Business Intelligence: Data Warehouse

Un Data Warehouse è un’insieme di dati subject oriented, integrato, time variant, non volatile costruito per supportare i processi decisionali aziendali (W.H. Inmon,1993).
Per scaricare il testo completo e per avere maggiori informazioni, clicca QUI

Un Data Warehouse è un’insieme di dati subject oriented, integrato, time variant, non volatile costruito per supportare i processi decisionali aziendali (W.H. Inmon,1993).
Per scaricare il testo completo e per avere maggiori informazioni, clicca QUI

Quest’ultima definizione è quella più diffusa e riconosciuta, poiché sposta l’attenzione su una serie di aspetti peculiari del DWH: 1. orientato all’oggetto di indagine (il cliente, le vendite,…) nel senso che include tutti i dati che verranno utilizzati nel processo di controllo e di decisione, raggruppandoli per aree o temi d’interesse (Datamart) e finalizzandoli a chi li utilizza e non a chi li genera; in altri termini, mentre i sistemi informativi tradizionali supportano funzioni o attività operative specifiche (inventario, fatturazione, gestione ordini, ecc.), nel DW i dati sono organizzati per oggetti di analisi ritenuti rilevanti: prodotti, clienti, agenti, punti di vendita, e così via, al fine di offrire tutte le informazioni inerenti ad uno specifico fenomeno o fatto rilevante di marketing; 2. integrato, cioè consistente rispetto ad uno schema concettuale globale dei dati, al glossario aziendale e rispetto alle unità di misura e alle strutture di decodifica condivise a livello aziendale; in altri termini, mentre i dati archiviati nei sistemi informativi operativi sono spesso disomogenei in termini di codifica e formato, in un DW i dati sono omogenei e consistenti; 3. variante nel tempo, ossia i dati nel DW hanno un orizzonte temporale storico di 3 o 5 anni, includono i dati correnti e spesso i dati previsionali riferiti all’immediato futuro; non volatile, nel senso che il dato viene caricato periodicamente fuori linea, cioè una volta memorizzato correttamente può essere acceduto, ma non modificato, dall’utente; in altri termini, i dati operativi dei sistemi transazionali sono aggiornati in modo continuo e sono validi solo nel momento in cui sono estratti (cioè ad esempio un dato di fatturazione estratto un’ora prima o un’ora dopo può essere molto diverso); nel DW i dati relativi ad ogni oggetto o fenomeno da analizzare sono riferiti generalmente ad un preciso periodo temporale, sono caricati periodicamente in massa e successivamente vengono analizzati: i dati originali caricati non vengono mai modificati e mantengono la loro integrità nel tempo, perché riferiti a fatti avvenuti (ad es. il venduto nella settimana, il n° scontrini nel mese, ecc.) che non devono quindi subire modifiche di sorta, per essere conservati in modo accurato ed essere riutilizzabili in momenti differenti. Metodologia Il ciclo di vita di un sistema di DW e di Mktg Intelligence si articola, come tutti i sistemi informativi, in tre macro-fasi di progettazione, di realizzazione e di gestione: in questo contesto ci soffermeremo solo sulla fase della progettazione che ha un taglio più manageriale e meno tecnico rispetto alle altre. La prima fase critica di progettazione di un DW è individuare i Business Requirements o il Business Model del sistema di mktg intelligence, definendo l’insieme delle informazioni, degli indicatori, delle misure quantitative e delle dimensioni di analisi più rilevanti e significative per l’insieme dei destinatari utenti identificato. Seguendo la tipica logica della progettazione “top-down” il punto di partenza deve necessariamente essere la definizione delle esigenze informative e funzionali di mktg, per poi successivamente andare alla ricerca dei dati elementari di input necessari a soddisfarle, ancorché questa attività di raccolta delle esigenze sia strutturalmente faticosa e incerta: esistono al riguardo tecniche specifiche (indagini guidate o libere, brainstorming, analisi del sistema di informazione dell’utente, prototipazione, ecc.) che aiutano a condurre il processo, ma che non risolvono in maniera definitiva il problema della definizione delle esigenze informative di marketing che comunque si evolvono, si manifestano gradualmente passando a livelli successivi di analisi, di comprensione dei fenomeni di marketing e, quindi, di esperienza, anche nell’utilizzo di questi sistemi di mktg intelligence più avanzati. Le due fasi successive, la modellizzazione dei dati e l’individuazione di tutte le fonti dei dati necessari a produrre le informazioni e gli indicatori definiti, presentano un altro insieme di criticità che riguardano soprattutto la progettazione dell’architettura della base dati del DW, fondata sui concetti di “ampiezza” e di “profondità” dei dati. L’ampiezza è definita dal numero di fenomeni, di informazioni, di indicatori e di misure che il sistema deve poter produrre; la profondità è in funzione del livello di dettaglio dei dati desiderato (in gergo, la granularlità massima), ad esempio il giorno o l’ora nella dimensione temporale, il singolo cliente, il singolo item di prodotto, la zona territoriale minima (comune o zone di censimento), ecc. Una volta progettata l’architettura del sistema di DW e di mktg intelligence, è necessario concentrarsi sulle fasi e sui processi principali della macro fase della realizzazione: Il processo di caricamento, o popolamento, del DW L’obiettivo di un DW è quello di mettere insieme i dati provenienti dai sistemi operativi con quelli di basi di dati esterne e farle confluire nell’ambiente direzionale per rendere le informazioni disponibili attraverso sistemi di business intelligence. L’acquisizione dei dati per il DW viene eseguita attraverso complesse operazioni di cattura dei dati dai sistemi sorgente, di loro pulizia e di successiva trasformazione sulla base di regole di business definite nelle fasi di sviluppo del progetto (ad esempio, uniformità delle unità di misura). Una volta trasformati, i dati vengono mappati e trasportati nei vari DM o nel DW. Il processo di ricerca e produzione delle informazioni di mktg Costituisce un’ulteriore fase cruciale nel processo di costruzione di un sistema di DW e di mktg intelligence. I rilevanti sforzi richiesti e dedicati alla realizzazione del DW, frequentemente distoglie l’attenzione dagli strumenti end-user e dalle applicazioni di front end necessarie per la ricerca e la fruizione delle informazioni nelle medesime basi di dati, con la conseguenza di lasciare gli end-user nelle mani dei loro strumenti tradizionali già in uso, quali fogli elettronici, applicazioni custom molto rigide, interfacce poco user friendly. La flessibilità e la facilità di produzione dell’informazione, nonché l’accesso ai dati, sono le chiavi del successo del processo decisionale e, quindi, del DW. Aree di Applicazione Le principali aree di applicazione dei sistemi di Business Intelligence & Decision sono: • Marketing & Sales Analysis • Customer & Marketing Database • Budgeting (ciclo, formulazione, ecc.) • Financial Reporting • Financial Consolidation • Management Reporting (reporting direzionale) • Cruscotti direzionali, Tableau de Bord (EIS), Balanced Scorecard • Profitability Analysis; Quality & Satisfaction Analysis • Clickstream Analysis • Geomarketing RIPRODUZIONE RISERVATA

Se vuoi rimanere aggiornato su Business Intelligence: Data Warehouse iscriviti alla nostra newsletter settimanale

Commenta per primo

Lascia un commento

L'indirizzo email non sarà pubblicato.


*