Sistemi informativi

Sistemi Operazionali

Anche detti Sistemi Transazionali, sono sistemi a supporto delle attività operative, il loro obiettivo è quello di registrare una transazione, ovvero un'operazione che inizia e si deve necessariamente concludere entro un certo tempo (se si ferma a metà è necessario fare un Roll Back e tornare indietro fino allo stato iniziale). Le attività principali prevedono l'automazione di attività procedurali, la registrazione delle transazioni, la pianificazione e controllo delle operazioni, l'acquisizione ed organizzazione della conoscenza, l'elaborazione delle situazioni aziendali. Le azioni sui dati effettuate da tali sistemi sono interattive sia in lettura che in scrittura, con molti utenti di livello operativo che operano con alta frequenza su questi dati. Tali sistemi sono rivolti al livello operativo della piramide di Anthony, si tratta in genere di sistemi OLTP.

(Online Transaction Processing) che fanno utilizzo dei tradizionali DBMS. Si approfondiscono adesso i Sistemi Operazionali, che come è stato già accennato prima, sono caratterizzati da un'alta proceduralizzazione e dall'ottimizzazione dei processi transazionali, i quali richiedono la lettura/modifica di pochi dati per volta ma con tempi di risposta strettissimi. Esistono diverse categorie di Sistemi Operazionali:

Sistemi Legacy: sono sistemi verticali in cui i dati e l'intelligence sono vincolati nella stessa unità monolitica, che non si può spezzare, cioè non c'è la possibilità di far comunicare un dato all'esterno di quel sistema o con altri sistemi. In molti di questi sistemi c'è una quasi totale assenza di progettazione e documentazione a supporto, fattori che li rendono poco mantenibili e flessibili. Tuttavia molti sistemi legacy sono ancora tutt'oggi in uso per via di costi di riprogettazione altissimi,

operché molti di essi sono utilizzati per applicazioni altamente disponibili che non possono essere dismesse neanche per poche ore, oppure per mancanza di comprensione della logica di funzionamento del codice al loro interno (ad esempio implementazione in vecchissimi linguaggi di programmazione), o magari per motivi di affidabilità. Sono sistemi fortemente connessi in cui c'è un'altissima coesione fra la tecnologia, le procedure e l'organizzazione.

Sistemi Gestionali: I sistemi gestionali sono caratterizzati da una maggiore strutturazione modulare e vengono progettati per supportare lo svolgimento di attività tipiche di aspetti aziendali (acquisti, logistica, vendite, amministrazione...). Sono molto meno coesi dei sistemi legacy, infatti si riescono a separare le funzioni del sistema in delle macro-aree di competenza. I dati iniziano ad essere separati dalla logica.

Best of Breed (BoB): sistemi molto specifici dedicati al soddisfacimento di

Un sotto-insieme di fabbisogni informativi aziendali (cioè alla gestione di micro-aree), ad esempio i macchinari che tagliano le pietre, che vengono utilizzati soltanto nelle specifiche aziende che producono pietre. Tali sistemi quindi sono molto settoriali e non possono essere sostituiti, e tale specializzazione può essere un ostacolo nell'integrazione con il resto del sistema informativo.

I sistemi informazionali sono invece nati per supportare il processo decisionale con attività di Business Intelligence (Attività di estrazione di informazione dai dati di business generati dai processi operativi aziendali), grazie alle quali si vogliono comprendere ed utilizzare le informazioni a disposizione a vantaggio della propria attività, ad esempio leggere le serie storiche di dati per sapere quante volte una specifica auto è stata venduta dall'azienda negli ultimi mesi. Quindi i dati estratti rappresentano una sorta di "trend".

(tendenze) della grandezza che rappresentano, cioè sono dei dati elaborati anziché dei dati grezzi come nel caso operazionale: in altre parole essi sono dei dati di sintesi utilizzati per prendere decisioni a lungo termine, cioè dei dati sviluppati su varie dimensioni forniti a cadenze temporali. L'operazione di estrazione di informazioni utili da grosse quantità di dati, e quindi di creazione di questi dati di sintesi, prende il nome dei Data Mining. Essi vanno anche sotto il nome Decision Support System (DSS) in quanto rappresentano un'architettura informatica che aiuta l'utente a prendere decisioni, ma senza sostituirsi ad esso. Il processo decisionale direzionale può essere scomposto in cinque fasi: - Intelligence: riconoscimento e ricognizione del problema. - Design: ricerca delle possibili soluzioni. - Choice: valutazione e scelta dell'alternativa migliore. - Implementation: attuazione della decisione. - Control: controllosui risultati e aggiustamento dell'azione. Si parla di Data Retrieval se l'informazione si ottiene accedendo ed elaborando un tipo di dato, mentre invece si parla di Data Analysis se l'informazione si ottiene accedendo a più dati e correlandoli. 81.3. Data Warehouse Il nucleo di gran parte dei Decision Support System è costituito dai Data Warehouse, che sono dei sistemi OLAP progettati per gestire grandi quantità di dati e fornire rapidamente informazioni, rapporti e analisi su di essi. I DW possono essere visti come dei grandi magazzini di dati che raccolgono in un unico DB centralizzato tutti i dati di interesse di un'azienda, il cui accesso è in generale in sola lettura ed è riservato ai soli attori del livello strategico della piramide di Anthony. L'obiettivo ultimo di tali sistemi è quello di utilizzare tecniche di Business Intelligence per organizzare, raffinare ed interpretare i dati al fine di fare analitica (analisi).anziché una sintesi:

1. Obiettivo Analisi: vedere la correlazione fra dati mediante tecniche di Data Mining.
2. Obiettivo Sintesi: vedere il comportamento medio mediante statistiche ed appiattimenti di dati.

