Big Data: Quali opportunità per le imprese

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.