Business Intelligence

Presentazione sul tema: "Business Intelligence"— Transcript della presentazione:

1 Business Intelligence
Dai dati alle decisioni

2 Modulo 1 Introduzione alla Business Intelligence
I computer sono inutili, possono dare solo risposte. (Pablo Picasso)

3 Una storia… La guardia costiera riceve il seguente messaggio:
MAIDAY! MAYDAY! Siamo costretti ad abbandonare la nave a causa di un incendio, la nostra posizione è Lat: Nord Long: Est, stiamo salendo tutti in salvo su una zattera, ma in zona ci sono forti correnti! La guardia costiera risponde: Stiamo mandando un nostro elicottero, ma vista la vostra attuale posizione, i soccorsi non arriveranno alle coordinate indicate prima di 24 ore! Poi più nessuna comunicazione…

4 Mettete in ordine di importanza gli oggetti sopra indicati
Avete in tasca solo il vostro portafoglio con i documenti e qualche banconota (nessuna moneta). Avete pochi secondi per abbandonare la nave e, a portata di mano, avete solo questi oggetti: Sestante 10 litri di Acqua Salvagente Telone di nylon Remo Orologio Radio (portata 5 miglia) Una scatola di fiammiferi Lenzuola di cotone Zucchero Kit di pronto soccorso Filo da pesca con amo Bottiglia di rum Coltello Fune Carta nautica della zona 5 scatolette di tonno Gasolio in un barile Razzo di segnalazione Maschera Crema solare Crema anti zanzare Pinne Coperta di lana Siete a conoscenza di questi fatti: La zattera è in gomma e non avete modo di governarla. Le correnti in zona sono molto forti e gli aiuti potrebbero impiegare diversi giorni prima di raggiungere la zattera. La costa più vicina è a miglia di distanza. L’escursione termica in mare aperto è molto elevata Mettete in ordine di importanza gli oggetti sopra indicati

5 L’importanza di pianificare
dispersivi fondamentali Funzionalità inutili importanti Utilità

6 L’importanza di pianificare
Chi di voi, volendo costruire una torre, non si siede prima a calcolare la spesa e a valutare se ha i mezzi per portarla a compimento? Per evitare che, se getta le fondamenta e non può finire il lavoro, tutti coloro che lo vedano comincino a deriderlo dicendo: “Costui ha iniziato a costruire ma non è stato capace di finire il lavoro” (Vangelo secondo Luca, 50 d.c.)

7 L’importanza di pianificare
da Guerra e Pace: "...Alle cinque di mattina era ancora affatto buio. Le truppe del centro, della riserva e l'ala destra di Bragation stavano ancora immobili; ma sull'ala sinistra le colonne di fanteria, di cavalleria e di artiglieria, che dovevano per le prime scendere dalle alture per attaccare il fianco destro francese e respingerlo, secondo l'ordine di operazione, verso le montagne della Boemia, già si movevano e avevano cominciato ad alzarsi dai loro giacigli. Il fumo dei fuochi di bivacco, nei quali si gettava tutta la roba inutile, pungeva gli occhi. Era freddo e scuro. Gli ufficiali, in fretta, bevevano il tè e facevano colazione, i soldati masticavano biscotti, battevano ritmicamente i piedi per scaldarsi, e si affollavano intorno ai fuochi. Le guide austriache si aggiravano fra le truppe russe e con ciò davano il segnale dell'avanzata. Appena si mostrava un ufficiale austriaco presso l'alloggio di un comandante di reggimento, il reggimento cominciava a mettersi in moto: i soldati correvano via dai fuochi, nascondevano le pipe negli stivali, i sacchi sui carri, prendevano i fucili dai fasci e si mettevano in riga. Gli ufficiali si abbottonavano le uniformi, si mettevano le loro sciabole e tasche e giravano per le file gridando gli ordini".

8 L’importanza di pianificare

9 Business Intelligence
Cosa non è la Business Intelligence: Cercare un indirizzo su una rubrica; Chiedere ad un database quanti autori americani sono presenti sulla vostra biblioteca; Calcolare quale è il margine di un prodotto.

