Università degli Studi di Udine - pighin.it · – Creazione schema concettuale unico ed uniforme...

Pagina 1Copyright © 2005 by Maurizio Pighin

prof. Maurizio PighinDipartimento di Matematica e InformaticaFacoltà di Economia

I Data warehouse nelle PMI: ambiti di applicazione, limiti tecnologici, problematiche organizzative

Università degli Studi di Udine

Slide 2

I Data warehouse nelle PMI Maurizio Pighin

Università di Pisa – 18 novembre 2005

Agenda

• Richiami generali• I DW nella PMI, caratteristiche organizzative• Le soluzioni tecnologiche/architetturali per la PMI• Gli ambiti di applicazione

– Ciclo attivo– Ciclo passivo– Logistica– Amministrazione/Controllo di gestione– Produzione– Qualità– Risorse umane


Slide 3



Architettura dei sistemi di data warehousing

• Il sistema è costituito da basi di dati poste a livelli distinti, diverse per finalità, struttura e tipologia di dati contenuti– Sorgenti

• basi di dati origine (operazionali o esterne)– Staging Area (opzionale)

• area intermedia utilizzata come appoggio per le procedure di trasformazione dei dati

– Data warehouse• base di dati centrale; contiene tutti i dati necessari all’analisi

articolati su un modello unificato concettualmente multidimensionale

– Data mart• basi di dati multidimensionali su cui si appoggia l’analisi

Slide 4




• Architetture a due livelli– Sorgenti, Data warehouse, Data mart

• Architetture a tre livelli– Comprendono anche l’area di trasformazione dei dati

(staging area)• Appartengono al sistema

– Procedure per il trasferimento dei dati tra le diverse basi di dati

– Strumenti per l’analisi dei dati


Slide 5




Slide 6



Modelli concettuali per il data warehouse: il DFM

• Il DFM (Dimensional Fact Model) descrive graficamente i fatti attorno a cui si struttura un data warehouse – Ogni fatto è rappresentato tramite

uno schema di fatto

• Schema di fatto– Fatto

• rettangolo contenente il nome del fatto e le sue misure

– Dimensioni di base• circoletti etichettati collegati al fatto


Slide 7




• Le gerarchie dimensionali sono alberi con radice nelle dimensioni di base– Gli attributi dimensionali sono i nodi dell’albero

• DFM permette di rappresentare caratteristiche proprie dei sistemi multidimensionali– Opzionalità– Gerarchie condivise– Convergenze– Non aggregabilità

Slide 8





Slide 9



Schema a stella

Modello concettuale

Modello logico su schema a stella

Slide 10



Schema a fiocco di neve

Modello concettuale

Modello logico su schema a fiocco di neve


Slide 11



Costellazione di fatti

Costellazione tra Vendite e Reclami

Slide 12



Il ciclo di vita dei sistemi di data warehousing

• La costruzione avviene con un approccio iterativo– Costruzione del primo

ipercubo relativamente al fatto più significativo

– Integrazione progressiva degli altri fatti

– Rilascio di data mart • Vantaggi

– Primi risultati disponibili in breve tempo

– Investimenti diluiti– Possibilità di tarare e di

sviluppare il modello sulla base delle indicazioni emerse dall’uso effettivo


Slide 13



Costruzione di un data mart

• Analisi delle sorgenti – Descrizione dei dati disponibili– Verifica della compatibilità con i requisiti dell’utente– Creazione schema concettuale unico ed uniforme

• Progettazione concettuale degli schemi di fatto – Identificazione di misure, dimensioni, gerarchie dimensionali, limiti

di aggregabilità delle misure per ogni fatto • Progettazione logica e ed implementazione fisica dei fatti nel

data warehouse– Uso di schemi a stella o a fiocco di neve, costruzione di viste

materializzate o di ipercubi ad alto livello di aggregazione• Progettazione dell’alimentazione

– Definizione delle procedure di popolamento del data warehouse a partire dalle sorgenti

Slide 14



Popolamento del data warehouse

• Aggiornamento dei fatti– Logica principalmente additiva

• Aggiornamento delle dimensioni:– Inserimento dei nuovi valori per le dimensioni– Eventuale modifica dei valori presenti, secondo diverse strategie

• non fare nulla (ogni fatto usa gli attributi dimensionali validiall’inserimento della dimensione)

• sovrascrivere (ogni fatto usa gli attributi dimensionali validi adesso)• creare una nuova istanza da associare ai fatti che si verificano da

oggi in avanti (ogni fatto usa gli attributi dimensionali validi all’epoca)• creare una nuova istanza con marcatori temporali (massima

flessibilità)


Slide 15



Cos’è PMI?

