2 repository metadati_e_schemi

  • 75 views
Uploaded on

 

  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Be the first to comment
    Be the first to like this
No Downloads

Views

Total Views
75
On Slideshare
0
From Embeds
0
Number of Embeds
0

Actions

Shares
Downloads
1
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
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13
  • <number>
    19/10/13

Transcript

  • 1. Università degli studi di Torino – Corso di laurea in Fisica maggio 2006 Trattamento dati nelle imprese Riccardo Grosso Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 2. Le attività di recupero e integrazione della conoscenza concettuale sui dati PA Azioni di medio termine Prof. Carlo Batini Università Bicocca - Milano Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 3. Contenuti  Perché la modellazione concettuale dei importante nei processi produttivi CSI-Piemonte  Attività in corso  Primi risultati Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali dati del è
  • 4. IL CSI Piemonte …  Gestisce circa 500 basi di dati di interesse di un vasto insieme di amministrazioni del Piemonte  Le 500 basi di dati sono rappresentate nella grande generalita’ con schemi logici o fisici relazionali  Percio’: La risorsa informazione e’ nascosta, in quanto rappresentata solo nei suoi aspetti tecnologici La risorsa informazione e’ rappresentata in modo non integrato ed eterogeneo nelle 500 basi di dati. Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 5. L’informazione negli schemi e’ nascosta ……                              DATA DIVISION. WORKING-STORAGE SECTION. 01 PERSONA. 05 UOMo. 10 10 05 DONNA 10 10 10 01 AMMINISTRAZIONE. 05 REGIONE. 10 10 10 05 PROVINCIA 10 10 10 10 05 COMUNE 10 10 10 10 01 PERSONA-AMMINISTRAZIONE. 05 LEGAME. 10 10 COD-UOMO DESC-UOMO REDEFINES TIPO-RECORD COD-DONNA DESC-DONNA PIC X(5). PIC X(80). UOMO. PIC X. PIC 9(5). PIC X(80). COD-REGIONE COD-DUMMY DES-REGIONE REDEFINES COD-REGIONE COD-PROVINCIA COD-DUMMY2 DES-PROVINCIA PIC X(3). PIC X(6). PIC X(80). REGIONE. PIC X(3). PIC X(3). PIC X(3). PIC X(80). REDEFINES COD-REGIONE PIC X(3). COD-PROVINCIA PIC X(3). COD-COMUNE PIC X(3). DES-COMUNE PIC X(80). COD-PERSONA COD-AMMIN PIC X(5). PIC X(3). Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali REGIONE.
  • 6. Gli schemi sono non integrati ed eterogenei Persona Codice fiscale Anagrafe residenti Numero Codice tessera fiscale sanitaria Anagrafe assistiti Codice progressivo Anagrafe soggetti fiscali Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali Archivio dipendenti Codice interno Archivio cacciatori
  • 7. Visione  Il CSI Piemonte e le Amministrazioni del piemonte sono coinvolte nei processi di eGovernment, sia a livello locale (Piemonte) sia a livello nazionale (cooperazione con le Amministrazioni centrali)  Sono percio’ protagonisti nel disegno di cambiamento Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 8. Per attuare questo disegno abbiamo bisogno di  1. Un modello per rappresentare gli schemi dati  2. Una struttura con cui organizzare gli schemi in un repository  3. Una metodologia con cui creare e manutenere il repository in maniera efficiente a partire dalla conoscenza disponibile  4. Uno scenario di utilizzazione della conoscenza accumulata  5. Uno strumento di supporto Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 9. 1. Il modello Il modello Entita’ Relazione Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 10. Esempio di schema nel modello Entita’ Relazione Le persone si dividono in donne e uomini. Le persone sono descritte da codice e cognome Le persone sono nate in Comuni, i Comuni sono localizzati in Province e le Province in Regioni Comuni, Province e Regioni hanno codice e nome Generalizzazione Persona Codice Cognome Donna nato Uomo Comune Codice Nome Entita’ Provincia Codice Nome in Relazione Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali in Regione Codice Nome Attribut o
