LSA Lab. Sistemi Informativi Economico-Aziendali

Presentazione sul tema: "LSA Lab. Sistemi Informativi Economico-Aziendali"— Transcript della presentazione:

1 LSA Lab. Sistemi Informativi Economico-Aziendali
Interpretation and Evaluation Data Mining & OLAP Cubes Knowledge Selection and Preprocessing p(x) = 0.02 Data Mining Models Data Consolidation Prepared Data Warehouse Consolidated Data Data Sources 4 lezioni OLAP 4 lezioni DM 3 lezioni 2 lezioni 5 lezioni

2 Analisi OLAP (On-Line Analytical Processing)
LSA - Laboratorio di Sistemi Informativi Economico-Aziendali Salvatore Ruggieri Dipartimento di Informatica, Università di Pisa

3 Lab. Sistemi Informativi Economico-Aziendali
Sorgente: OLAP Report

4 Datawarehouse, data marts, cubi
Lab. Sistemi Informativi Economico-Aziendali Datawarehouse, data marts, cubi OLAP Cubes Data warehouse OLAP Cubes Data mart: vista del dw di interesse ad un singolo processo di business Data mart ordini, clienti, contabilità, risorse umane, finanza Organiz. : datamart come collezione di tabelle fatti e dimensioni OLAP Cube: struttura di memorizzazione/visualizzazione dei fatti come celle di un ipercubo con un asse per ciascuna dimensione Data mart ordini: cubi su acquisti, vendite e magazzino

5 Schema di un data mart: elementi
Lab. Sistemi Informativi Economico-Aziendali Schema di un data mart: elementi Un fatto è un evento di interesse (vendite, spedizioni, acquisti) Specificato da attributi dimensioni e misure Una dimensione determina il contesto in cui è avvenuto il fatto fatto vendita: prodotto, negozio, cliente, tempo La dimensione può essere organizzata in una gerarchia di livelli dimensione tempo: gerarchia giorno esatto, mese, anno Ogni possibile contesto è detto membro della dimensione membri dim. tempo: 20 Feb. 2004, Febbraio 2004, 2004, ecc. Dimensioni comuni a più cubi/data mart sono dette condivise o conformate Una misura descrive quantitativamente il fatto fatto vendita: numero unità vendute, prezzo unitario, sconto Tabella dei fatti: collezione di fatti, uno per ogni riga della tabella, con colonne per le dimensioni e per le misure dei fatti Tabella di una dimensione: collezione dei membri della dimensione e delle loro relazioni gerarchiche

6 Lab. Sistemi Informativi Economico-Aziendali
Star Schema Date Month Year CustId CustName CustCity CustCountry Cust Sales Fact Table Product Store Customer unit_sales dollar_sales Yen_sales Measurements ProductNo ProdName ProdDesc Category QOH StoreID City State Country Region Chiavi Esterne

7 Lab. Sistemi Informativi Economico-Aziendali
Snowflake schema Year ProductNo ProdName ProdDesc Category QOH Product Month Year Date Month Year Sales Fact Table Date Product Store Customer unit_sales dollar_sales Yen_sales Date Month StoreID City Store CustId CustName CustCity CustCountry Cust City State State Country Country Region Measurements

8 Gerarchie e aggregati di misure
Lab. Sistemi Informativi Economico-Aziendali Gerarchie e aggregati di misure All All Zona Nord Centro Sud Milano Torino Firenze Roma Napoli Palermo Città Misura: numero di abitanti Aggregato: SUM Aggregato: AVG

9 Gerarchie: bilanciate
Lab. Sistemi Informativi Economico-Aziendali Gerarchie: bilanciate All All Zona Nord Centro Sud Milano Torino Firenze Roma Napoli Palermo Città Città Zona Milano Nord Firenze Centro Torino …

10 Gerarchie: non bilanciate
Lab. Sistemi Informativi Economico-Aziendali Gerarchie: non bilanciate All All Dirigenti Rossi Bianchi Neri Tizio Caio Impiegati Sempronio Figlio Padre Tizio Rossi Neri NULL Sempronio Bianchi …

11 Lab. Sistemi Informativi Economico-Aziendali
Gerarchie: ragged All All Moneta Dollari Euro New York Los Ang. Città Paris Rome San Marino

12 Analysis Manager: editor di cubi
Lab. Sistemi Informativi Economico-Aziendali Analysis Manager: editor di cubi

13 Modello di memorizzazione
Lab. Sistemi Informativi Economico-Aziendali Modello di memorizzazione ROLAP (Relational OLAP): utilizza le funzionalità di un’engine relazionale estesi in modo da permettere la materializzazione degli aggregati performance scalabilità MOLAP (Multidimensional OLAP): array multidimensionale su disco/memoria efficiente su dati di dimensioni ridotte problemi di performance su dati sparsi HOLAP (Hybrid OLAP): trade-off tra le due soluzioni precedenti fatti su tabella relazionale aggregazioni su array multidimensionale

14 Analysis Manager: elab. di cubi
Lab. Sistemi Informativi Economico-Aziendali Analysis Manager: elab. di cubi

15 Lab. Sistemi Informativi Economico-Aziendali
Navigazione All Products January 96, Pisa. Product Store All Lazio Milk Bread Orange … ... sum Roma Toscana Pisa Jan 96 Firenze sum Feb 96 Time … ... sum All, All, All Ogni dimensione contiene una gerarchia di valori una cella del cubo contiene valori aggregati (count, sum, max, etc.)