• Scomposizione delle aziende per numero di addetti (Fonte: ISTAT 2001)

4.083.966Totale

0,1%3.272≥ 250

0,5%20.58950-249

4,5%182.27110-49

36,3%1.482.9012-9

58,6%2.394.9331

Percentuale sul totale

Numero ImpreseClasse addetti

Slide 16



PMI: caratteristiche organizzative

• La PMI dal punto di vista dell’analisi dei dati si differenzia per molti aspetti rispetto alla grande azienda

• Raccolta/valutazione indicatori aziendali– Usualmente il controller, se esiste, ha più che altro valenza

amministrativa– Non esiste un ufficio che di sua natura è deputato a fornire tutti gli

indicatori-dati aziendali– Le informazioni sono fornite dai singoli settori– Spesso i responsabili operano trasversalmente sui flussi aziendali

ed hanno visioni diverse sui fenomeni aziendali• Le informazioni non hanno meccanismi di raccolta-valutazione

omogenea• Cosa vuole dire “venduto” per

– il responsabile vendite – il responsabile produzione– Il responsabile amministrativo


Slide 17




• Distribuzione indicatori aziendali– I destinatari sono in numero relativamente ridotto

• Direzione generale• Responsabili di area

– Solo raramente i dati delle analisi sono distribuiti sul territorio

• Quantità dati origine trattati– Quantità relativamente ridotta– Centinaia migliaia – milioni record / anno

Slide 18




• Qualità e completezza dei dati origine– Procedure trattamento dati operazionali (molto) poco

formalizzate (flessibilità operazionale?)– Accesso da parte di più operatori a dati di “struttura”

con meccanismi spesso non condivisi e con effetti poco prevedibili

– Processi trattati in maniera informatizzata solo parzialmente o gestiti totalmente in maniera cartacea


Slide 19




• Tipologia indicatori/analisi aziendali– Relativamente semplificata– Culturalmente indicatori/analisi complessi sono poco

conosciuti• Tipologia del supporto informatico

– Servizi Informatici (se esistono) “omni-comprensivi”– Spesso orientati agli aspetti tecnologici più che

organizzativi/informativi– Poca conoscenza tematiche Data warehouse e

pochissima su Data mining• Orientati a fornire soluzioni “ad-hoc” su quesiti “ad-hoc”• Poco trasferimento di metodologie di lavoro e indagine agli

altri settori aziendali (mantenimento di funzioni informative?)

Slide 20




• Capacità di investimento– Molto minore in assoluto rispetto alla grande azienda– Bassa propensione all’investimento in infrastruttura

non direttamente utilizzata in attività di “core business”– Minor visione strategica sui Sistemi Informativi

• Spesso gli aspetti operazionali sono visti come preponderanti sugli aspetti informazionali

• Si ragiona poco per “budget+obiettivi”

54%≥ 250

23%50-249

19%1-49

% Spesa complessiva ITC

Classe addetti

Spesa per l’ITC nelle Imprese italiane dell’industria e dei servizi

(Fonte: Rapporto Assinform 2004)


Slide 21



Effetti informativi per PMI

• Mancanza cronica di informazioni (corrette) sugli andamenti aziendali – Quanto vale l’inventario? – Come si sono mossi i costi dei prodotti?– Qual è l’andamento dell’esposizione finanziaria?

• Navigazione “a vista”• Necessità di modelli organizzativi che forniscano

(anche pochi) indicatori credibili• Necessità di razionalizzazione dei dati aziendali e di

certificazione della qualità delle informazioni• Utilità di meccanismi di indagine interattivi,

relativamente poco complessi e poco costosi

Slide 22



Effetti informativi per PMI

• L’introduzione di metodologie di DW è vista spesso in maniera molto positiva dagli interessati– Graduale– Rispettando vincoli di semplicità e costo

• Soluzione organizzativa più che tecnologica– Inquadramento dei limiti delle organizzazioni delle PMI

• Tipologia problemi da affrontare• Competenza delle persone• …

– Definizione dei modelli di definizione delle informazioni ed analisi dei dati più appropriati per l’azienda