  • 11. Le persone si dividono in donne e uomini. Le persone sono descritte da codice e cognome Le persone sono nate in Comuni, i Comuni sono localizzati in Province e le Province in Regioni Comuni, Province e Regioni hanno codice e nome Persona Codice Cognome Donna     Dal Cobol, al modello Entita’ Relazione                    al linguaggio naturale       nato Comune Codice Nome In Provincia Codice Nome in Regione Codice Nome Uomo DATA DIVISION. WORKING-STORAGE SECTION. 01 PERSONA. 05 10 10 05 10 10 10 01 AMMINISTRAZIONE. 05 10 10 10 05 10 10 10 10 05 10 10 10 10 01 PERSONA-AMMINISTRAZIONE. 05 10 10 UOMo. COD-UOMO DESC-UOMO REDEFINES TIPO-RECORD COD-DONNA DESC-DONNA PIC X(5). PIC X(80). UOMO. PIC X. PIC 9(5). PIC X(80). COD-REGIONE COD-DUMMY DES-REGIONE REDEFINES COD-REGIONE COD-PROVINCIA COD-DUMMY2 DES-PROVINCIA COD-REGIONE COD-PROVINCIA COD-COMUNE DES-COMUNE DONNA PIC X(3). PIC X(6). PIC X(80). REGIONE. PIC X(3). PIC X(3). PIC X(3). PIC X(80). REDEFINES PIC X(3). PIC X(3). PIC X(3). PIC X(80). COD-PERSONA COD-AMMIN PIC X(5). PIC X(3). REGIONE. PROVINCIA COMUNE LEGAME. Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali REGIONE.
  • 12. 2. La struttura del repository di schemi Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 13. Studio CSI Assinform Organizzazione Fornisce Fruisce Flusso di dati Riguarda Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali Materia
  • 14. Noi siamo interessati sia ai flussi che alle basi di dati Materia Organizzazione Aggiorna Usa Fornisce Fruisce Flusso di dati Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali Base Dati
  • 15. Metaschema – Versione dettagliata - 1 Materia/ Argomento CSI Organizzazione Fornisce Fruisce Aggiorna Usa Schema logico fisico Flusso di dati Schema concettuale Concetto di schema (Entita’/Rel/Generalizzazione) Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 16. Ma se io ho tanti schemi concettuali, come faccio a dar loro una struttura? Non li posso certo integrare in un unico schema…. Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 17. Due strumenti concettuali Integrazione, per “mettere insieme” e “riconciliare” Astrazione, per “capire” e “sintetizzare” Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 18. Integrazione (linguaggio naturale) •Lavoratori, loro citta’ di nascita e relativa regione •Lavoratori e loro organizzazioni, e, delle organizzazioni, •regioni dove sono localizzate  Schema 1  Lavoratori e loro organizzazioni  Schema 2  Lavoratori, loro citta’ di nascita e relativa area regionale  Schema 3  Organizzazioni e regioni dove sono localizzate Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 19. L’integrazione: modello Entita’ Relazione Lavoratore nato in Citta’ Regione lavora in Organizza zione Lavoratore lavora Lavoratore nato Citta’ in Organizza zione Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali Area Regione Organizza zione in
  • 20. L’astrazione (linguaggio naturale) •Lavoratori, organizzazioni dove lavorano e riferimenti •geografici di nascita e di localizzazione. •Lavoratori, loro citta’ di nascita e relativa regione •Lavoratori e loro organizzazioni, e delle organizzazioni •Regioni dove sono localizzate Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 21. L’astrazione: modello Entita’ Relazione Lavoratore nato Riferimento geografico lavora Organizza zione Lavoratore nato in Citta’ in Regione lavora Organizza zione Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali in
