Modulo 2 Analisi multidimensionale di cubi OLAP

Presentazione sul tema: "Modulo 2 Analisi multidimensionale di cubi OLAP"— Transcript della presentazione:

1 Modulo 2 Analisi multidimensionale di cubi OLAP
Errare è umano, ma per incasinare davvero tutto ci vuole un computer. (Legge di Murphy- Quinta legge dell'inattendibilità)

2 Una storia… C’era una volta una fabbrica di bambole che decide di lanciare la loro nuova bambola interamente fatta a mano. La campagna marketing punta tutto sulla qualità della bambola e sul fatto che sia interamente prodotta in Italia. Il posizionamento prezzo è sulla fascia alta di mercato in quanto la marca è nota e il consumatore da valore alla marca. La produzione è partita e il prodotto è stato distribuito in tutti i punti vendita. Per rientrare delle spese di ricerca e sviluppo oltre che di comunicazione del prodotto, viene calcolato dalla direzione che si dovranno vendere 100 bambole a settimana per ogni punto vendita che tratterà il prodotto. Ci sono tutti i presupposti per un nuovo eclatante successo…

3 Una storia… ...sono passati un paio di mesi dal lancio e alla riunione prodotto vengono portati i report per lo studio dell’andamento del prodotto: Regione Venduto Prev Emilia 1.985 2.400 Lombardia 2.003 Marche 2.125 Umbria 2.048 Lazio 1.967 Piemonte Veneto 2.077 Liguria 1.912 Toscana Abruzzo 2.012 Puglia 1.998 Campania 2.032 Sicilia 1.952 Regione Venduto Emilia 1.985 Lombardia 2.003 Marche 2.125 Umbria 2.048 Lazio 1.967 Piemonte Veneto 2.077 Liguria 1.912 Toscana Abruzzo 2.012 Puglia 1.998 Campania 2.032 Sicilia 1.952 Mese Venduto Prev Gennaio 13.139 15.600 Febbraio 13.005 Totale complessivo 26.144 31.200 Mese Settiamana Venduto Prev Gennaio 1 3.112 3.900 2 3.280 3 3.232 4 3.515 Febbraio 5 3.421 6 3.303 7 3.121 8 3.160 Totale complessivo 26.144 31.200 ...e tiriamo qualche conclusione...

4 Una storia… L’evidente considerazione, per limitare le perdite, è eliminare il prodotto dall’assortimento in quanto non ha “performato” secondo le aspettative…. ...ed eliminare il responsabile del prodotto che non ha “performato” secondo le aspettative!

5 Una storia… E se invece dessimo al nostro responsabile prodotto un’ultima chance, e gli dessimo una settimana di tempo per capire cosa è successo? Forse i Sistemi Informativi aziendali, sotto la guida del nostro product manager, possono “tirare fuori” altri dati per capire cosa è successo…

6 E il risultato di un paio di notti in bianco è…
Gennaio Febbraio Regione Punto vendita 1 2 3 4 5 6 7 8 Emilia Bologna 85 83 92 98 87 89 75 68 Modena 66 93 80 88 91 84 82 Rimini 73 72 95 86 Lombardia Brescia 42 57 79 81 69 39 67 Desenzano 103 135 116 128 119 123 107 Milano 35 74 49 Marche Ancona 105 Ascoli Piceno 96 26 Pesaro 76 104 111 Umbria Orvieto 102 90 110 Perugia 94 99 Terni 27 Lazio Frosinone 78 Latina 77 Roma Piemonte Cuneo Novara Torino Veneto Padova Treviso Verona Liguria Genova La Spezia 70 65 Savona 97 28 Toscana Firenze Livorno Pisa Abruzzo Chieti L'Aquila 30 Pescara Puglia Bari 61 Lecce 100 Taranto 109 Campania Benevento Caserta Napoli Sicilia Catania Messina Palermo

7 Analisi per “Punto Vendita”
Gennaio Febbraio Regione Punto vendita 1 2 3 4 5 6 7 8 Emilia Bologna 85 83 92 98 87 89 75 68 Modena 66 93 80 88 91 84 82 Rimini 73 72 95 86 Lombardia Brescia 42 57 79 81 69 39 67 Desenzano 103 135 116 128 119 123 107 Milano 35 74 49 Marche Ancona 105 Ascoli Piceno 96 26 Pesaro 76 104 111 Umbria Orvieto 102 90 110 Perugia 94 99 Terni 27 Lazio Frosinone 78 Latina 77 Roma Piemonte Cuneo Novara Torino Veneto Padova Treviso Verona Liguria Genova La Spezia 70 65 Savona 97 28