Slide 23



La tecnologia da sola non serve

• Anche con (relativamente) basse quantità di dati la soluzione solo ”tecnologica” non approda a risultati

• IDEA– Si compra una strumento (più o meno sofisticato)– Lo si “aggancia” al sistema gestionale– Si ottengono risultati informativi

• FALSO– Mancanza di processi formalizzati per il trattamento

operativo dei dati– Dati origine poco precisi e congruenti– Mancanza di definizione condivisa degli elementi di

base sui cui fare analisi

Slide 24



La tecnologia da sola non serve

• IDEA 2°– Si compra una strumento (più o meno sofisticato)– Lo si “aggancia” al sistema gestionale– Si utilizzano le analisi standard che offre il distributore del

software– Si ottengono risultati informativi

• FALSO 2°– Mancanza di processi standardizzati a livello aziendale per il

trattamento dei dati informazionali• Non sono normati per legge• Non esistono processi universalmente condivisi

– Sistemi operazionali da cui si ricavano i dati origine molto eterogenei

– Sistemi informazionali per loro natura a bassa “attrattiva informatica”

– Necessità di attivare un “progetto” più operare che un sistema preesistente


Slide 25



Soluzioni vincenti

• Iniziare da settori con forti necessità informative (e disponibilità all’innovazione)

• Definire (almeno inizialmente) un’architettura semplice

• Definire un Sistema con costi facilmente affrontabili– 20.000€ - 100.000€

• Concepire il DW non come semplice tecnologia, ma come progetto che coinvolge l’organizzazione– Formalizzare i processi di reperimento dei dati– Formalizzare la semantica delle informazioni gestite

Slide 26



Architettura per PMI:Uno schema logico


Slide 27



Architettura per PMI: Le principali soluzioni tecnologiche

• ERP – Architettura S.O. Windows, Unix (varie declinazioni), Linux, AS-

400, …– DB Oracle, Informix, Ingres, SQL-Server, DB2, SQL-400,…

• Comunque accedibili dall’esterno (con maggiore o minore efficienza)• DataWarehouse

– Per lo più sviluppato in ambiente Windows– Architettura ROLAP (più semplice da maneggiare)

• A volte sullo stesso server• Istanze di DB separate (Oracle, SQL-Server, Access,..)

– Vengono aggiunte tabelle con le informazioni non presenti sull’ERP

• Datamart multidimensionali– *.cub, strutture multidimensionali DB (Analisys Services di

Microsoft, Oracle,…)– Strutture interne proprietarie di alcuni strumenti di navigazione

(Business Object, Brio,….)

Slide 28




• Importazione e trasformazione dei dati– Usualmente gli strumenti “ETL” (Extract-Transform-

Load) propri dei DB o dei DW sono insufficienti– Il popolamento viene usualmente fatto con procedure

pianificate (scheduled) o attivate interattivamente, con intelligenza locale, usualmente definite con linguaggi ad alto livello.

– Il DW fornisce l’infrastruttura, ma la vera complessità èricavare e trasformare i dati con cui alimentare la struttura

– Le politiche sono• Aggiunta/modifica sulla tabella dei fatti

– Quando si opera con logiche “additive”– Quando si opera con “fotografie” della situazione


Slide 29




• Sovrascrittura sulle dimensioni con mantenimento storico– Tutti le dimensioni che cambiano e sono significative andrebbero

portati sulla tabella dei fatti• Trattamento elementi mancanti

– Definizione implicita o esplicita• Trattamento gerarchie con semantica diversa

– Esempio provincia per l’estero– Esempio provincia per cliente commerciale e di fatturazione

• Trattamento negativi o eccezioni– Esempi di note d’accredito– Esempi di resi– Esempi di omaggi

Slide 30




• Gli strumenti di navigazione o analisi– A vari livelli di complessità e costo

• Indicativamente da 100€ a 2500€ a postazione (soluzioni client)• Lavorano su DataMart locali o in aree condivise del DW-server,

accedendo su LAN (raramente c’è necessità di distribuzione di altra natura)

• Cresce molto quando si utilizzano sistemi Client/Server, con motori automatici di distribuzione (ma quando servono?)

• Operano su strutture dati multidimensionali standardizzate o proprietarie

• Alcuni nomi– ProClarity– Hyperion– BusinessObject– Brio– Excel– ….


