Your SlideShare is downloading. ×
2470620 data-warehouse
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×

Saving this for later?

Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime - even offline.

Text the download link to your phone

Standard text messaging rates apply

2470620 data-warehouse

163
views

Published on


0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
163
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
8
Comments
0
Likes
0
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. 1 Data warehousing e OLAP • Introduzione – Il contesto, processi aziendali • Decision Support Systems • Sistemi di Data Warehousing – Data mart – Architettura – Modellazione Concettuale – Star Schema, Dimensioni, Livelli • OLAP • Progettazione di un Data Warehouse – Analisi, Integrazione, Progettazione
  • 2. 2 Il Contesto • Verso la fine degli anni ‘90 si è capita l’importanza strategica, per il business, dell’uso dei dati aziendali raccolti dai processi operazionali (Business Intelligence) • Il ritorno di investimento dato dall’automatizzazione dei processi aziendali non dava il risultato sperato. • Occorreva sfruttare meglio i dati aziendali globali accumulati
  • 3. 3 In genereIn genere::  abbondanza di dati ma anche  abbondanza di ridondanza ed inconsistenza che non permette di utilizzare i dati in modo utile a fini decisionali DB4 Il problema DB1 DB3 DB2
  • 4. 4 Tipiche richieste • Qual è il volume delle vendite per regione e categorie di prodotto durante l’ultimo anno? • Come si correlano i prezzi delle azioni delle società produttrici di hardware con i profitti trimestrali degli ultimi 10 anni? • Quali sono stati i volumi di vendita dello scorso anno per regione e categoria di prodotto? • In che modo i dividendi di aziende di hardware sono correlati ai profitti trimestrali negli ultimi 10 anni?
  • 5. 5 •gestione dei rischi •analisi finanziaria •programmi di marketing •analisi statistica •integrazione DB clienti •integrazione relazioni clienti •analisi temporale •telecomunicazioni •banking •università •assicurazioni •beni di consumo •salute •produzione contesti problematiche Possibili applicazioni
  • 6. 6 In sintesi ... dati conoscenza utile all’azienda sistemi di supporto alle decisioni (DSS) DSS: Tecnologia che supporta la dirigenza aziendale nel prendere decisioni tattico- strategiche in modo migliore e più veloce
  • 7. 7 Processi Aziendali Processi informativi aziendali: Processi operativi Operano su dati dipartimentali e dettagliati Decisioni strutturate e basate su regole definite Processi gestionali Operano su dati settoriali e parzialmente aggregati Decisioni semistrutturate, basate su regole note ma con intervento umano creativo Processi direzionali Operano su dati integrati e aggregati Decisioni non strutturate, non cis ono regole, il tutto è basato su capacità umane
  • 8. 8 Processi Aziendali - Una Banca Processi Operativi: Gestione di un movimento su Conto Corrente bancario presso uno sportello Processi Gestionali Concessione di un fido Revisione delle condizioni su conto corrente Processi Direzionali Verifica dell’andamento di servizi su carte di credito Lancio di una campagna promozionale Accordi commerciali
  • 9. 9 Processi Aziendali - Compagnia Telefonica Processi Operativi: Stipula dei contratti Instradamento delle telefonate Dati contabili telefonate(scatti, durata, tariffa…) Processi Gestionali Stipula di contratti speciali Installazione infrastrutture Processi Direzionali Scelta dei parametri che fissano il costo delle telefonate Definizione di contratti diversificati Pianificazione potenziamento infrastrutture
  • 10. 10 Informatizzazione dei sistemi informativi aziendali Un sistema aziendale può essere tanto più informatizzato quanto più le sue decisioni sono strutturate. Un processo altamente strutturato può essere facilmente informatizzato, mentro un processo non strutturato può essere solo parzialmente supportato da inziative di informatizzazione
  • 11. 11 Sistemi Informativi Tipologie di sistemi informativi: Transaction Processing System: dipartimentali, per sistemi strutturati Management Information System: settoriali, anche per processi gestionali Decision Support System: fortemente integrati, di supporto alle decisioni
  • 12. 12 Perché i sistemi tradizionali non sono sufficienti? • Non gestiscono dati storici • Sono sistemi eterogenei • Basse prestazioni • DBMS non adeguati al supporto decisionale • Problemi di sicurezza
  • 13. 13 • Sistemi tradizionali – On-Line Transaction Processing (OLTP) • Sistemi di data warehousing – On-Line Analytical Processing (OLAP) ⇒ Profondamente diversi Più formalmente…
  • 14. 14 Sistemi di Supporto alle Decisioni I DSS sono i sistemi che supportano la dirigenza nel predere decisoni tattico-strategiche, nel modo migliore e velocemente. Tipiche operazioni: 3. Quali sono stati i volumi di vendita dello scorso anno per una certa categoria di prodotto? 4. Quali ordini dovremmo soddisfare per massimizzare le entrate? Ci si basa sui dati accumulati da OLTP.
