Introduzione alla Business Intelligence
←
→
Trascrizione del contenuto della pagina
Se il tuo browser non visualizza correttamente la pagina, ti preghiamo di leggere il contenuto della pagina quaggiù
E-mail: infobusiness@zucchetti.it Introduzione alla Business Intelligence
E-mail: infobusiness@zucchetti.it
Introduzione alla
Business Intelligence
Introduzione
Definizione di Business Intelligence:
insieme di processi per raccogliere e analizzare le informazioni sul business
aziendale.
Le parole chiave di questa definizione permettono di andare più in dettaglio:
- processi si tratta di un particolare insieme di processi aziendali, quindi
come altri processi aziendali (la produzione, le gestione contabile, …)
comporta il coinvolgimento di strumenti, tecnologie, figure professionali.
- raccogliere (informazioni) una parte di questi processi ha l’obiettivo di
reperire le informazioni che riguardano il business e che sono “sparse” in
sistemi informativi diversi e difformi come struttura e tecnologia (si pensi
al software gestionale aziendale, ad altri dati raccolti in file excel, ad altri
gestionali “verticali” presenti in azienda).
- analizzare (informazioni) un’altra parte dei processi di BI ha l’obiettivo
di permettere l’analisi delle informazioni raccolte con strumenti dedicati.
- informazioni nella definizione si parla già di informazioni aziendali, e
non di dati. La differenza nell’utilizzo dei due termini in realtà è meno
sottile di quanto possa sembrare: l’informazione è qualcosa che è subito
fruibile per il ragionamento, il dato ha invece bisogno di essere inserito in
un contesto, completato, trasformato, ecc.
Si pensi a un’unica fattura cliente: isolata dal contesto non porta ad
alcun ragionamento, ed è un dato. Lo stesso dato, inserito nel contesto
delle altre fatture del cliente e nel tempo, può già produrre ragionamenti
di confronto o valutazione.
2E-mail: infobusiness@zucchetti.it
Quindi nei processi di Business Intelligence si possono distinguere:
- parte tecnologica
o processo di raccolta dei dati
o processo di trasformazione dei dati in informazioni
o strumenti software di trasferimento e trasformazione dei dati, di
analisi, reportistica, distribuzione…
- parte informativa
o report e cruscotti informativi sintetici, ovvero informazioni fruibili
per
l’analisi
la reportistica
la distribuzione automatica
Finalità della Business Intelligence:
supporto alle decisioni e controllo delle prestazioni aziendali.
Quindi si parla anche di sistemi di Business Intelligence come di Decision
Support Systems (DSS) oppure di Business Performance Measurement
Systems.
Andando in dettaglio, le soluzioni di Business Intelligence hanno lo scopo di:
- rendere fruibili le informazioni ai diversi decisori aziendali in modo
efficiente, dinamico e profilato
- fornire strumenti di estrazione dati che non prevedano un’elevata cultura
informatica
- fornire strumenti di analisi potenti e dinamici: devono permettere di
creare facilmente elaborazioni (filtri e formule) e di “navigare nei dati”
seguendo il ragionamento analitico
- automatizzare la produzione e distribuzione di reportistica aziendale
periodica e profilata per i diversi destinatari
3E-mail: infobusiness@zucchetti.it
Destinatari delle Business Intelligence
sono tutte le figure aziendali che possono essere coadiuvate dall’analisi dei dati
nel prendere decisioni o nel controllo di fattori chiave del loro operare
quotidiano.
La “genericità” delle finalità delle Business Intelligence permette di allargare il
bacino d’utenza in modo trasversale per tipologia di business, figura
professionale o dimensione aziendale.
Si potrebbe semplificare dicendo che la BI si rivolge a tutti, ma non
indistintamente.
O meglio, i diversi attori delle decisioni aziendali svolgono compiti diversi,
prendono decisioni diverse, oppure verificano performance diverse.
Ciò significa che ognuno di essi ha la necessità di analizzare dati diversi e in
modo differente.
Questo avviene ogni giorno in tutte le attività, quindi potenzialmente la BI è in
grado di coadiuvare ognuna di queste figure; certo è che lo dovrà fare in modo
diverso, con applicazioni diverse, benefici e costi diversi in ogni caso.
Un risvolto molto importante delle soluzione di Business Intelligence è quindi la
distribuzione intelligente delle informazioni, che dovrà essere automatica e
differenziata come:
- contenuti distribuiti
- frequenza di distribuzione
- possibilità di interazione con le informazioni
L’implementazione efficiente di una soluzione distributiva di questo tipo porta a
quella che viene definita “la democratizzazione dell’informazione aziendale”,
che in realtà consiste nel mettere le informazioni necessarie a disposizione di
coloro che possono operare in maniera più oculata, consapevole ed efficiente
grazie alla disponibilità di informazioni.