Slide 31




• Osservazione– Qui ci occupiamo di DW, primo passo per un buon

buon trattamento dei dati informazionali• Analisi esplorative

– Hypothesis driven (richieste di analisi per verificare ipotesi)– Discovery driven (misure precomputate indicano eccezioni che

poi vengono studiate con analisi Hypotesis driven)

– Usualmente le problematiche di Data mining sono poco conosciute nell’ambito della PMI

– Comunque c’è la necessità di operare su DW stabili, altrimenti i risultati offerti dalle tecniche di Data miningforniscono risultati poco efficaci o di difficile interpretazione

Slide 32



Aree di applicazione: Quali settori sono preponderanti?

1,6%Project Management3,1%R&D/Engineering4,3%Automazione SI4,8%Pianificazione/controllo

19,8%

6,0%Personale4,3%Acquisti9,1%Amministrazione/Finanza9,9%Logistica/Distribuzione

16,3%Produzione

80,2%

40,6%Vendite/MarketingSpesa IT per Funzione


Slide 33



Aree di applicazione: Flusso attivo

• Analisi tipiche– Mix di prodotti venduti,

fatturato per cliente/area geografica/prodotto, efficienza della rete di distribuzione, rilevamento abbandoni silenziosi, puntualità del servizio al cliente

• Eventi – Documenti

del flusso attivo• Ordini• DDT• Fatture

Esempio di schema di fattoper analisi delle vendite

Slide 34



Esempio: Azienda imbottiti

• Analisi venduto• Dimensioni primarie

– Prodotto • I prodotti sono moltissimi perché configurati

– Tessuto utilizzato• Identifica parte critica della configurazione

– Cliente di vendita– Data vendita (fattura)– Documento di vendita


Slide 35




• Dimensioni derivate– Prodotto

• Categoria (Modello America, Low-Land,…)• Gruppo (divano, poltrona,…)

– Famiglia (due posti, tre posti, …)

– Tessuto• Tirelle• Categoria rivestimento (identifica il prezzo)

– Cliente di vendita• Agente

– Zona» ItaliaEstero

• Linea vendita» ItaliaEstero

Slide 36




• Misure– Quantità– Posti a sedere (quantità omogenea)– Valore a listino– Fatturato lordo– Fatturato netto– Costo


Slide 37




Slide 38



Esempio: Birrificio• Analisi venduto• Dimensioni primarie

– Prodotto • I prodotti sono relativamente pochi (una cinquantina).

– Cliente di fatturazione• Attualmente l’Azienda ha circa 1000 clienti

– Punto di Consegna– Canale di Vendita

• Le vendite afferiscono in maniera differenziata ai vari canali di vendita, sostanzialmente in base a opportune categorie cliente al tipo di vendita che viene effettuata (diretta, c/lavoro) ed al brand che viene trattato.

– Agente Provvigione• Rappresenta l’agente della particolare vendita. Sia l’agente che l’agente generale sono una gerarchia

logica del cliente ma vista la mutevolezza vengono trattati come dimensione primaria. Per distinguerlo con la zona di agenzia (area-zona: il mandato), lo definiamo “agente provvigione”; si noti che la zona di agenzia è “attuale”, quindi in caso di modifiche viene mantenuta l’ultima, mente l’agente di provvigione, essendo una dimensione primaria, è “storico” (cioè mantiene la profondità storica in caso di modifica).

– Agente Generale Provvigione– Gruppo Commerciale

• Rappresenta il primo livello della gerarchia commerciale della particolare vendita (l’ “insegna”): A&O, Eurospin, ecc..

– Modalità pagamento– Bollettato/Fatturato– Budget/Consuntivo– Numero Bolla/Registro IVA-Numero Fattura

• Attenzione all’aspetto temporale ed alla necessità di “aggiornare” i record della tabella dei fatti– Data Bolla /Data Fattura


Slide 39



Esempio: Birrificio• Dimensioni derivate

– Prodotto• Brand: Rossa, .. • Confezione: One Way (vuoto a perdere), lattina, …• Contenuto: 33 cl, 66 cl, ...• Raggruppamento: Sfuso, 2 contenitori, 3 contenitori, …• Tipo Birra: CA, RO, .. • Tipo Contenitore: Fusto, Confezione, …• Segmento di vendita: Private label, Ready to drink,…

– Cliente di Fatturazione• Area Nielsen• Provincia: Le classiche sigle UD, PD, TS, ecc. L’estero va identificato “EE”

– Regione. Gerarchia della Provincia. Le classiche Friuli Venezia Giulia, Veneto, ecc. L’estero va identificato “EE”.