  • 15. 15 In dettaglio ... OLTP OLAP funzione gestione giornaliera supporto alle decisioni progettazione orientata alle applicazioni orientata al soggetto frequenza giornaliera sporadica dati recenti, dettagliati storici, riassuntivi, multidimensionali sorgente singola DB DB multiple uso ripetitivo ad hoc accesso read/write read flessibilità accesso uso di programmi precompilati generatori di query # record acceduti decine migliaia tipo utenti operatori manager # utenti migliaia centinaia tipo DB singola multiple, eterogenee performance alta bassa dimensione DB 100 MB - GB 100 GB - TB
  • 16. 16 Sistemi di Supporto alle Decisioni In generale i DSS si usano per: • Customer Retention – Identificare pattern che portano il cliente alla “defezione” • Customer Service – Servizi di recommendation del prodotto • Marketing – Targeting delle promozioni • Risk Assessment, Fraud Detection – Trovare pattern sospetti
  • 17. 17 Evoluzione dei DSS • Anni ‘60: rapporti batch – difficile trovare ed analizzare i dati – costo, ogni richiesta richiede un nuovo programma • Anni ‘70: DSS basato su terminale – non integrato con strumenti di automazione d’ufficio • Anni ‘80: strumento d’automazione d’ufficio – strumenti di interrogazione, fogli elettronici, interfacce grafiche – accesso ai dati operazionali • Anni ‘90: data warehousing, con strumenti integrati OLAP
  • 18. 18 I sistemi di data warehousing Il Data Warehousing si può definire come il processo di integrazione di basi di dati indipendenti in un singolo repository (il data warehouse) dal quale gli utenti finali possano facilmente ed efficientemente eseguire query, generare report ed effettuare analisi
  • 19. 19 Data Marts • Data warehouse dipartimentale • sistema specializzato che mette insieme i dati necessari ad un dipartimento • implementato creando views specifiche alle applicazioni • sottoinsiemi materializzati di views dipartimentali che focalizzano su soggetti determinati. • Possono utilizzare differenti metafore di rappresentazione
  • 20. 20 Il data warehouse Collezione di dati che soddisfa le seguenti proprietà: • usata per il supporto alle decisioni • orientata ai soggetti • integrata: livello aziendale e non dipartimentale • correlata alla variabile tempo: ampio orizzonte temporale • con dati tipicamente aggregati, per effettuare stime • fuori linea: dati aggiornati periodicamente
  • 21. 21 Il data warehouse Orientata ai soggetti: considera i dati di interesse ai soggetti dell’organizzazione e non quelli rilevanti ai processi organizzativi – basi di dati operazionali dipartimentali: • vendita, produzione, marketing – data warehouse: prodotti, clienti, fornitori
  • 22. 22 Il data warehouse Integrata: – i dati provengono da tutte le sorgenti informative – il data warehouse rappresenta i dati in modo univoco, riconciliando le eterogeneita` delle diverse rappresentazioni: • nomi • struttura • codifica • rappresentazione multipla
  • 23. 23 Il data warehouse Correlata alla variabile tempo: presenza di dati storici per eseguire confronti, previsioni e per individuare tendenze – basi di dati operazionali: finestra temporale di pochi mesi – data warehouse: finestra temporale dell’ordine di anni
  • 24. 24 Il data warehouse Dati aggregati: nell’attività di analisi dei dati per il supporto alle decisioni: – non interessa “chi” ma “quanti” – non interessa un dato ma la somma, la media, il minimo, il massimo di un insieme di dati
