Business Intelligence Dai dati alle decisioni. Modulo 1 Introduzione alla Business Intelligence I...
-
Upload
brunilda-stefani -
Category
Documents
-
view
217 -
download
1
Transcript of Business Intelligence Dai dati alle decisioni. Modulo 1 Introduzione alla Business Intelligence I...
Business IntelligenceDai dati alle decisioni
Modulo 1Introduzione alla Business Intelligence
I computer sono inutili, possono dare solo risposte. (Pablo Picasso)
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: 35.570661 Nord Long: -171.289673 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…
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:
Siete a conoscenza di questi fatti:
1. La zattera è in gomma e non avete modo di governarla. 2. Le correnti in zona sono molto forti e gli aiuti potrebbero
impiegare diversi giorni prima di raggiungere la zattera.3. La costa più vicina è a 3.000 miglia di distanza.4. L’escursione termica in mare aperto è molto elevata
Mettete in ordine di importanza gli oggetti sopra indicati
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
L’importanza di pianificare
Utilità
Funzi
on
ali
tàfondamentali
importanti
dispersivi
inutili
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.)
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".
L’importanza di pianificare
Business Intelligence
Cosa non è la Business Intelligence:1. Cercare un indirizzo su una rubrica;
2. Chiedere ad un database quanti autori americani sono presenti sulla vostra biblioteca;
3. Calcolare quale è il margine di un prodotto.
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 GESTIONALISistemi che raccolgono i dati grezzi di un’azienda
SISTEMI BUSINESS INTELLIGENCE
Sistemi che trasformano i dati grezzi in informazione
Business Intelligence
Cosa è la Business Intelligence:1. Decisioni migliori in meno tempo;
2. Convertire dati in informazioni;
3. Utilizzare un approccio razionale di gestione.
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?
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)
Key Performance Indicator
Produzione
Vendite e
Marketing
Finanza
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)
Analisi
Indicazioni
Azioni
Misurazion
i
Business Intelligence Utilizzare un approccio razionale di gestione.
Business Intelligence
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
Piramide dei componenti di un ambiente B.I.
Decisione
Ottimizzazione
Data Mining
Esplorazione dei Dati
Analisi dei cubi multidimensionali
Fonti di Dati
Fonte di dati Disponibili
Raccogliere e integrare i dati disponibili
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,…)
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
Esplorazione dei dati (esplorazioni passive)
Analisi statistiche e visualizzazione dati
Esplorazione dei dati (esplorazioni attive)
Modelli matematici di apprendimento e data mining
Modelli di ottimizzazione
Modelli in grado di ottimizzare e scegliere la decisione migliore tra un ampio (a volte infinito) ventaglio di azioni alternative
Decisioni
Che rimangono sempre e comunque del “Decision Maker”
Azioni alternativeCondizioni
• operative• tecniche
• procedurali• legali • sociali• politiche
Azioni ammissibili
Azioni Escluse
Decisione!
Criteri• redditività• costo• qualità• affidabilità • flessibilità• servizio
Separa
zion
eValu
tazio
ne
Architettura di B.I.
Modulo 2Analisi multidimensionale di cubi OLAP
Errare è umano, ma per incasinare davvero tutto ci vuole un computer. (Legge di Murphy- Quinta legge dell'inattendibilità)
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…
Una storia…
Regione Venduto PrevEmilia 1.985 2.400Lombardia 2.003 2.400Marche 2.125 2.400Umbria 2.048 2.400Lazio 1.967 2.400Piemonte 2.048 2.400Veneto 2.077 2.400Liguria 1.912 2.400Toscana 1.985 2.400Abruzzo 2.012 2.400Puglia 1.998 2.400Campania 2.032 2.400Sicilia 1.952 2.400
Regione VendutoEmilia 1.985 Lombardia 2.003 Marche 2.125 Umbria 2.048 Lazio 1.967 Piemonte 2.048 Veneto 2.077 Liguria 1.912 Toscana 1.985 Abruzzo 2.012 Puglia 1.998 Campania 2.032 Sicilia 1.952
Mese Venduto PrevGennaio 13.139 15.600Febbraio 13.005 15.600Totale complessivo 26.144 31.200
Mese Settiamana Venduto PrevGennaio 1 3.112 3.900 2 3.280 3.900 3 3.232 3.900 4 3.515 3.900Febbraio 5 3.421 3.900 6 3.303 3.900 7 3.121 3.900 8 3.160 3.900Totale complessivo 26.144 31.200
...sono passati un paio di mesi dal lancio e alla riunione prodotto vengono portati i report per lo studio dell’andamento del prodotto:
...e tiriamo qualche conclusione...
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!