Nel fare ciò la BI deve però garantire di non cadere nell’estremo opposto,
quindi nell’anarchia informativa, ovvero tutte le informazioni a disposizione di
tutti in modo indistinto e non standardizzato.
4E-mail: infobusiness@zucchetti.it
Basso Valore Ok!
Aggiunto
Standardizzazione
dell’informazione
Confusione
Diffusione dell’informazione
Quindi l’ottimo sfruttamento di una soluzione di BI si ottiene quando
l’informazione distribuita è anche fortemente standardizzata.
Il che non deve significare poca libertà di interazione con le informazioni, ma
piuttosto massima libertà su informazioni certificate.
5E-mail: infobusiness@zucchetti.it
Glossario
- DataBase:
Insieme di dati riguardanti lo stesso argomento o argomenti correlati.
Insieme strutturato in modo tale che i dati possano essere utilizzati da
applicazioni software.
Oltre ai dati, il database contiene informazioni sulla loro
rappresentazione e sulle relazioni tra i dati stessi.
o DataBase Management Systems (DBMS):
Letteralmente sistemi di gestione dei database, quindi
applicazioni software in grado di gestire il database e i dati in
esso contenuti.
o DataBase Relazionali:
DataBase strutturati secondo il modello relazionale di
organizzazione logica dei dati.
Il modello è basato sui concetti di tabella e relazione: i dati sono
immagazzinati nel database sotto la forma logica di tabelle
legate tra loro da relazioni logiche.
- Data Warehouse:
Raccolta di dati (è un database) che provengono da altri database
utilizzati da applicazioni.
In particolare le caratteristiche che distinguono un Data Warehouse
dal DataBase di un’applicazione sono le seguenti:
o Integrato: contiene dati riguardanti argomenti diversi ma correlati
(metodi di codifica uniformi, omogeneità semantica,…)
o Subject Oriented: orientato secondo temi specifici di analisi,
oppure alle diverse attività di Business, ma non alle applicazioni
o Time Variant: l’orizzonte temporale dei dati nel DWH è in genere
più esteso o diverso dell’orizzonte dei dati gestiti dal gestionale, e
anche gli aggiornamenti / inserimenti sono gestiti in modo
differente
o Non volatile: i dati in un DWH, una volta caricati, non sono
modificabili
- SQL:
(Structured Query Language) è un linguaggio per l’accesso ai dati
memorizzati in un database.
- Query:
interrogazione a un DataBase in modo da ottenere una parte dei dati
in esso contenuti. Una query relazionale deve essere formulata in
linguaggio SQL.
6E-mail: infobusiness@zucchetti.it
- ETL:
(Extraction, Transformation, Loading) è un processo strettamente
legato al caricamento di dati in un Data Warehouse.
Nel dettaglio i dati vengono Estratti da database relazionali dedicati ad
applicazioni, file, altre fonti dati; vengono Trasformati per realizzarne
l‘integrazione e per renderli pronti per le analisi; infine vengono
Caricati nel Data Warehouse.
- OLTP:
(On Line Transaction Processing): insieme di tecniche software
finalizzate all’analisi dei dati.
Le analisi con tecniche OLTP vengono condotte direttamente sui dati
in “produzione”.
Ciò permette di non costruire “repliche” dei dati e di disporre sempre
dei dati aggiornati, ma proprio a causa dell’utilizzo diretto dei dati in
“produzione” si hanno forti limitazioni nella tipologia e potenza delle
analisi e prestazioni non soddisfacenti.
- OLAP:
(On Line Analytical Processing): insieme di tecniche software
finalizzate all’analisi complessa e veloce di grandi quantità di dati.
E’ una componente tecnologica fondamentale dell’analisi dei dati di un
Data Warehouse.
- Data Mining:
Letteralmente “estrazione da una miniera di dati”, si compone di
applicativi e tecniche software in grado di estrarre delle “regolarità” in
modo automatico da ingenti quantità di dati.
Tali regolarità vengono ricercate dagli applicativi software in base a
regole di elaborazione introdotte dagli utenti.
Tipico esempio di applicazione lo si ritrova nelle grandi catene di
distribuzione, che utilizzano le tessere fedeltà per raccogliere dati
sulle abitudini di acquisto dei clienti (grande quantità di dati) da
mettere in relazione con le caratteristiche del cliente (sesso, età,
nucleo famigliare, …), allo scopo di indirizzare con tecniche di
marketing le abitudini d’acquisto.