10 Cosa è la Business Intelligence
L’obbiettivo è conoscere come le informazioni possono essere utilizzate per l’analisi di una attività e comprendere come un sistema può convertire i dati grezzi in informazioni utili. SISTEMI GESTIONALI Sistemi che raccolgono i dati grezzi di un’azienda SISTEMI BUSINESS INTELLIGENCE Sistemi che trasformano i dati grezzi in informazione

11 Business Intelligence
Cosa è la Business Intelligence: Decisioni migliori in meno tempo; Convertire dati in informazioni; Utilizzare un approccio razionale di gestione.

12 Business Intelligence
Decisioni migliori in meno tempo. Spesso esperienze, percezioni e strategie che usiamo nei processi decisionali sono alquanto statiche perché cambiano molto lentamente. Le informazioni invece sono sempre nuove, cambiano rapidamente e in modo importante. A che cosa vale un piano d’azione ben concepito se poi è semplicemente tardi per raggiungere il vantaggio competitivo?

13 Business Intelligence
Convertire dati in informazioni. Spesso c’è un’enorme differenza tra le informazioni che i decision maker richiedono e la miriade di dati che le aziende raccolgono tutti i giorni e il problema principale che rimane è di come convertire tutti i dati in informazioni utilizzabili. L’aspetto più difficile è quello di trovare la giusta metrica per misurare il rendimento dell’azienda. Queste metriche si chiamano anche KPI (indicatori principali del rendimento)

14 Key Performance Indicator
L’aspetto più difficile è quello di trovare la giusta metrica per misurare il rendimento dell’azienda. Queste metriche si chiamano anche KPI (indicatori principali del rendimento) Produzione Vendite e Marketing Finanza

15 Business Intelligence
Analisi Indicazioni Azioni Misurazioni Utilizzare un approccio razionale di gestione. Business Intelligence

16 Fattori abilitanti per la B.I.
Potenza di elaborazione Volume dei dati Tecnologie di rete Standard Software di Business Intelligence Tecnologia Persona giusta per decisione giusta Risorse Umane Facile e ampio accesso alle informazioni Analisi e processo decisionale su larga scala Condividere i riscontri con pubblici ampi Incoraggiare la sperimentazione e tollerare gli errori in buona fede Cultura Aziendale

17 Piramide dei componenti di un ambiente B.I.
Decisione Ottimizzazione Data Mining Esplorazione dei Dati Analisi dei cubi multidimensionali Fonti di Dati

18 Fonte di dati Disponibili
Raccogliere e integrare i dati disponibili

19 Data warehouse e data-mart
Mediante gli strumenti di ETL (Extract, Transform, Load) i dati delle diverse fonti vengono integrate in un unico data warehouse da cui si estraggono i data mart per le successive analisi dei vari settori aziendali (Logistica, Marketing,…)

20 Metodologie di Business Intelligence
Analisi dei cubi multidimensionali Analisi esplorativa Serie storiche Modelli di apprendimento inferenziale per le analisi di data mining Modelli di ottimizzazione

21 Esplorazione dei dati (esplorazioni passive)
Analisi statistiche e visualizzazione dati

22 Esplorazione dei dati (esplorazioni attive)
Modelli matematici di apprendimento e data mining

23 Modelli di ottimizzazione
Modelli in grado di ottimizzare e scegliere la decisione migliore tra un ampio (a volte infinito) ventaglio di azioni alternative

24 Decisioni Separazione Valutazione Decisione! Azioni ammissibili
Azioni alternative Condizioni operative tecniche procedurali legali sociali politiche Criteri redditività costo qualità affidabilità flessibilità servizio Separazione Valutazione Azioni Escluse Decisione! Che rimangono sempre e comunque del “Decision Maker”

25 Architettura di B.I. 

26 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)

27 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…

28 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...

29 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!

30 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…

31 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

32 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

33 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.

34 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 disposizionesistemi 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?

35 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…

36 On Line Analytical Processing Sistema OLAP

37 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?

38 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 cgli 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

39 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

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

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

42 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,…

43 Occupazione e giorni di malattia per reparto Esempio Excel