Introduzione alla Business Intelligencenei Sistemi Diagnostici ad alta Automazione

Walter Antonucci – Maurizio Lombardi

•PROCESSABILITA’;•ARCHIVIAZIONE;•MONITORAGGIO;•CONFRONTABILITA’

DATI DIGITALIZZAZIONE

PROCESSABILTITA’MODALITA’

diPRESENTAZIONE

RISORSE PERSONE INFORMAZIONI

INFORMAZIONI

SISTEMAINFORMATIVO

COM

PLES

SITA

’

INFO

RMAZ

ION

E

FABB

ISO

GN

O

INFO

RMAT

IVO

LIVE

LLO

DI

SERV

IZIO

ATT

ESO

Descrizione soggettiva

di un

evento

Dato:

ACQUISIZIONE ELABORAZIONE

TRASFERIMENTOARCHIVIAZIONE

Dato=

CONTENUTO + METADATI

DATI

REPOSITORY

DATA BASEMANAGEMENT

SYSTEMREPOSITORY

I Sistemi Tradizionali:

Inserimento delle informazioni in modo veloce ed efficace

Non consentono analisi significative in grado di produrre

vera e propria conoscenza

Non sono adatti all’inserimento di grandi quantità di dati

la semplice memorizzazione

di informazioni non può essere considerata

un obiettivo strategico da parte dell’organizzazione

PRODURRE CONOSCENZA

SUPPORTARE I PROCESSI

DECISIONALI

SISTEMI INTEGRATI NEI PROCESSI AZIENDALI E FORTEMENTE ORIENTATI ALLA MISSION DELL’ORGANIZZAZIONECON LO SCOPO DI FACILITARE QUATTRO FASI STRATEGICHEDELLA PIANIFICAZIONE AZIENDALE:

1.Previsione;2.Predizione;3.Simulazione;4.Costruzione di scenari alternativi

APPLICAZIONI DI

BUSINESS INTELLIGENCE

DIMENSIONE PROSPETTICAdell’ATTIVITA’

di MISURAZIONE ed ELABORAZIONE

SPESSO QUANDO CI SI RIFERISCE AD UN SISTEMA GESITIONALE ORIENTATO ALLA BUSINESS

INTELLIGENCE SI FA RIFERIMENTO AD APPLICAZIONI E

SISTEMI ALTRESI’ INDICATI CON IL TERMINE

DSS (DECISION SUPPORT SYSTEM)

CONOSCENZA

DATA MINING

Processo che consente di analizzare grandi quantità di dati

attraverso l’impiego di strumenti automatici o semiautomatici

al fine di scoprire ad esempio, associazioni fra dati ed indicatori,

regole, tendenze e schemi significativi, ecc

Le applicazioni di DATA MININGsi avvalgono

di una particolare forma di immagazzinamento dei

dati…

particolare modalità di immagazzinamento dei dati

nella quale la memorizzazione degli stessiavviene a diversi livelli di aggregazione

il che consente all’utilizzatore di poter analizzare i dati

praticamente in tempo reale e secondo prospettive differenti

1. Integrata;2.Orientata al soggetto;3.Variabile nel tempo;4.Non volatile

WEKA: the software

• Machine learning/data mining software written in Java (distributed under the GNU Public License)

• Used for research, education, and applications• Complements “Data Mining” by Witten & Frank• Main features:

– Comprehensive set of data pre-processing tools, learning algorithms and evaluation methods

– Graphical user interfaces (incl. data visualization)– Environment for comparing learning algorithms

@relation heart-disease-simplified

@attribute age numeric@attribute sex { female, male}@attribute chest_pain_type { typ_angina, asympt, non_anginal, atyp_angina}@attribute cholesterol numeric@attribute exercise_induced_angina { no, yes}@attribute class { present, not_present}

@data63,male,typ_angina,233,no,not_present67,male,asympt,286,yes,present67,male,asympt,229,yes,present38,female,non_anginal,?,no,not_present...

• Data can be imported from a file in various formats: ARFF, CSV, C4.5, binary

• Data can also be read from a URL or from an SQL database (using JDBC)

• Pre-processing tools in WEKA are called “filters”• WEKA contains filters for:

– Discretization, normalization, resampling, attribute selection, transforming and combining attributes, …

04/12/23 University of Waikato 33

• New graphical user interface for WEKA• Java-Beans-based interface for setting up and running

machine learning experiments• Data sources, classifiers, etc. are beans and can be

connected graphically• Data “flows” through components: e.g.,

“data source” -> “filter” -> “classifier” -> “evaluator”• Layouts can be saved and loaded again later