'analisi dei dati. La differenza tra i due

sta nel fatto che mentre le applicazioni OLTP si rivolgono ai sistemi operazionali (sistemi

informativi di base dell’azienda), le applicazioni OLAP si rivolgono alle analisi di business

intelligence e al supporto alle decisioni. Possiamo quindi ritenere che i data warehouse siano

destinati a fornire i dati in ingresso per le applicazioni OLAP. 12

3.1.2   QUALI   SONO   LE   RAGIONI   PER   CUI   VENGONO   REALIZZATI   DATA   WAREHOUSE  

SEPARATI  DAI  DATABASE  CHE  SOSTENGONO  LE  APPLICAZIONI  OLTP  DI  UN’IMPRESA?  

Vi sono 4 principali ragioni:

1. INTEGRAZIONE. Un data warehouse che integra molteplici fonti, spesso tra loro

eterogenee, rappresenta uno strumento di notevole utilità per favorire e agevolare l’accesso

alle informazioni.

2. QUALITA’. I dati trasferiti dai sistemi operazionali ai data warehouse vengono corretti in

modo da ottenere informazioni attendibili e depurate da errori, aumentando il valore e la

significatività delle analisi di business intelligence sviluppate da un data warehouse.

3. EFFICIENZA. Le interrogazioni rivolte a estrarre informazioni per le analisi di business

intelligence possono risultare molto onerose sotto il profilo delle risorse di calcolo e del

tempo di elaborazione. Quindi se esse fossero indirizzate ai sistemi operazionali

rischierebbero di compromettere l’efficienza degli applicativi gestionali.

4. ESTENSIONE. I dati presenti nei sistemi operazionali relativi a periodi passati, necessari

per le analisi di business intelligence, vengono periodicamente rimossi dai sistemi OLTP. I

data warehouse, invece, li mantengono in memoria.

3.1.3  CARATTERISTICHE  DEI  DATI  CONTENUTI  IN  UN  DATA  WAREHOUSE  

Si può definire un data warehouse come un insieme di dati a supporto dei processi decisionali e

delle analisi di business intelligence che presentano 6 principali caratteristiche:

1. ORIENTATI ALLE ENTITA’. I dati presenti in un data warehouse sono incentrati sulle

principali entità di interesse per le analisi (prodotti, clienti, ecc), il che consente di valutare

più facilmente le prestazioni aziendali e le possibili cause di eventuali inefficienze.

2. INTEGRATI. I dati provenienti dalle diverse fonti vengono integrati e omogeneizzati

attraverso il loro inserimento in un data warehouse.

3. TEMPIFICATI. Tutti i dati inseriti in un data warehouse si accompagnano a un’etichetta

temporale che ne identifica il periodo di riferimento. In questo modo le applicazioni di

supporto alle decisioni possono sviluppare analisi di tendenza temporale.

4. PERSISTENTI. Una volta inseriti in un data warehouse, i dati non vengono di norma

modificati.

5. CONSOLIDATI. Spesso alcuni dati presenti nei data warehouse vengono ottenuti come

somme parziali di dati elementari presenti nei sistemi operazionali di origine. Questo

permette di ridurre lo spazio necessario di archiviazione dei dati nel data warehouse e di

rendere più agevole l’analisi di business intelligence.

6. DENORMALIZZATI. I dati presenti nel data warehouse non sono strutturati in forma

normale ma possono invece prevedere ridondanze per consentire tempi di risposta più rapidi.

v N.B. Cosa si intende per DATI ATOMICI?

La granularità rappresenta il massimo livello di dettaglio espresso dai dati primari presenti in un

data warehouse, che vengono indicati come dati atomici.

3.1.4  PRINCIPALI  DIFFERENZE  TRA  SISTEMI  OLTP  E  SISTEMI  OLAP  

1. ATTUALITA’. Dati correnti (OLTP) vs dati storicizzati (OLAP). 13

2. FLESSIBILITA’. Bassa (OLTP) vs alta (OLAP).

3. FUNZIONALITA’. Operative (OLTP) vs analitiche (OLAP).

4. IMPIEGO. Transazioni (OLTP) vs interrogazioni complesse (OLAP).

5. DIMENSIONE TEMPO. Implicita e attuale (OLTP) vs esplicita (OLAP).

6. AGGIORNAMENTO. Continuo e irregolare (OLTP) vs periodo e regolare (OLAP).

7. VOLATILITA’. Dati dinamici (OLTP) vs dati statici (OLAP).

8. ATTIVITA’. Ripetitive (OLTP) vs non prevedibili (OLAP).

3.1.5  DATA  MART  

Un DATA MART è un sistema che raccoglie tutti i dati, richiesti da una specifica funzione

aziendale, rivolti alle analisi di business intelligence e agli applicativi di supporto alle decisioni

utilizzati dalla funzione stessa. Si può considerare quindi un data mart come un data warehouse

funzionale, di dimensioni più contenute e di natura più specifica rispetto al data warehouse

aziendale.

3.1.6  INCONVENIENTI  E  RIMEDI  RELATIVI  ALL’INTEGRITA’  DEI  DATI  

Esistono 3 tipi di inconvenienti:

1. DATI NON CORRETTI. Questo inconveniente può dipendere da 3 cause:

a. Dati raccolti senza adeguata cura;

b. Dati inseriti in modo errato;

c. Dati modificati in modo incontrollato.

I possibili rimedi sono anch’essi 3:

a. Controllo sistematico dei dati in ingresso