  • 22. Se le usiamo insieme: integrazione + astrazione Lavoratore Riferimento geografico nato Astrazione in Organizza zione Lavoratore nato in in Citta’ Regione Integrazione in in Organizza zione Lavoratore Area lavora Lavoratore nato Citta’ in Organizza zione Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali Regione Organizza zione in
  • 23. La struttura di integrazione - astrazione nato Lavoratore Riferimento geografico lavora Organizza zione Integrazione – Astrazione in Lavoratore Regione lavora Lavoratore nato Citta’ in Regione Organizza zione Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali Organizza zione in
  • 24. Le abbiamo usate iterativamente ottenendo il repository Previdenza Giustizia Ambiente Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali Salute
  • 25. Schemi base e schemi astratti Schemi astratti Schemi base Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 26. 3. Una metodologia per costruire il repository a partire dalla conoscenza disponibile Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 27. Conoscenza disponibile per popolare il repository  Gli schemi logici e fisici della PA Piemontese (PAP) gestiti da Infodir Circa 500 schemi logici con Circa 18.000 tabelle con Circa 200.000 campi  Gli schemi concettuali della PA centrale (PAC) censiti e organizzati dall’Aipa in un Repository analogo Circa 5.000 entita’ Circa 10.000 attributi Circa 50 schemi astratti della PA Centrale, organizzati secondo le operazioni di integrazione astrazione Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 28. Facendo cio’ con basso utilizzo di risorse  Se procediamo con una metodologia tradizionale di reverse engineering sui 500 schemi PAP, assumendo due settimane persona a schema, si ha: Risorse con procedura tradizionale = 0,5 mesi persona * 500 = 25 anni persona  Dovevamo inventarci una metodologia approssimata che ci permetta di ridurre l’uso delle risorse di un ordine di grandezza Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 29. Repository PAC – struttura completa SCHEMA INTEGRATO DELLE BASI DI DATI DELLA PA DI 1° LIVELLO SCHEMA INTEGRATO DELLE BASI DI DATI DELLA PA DI 2° LIVELLO SCHEMA INTEGRATO DELLE BASI DI DATI DELLA PA DI 3° LIVELLO RISORSE SERVIZI SERVIZI SOCIALI ED ECONOMICI SERVIZI DIRETTI Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali TRASPORTI TRASPORTI COMUNICAZIONI 10/178 9/112 AZIENDE INDUSTRALI PRODUZIONE AZIENDE AGRICOLE LAVORO 3/53 BENI CULTURALI CULTURA 10/100 AMBIENTE 8/213 EDILIZIA AMBIENTE ISTRUZIONE ISTRUZIONE 3/134 SERVIZIO SANITARIO 5/56 ASSISTENZA SANITA' 6/155 6/130 SICUREZZA INTERNA SICUREZZA CRIMINALITA' GIUSTIZIA 6/76 DIFESA 10/76 ATTIVITA' GIURIDICA AFFARI ESTERI 4/36 RELAZIONI ESTERE IN ITALIA 6/53 RELAZIONI ITALIANE ALL' ESTERO CATASTO 3/66 PREVIDENZA RAPPRESENTANZE ASSICURAZIONE SOCIALE 9/118 CERTIFICA- STATISTICA 3/75 FORMAZIONE DIPENDENTI RISORSE UMANE 37/336 BENI IMMOBILI STRUMENTI AUTOMEZZI RISORSE STRUMENTALI E IMMOBILIARI 2/89 3/59 2/65 3/182 CAPITOLI DI SPESA TRASFERIMENTO FONDI 3/30 A ENTI LOCALI PER ENTI PUIBBLICI FISCO DOGANE RISORSE FINANZIARIE 6/69 8/293 ORGANI COLLEGIALI 2/12 2/93 PROTOCOLLO RISORSE DI SUPPORTO SERVIZI ECONOMICI LAVORO SERVIZI SOCIALI 9/118 SERVIZI GENERALI
  • 30. Lo schema piu’ astratto Unità organizzativa Bene Soggetto Riferimento territoriale Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali Documento
  • 31. In sintesi Pubblica Amministrazione centrale Rappresentazione concettuale Pubblica Amministrazione locale 550 schemi Rappresentazione logico fisica Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali 18.000 tabelle
