Datalight
|
Il Data Warehouse (DW) è ormai uno dei fenomeni
consolidati dellInformation Technology: le stesse esigenze di competitività ed
efficienza che hanno spinto le grandi Aziende a dotarsene si stanno presentando sempre
più urgentemente anche alle Imprese Piccole o Medie (PMI) che lo devono prendere in seria
considerazione come opportunità strategica per la propria crescita.
Tutto questo spiega ampiamente perché in un Azienda si
progetti e si costruisca il DW, letteralmente il magazzino dei dati, che è quella base
dati "specializzata" che attingendo periodicamente sia dal sistema informativo
aziendale sia da altre sorgenti informative (banche dati private, internet, basi dati
aziendali non incluse nel Sistema Informativo aziendale, ecc.) raccoglie e mette insieme
informazioni secondo regole ben definite presentandole, poi, in una forma comprensibile a
chi in Azienda deve prendere decisioni tattiche e/o strategiche. E solo in questo
modo che si utilizza in pieno linformazione, garantendo sempre tempi
di risposta accettabili in unanalisi interattiva di tipo manageriale, e al tempo
stesso salvaguardando lintegrità del sistema transazionale di partenza che non
viene caricato di responsabilità e funzionalità diverse da quelle per cui è stato
progettato.
Allo scopo di realizzare applicazioni di BI molte Aziende si stanno orientando a progettare ed implementare dei Data Mart integrabili e/o incrementali piuttosto che un DW: ma qual è la differenza tra un Data Mart ed un DW? Da un punto di vista tecnologico un DW ed un Data Mart sono la stessa cosa. Mentre, però, un DW è la raccolta di dati assemblati al livello più basso di dettaglio disponibile nelle più importanti aree di business di unazienda, un Data Mart si specializza su un singolo reparto o area funzionale aziendale e contiene dati di sintesi (Landon, 1998). Quindi un Data Mart contiene i dati per eseguire delle specifiche funzioni e poiché in genere contiene un numero più limitato di dati rispetto ad un DW, i Data Mart lavorano in modo molto più veloce dei DW. Lattuale tendenza è quella di preferire, come struttura base del sistema, un Data Mart che offra funzionalità specializzate su una specifica area aziendale e successivamente costruire altri data Mart specializzati su altre tematiche fino a coprire tutte le aree aziendali. Si tende, quindi, progettare più data mart indipendenti specializzati su differenti e specifiche aree aziendali che però alla fine risultano tutti tra di loro integrabili ed integrati in quanto utilizzano i "dati" come "linea guida comune" attraverso le tecniche di data modelling. Queste tecniche prevedono tra laltro:
I DW sono spesso considerati una buona tecnologia per supportare soluzioni di knowledge discovery in databases (KDD). Questo è il processo di esplorazione e analisi di grandi quantità di dati, condotto in modo automatico o semiautomatico, al fine di scoprire delle regolarità (pattern) nei dati, che siano considerabili come nuovi elementi di conoscenza. In un contesto aziendale, la conoscenza scoperta può avere un grande valore perché consente per esempio di aumentare i profitti riducendo i costi oppure aumentando le entrate. Questo spiega limportanza di soluzioni KDD nel BI.
Il processo KDD include un passo di data mining (DM), che consente di effettuare, mediante l'applicazione di un particolare algoritmo, per esempio delle analisi di mercato o analisi di comportamento ovvero delle analisi di previsione. Oltre alle note tecnologie per la gestione dei dati, il passo di data mining utilizza anche la statistica, allo scopo di definire la qualità delle informazioni, e l'intelligenza artificiale per costruire basi di conoscenza. Si articola in cinque fasi:
I tipi di informazioni prodotte dagli strumenti per il data mining, sono le associazioni, le sequenze, le classificazioni, i raggruppamenti o cluster e le tendenze. Le tecniche usate singolarmente o combinate tra loro sono le reti neurali, l'induzione, la scoperta di regole e la visualizzazione di dati.
|
[ HOME|Business Intelligence|Data warehousing| Attività di progetto] |