  • 25. 25 Il data warehouse Fuori linea: – base di dati operazionale: i dati vengono acceduti, inseriti, modificati, cancellati pochi record alla volta – data warehouse: • operazioni di accesso e interrogazione diurne • operazioni di caricamento e aggiornamento notturne che riguardano milioni di record
  • 26. 26 Data Warehouse Extract Transform Load Refresh OLAP Server Analysis Query Reports Data mining Tools Serve Data Marts Operational DBs other source s Architettura
  • 27. 27 Popolare un data warehouse • Estrazione dei dati dalle sorgenti informative • Trasformazione e pulizia dei dati, trasformazione di formato e correlazione con oggetti provenienti da altre sorgenti • Caricamento aggiunta di informazioni temporali e generazione di dati aggregati • Refresh - modalità incrementale
  • 28. 28 System Design • Capacita` di pianificazione nel definire l’architettura • Integrazione di servers e clients • Disegno degli schemi e delle viste del data warehouse • Disegno dell’organizzazione fisica del warehouse: metodi di accesso, di caricamento, di partizionamento • Metodi di connessione • Disegno e implementazione degli script per l’estrazione, il caricamento e il refresh dei dati • Definizione dei metadati e popolamento della repository • Disegno e implementazione delle applicazioni-utente
  • 29. 29 Tecnologie coinvolte • conceptual data modeling – disegno dello schema del warehouse • integrazione di dati da fonti eterogenee – monitoraggio e integrazione • estensione di tecniche relazionali • distributed and parallel processing – warehouse & OLAP server
  • 30. 30 Modellazione concettuale di un data warehouse Dimensioni e misure – Star schema: Un singolo oggetto (fact table) in mezzo connessa ad un numero di oggetti (dimension tables) – Snowflake schema: Un raffinamento dello star schema in cui la gerarchia dimensionale è rappresentata esplicitamente (normalizzando le tabelle delle dimensioni) – Fact constellations: fact tables multiple condividono dimension tables.
  • 31. 31 Star Schema • Un fatto è un evento di interesse per l’impresa (vendite, spedizioni, acquisti) • Le misure sono attributi che descrivono quantitativamente il fatto da diversi punti di vista (num di unità vendute, prezzo unitario) • Una dimensione determina la granularità minima di rappresentazione dei fatti (il prodotto,il negozio, la data) • Una gerarchia determina come le istanze di un fatto possono essere aggregate e selezionate - descrive una dimensione
  • 32. 32 Dimensioni • Devono essere scelte sono le entità rilevanti per l’analisi • Tipicamente sono caratterizzate da attributi testuali o discreti • La dimensione temporale esiste sempre Esempio: •vendite in una catena di supermercati –Dimensioni: tempo, prodotti, magazzino •Iscrizioni universitarie –Dimensioni: tempo, facoltà, tipologia studenti
  • 33. 33 Dimensioni Come si identifica se un attributo numerico è un fatto o una dimensione? Se è una misura che varia continuamente nel tempo è un fatto analisi costo di un prodotto nel tempo Se è una discrizione discreta di qualcosa che e’ ragionevolmente costante è un attributo di una dimensione costo di un prodotto come informazione descrittiva
  • 34. 34 Dimensioni • Tipicamente le dimensioni sono: – Tempo – Collocazione geografica – Organizzazione – Clienti • Il numero di attributi per ogni dimensione è in genere molto elevato (centinaio)
  • 35. 35 Fatti • I fatti sono tipicamente numerici addittivi • Es. vendita in una catena di supermercati i fatti possono essere – N. prodotti venduti – Incassi – Costi – …..