8 Analisi Multidimensionale
Spesso le analisi che vengono fatte sono “standard” e lasciano poco spazio all’interpretazione dei dati da parte dell’utente. Questi limiti sono più dovuti alla carenza da parte delle aziende di capire come le informazioni possono essere utilizzate per l’analisi dell’attività e per comprendere come i sistemi di computer convertono dati grezzi in informazioni utili L’analisi multidimensionale ci darà un approccio per la visualizzazione delle informazioni che ci permettono di eseguire una flessibile e potente analisi business, e unaconoscenza di come devono essere organizzati i dati per passare da sistemi che raccolgono i dati grezzi di una azienda in sistemi B.I. che trasformano tali dati in utili informazioni.

9 Analisi Multidimensionale
Il loro lavoro è la gestione e dedicano il loro tempo a quello Limitazione dei database gestionali: Rapporti solo sulle informazioni internamente raccolte Tipicamente non consente una analisi dimensionale alla velocità del pensiero. Dobbiamo avere a disposizione sistemi che permettono di rispondere a questo tipo di domande: Quali sono le vendite effettive rispetto alle previsioni di vendita per regione, per periodo, per punto vendita? Quale è la redditività per prodotto e per cliente? Quale è l’arretrato per prodotto, per cliente nel tempo?

10 Sistema OLAP On Line Analytical Processing
Perché l’elaborazione analitica on-line? La potenza dei sistemi OLAP deriva dalla strutturazione dei dati in modo allineato con il modo con cui le persone eseguono naturalmente l’analisi. Analizziamo ora in excel i dati di un ingrosso di frutta…

11 On Line Analytical Processing Sistema OLAP

12 Sistema OLAP On Line Analytical Processing
Il sistema OLAP che abbiamo utilizzato nell’esempio dell’ingrosso di frutta ci permette di evidenziare la struttura di un “database OLAP” con la sua analisi alla velocità del pensiero che sfrutta metodi definiti Slice & Dice, Drill e Pivoting. Abbiamo quindi bisogno di immaginare il database come un Cubo di Dati. Analisi Multidimensionale della vendita di frutta Quante mele sono state vendute nel mercato di Milano durante il terzo trimenstre?

13 Cubo OLAP On Line Analytical Processing
Non necessariamente un cubo ha 3 dimensioni, anzi è molto probabile che il cubo abbia decine di dimensioni (in questo caso parliamo di ipercubo) che di fatto moltiplicano le celle che dobbiamo gestire… Immaginiamo che il nostro ingrosso di frutta abbia 100 clienti a cui vende 20 tipi di frutta e vuole controllare gli ultimi 24 mesi 100 x 20 x 24 = informazioni da gestire Se poi l’azienda è anche interessata a sapere da quale dei sui 75 fornitori proviene la frutta, ecco che arriviamo a x 75 = informazioni da gestire

14 Cubo OLAP On Line Analytical Processing
Perché un cubo OLAP sia efficace abbiamo bisogno che sia strutturato in: Dimensioni – fanno conoscere lo spazio occupato dal database Gerarchie – permettono di aggregare le dimensioni Misure – permette di confrontare le varie dimensioni

15 Cubo OLAP On Line Analytical Processing
Dimensioni – fanno conoscere lo spazio occupato dl database I dati devono essere confrontabili I dati devono essere aggregabili

16 Cubo OLAP On Line Analytical Processing
Gerarchie – permettono di aggregare le dimensioni Membri Periodo Anno Trimestre Mese 1 Mese 2 Mese 3 Dimensione Relazioni GERARCHIA

17 Cubo OLAP On Line Analytical Processing
Misure – permette di confrontare le varie dimensioni Ci deve sempre essere almeno una misura Una misura è sempre una quantità o un’espressione che produce una quantità La misura può assumere qualsiasi formato quantitativo La misura può derivare da qualsiasi fonte dati o da un calcolo Altrimenti non abbiamo l’elemento di confronto KPI - per interpretare misure e caratteristiche ; Benchmark - utilizzato per fare confronti Perché deve essere appunto misurabile Un valore assoluto, una valuta, una percentuale, un rapporto,… Un input diretto, un’aggregazione, una media, una formula,…

18 Occupazione e giorni di malattia per reparto Esempio Excel