Skip to content

Big Data: Quali opportunità per le imprese

Approfondimento sul Data Warehouse

Inmon definisce il Data Warehouse come «a subject-oriented, integrated, time-variant and non-volatile collection of data in support of management’s decision making». Approfondendo questa definizione, il Data Warehouse è una collezione di dati:

* Orientata al soggetto: si concentra sui concetti di interesse dell’azienda (clienti, prodotti, vendite, ordini,...) con l’obiettivo di fornire informazioni organizzate in modo tale da favorire la comprensione e l’analisi.

* Integrata: integra dati provenienti da sorgenti diverse ed eterogenee, con l’obiettivo di restituirne una visione unificata e coerente;

* Variabile nel tempo: deve permettere analisi che spazino sulla prospettiva di alcuni anni, perciò viene aggiornato a intervalli regolari;

* Non volatile: il Data Warehouse è un Data Base a sola lettura, poiché i dati
non vengono mai eliminati e gli aggiornamenti vengono eseguiti “a freddo”, cioè quando il Data Warehouse è fuori linea.
Generalmente la struttura di un Data Warehouse si articola in quattro livelli:

* Livello delle sorgenti: i dati utilizzati possono provenire da fonti di dati eterogenee: archiviati in Data Base aziendali relazionali oppure provenienti da sistemi informativi esterni all’azienda.

* Livello di alimentazione: i dati devono essere estratti, ripuliti, completati e integrati, in modo da poter essere confrontati tra di loro. Gli strumenti ETL (Extraction, Transformation and Loading) si occupano di questo processo per produrre informazioni dettagliate, esaurienti e di alta qualità che alimentino il Data Warehouse.

* Livello del warehouse: le informazioni trattate in precedenza sono raccolte in un singolo contenitore. Accanto al Data Warehouse è presente un ulteriore contenitore all’interno del quale vengono inseriti i Metadati, cioè le informazioni aggiuntive sui dati (sorgenti, meccanismi di accesso, procedure, utenti, ...). In questo livello troviamo anche i Data Mart, sottoinsiemi dei dati presenti nel Data Warehouse primario che contengono le informazioni suddivise per aree di business, divisioni aziendali o categorie, così da permettere una maggior velocità di analisi, circoscrivendo la parte dei dati di interesse.

* Livello di analisi: permette la consultazione efficace e flessibile dei dati integrati con l’obiettivo di realizzare report, analisi e simulazioni.

Una delle principali differenze che caratterizza i Data Warehouse rispetto ai Data Base tradizionali è la rappresentazione multidimensionale dei dati. Questo modello parte dall’assunzione che gli oggetti che influenzano il processo decisionale sono fatti del mondo aziendale (vendite, acquisti, produzione...) e le occorrenze di un singolo fatto corrispondono a eventi accaduti. Per ciascun fatto si possono identificare le misure, cioè i valori che descrivono quantitativamente gli eventi. Per selezionare e raggruppare con facilità gli innumerevoli eventi aziendali si immagina di collocarli in uno spazio multidimensionale i cui assi sono dimensioni di analisi. Il concetto di dimensione ha dato origine alla metafora, molto diffusa, del cubo per la rappresentazione dei dati multidimensionali. Esso rappresenta un insieme di eventi, i suoi spigoli descrivono le dimensioni di analisi e le celle corrispondono agli eventi, caratterizzati da un valore per ogni misura.

Un’altra delle differenze rispetto ai Data Base operazionali è la modalità di interrogazione. Nei Data Base operazionali, le interrogazioni sono di tipo OLTP (On-Line Transactional Processing), cioè eseguono transazioni che in genere leggono e scrivono un numero di record da diverse tabelle legate da semplici relazioni.
Invece, il tipo di interrogazione utilizzata nei Data Warehouse viene detta OLAP (On-Line Analytical Processing), e si basa su un’analisi dinamica e multidimensionale di una quantità elevata di record per calcolare un insieme di dati numerici di sintesi che possano quantificare le prestazioni aziendali.

Le principali operazioni che gli strumenti OLAP sono in grado di svolgere durante una sessione di analisi delle informazioni contenute in un cubo, sono:

* Roll-up: operazione che permette di aumentare l’aggregazione dei dati eliminando un livello di dettaglio da una gerarchia.
* Drill-down: al contrario permette di diminuire l’aggregazione dei dati introducendo un ulteriore livello di dettaglio.
* Slice-and-dice: l’operazione di slice esegue una selezione su una dimensione, ottenendo un sottocubo di quello di partenza: l’operazione di dice esegue una selezione su una o più dimensioni.
* Drill-across: offre la possibilità di stabilire un collegamento tra due o più cubi al fine di compararne i dati.
* Pivot: operazione che permette di ruotare gli assi del cubo lasciando inalterati i dati.