» Stato. Gerarchia della Regione. Italia, Francia, ecc. – Punto Vendita

• Come precedente• Area_zona (mandato): Rappresenta il mandato d’agenzia.

– Agente. » Capo_Area

• Distinta Base soggetto: Rappresenta la gerarchia commerciale corrente. – Canale

• Il canale di vendita ha un semplice gerarchia ad un livello

Slide 40



Esempio: Birrificio• Misure

– QuantitàHL– QuantitàUM– Valore di Listino– Sconti di riga

• sconto canale, sconto commerciale, sconto quantità, sconto promozionale, altri sconti di riga– Valore Bollettato Riga– Valore Fatturato Riga– Sconti di testa

• Sconto Finanziario, Sconto Trasporto , Sconto CEDI (E’ il valore dello sconto per consegna in Piattaforme - più consegne per un gruppo in un unico posto ), Sconto ACCISA, Altri sconti di testa

– Valore Fatturato Riga Finale– Provvigione Agente– Provvigione Agente Generale– Costo POP

• E’ il costo Pubblicitario “Point of Presence” , Va spalmato rispetto agli HL di alcuni articoli– Costo Accisa– Costo Standard Materiali– Costo Effettivo Materiali– Costo Trasporto– Costo Contratto – Costo GDO clienti promozionale – Costo GDO clienti fine anno – Altri Costi clienti GDO– Costo Contratto Concessionari– Giorni Pagamento


Slide 41



Esempio: Birrificio

• Osservazioni– Attenzione alle gerarchie condivise ed all’ambiguità

che possono generare in sede di analisi• Fatturato per provincia: quale?

– Per punto vendita– Per cliente fatturazione

– Soluzione di facile comprensione• Sdoppiare la gerarchia condivisa• Usare nomenclature chiaramente distinte (non ambigue)

– Le nomenclature sono comunque legate• A quelle usate dal sistema operazionale• A consuetudini aziendali

Slide 42




Slide 43



Esempio: Fonderia

• Analisi venduto– Costellazione

• Budget• Ordini (concetto di portafoglio – entità dinamica)• Fatturazione

• Dimensioni primarie– Clienti– Articoli– Data

• Dimensioni derivate– Clienti

• FamiglieClienti (costruttori, grandi aziende, produttori,…)• Zone

– Italia-Estero– Articolo

• Categoria– Classe articolo– Tipo Materiale

» Classe materiale• Classe inventariale• Tipo Formatura

Slide 44



Esempio: Fonderia

• Misure – Budget (solo su classe articolo)

• Valore• Quantità_Kg

– Ordini• Imponibile netto• Imponibile lordo• Quantità• Quantità_Kg

– Vendite• Imponibile netto• Imponibile lordo• Quantità• Quantità_Kg


Slide 45



Esempio: Fonderia

Slide 46



Aree di applicazione: Flusso passivo

• Analisi tipiche– Mix di prodotti acquisiti,

fatturato per fornitore /prodotto, incidenza del costo degli articoli di acquisto, descrizione e confronto di fornitori alternativi, puntualità, ...

• Eventi– Documenti

del flussopassivo• Ordini• DDT • Fatture

Esempio di schema di fatto per analisi degli acquisti


Slide 47



Aree di applicazione: Amministrazione/Finanza

• Analisi tipiche– Scadenzari, cash flow,

riclassificazione bilanci, andamenti indici

• Eventi– Movimenti contabili– Movimenti finanziari (certi

previsionali)Scadenze

Importo Prev.Importo Eff.Gg. ritardo

….

Giorno

Mese TrimestreAnno

Modalità Pagamento

Esempio di schema di fatto per analisi scadenzari

Cliente Fornitore

Categoria Cliente

Fornitore

Classe RischioCliente

Fornitore

Categoria

Stato

Scadenza Presunta

Scadenza Effettiva

Slide 48



Aree di applicazione: Controllo gestione

• Analisi tipiche– Costi/ricavi, marginalità per

cliente/articolo, scostamento da budget, ...