  • 32. Schemi descritti nel Repository Bene Soggetto Riferimento territoriale Unità organizzativa Documento Soggetto S. fisico S. giuridico Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 33. 47 MF, MT 40 MI, MS 38 39 37 48 36 165 650 180 526 110 35 82 174 59 89 Contribuente ufficio iva 163 assistito 162 utente anagrafe tributaria appartenente catasto tossicodipendente 520 161 invalidità civile 91 164 vita sociale fisco Salute ed assistenza 160 74 190 92 2 54 654 autonomo 104 4 105 663 53 71 603 MAE, MF, 7 87 19 MGG,11 MI, 108 12 10 120 651 MIBCA, MLP, 21 9 20 65 MLPS, MT, 24 25 97 109 MTN, MCE, 68 93 96 51 MD, MURST 501 131 45 172 137 64 656 173 55 86 136 516 515 531 506 111 602 170 507 142 81 Segretario comunale politica lavoro MI candidato giustizia lavoratore straniero 80 segnalato affari esteri Tossicodipendente segnalato 101 88 171 disoccupato 601 straniero scuola pensioni Alla ricerca di nuova occupazione 16 borsista studente Soggetto fisico 52 600 con handicap di guerra Alla ricerca di prima occupazione 6 casalinga volontario contribuente Ricorrente per invalidità civile pensionato 653 MAE, MURST, MPI 98 153 MI, MT, MD MGG, MI, MIBCA , MT, MTN italiano detenuto dipendente 66 in attesa di giudizio Richiedente cittadinanza Richiedente visto 72 residente all’estero 63 18 27 90 5 132 99 condannato 73 MAE, MI, MLPS MAE, MGG, MI Schemi base e Gerachie di generalizzazione Caso Soggetto fisico Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 34. La gerarchia di soggetto –soggetto fisico •Lavoro •lavoratore –lavoratore autonomo –dipendente pubblico •disoccupato •…… –soggetto giuridico •impresa •istituzione p.a. •Istituzione sociale privata •…… Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 35. Utlizzeremo percio’ una conoscenza piu’ sintetica: le gerarchie di generalizzazione Pubblica Amministrazione Centrale Schemi concettuali Pubblica Amministrazione Locale Gerarchie di Generalizzazione: -Cittadino -Impresa -Organizzazione -Documento -Luogo -Bene Schemi logici Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 36. Sintesi della metodologia  Scopo della metodologia: semplificare il compito del referente dati, utilizzando il piu’ possibile strumenti automatici, a costo di una certa approssimazione nelle scelte.  Assunzione: ad un certo livello di astrazione gli schemi della PAL Piemontese sono “simili” a quelli della PA Centrale. Si differenziano nei livelli di astrazione piu’ bassi. Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 37. Le due fasi della metodologia Fase automatica Schema scheletro Referente dati competente sul dominio Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali Fase manuale Schema finale
  • 38. Fase automatica: generazione entita’  1-GENERAZIONE ENTITA' input: a) le entita' delle ontologie b) le tavole della base dati output: x) le tavole "pescate" dall'algoritmo y) le entita' delle ontologie corrispondenti alle tavole pescate in x ALGORITMO: - PER OGNI ENTITA' DELLE ONTOLOGIE (LOOP) - PER OGNI TAVOLA DELLA BASE DATI - SE C'E' ALMENO 1 ATTRIBUTO DELLA TAVOLA CHE SIA "SOMIGLIANTE" AL NOME DELL'ENTITA' DELL'ONTOLOGIA - SCELGO L'ENTITA' - ENDIF - END LOOP - END LOOP SOMIGLIANTE = LIKE "STRINGA" IN NOME E/O DESCRIZIONE ATTRIBUTO Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 39. Passo 1: Generazione entita’ Gerarchie PA Centrale E1 PA Piemontese ….. Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali Attributi e Tabelle
  • 40. Generazione entita’ Ricerca per somiglianza Gerarchie PA Centrale E1 PA Piemontese ….. Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali Attributi e Tabelle degli Schemi logici
  • 41. Generazione entita’ passo finale E3 PA Centrale E2 E1 E2 E1 E3 PA Piemontese ….. Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali Attributi e Tabelle