- Analisi multi-dimensionale dei dati:
permette di estrarre dati da un Data Warehouse senza avere
conoscenza di linguaggi di interrogazione (SQL), o della struttura
relazionale del DataBase.
Permette di formulare la richiesta ai sistemi informativi in un
linguaggio che è molto vicino al corrente modo di formulare
interrogativi dell’uomo.
7E-mail: infobusiness@zucchetti.it
I concetti base dell’analisi multi-dimensionale sono:
o Fatti: i concetti sui quali centrare l’analisi
o Dimensioni: prospettive lungo le quali aggregare i concetti da
analizzare
o Misure: unità quantificabili dei concetti da analizzare (fatti)
Ciò significa che un’ipotetica domanda simile a questa:
“fatturato in quantità e valore, diviso per mese, agente e categoria
prodotto”
viene semplicemente tradotta in una selezione di fatti e dimensioni:
fatti = fatturato valore, fatturato quantità
dimensioni = mese, agente, categoria prodotto
Senza un sistema di analisi multi-dimensionale dei dati, la domanda
dell’esempio avrebbe dovuto essere formulata con una frase di
linguaggio SQL.
- Query multi-dimensionale:
selezione di fatti e dimensioni.
Termini propri dell’analisi multi-dimensionale:
- Drill-Down – Roll-Up:
scendere (o salire) in profondità di dettaglio d’analisi.
Es.:
Drill-Down: dalla visualizzazione di dati di vendita per agente passare
a una visualizzazione che comprenda anche il dettaglio dei dati di
vendita al cliente, suddivisi per agente.
- Filtro:
nell’analisi multi-dimensionale dei dati è possibile definire filtri su tutte
le entità (dimensioni e fatti) coinvolte nella Query allo scopo di
concentrare l’analisi solo una parte dei dati.
Agisce in fase di estrazione dati dal Data Warehouse.
- Slice & Dice:
scegliendo uno o più valori di una o più dimensioni, si focalizza
l’analisi sui fatti che sono inerenti a tali valori, nascondendo di fatto
alla visualizzazione tutto ciò che non interessa.
E’ una sorta di filtro che agisce solo in visualizzazione, non in
estrazione dati dal Data Warehouse.
8E-mail: infobusiness@zucchetti.it
- Formula:
è un fatto generato tramite un calcolo (più o meno complesso) a
partire da altri fatti.
9E-mail: infobusiness@zucchetti.it
Data Warehouse e Data Mart
- Data Warehouse:
magazzino di dati a livello di impresa
è unico
contiene informazioni integrate e coerenti, fruibili da parte di
strumenti di analisi
- Data Mart:
magazzino di dati a livello dipartimentale
è un segmento del Data Warehouse
è identico al DWH come concezione (può esserne una parte)
ma ha finalità più “ristrette”
i dati del Data Mart coprono solo alcune aree aziendali
N.B.:
• Il Data Warehouse è un progetto vasto, complesso e costoso; garantisce
d’altra parte vera coerenza, completezza e disponibilità dei dati aziendali.
• Dal Data Warehouse si possono ricavare velocemente i Data Mart
(approccio Top-Down)
• E’ possibile costruire incrementalmente un Data Warehouse a partire da
più Data Mart (approccio Bottom-Up)
• Il Data Mart ha minori costi di analisi e realizzazione, poiché copre
problematiche di una sola area aziendale: è meno complesso.
• Realizzare un Data Mart quindi porta a risultati ottenibili in tempi più
brevi rispetto alla realizzazione di un Data Warehouse completo.
• L’approccio Bottom-Up per la realizzazione di un Data Warehouse
consente:
risultati (parziali) ottenibili in tempi brevi: la realizzazione di singoli
Data Mart sarà più veloce e porterà alla soddisfazione immediata
delle esigenze all’interno delle singole aree aziendali.
di diffondere la cultura sull’analisi dei dati e sull’utilizzo di
strumenti di Business Intelligence in maniera graduale
di ottenere in ogni passo successivo di analisi un miglioramento e
“affinamento” delle caratteristiche dei diversi Data Mart che si
andranno a realizzare.
di poter giungere alla realizzazione del Data Warehouse per gradi.
10E-mail: infobusiness@zucchetti.it
Metodo di analisi per la definizione di un Data Warehouse
Il percorso di analisi per la realizzazione di un Data Warehouse deve seguire un
metodo ben definito, in grado di garantire che tutto il progetto possa portare
realmente i vantaggi derivanti dall’utilizzo di soluzioni di Business Intelligence.