• Eventi– Fatture attive e passive,

budget, movimenti di contabilità analitica e ordinaria, costi produttivi

Esempio di schema di fattoper analisi di marginalità


Slide 49



Esempio: Mobilificio

• Riclassificato c/economico scomposto sulla singola vendita• Concetto di “periodo di analisi”• Dimensioni primarie

– Cliente– Articolo– Tipologia analisi (budget, consuntivo ad una data…)– Data

• Dimensioni derivate– Cliente

• Province– Nazioni

» Aree geografiche» Zone commerciali

• Gruppi cliente– Classi cliente

– Articolo• Modello• Tipo articolo• Tipo Colore (finitura)

Slide 50




costi non caratteristicidelta magazzino

ricavi non caratteristicialtri costi diretti di produzione

Gruppo gestione non caratteristicacosto lavorazioni esterne

altri costi di strutturalavorazioni interne

spese generalicosto manodopera

spese finanziariecosto materiali

spese personale ammin./dir. generaleCosti diretti di produzione

Costi di strutturaaltri costi commerciali

altri costi indiretti di produzionecosti del personale

spese varie dipendentipubblicità

spese personale indirettofiere

materiale di consumotrasporti

energiapremi

manutenzioniroyalty

affitti e leasingaltri costi agenti

ammortamentiprovvigioni agenti

provvigioni passiveCosti commerciali

costi servizi tecnici altri ricavi

trasporti passiviresi

addebiti vari fornitoriricavi diversi

vendita sottoprodottifatturato di vendita

Costi indiretti di produzioneRicavi

• Misure– Riclassificazione conto

economico– Scomposizione su singola

vendita– Driver per scomporre molte

voci


Slide 51




Slide 52




• Riclassificato c/economico scomposto sulle vendite raggruppate (trimestre)

• Dimensioni primarie– Linea vendita (mercato)– Famiglia articoli (prodotto)– Causale contabile(riclassificazione conto economico)– Data

• Dimensioni derivate– Linea vendita

• Italia/Estero– Causale contabile

• Voce contabile• Misure

– Budget– Consuntivo


Slide 53




Slide 54



Aree di applicazione: Logistica

• Analisi tipiche– Attività sui depositi, rotazioni

articoli, consumi, costi, valori inventariali

• Eventi– Movimenti di magazzino

Esempio di schema di fattoper analisi sui movimenti logistici


Slide 55



Aree di applicazione: Mobilificio

• Valorizzazione magazzino• Dimensioni primarie

– Articolo– Data– Deposito

• Dimensioni derivate– Articolo

• Famiglia– S/Gruppo

» Gruppo• Modello

• Misure– Valore inventariale– Valore previsionale

Slide 56





Slide 57



Aree di applicazione: Produzione

• Analisi tipiche– Costi e efficienza del processo produttivo, tempi di produzione

• Eventi– Ordini di produzione e di lavorazione, consuntivazione lavorazioni,

movimentazione materiali

Esempi di schemi di fatto per analisi di produzione con riferimento ai materiali ed alle lavorazioni

Slide 58




• Analisi tempi/ritardi di produzione• Dimensioni primarie

– Clienti– Articoli– Tessuti– Tassativo– Classi ritardo– Eccezioni– Data

• Dimensioni derivate– Clienti

• Zone– ItaliaEstero

– Articoli• Gruppi

– Famiglie• Categorie

– Tessuti• Tirelle

– Classi ritardo– Eccezioni

• Tipi eccezioni


Slide 59




• Misure– Quantità– Posti a sedere– Lead time– Giorni previsti consegna– Giorni effettivi consegna– Giorni previsti produzione– Giorni effettivi produzione– Giorni processo produttivo– Giorni sosta magazzino– Giorni processo consegna

Slide 60





Slide 61



Aree di applicazione: Qualità

• Analisi tipiche– Difettosità degli articoli,

puntualità e difettosità dei fornitori, puntualitàaziendale, attuazione azioni correttive, efficacia azioni preventive, ...

• Eventi– Rilevamento non

conformità, spedizioni,ingressi a magazzino, reclami, azioni correttive, ...

Non conformità

CostoTempo chiusura

….