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…
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 75 82 Rimini 73 72 88 87 95 73 75 86 Lombardia Brescia 42 57 79 81 69 39 73 67 Desenzano 103 103 135 116 128 119 123 107 Milano 75 35 85 74 93 83 49 68 Marche Ancona 105 89 86 85 93 91 95 98 Ascoli Piceno 98 83 89 95 86 96 82 26 Pesaro 76 84 104 89 111 93 92 79 Umbria Orvieto 79 89 102 90 110 87 85 80 Perugia 81 94 84 86 92 85 88 99 Terni 87 88 87 96 85 72 75 27 Lazio Frosinone 69 98 78 89 90 78 68 83 Latina 76 77 86 88 94 67 68 87 Roma 88 88 90 99 86 83 68 69 Piemonte Cuneo 80 85 87 110 90 102 89 79 Novara 27 75 72 85 96 87 88 87 Torino 99 88 85 92 86 84 94 81 Veneto Padova 69 68 83 86 99 90 88 88 Treviso 93 96 89 111 85 92 83 89 Verona 87 68 67 94 88 95 77 92 Liguria Genova 81 91 98 87 81 73 72 77 La Spezia 70 80 87 95 65 73 90 85 Savona 97 84 66 68 28 93 92 79 Toscana Firenze 85 83 92 98 87 89 75 68 Livorno 66 93 80 88 91 84 75 82 Pisa 73 72 88 87 95 73 75 86 Abruzzo Chieti 85 93 83 93 102 88 81 81 L'Aquila 95 86 70 80 30 80 82 96 Pescara 78 89 86 85 93 91 87 78 Puglia Bari 89 111 92 82 93 61 65 88 Lecce 72 81 28 84 90 99 82 100 Taranto 68 94 70 84 109 91 84 81 Campania Benevento 85 87 61 93 80 85 97 88 Caserta 87 91 90 82 76 84 72 79 Napoli 93 103 66 100 81 91 61 100 Sicilia Catania 72 81 80 96 82 95 89 78 Messina 77 78 70 89 86 83 102 89 Palermo 81 70 77 85 98 81 30 83
Analisi per “Punto Vendita”
Gennaio FebbraioRegione 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 75 82 Rimini 73 72 88 87 95 73 75 86 Lombardia Brescia 42 57 79 81 69 39 73 67 Desenzano 103 103 135 116 128 119 123 107 Milano 75 35 85 74 93 83 49 68 Marche Ancona 105 89 86 85 93 91 95 98 Ascoli Piceno 98 83 89 95 86 96 82 26 Pesaro 76 84 104 89 111 93 92 79 Umbria Orvieto 79 89 102 90 110 87 85 80 Perugia 81 94 84 86 92 85 88 99 Terni 87 88 87 96 85 72 75 27 Lazio Frosinone 69 98 78 89 90 78 68 83 Latina 76 77 86 88 94 67 68 87 Roma 88 88 90 99 86 83 68 69 Piemonte Cuneo 80 85 87 110 90 102 89 79 Novara 27 75 72 85 96 87 88 87 Torino 99 88 85 92 86 84 94 81 Veneto Padova 69 68 83 86 99 90 88 88 Treviso 93 96 89 111 85 92 83 89 Verona 87 68 67 94 88 95 77 92 Liguria Genova 81 91 98 87 81 73 72 77 La Spezia 70 80 87 95 65 73 90 85 Savona 97 84 66 68 28 93 92 79
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.
Analisi Multidimensionale
Limitazione dei database gestionali:
① Rapporti solo sulle informazioni internamente
raccolte
② Tipicamente non consente una analisi
dimensionale alla velocità del pensiero.
Il loro lavoro è la gestione e dedicano il loro tempo a quello
Dobbiamo avere a disposizionesistemi che permettono di rispondere a questo tipo di domande:
① Quali sono le vendite effettive rispetto alle
previsioni di vendita per regione, per periodo,
per punto vendita?
② Quale è la redditività per prodotto e per cliente?
③ Quale è l’arretrato per prodotto, per cliente nel
tempo?
Sistema OLAP
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…
On LineAnalyticalProcessing
Sistema OLAPOn LineAnalyticalProcessing
Sistema OLAP
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.
On LineAnalyticalProcessing
Analisi Multidimensionale della vendita di frutta
Quante mele sono state vendute nel mercato di Milano
durante il terzo trimenstre?
Cubo OLAP
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 = 48.000 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
48.000 x 75 = 3.600.000 informazioni da gestire
On LineAnalyticalProcessing
Cubo OLAP
Perché un cubo OLAP sia efficace abbiamo bisogno che sia strutturato in:
On LineAnalyticalProcessing
Dimensioni – fanno conoscere lo spazio
occupato dal database
Gerarchie – permettono di aggregare le
dimensioni
Misure – permette di confrontare le varie
dimensioni
Cubo OLAPOn LineAnalyticalProcessing
① I dati devono essere
confrontabili
② I dati devono
essereaggregabili
Dimensioni – fanno conoscere lo spazio
occupato dl database
Cubo OLAPOn LineAnalyticalProcessing
PeriodoAnno
Trimestre Mese
1Mese
2Mese
3
Gerarchie – permettono di aggregare le
dimensioni
Dimensione
Relazioni
Membri
GERARCHIA
Cubo OLAPOn LineAnalyticalProcessing
① Ci deve sempre essere almeno una misura
② Una misura è sempre una quantità o
un’espressione che produce una quantità
③ La misura può assumere qualsiasi formato
quantitativo
④ La misura può derivare da qualsiasi fonte dati o
da un calcolo
Misure – permette di confrontare le varie
dimensioni
Altrimenti non abbiamo l’elemento di confronto
Un valore assoluto, una valuta, una percentuale, un rapporto,…
Un input diretto, un’aggregazione, una media, una formula,…
Perché deve essere appunto misurabile
• KPI - per interpretare misure e caratteristiche ;
• Benchmark - utilizzato per fare confronti
Esempio Excel Occupazione e giorni di malattia per reparto