16 Lab. Sistemi Informativi Economico-Aziendali
Navigazione di un cubo Il manager finanziario esamina la vendita dei prodotti in tutti i mercati relativamente al periodo corrente e quello precedente Il manager regionale esamina la vendita dei prodotti in tutti i periodi relativamente ai propri mercati magazzino tempo prodotto Il manager strategico si concentra su una categoria di prodotti, un’area regionale e un orizzonte temporale medio Il manager di prodotto esamina la vendita di un prodotto in tutti i periodo e in tutti i mercati

17 Lab. Sistemi Informativi Economico-Aziendali
Roll-up e drill-down Product Store Time All Drill-Down Roll-up

18 Lab. Sistemi Informativi Economico-Aziendali
Slice and Dice Product Store Month Slice

19 Lab. Sistemi Informativi Economico-Aziendali
Altre operazioni Drill through: visualizza tutti i fatti relativi ad una cella del cubo Pivot: rotazione degli assi del cubo Drill across: collegamento ad altro cubo via dimensioni condivise Clienti Prodotti Fornitori Acquisti Vendite Store Tempo

20 Analysis Manager: browsing
Lab. Sistemi Informativi Economico-Aziendali Analysis Manager: browsing

21 Analysis Manager: misure calcolate
Lab. Sistemi Informativi Economico-Aziendali Analysis Manager: misure calcolate

22 Analysis Manager: misure calcolate
Lab. Sistemi Informativi Economico-Aziendali Analysis Manager: misure calcolate Sintassi: EXP ::= Numeric | ( Member, Numeric ) Numeric ::= Measure | funzione_numeric(Parametri) | Numeric + Numeric | Numeric - Numeric | Numeric / Numeric | Numeric * Numeric Member ::= funzione_member(Parametri) Semantica: ( Member, Numeric ) l’espressione Numeric è valutata sul membro Member ([Product].CurrentMember.Parent,[Measures].[Quantity]) è la misura Quantity valutata sul padre del membro corrente rispetto alla dimensione Product (ParallelPeriod([Time].[Year], 1), [Measures].[Quantity] ) è la misura Quantity valutata nello stesso periodo dell’anno precedente

23 Accesso ai dati multidimensionali
Lab. Sistemi Informativi Economico-Aziendali Accesso ai dati multidimensionali API Microsoft OLE DB for OLAP, ADO.MD, ADO MD.NET Linquaggio MDX (MultiDimensional Expressions) JOLAP Java OLAP Interface, JSR-69 Formato di interscambio XML for Analysis Client di visualizzazione Excel Explorer Data Analyser DBMiner …

24 Lab. Sistemi Informativi Economico-Aziendali
Excel

25 Lab. Sistemi Informativi Economico-Aziendali
Data Analyser

26 Lab. Sistemi Informativi Economico-Aziendali
DBMiner 2.0

27 Cubi e SQL: GROUP BY WITH CUBE
Lab. Sistemi Informativi Economico-Aziendali Cubi e SQL: GROUP BY WITH CUBE -- fatti selezionati dalla clausola WHERE -- e aggregati dalla clausola GROUP BY -- su tutte le possibili (2^3) combinazioni di prodotto, dimensione e tempo SELECT F.product_id, F.customer_id, F.time_id, SUM(F.store_sales*F.unit_sales) FROM dbo.sales_fact_1997 AS F WHERE F.customer_id < 20 AND F.product_id < 200 GROUP BY F.product_id, F.customer_id, F.time_id WITH CUBE

28 Cubi e SQL: GROUP BY WITH ROLLUP
Lab. Sistemi Informativi Economico-Aziendali Cubi e SQL: GROUP BY WITH ROLLUP -- fatti selezionati dalla clausola WHERE -- e aggregati dalla clausola GROUP BY -- su prodotto, dimensione e tempo -- su prodotto e dimensione -- su prodotto -- su tutti I dati SELECT F.product_id, F.customer_id, F.time_id, SUM(F.store_sales*F.unit_sales) FROM dbo.sales_fact_1997 AS F WHERE F.customer_id < 20 AND F.product_id < 200 GROUP BY F.product_id, F.customer_id, F.time_id WITH ROLLUP