Questo brano è tratto dalla tesi:

Big Data: Quali opportunità per le imprese

CONSULTA INTEGRALMENTE QUESTA TESI

La consultazione è esclusivamente in formato digitale .PDF

Acquista

Informazioni tesi

  Autore: Simona Ugolini
  Tipo: Laurea liv.I
  Anno: 2015-16
  Università: Università degli Studi di Urbino
  Facoltà: Economia
  Corso: Economia aziendale
  Relatore: Luciano Stefanini
  Lingua: Italiano
  Num. pagine: 61

FAQ

Per consultare la tesi è necessario essere registrati e acquistare la consultazione integrale del file, al costo di 29,89€.
Il pagamento può essere effettuato tramite carta di credito/carta prepagata, PayPal, bonifico bancario, bollettino postale.
Confermato il pagamento si potrà consultare i file esclusivamente in formato .PDF accedendo alla propria Home Personale. Si potrà quindi procedere a salvare o stampare il file.
Maggiori informazioni
Ingiustamente snobbata durante le ricerche bibliografiche, una tesi di laurea si rivela decisamente utile:
  • perché affronta un singolo argomento in modo sintetico e specifico come altri testi non fanno;
  • perché è un lavoro originale che si basa su una ricerca bibliografica accurata;
  • perché, a differenza di altri materiali che puoi reperire online, una tesi di laurea è stata verificata da un docente universitario e dalla commissione in sede d'esame. La nostra redazione inoltre controlla prima della pubblicazione la completezza dei materiali e, dal 2009, anche l'originalità della tesi attraverso il software antiplagio Compilatio.net.
  • L'utilizzo della consultazione integrale della tesi da parte dell'Utente che ne acquista il diritto è da considerarsi esclusivamente privato.
  • Nel caso in cui l'Utente volesse pubblicare o citare una tesi presente nel database del sito www.tesionline.it deve ottenere autorizzazione scritta dall'Autore della tesi stessa, il quale è unico detentore dei diritti.
  • L'Utente è l'unico ed esclusivo responsabile del materiale di cui acquista il diritto alla consultazione. Si impegna a non divulgare a mezzo stampa, editoria in genere, televisione, radio, Internet e/o qualsiasi altro mezzo divulgativo esistente o che venisse inventato, il contenuto della tesi che consulta o stralci della medesima. Verrà perseguito legalmente nel caso di riproduzione totale e/o parziale su qualsiasi mezzo e/o su qualsiasi supporto, nel caso di divulgazione nonché nel caso di ricavo economico derivante dallo sfruttamento del diritto acquisito.
  • L'Utente è a conoscenza che l'importo da lui pagato per la consultazione integrale della tesi prescelta è ripartito, a partire dalla seconda consultazione assoluta nell'anno in corso, al 50% tra l'Autore/i della tesi e Tesionline Srl, la società titolare del sito www.tesionline.it.
L'obiettivo di Tesionline è quello di rendere accessibile a una platea il più possibile vasta il patrimonio di cultura e conoscenza contenuto nelle tesi.
Per raggiungerlo, è fondamentale superare la barriera rappresentata dalla lingua. Ecco perché cerchiamo persone disponibili ad effettuare la traduzione delle tesi pubblicate nel nostro sito.
Scopri come funziona

DUBBI? Contattaci

Contatta la redazione a
[email protected]

Ci trovi su Skype (redazione_tesi)
dalle 9:00 alle 13:00

Oppure vieni a trovarci su

Parole chiave

data warehouse
cloud computing
big data
big data analytics
big data tools
data management

Non hai trovato quello che cercavi?


Abbiamo più di 45.000 Tesi di Laurea: cerca nel nostro database

Oppure consulta la sezione dedicata ad appunti universitari selezionati e pubblicati dalla nostra redazione

Ottimizza la tua ricerca:

  • individua con precisione le parole chiave specifiche della tua ricerca
  • elimina i termini non significativi (aggettivi, articoli, avverbi...)
  • se non hai risultati amplia la ricerca con termini via via più generici (ad esempio da "anziano oncologico" a "paziente oncologico")
  • utilizza la ricerca avanzata
  • utilizza gli operatori booleani (and, or, "")

Idee per la tesi?

Scopri le migliori tesi scelte da noi sugli argomenti recenti


Come si scrive una tesi di laurea?


A quale cattedra chiedere la tesi? Quale sarà il docente più disponibile? Quale l'argomento più interessante per me? ...e quale quello più interessante per il mondo del lavoro?

Scarica gratuitamente la nostra guida "Come si scrive una tesi di laurea" e iscriviti alla newsletter per ricevere consigli e materiale utile.


La tesi l'ho già scritta,
ora cosa ne faccio?


La tua tesi ti ha aiutato ad ottenere quel sudato titolo di studio, ma può darti molto di più: ti differenzia dai tuoi colleghi universitari, mostra i tuoi interessi ed è un lavoro di ricerca unico, che può essere utile anche ad altri.

Il nostro consiglio è di non sprecare tutto questo lavoro:

È ora di pubblicare la tesi