Articolo

Tipologia

Classemerceologica

Trimestre

AnnoMese

Responsabile

Settore

Tipo nonconformità

Fornitore

Tipofornitore

Esempio di schema di fatto per analisi delle non conformità

Slide 62



Aree di applicazione: CRM

• Analisi tipiche– Efficacia di promozioni e di

azioni di fidelizzazione, esito di campagne di telemarketing, prestazioni del servizio di assistenza ai clienti

• Eventi– Azioni commerciali,

vendite, chiamate di assistenza, ...

Esempio di schema di fatto per analisi sul servizio di assistenza

clienti


Slide 63



Aree di applicazione: Risorse umane

• Analisi tipiche– Presenze, retribuzioni, ...

• Eventi– Ingressi/uscite,

emissione cedolini di pagamento, ...

Presenza

Tempo lavoratoTempo dovuto

Costo….

Causaleassenza Trimestre

AnnoMese

Orario dilavoro

giornaliero

Terminale dirilevazione

Persona

Reparto

Qualifica

Esempio di schema di fatto per analisi delle presenze

Slide 64



Costellazione per Rilevazione Presenze

• Analisi su un sistema di rilevazione presenze• Dimensioni Primarie

– Persona– Azienda– Mensa– Tipologia orario– Reparto– Qualifica – Part-time– Centro di costo– Voce di analisi (parametrica)– Causale tempo impiegato– Terminale– Verso registrazione (Ingresso-Uscita)– Data

• Vista l’alta parametrizzazione e mutevolezza non esistono dimensioni derivate ma sono tutte primarie (sulle tabelle dei fatti)


Slide 65




Slide 66




• Misure (varie tabelle dei fatti)– Presenze Istantanee

• Tempo presenza (turni cavallo data)– Numero Presenze

• Numero presenti• Numero assunti

– Consuntivi presenze• Tempo lavorato effettivo (ore/minuti)• Tempo compensato (ore/minuti)• Tempo non lavorato retribuito (ore/minuti)• Tempo lavorato non retribuito (ore/minuti)• Tempo dovuto (ore/minuti)• Costo (ore/minuti)

– Terminali• Rilevazione oraria


Slide 67



Presenze istantanee

Slide 68



Numero presenze


Slide 69



Presenze consuntive

Slide 70



Terminali rilevazione


Slide 71



Esempi di navigazione

Si parte da un modello di analisi, che considera due misure (valore lordo e valore netto), una misura calcolata (Delta) e due dimensioni (temporale e geografica)

Slide 72




Selezionando per esempio la dimensione “Italia/Estero”, èpossibile esploderla ad un livello di profondità (nel nostro caso èstata scelta la “famiglia”)


Slide 73




L’operazione di drill-down espande una gerarchia

Slide 74




Analogamente si fanno altre analisi, scendendo su altre gerarchie (mese)


Slide 75




Le esplosioni possono essere iterate, sezionando eventualmente solo le parti interessanti (slice-dice)

Slide 76




Ad esempio, si analizzano solo i clienti della zona “Italia” e della famiglia “Costruttori”


Slide 77




E’ possibile associare grafici alle analisi

Slide 78




Ruotare la tabella per presentare meglio la soluzione grafica (pivot)


Slide 79




E’ possibile creare dei cruscotti di lavoro in modo da rendere ancora più automatico il processo di analisi. Nei cruscotti è possibile definire parametri che pilotano le analisi

Slide 80




Un esempio di cruscotto più ricco, con diversi parametri di selezione e pulsanti che richiamano le diverse analisi


Slide 81



Conclusioni

• La PMI ha forti esigenze informative ampiamente coperte da soluzioni di DW per la parte esplorativa

• Spesso non ha capacità finanziaria o sufficiente visione strategica per investimenti iniziali significativi

• La dimensione dei dati e l’organizzazione geografica prevedono modelli architetturali relativamente semplici e con costi contenuti

• La complessità è usualmente squisitamente organizzativa– Approccio culturale– Definizione obiettivi– Poca formalizzazione processi e modalità operative– Poca chiarezza sulla semantica dei dati trattati

Slide 82



Curiosità: il primo DW dell’Universitàdi Udine sulla didattica


Slide 83



Domande

• Queste slide sono disponibili sul mio sitohttp://users.uniud.it/pighin/seminari/Sem20051118.pdf

Università degli Studi di Udine - pighin.it · – Creazione schema concettuale unico ed uniforme...

Documents

Transcript of Università degli Studi di Udine - pighin.it · – Creazione schema concettuale unico ed uniforme...