Questo metodo, per quanto semplice nei suoi passi, e forse proprio per questo
molto efficiente e sicuro, può portare alla realizzazione incrementale di Data
Warehouse anche molto complessi.
Inoltre coniugando approccio Top-Down e approccio Bottom-Up, consente di
definire un progetto che come obiettivo finale avrà un Data Warehouse
completo, quindi coerente nei diversi temi d’analisi e in grado di garantire
risposte anche alle esigenze di quei decisori che hanno una visione solo globale
dell’impresa; ma nello stesso tempo il progetto sarà in grado di fornire anche
prima della sua conclusione, risposte alle esigenze delle singole aree aziendali,
grazie alla realizzazione dei diversi Data Mart che andranno a comporre il
progetto completo.
Passo 1: definire gli obiettivi di Business (approccio Top-Down)
- definire il core Business dell’impresa o le diverse attività che fanno parte
dell’attività imprenditoriale
- nel caso in cui siano presenti più attività distinte e poco (o per nulla)
correlate nella stessa impresa è necessario definire l’oggetto di ognuna e
procedere, secondo priorità, all’analisi dei passi successivi in modo
distinto per ogni attività
- definire quali sono i decisori che prendono parte all’attività di Business,
definendone nel dettaglio attività, ruoli e interazione tra essi
(imprenditore, responsabile di produzione, responsabile commerciale,
agenti…).
- definizione dei fatti di rilievo per ogni singolo decisore.
Importante in questa fase è descrivere esattamente come il singolo
decisore “vede” l’impresa, poiché nonostante l’impresa sia unica è giusto
e coerente che ogni singolo attore decisionale abbia i propri fattori di
decisione, le proprie necessità in tema di dati da analizzare, ecc…
Ad esempio anche il semplice dato di vendita può essere utilizzato in
molti modi da decisori diversi: il responsabile commerciale probabilmente
focalizzerà le sue analisi su fatti come il Venduto Valore, o il Prezzo
medio di vendita, mentre il responsabile di produzione avrà a cuore il
Venduto Quantità, o meglio l’Ordinato Quantità…
11E-mail: infobusiness@zucchetti.it
Passo 2: raccogliere le informazioni (inizio dell’approccio Bottom-Up)
Dopo avere descritto l’impresa a livello globale, aver definito le diverse
aree aziendali, gli attori in gioco, e il dettaglio dei fatti rilevanti di ogni
decisore, si ottiene una visione di quello che dovrà essere il progetto
globale del Data Warehouse, e di quanti e quali saranno i singoli Data
Mart che andranno a comporlo.
Sulla base delle esigenze di analisi delle diverse aree aziendali (coperte
ognuna da uno o più Data Mart) è necessario stabilire delle priorità per
l’analisi e la realizzazione dei diversi Data Mart.
Una volta stabilite le priorità si procede nell’analisi di un singolo Data
Mart con i passi successivi.
− dettagliare cosa il decisore vuole avere a disposizione per condurre le
proprie analisi
− raccogliere e analizzare tutti i report esistenti e di comune utilizzo da
parte del decisore (fogli excel, report di stampa dai gestionali,
esportazioni create ad hoc, ecc…)
Passo 3: definizione del modello dei dati
− sulla base degli elementi raccolti identificare e definire nel dettaglio gli
eventi da misurare e le modalità di aggregazione:
o fatti
o dimensioni
o granularità delle analisi
In questa fase è molto importante tener presente che, nonostante si stia
analizzando un singolo Data Mart, i concetti definiti dovranno messere essi
in relazione con le analisi di altre aree aziendali.
Quindi l’approccio Bottom-Up di questa analisi non dovrà andare a scapito
della coerenza che dovranno avere i diversi Data Mart quando andranno a
comporre il Data Warehouse.
Passo 4: identificare le fonti dati
− fase molto “tecnica” che consiste nell’andare a reperire all’interno dei
sistemi informativi aziendali tutte le fonti che permetteranno di avere a
disposizione i dati da organizzare e trasformare per poter “misurare” gli
eventi sopra descritti.
12E-mail: infobusiness@zucchetti.it
Passo 5: consolidare i dati
altra fase “tecnica” necessaria per definire:
- le trasformazioni da applicare alle fonti dati in modo che gli eventi
possano essere misurati esattamente con il metodo definito dal decisore.
- stabilire le caratteristiche temporali dei dati in termini di profondità
temporale e di politiche di aggiornamento dei dati nel Data Mart.
13Puoi anche leggere