  • 42. Generazione generalizzazioni  2-GENERAZIONE GENERALIZZAZIONI input: a) le entita' trovate in generazione entita' b) le tavole trovate in generazione entita' output: x) le generalizzazioni delle entita' y) le generalizzazioni delle tavole algoritmo: - osservando le generalizzazioni complete delle entita' delle ontologie, riporto quelle presenti nelle entita' selezionate in generazione entita' - per analogia, le tavole corrispondenti alle entita' "sposano" le medesime generalizzazioni Con un esempio astratto, se ho una ontologia completa A B C D E Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 43. Generazione generalizzazioni  se precedentemente ho selezionato A, B, D le generalizzazioni trovate saranno A B D Se avevamo corrispondenza tra A e TAV1, B e TAV2, D e TAV4, avremo la gerarchia di generalizzazione tavole: TAV1 TAV2 TAV4 Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 44.  3-GENERAZIONE RELAZIONI Generazione relazioni input: a) le entita' selezionate ai passi precedenti output: x) le relazioni tra le entita' selezionate algoritmo: - per ogni entita' delle ontolologie selezionata (loop) - cerco nei 500 schemi le entita' (dei 500 schemi) - con riferimento all'esempio astratto di cui sopra avremo ad esempio: per A: A1,A2,...AN per B: B1,B2,..BN per C: C1,C2,...CN per D: D1,D2,...DN per E: E1,E2,...EN Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 45. Generazione relazioni  - supponiamo di trovare A1-B4 (A-B) A7-B5 (A-B) B3-D9 (B-D) C8-C4 (C-C) C6-D2 (C-D) C1-E8 (C-E) - in casi di molteplicita' scelgo 1 sola relazione, piu' o meno arbitrariamente... - nell'esempio scegliero': A-B (una delle 2 relazioni trovate) B-D C-D C-E non scelgo ma potrei farlo C-C - il cammino relazionale selezionato sara' A-B-D-C-E Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 46. Generazione attributi  4-GENERAZIONE ATTRIBUTI input: a) le entita' selezionate in passo 1 b) le tavole selezionate in passo 1 c) gli attributi delle tavole selezionate in passo 1 (vedasi algoritmo del passo 1) output: x) per ciascuna entita' i suoi attributi algoritmo: importo IN ciascuna entita' gli attributi delle tavole corrispondenti Con il solito esempio, se avevamo A corrisponde a TAV1 (CAMPO1, CAMPO2) B corrisponde a TAV2 (CAMPO3, CAMPO4) D corrisponde a TAV4 (CAMPO5, CAMPO6) l'output sara' A (CAMPO1, CAMPO2) B (CAMPO3, CAMPO4) D (CAMPO5, CAMPO6) Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 47. Infer constraints  5-GENERAZIONE RELAZIONI (PASSO ADDITIVO FATTO SUI CONSTRAINTS FISICI) input: a) le tavole pescate al punto 1 di generazione entita' output: x) le tavole selezionate unite dagli eventuali constraints, piu' eventuali tavole che si frappongono per costituire il cammino dei constraints algoritmo: - con un tool (generalmente erwin) si effettuano sulla base dati operazioni di "infer relationship" considerando: - chiavi primarie e chiavi straniere esistenti - indici univoci - somiglianza di nomi campi - si derivano i constraints (relazioni fisiche) Con un esempio, se avevamo individuato precedentemente le tavole TAV1, TAV2 e TAV4, il cammino relazionale fisico ottenuto dai constraints potrebbe essere: TAV1-tav5-TAV4-TAV2 (tav5 viene introdotto perche' necessaria al cammino per unire TAV1 e TAV4) Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 48. Verifica col referente dati  6-VERIFICA CON REFERENTE DATI input: a) tutto il materiale prodotto nei passi precedenti b) le indicazioni del referente dati che in generale saranno di 2 tipi: - mi aspettavo venisse pescata ANCHE questa tavola - NON mi aspettavo venisse pescata quest'altra tavola output: x) il modello dati con i concetti in piu' e/o in meno verificati col referente dati algoritmo: - per ogni entita' pescata impropriamente, la rimuovo (il criterio di somiglianza spara nel mucchio) - per ogni entita' mancante, la aggiungo con la consulenza del referente dati, corredandola di attributi e relazioni Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 49. Passo Manuale: Verifica del referente dati Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 50. Esempio simbolico Schema “automatico” Schema dopo verifica referente Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 51. Sperimentazione Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 52. Matrice Basi di dati selezionate - Domini - Organizzazioni Dominio/ Organizzazione Territorio Imprese Sanita’ Regione Piemonte x x x Provincia di Torino x Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali Citta’ di Torino x
  • 53. Basi di dati selezionate - 2  Regione Piemonte Argomento imprese • Dominio agricoltura – Registro aziende agricole • Dominio lavoro e imprese – Attivita’ produttive – Finanziamenti alle imprese Argomento sanita’ • Dominio sanita’ – Statistiche interruzioni di gravidanza Argomento territorio • Dominio territoriale – Legislazione su risorse idriche – Rete idrogeologica – Stradario Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 54. Basi di dati selezionate - 2  Citta’ di Torino •Argomento territorio –Dominio territoriale »Toponomastica citta’  Provincia di Torino •Argomento territorio –Dominio catasto »Registro strade provinciali Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 55. Contesto Documento Soggetto Luogo Riferimento catastale Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali Soggetto fisico / persona fisica
  • 56. Organizzazione Città di Torino Riferimento catastale Luogo Soggetto Soggetto fisico/ persona fisica Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 57. Argomento territorio Soggetto Soggetto fisico/ persona fisica Luogo Documento Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 58. Dominio territoriale Soggetto Soggetto fisico/ persona fisica Documento Luogo Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali Riferimento catastale
  • 59. Toponomastica Città Riferimento catastale Soggetto Luogo Località Soggetto fisico / Persona fisica Unità immobiliare urbana Sede Contribuente Appartenente catasto Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 60. Organizzazione Provincia di Torino Luogo Riferimento catastale Soggetto Soggetto fisico/ persona fisica Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 61. Argomento territorio Soggetto Soggetto fisico/ persona fisica Luogo Documento Soggetto giuridico Impresa Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 62. Dominio catasto Documento Soggetto fisico/ persona fisica Soggetto Italiano Luogo Riferimento catastale Soggetto giuridico Impresa Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 63. Cspvto Registro strade provinciali Documento Soggetto Luogo Sede Soggetto fisico/ Persona fisica Soggetto giuridico Strutture Contribuente Impresa Traverse Diario elemento Diario Elementi Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali Volumi di traffico Responsabili Località
  • 64. Organizzazione Regione Piemonte Documento Soggetto Luogo Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali Soggetto fisico/ persona fisica