  • 36. 36 Addittività dei fatti • Se i dati si possono aggregare sommando rispetto ad ogni dimensione, sono detti addittivi (incassi totali) • Se si possono aggregare sommando su alcune dimensioni, ma non si possono aggregare sommando su altre sono detti semiaddittivi (es. le misure statiche come bilanci finanziari sono semiaddittive rispetto al tempo) • Se i fatti non si possono sommare sono detti non addittivi (es. costi unitari non si possono aggregare se prima non si moltiplicano per la unita’ vendute)
  • 37. 37 Gerarchie ed aggregati • L’idea delle gerarchie é di aggregare automaticamente i dati di interesse quando ci si focalizza su un livello Se ci concentriamo su “Mese” i fatti rappresentano i totali delle vendite per ogni mese • Possiamo concentrarci su diversi livelli della gerarchia in dimensioni diverse le vendite mensili per regione di ogni prodotto • Gerarchia Tipica: – Comune, Provincia, Regione,Stato, Continente
  • 38. 38 Esempio di Star Schema Date Month Year Date CustId CustName CustCity CustCountry Cust Sales Fact Table Date Product Store Customer unit_sales dollar_sales Yen_sales Measurements ProductNo ProdName ProdDesc Category QOH Product StoreID City State Country Region Store Chiavi Esterne La Fact Table è normalizzata
  • 39. 39 Esempio di Snowflake Schema Date Month Date CustId CustName CustCity CustCountry Cust Sales Fact Table Date Product Store Customer unit_sales dollar_sales Yen_sales Measurements ProductNo ProdName ProdDesc Category QOH Product Month Year Month Year Year City State City Country Region Country State Country State StoreID City Store
  • 40. 40 Star Schema vs Snowflake Schema • Uno schema snowflake fattorizza di più e quindi rende meno efficienti le operazioni di ricerca (+ operazioni join) • In genere si usa solo quando aumenta la leggibilità dello schema e le prestazioni globali
  • 41. 41 OLAP: On-Line Analytical Processing • Una visione multidimensionale, LOGICA, dei dati • Analisi interattiva dei dati • Modellazione analitica: derivazione delle proporzioni, delle varianze, etc • Aggregazioni per ogni intersezione di ogni dimensione. • Previsione, trend analysis, e statistical analysis. • Calcola e visualizza i dati in 2D o 3D crosstabs, charts, e grafi, with semplici operazioni di pivoting degli assi
  • 42. 42 OLAP: Data Cubes sum Milk Bread … ... sum Jan 96 … ... sum Feb 96 Product Store Time Orange Pisa Roma Firenze All Products January 96, Pisa. Ogni dimensione contiene una gerarchia di valori una cella del cubo contiene valori aggregati (count, sum, max, etc.)
  • 43. 43 OLAP: esempi prodotto magazzino tempo Il manager regionale esamina la vendita dei prodotti in tutti i periodi relativamente ai propri mercati Il manager di prodotto esamina la vendita di un prodotto in tutti i periodo 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, un’area regionale e un orizzonte temporale medio
  • 44. 44 Operazioni tipiche • Roll up: riassumi i dati – il volume totale di vendite per categoria di prodotto e per regione • Roll down, drill down, drill through: passa da un livello di dettaglio basso ad un livello di dettaglio alto – per un particolare prodotto, trova le vendite dettagliate per ogni venditore e per ogni data • Slice and dice: select & project – Vendite delle bevande nel West negli ultimi 6 mesi • Pivot: riorganizza il cubo
  • 45. 45 Operazioni tipiche: Pivot ProductStore Time All Time All Time Product All All AllAll Drill-Down Pivot Pivot Drill-Down Drill-Down Pivot
  • 46. 46 Operazioni tipiche: Roll-Up ProductStore Month ProductStore Year Roll-up Drill-Down ProductRegion Year Roll-up Drill-Down
  • 47. 47 Operazioni tipiche: Slice and Dice ProductStore Month Slice ProductStore Month
  • 48. 48 ROLAP & MOLAP ROLAP (Relational OLAP): – utilizza le funzionalità di un’engine relazionale • Tecnologia consolidata • molto efficienti su dati di dettaglio • estesi in modo da permettere la materializzazione degli aggregati • performance • scalabilità • general-purposes – fornisce ulteriori servizi OLAP services • tools di disegno per schemi DSS • permette di utilizzare performance analysis tools – SQL strumento principale – Queries difficili da formulare e possono essere time- consuming
  • 49. 49 ROLAP & MOLAP MOLAP (Multidimensional OLAP): • Il modello di memorizzazione è un vettore multidimensionale • Queries multidimensionali si mappano sul server in modo immediato • Ma: – Dati sparsi difficili da gestire – Memoria sottoutilizzata – … no join – … no interfaccia SQL (API) – … necessità sistema relazionale per dati dettaglio – … file molto grandi – … limitazioni a circa 10GB (problemi scalabilità)
  • 50. 50 DBMS multidimensionali vendite prodotto mese magazzino 1 vino febbraio A 2 acqua febbraio B 3 coca cola aprile A 4 acqua maggio A 5 acqua settembre C … … … ... prodotto magazzino tempo vino acqua coca cola mag apr feb set C B A 15 121 42 10 9 25 2 7 11 23 3
  • 51. 51 ROLAP & MOLAP • Performance – Query: MOLAP – Caricamento: ROLAP • Analisi: MOLAP • Dimensione DW: ROLAP – MOLAP: problema sparsità • Flessibilità nello schema: ROLAP – MOLAP: minor numero di dimensioni ammesse
  • 52. 52 Metodologie di Progetto La progettazione di un data warehouse è diversa dalla progettazione di una base di dati operazionale, infatti i dati da memorizzare hanno caratteristiche diverse, si è vincolati alle basi di dati esistenti.
