Tipo Documento: unità didattica 4 Modulo 14 Compilatore: Antonella Bolzoni Supervisore: Data emissione: Release: Indice: A.Scheda informativa B.Introduzione C.Corpo D.Riepilogo E.Interazione F.Test di autoverifica

Introduzione Trend nel campo dei databse -Presenza della rete -Architettura distributa -Interfacciamento tramite web -Raccolta dati sui consumatori (Datawarehouse) -Tramite la rete -Mediante i punti vendità informatizzati

Architettura dei database Database centralizzati Tutti i dati risiedono sulla stessa macchina Possono essere comunque accessibili via rete Database distribuiti I dati sono partizionati su più macchine connesse in rete e in parte possono essere replicati Le operazioni svolte comportano modifiche globali in modo trasparente allutente Figura tipo 7.8 del mio libro

Web e database Organizzazione client/server -Le informazioni e le applicazioni risiedono su un server -Lutente usa una macchina client per inviare richieste al server -Il server elabora la richiesta è genera il risultato descritto in HTML -Il client riceve la risposta, il elabora il codice HTML per generare la grafica corrispondente Figura client/server

Web e database 1.E possibile usare interfacce grafiche in stile internet per accedere da una qualunque punto della rete alle informazioni di un database. 2.E possibile usare le informazioni contenute in un databse per generare i contenuti delle pagine web in modo dinamico.

Datawarehouse Raccolta di dati Integrata, permanente, variabile nel tempo Di supporto a decisioni manageriali OLAP: on line analytical processing Elaborazione di enormi quantità di dati, spesso superiori al Tbyte, raccolte anche da fonti diverse Si effettuano elaborazioni si dati storici aziendali per fare previsioni di supporto alle decisioni

Datawarehouse Operazioni OLAP sui datawarehouse ROLL-UP DRILL-DOWN SLICE-AND-DICE PIVOTING RANKING

Struttura di un DW Figura pg 10 Fasi della costruzione Migrazione Pulizia (scrubbing) Controllo (auditing)

La gerarchia della conoscenza Figura con i pallocchi

Knowledge discovery e Data mining Scoperta di conoscenza nel DB Identificare informazioni significative Presentarle efficacemente allutente Data Mining Algoritmi per lestrazione della conoscenza, spesso legate a tecniche non esatte derivate dallintelligenza artificiale Aggiungere info su algoritmi datamining

Applicazioni Applicazioni del Data Mining Vendita al dettaglio: quali offerte fare, disposizione della merce Marketing: previsioni di vendita, percorsi acquisto prodotti, scelta delle politiche di tariffazione Banche: controllo dei prestiti, uso o abuso delle Ccredito.....

Riepilogo Architettura Centralizzata, distribuita Interazione con la rete Tecnologie intenet di interfacciamento Generazione di pagine internet in modo dinamico, usando i dati di un database Applicazioni avanzate Datawarehouse, data mining

Test di autovalutazione unità 1)pippo? V/F 2) pluto? V/F 3) paperino? –A: Atomicità, Persistenza, Coerenza, Isolamento –B: Velocità, Atomicità, Concorrenza, Robustezza –C: Robustezza, Concorrenza, Isolamento, Commit