  • 65. Argomento imprese Documento Soggetto Luogo Riferimento catastale Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 66. Dominio agricoltura Luogo Riferimento catastale Localita Sede Soggetto Soggetto fisico/ persona fisica Contribuente Appartenente catasto Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 67. Smrgaa Registro aziende agricole Luogo Soggetto Bene Soggetto fisico – Persona fisica Soggetto giuridico Particella Catastale Bene Privato Riferimento Catastale Tipo zona Altimetrica Contribuente Italiano Impresa Particella Import Immobile UTE Appartente Catasto Sezione Provincia Tipo Tipologia Azienda Regione Tipo Forma Fabbricato Documento Versamento con delega Procedimento azienda Intermediario Profilo Tipologia Profilo Componente Componente Livello Conduzione particella Profilo Funzione Utente Iride Livello Abitazione Accesso Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali Tipo utilizzo Import Tipo Area Foglio
  • 68. Dominio lavoro e imprese Luogo Localita Sede Documento Soggetto Soggetto fisico/ persona fisica Soggetto giuridico Contribuente Impresa Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 69. Aaep Attività Produttive Atp aaep att econom produttive Tt ateco91 Infocamere attività Tt tipo impresa Tt tipo legame aaep dati azienda Tt attivita Ateco inail Inail cliente Ab01 impresa Ab04 legami Tt comune Inail azienda Inail pat Luogo Soggetto Soggetto fisico – Persona fisica Aaep rappr legale Riferimento Catastale Sede Soggetto giuridico Località Documento Impresa Aaep azienda fonte Aaep azienda Fp azienda Abia sede Aaep t causale cess Abia azienda Infoc procedura concorsuale Infoc azspe Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali Infoc oggetto sociale Infoc persona ri
  • 70. Moni Finanziamenti alle Imprese Utente Soggetto Soggetto fisico / Persona fisica Generatore invio file Soggetto giuridico Italiano Impresa Documento Spesa progetto Atto registro Norma agevolazione Fonte Attuazione normativa Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali Contributo Contributo revocato Contributo liquidato Contributo concesso
  • 71. A rgomento sanità Italiano Riferimento catastale Luogo Bene Soggetto fisico/ persona fisica Soggetto Soggetto giuridico Documento Impresa Bene privato Immobile Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali Contribuente Appartenente catasto
  • 72. Dominio sanità Documento Luogo Soggetto Italiano Sede Soggetto giuridico Località Riferimento catastale Soggetto fisico/ persona fisica Impresa Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 73. Asivg Statistiche interruzioni di gravidanza Documento Soggetto Luogo Rata di pensione emessa Ass-r-ssr Ass-t-ss Assistenza Riabilitativa Ass-s-tiposs riabilitativa Ass-t Anagrafe ss Ass-t dipartimento Asi-t Struttre 1998 Ass-t-ss Soggetto fisico / Persona fisica Assistito Tossicodipendente Territoriale Ass-d-tiposst assistenza Ass-t-ss ospedaliera Ass-d -tiposs ospedaliera Ass-t-sso Assetto organizzativo Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali Ass-t-u ospedaliera
  • 74. Argomento territorio Luogo Documento Soggetto Soggetto fisico/ persona fisica Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali Tossicodipendente
  • 75. Dominio territoriale Documento Soggetto Riferimento catastale Bene Luogo Sede Località Bene privato Immobile Stradario Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali
  • 76. Giuridr Legislazione su risorse idriche Ente emanante Pubblicazione L-doc-sett-tem Settore termico Normativa Documento File normativa Tipologia Bibliografia L fileriass sen biblio Sentenza File riassuntivo Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali Organo giurisdizionale
  • 77. Siri Rete Idrogeologica Soggetto Bene Immobile Terreno Documento Sede Luogo Riferimento catastale Mobile Aqcuedotto Demanio necessario idrico Località Comuni Italia Province Italia Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali Stradario
  • 78. Sitad Stradario Tipo Via Luogo L1 Tipo Nome Via Località Stradario Stradario storico Stradario VAR Direzione Atenei, Cultura, Banche Dati e Sistemi Decisionali Nome Via