  • 53. 53 Progettazione del Data Warehouse Attività principali: – Requisiti utenti (interviste….) – Analisi delle sorgenti informative esistenti – Integrazione – Progettazione concettuale, logica e fisica
  • 54. 54 Progettazione del Data Warehouse Analisi Selezione delle sorgenti informative Traduzione in un modello concettuale comune Analisi delle sorgenti informative Integrazione Integrazione di schemi concettuali Progettazione Progettazione Concettuale Progettazione Logica Progettazione Fisica
  • 55. 55 Dati in ingresso • Requisiti aziendali di analisi • Descrizione delle basi di dati • Descrizione di altre sorgenti informative (dati ISTAT etc)
  • 56. 56 Fase di Analisi • Selezione delle sorgenti informative • Traduzione in un modello concettuale di riferimento (integrazione tra schemi) • Analisi delle sorgenti informative (identificazione dei fatti, misure e dimensioni)
  • 57. 57 La fase di Integrazione • E’ l’attività di fusione dei dati rappresentati in più sorgenti in un’unica base dati globale. • Lo scopo principale è l’identificazione di tutte le porzioni delle sorgenti informative che si riferiscono allo stesso aspetto e unificare la loro rappresentazione • Identificazione analisi e risoluzione di conflitti
  • 58. 58 La Fase di Progettazione • La semplice integrazione non descrive tutti i dati di interesse • Progettazione: – Concettuale - individuare concetti dimensionali necessari per l’analisi – Logica - identificare il miglior compromesso tra la necessità di aggregare i dati e di normalizzarli – Fisica - individuare la distribuzione dei dati e relative strutture di accesso
  • 59. 59 Modelli dei Dati • Le sorgenti informative possono essere varie: legacy, relazionale, object-oriented, semistrutturato, rappresentazione concettuale • Per l’analisi e l’integrazione si fa riferimento al modello Entità - Relazioni • Per la progettazione si usa il modello logico per basi di dati multidimensionali (MD) • Per la realizzazione si fa riferimento al modello relazionale (ROLAP) e ad un modello multidimensionale generico (MOLAP)
  • 60. 60 Reverse Engineering • Attività di comprensione concettuale di uno schema di dati - da relazionale a concettuale • Uno schema ER è più espressivo di uno schema relazionale, ci vuole conoscenza di dominio per recuperare la conoscenza persa nella progettazione logica • Il reverse engineering di schemi relazionali viene fatto in modo semiautomatico da strumenti CASE
  • 61. 61 Integrazione di sorgenti informative • E’ necessario risolvere i conflitti che nascono dall’integrazione degli schemi. Sono dovuti alla diversa rappresentazione dell’informazione. • Esempio: Nome e Cognome: – “Mario”, “Rossi” – “Mario Rossi” – “Rossi Mario” – “Rossi, M.”
  • 62. 62 Progettazione del DW e schemi MD • Introduzione di elementi dimensionali nella base di dati integrata • Identificazione di fatti, misure e dimensioni • Ristrutturazione dello schema concettuale – Rappresentazione dei fatti tramite entità – Individuazione di nuove dimensioni – Raffinamento dei livelli per ogni dimensione • Grafo dimensionale • Progettazione logica e fisica
  • 63. 63 Schema integrato ER
  • 64. 64 Grafo di derivazione di uno schema dimensionale
  • 65. 65 La traduzione • La dimensioni corrispondono agli ipernodi del grafo • Livelli e descrizioni corrispondono ai nodi • Le funzioni di roll-up corrispondono agli archi del grafo • Le tabelle dei fatti sono derivabili dai nodi fatto
  • 66. 66 Star Schema