I sistemi OLTP non funzionano più bene quando si è in presenza di una grande mole di dati, anche perché nei DB relazionali classici i dati sono organizzati in dei record, che sono delle strutture sequenziali, e quindi c'è un grande offset di ricerca; con i sistemi OLAP si parla invece di Sistemi NoSQL, che organizzano i dati per colonna in modo tale da garantire una maggiore rapidità di ricerca. Per tale motivo si utilizzano sistemi OLAP come i DW, dei quali si elencano alcune caratteristiche:

1. In un unico schema globale vengono integrate tutte le informazioni estratte da più sorgenti.
2. Solitamente un DW è interrogabile e non modificabile, cioè la percentuale di modifica è molto più bassa rispetto quella

Di lettura, a differenza dei sistemi OLTP.

A differenza degli OLTP è possibile immagazzinare dati incompleti oppure errati.

Gli aggiornamenti non vengono effettuati ad ogni completamento di un'operazione, ma periodicamente ogni TOT tempo.

Gli OLTP (DB operazionali) sono la principale fonti di dati dei DW.

L'analisi in realtà non viene svolta su tutta la mole di dati del DW ma su un suo sottoinsieme rappresentato in forma multidimensionale, che prende il nome di Data Mart. In particolare è possibile decidere su che parte concentrare l'analisi attraverso tre parametri:

• Fatti: ossia il concetto su cui centrare l'analisi e che si ha interesse di misurare. Ad esempio la vendita di un determinato prodotto.
• Misure: Caratteristica numerica del fatto che ne descrive effetti quantitativi rilevanti per l'analisi. Ad esempio numero di vendite, incassi, etc.
• Chiavi: anche dette Dimensioni, costituiscono le prospettive lungo la quale effettuare l'analisi.

Ad esempio il negozio, il mese, il tempo, il cliente, etc. In altre parole un Data Mart è un cubetto multi-dimensionale nel quale confluiscono i dati estratti (lungo certe specifiche dimensioni) da un DW, sui quali è possibile fare analitica. Nell'esempio sopra i fatti sono costituiti dalla "vendita di prodotti", le misure sono due: "quantità vendute" ed "incasso", ed infine le dimensioni analizzate sono tre: "giorno", "prodotto", e "negozio". Quindi è possibile riassumere che in una visione multidimensionale, il fatto rappresenta l'ipercubo, la misura la singola cella e la dimensione il lato di analisi. La parte dell'ipercubo analizzata viene definita vista. Perché dare la possibilità di creare differenti viste? Ogni attore del livello strategico è interessato ad una specifica vista, ad esempio: Il manager regionale esamina la vendita dei prodotti inIl testo formattato con i tag HTML è il seguente:

Tutti i periodi relativamente ai propri mercati. Il manager di prodotto esamina la vendita di un prodotto in tutti i periodi e in tutti i mercati. Il manager finanziario esamina la vendita dei prodotti in tutti i mercati relativamente al periodo corrente e quello precedente. Il manager strategico si concentra su una categoria di prodotti, una area regionale e un orizzonte temporale medio.

L'architettura di un DW può essere riassunta come segue: L'architettura è suddivisa per livelli: il primo livello è quello di Data Sources, nel quale vengono acquisiti dati da sorgenti esterne (web, reti di sensori, DB transazionali) oppure da altri sistemi informativi. Il livello successivo è quello di Data Storage, che ha l'obiettivo di estrarre i dati dalle varie sorgenti, trasformarli in una specifica rappresentazione, caricarli nel DW e periodicamente fare il refresh di tali dati per memorizzare gli aggiornamenti: questo livello prende anche il nome di ETLR (Exstraction,

Transformation, Load and Refresh). C'è poi un livello di OLAP Engine nel quale il DW viene splittato in maniera intelligente in tanti Data Marts, ovvero in tanti cubetti multi-dimensionali sui quali è possibile fare elaborazioni mediante vari tool per tirare fuori analitiche, report e data mining. Quando si ha a che fare con dei dati che non si conoscono si cerca di fare un clustering, cioè un raggruppamento intelligente di essi secondo alcune features che potrebbero accomunarli. In genere prima di caricare o refreshare i dati nel DW è possibile filtrarli mediante un Data Filter per verificare la correttezza di essi, eliminando dati scorretti, e poi esportarli con dei Data Exports. I dati acquisiti dall'esterno possono essere memorizzati nel DW con due possibili schemi, la cui differenza sta nelle modalità con le quali vengono organizzati i fatti, le misure e le dimensioni:

• Schema a Stella: è un tipo di diagramma Entità-Relazione ER,

che definisce una rappresentazione grafica