Sistemi di BI e data analysis

 

Emisfera sviluppa sistemi di business intelligence e data analysis adottando una metodologia di lavoro che consente di partire da dati eterogenei disponibili nelle diverse applicazioni che compongono il sistema informativo aziendale per arrivare a data warehouse, report e cruscotti informativi.

 

La business intelligence

I sistemi ERP attualmente in uso in molte organizzazioni, spesso integrati da altre applicazioni specializzate, supportano le cosiddette attività operazionali, ovvero si occupano di archiviare, gestire ed elaborare tutta l’informazione per lo svolgimento dell’attività quotidiana. I sistemi gestionali operazionali si occupano principalmente di inserire ed aggiornare i dati. Sono basati su database di tipo OLTP (On-Line Transaction Process), ovvero database nei quali l’operazione principale è quella di inserimento, cancellazione e modifica del dato.

In ogni organizzazione, tali sistemi devono essere integrati con applicazioni dedicate al supporto decisionale, ossia riguardanti la gestione, la produzione e l’archiviazione delle informazioni necessarie per supportare i dirigenti nelle scelte strategiche. Tali sistemi di business intelligence (BI) si basano su tecniche di data analysis. I sistemi di BI sono basati su database OLAP (OnLine Analytical Processing System) in cui confluiscono una grande quantità di dati, che devono essere principalmente letti e raggruppati.

Un sistema BI deve possedere le seguenti caratteristiche:

  • presentare i dati in un formato che sia facile da leggere e da interpretare, e che faccia un ampio uso di grafici;
  • possibilità di trattare grandi volumi di dati con tempi di risposta quasi istantanei;
  • capacità di integrare tra loro dati provenienti da fonti differenti, sia interne che esterne all'azienda;
  • mantenere la storia dei cambiamenti subiti dai dati, per permettere analisi storiche.

 

Un progetto di business intelligence

Le fasi principali di un progetto di BI sono:

  • Raccolta dati. Possono provenire da sistemi ERP, database relazionali, file di applicativi o altro. Possono risiedere su piattaforme differenti e possono contenere informazioni strutturate come tabelle e fogli elettronici oppure informazioni non strutturate come file di testo, immagini e altre informazioni multimediali
  • Extraction, transformaton e loading (ETL). Estrazione dei dati dalle fonti, loro trasformazione secondo un formato comune e successivo caricamento nel database OLAP di destinazione. La trasformazione serve a pulire e integrare i dati e prepararli per la loro nuova collocazione.
  • Costruzione del Datawarehouse (DWH). Si tratta di un database di grandi dimensioni nella quale i dati sono organizzati in modo tale da facilitarne l’analisi. Il DWH mantiene informazioni storiche e permette di analizzarle secondo diversi tipi di dimensioni
  • Analisi: costruzione di report e cruscotti

 

Costruzione di un datawarehouse

Il DWH viene costruito utilizzando un modello (Dimensional Fact Model – DFM) che permette di mettere in correlazione i principali dati numerici che si vogliono analizzare, cioè i fatti (es. fatturato, margine…) con le diverse dimensioni secondo ci questi dati possono essere analizzati (es. temporale, geografica, per prodotto…).

Il DWH cosi progettato può poi essere implementato utilizzando un database di tipo relazionale (si parla in questo caso di R-OLAP), o specializzato cioè multidimensionale (M-OLAP). Nel caso di database R-OLAP, il modello DFM viene mappato su una struttura relazionale utilizzando una tecnica denominata schema a stella, in cui fatti e dimensioni vengono mappati su corrispondenti tabelle relazionali.

Emisfera è in grado di utilizzare entrambe le tecniche, con diversi strumenti.

 

Il processo di extraction, transformation and loading (ETL)

Il processo ETL di estrazione dei dati dalle diverse fonti e di caricamento del DWH è spesso il più complesso dell’intero progetto. In questa fase devono essere risolti problemi concettuali di integrazione di dati provenienti da fonti differenti, affrontando anche problematiche relative alla pulizia dei dati (data cleaning).

 

Data analysis

L’ultimo componente di un progetto di BI è costituito dall’insieme di applicazioni che permettono di analizzare, utilizzare e vedere le informazioni contenute nel DWH, rappresentando in forma tabellare e grafica i dati estratti. I report sono interattivi, nel senso che, una volta disegnati, possono essere calcolati, quando desiderato, in funzione dei nuovi dati disponibili nel DWH.

Una tipologia particolare di report è costituita dai dashboard, utilizzati per rappresentare l’insieme dei KPI key performance indicator (KPI) aziendali, che forniscono i principali indicatori di performance dell’azienda (conoscenza dei clienti, processo produttivo interno, aspetti finanziari, ecc.). Un requisito fondamentale è la visione multidimensionale dei dati con la possibilità di cambiare rapidamente le prospettive di analisi e i livelli di dettaglio, sfruttando la presenza di gerarchie.

 

Data mining

La data analysis consente di analizzare informazioni presenti nel sistema informativo aziendale. Il data mining invece consiste in un insieme di tecniche e algoritmi per l’estrazione di informazioni non ovvie, precedentemente non note e potenzialmente utili, contenute all’interno del DWH. Il data mining permette di effettuate analisi predittive, fondamentali in ambiti quali previsioni di vendita, analisi della clientela e analisi di mercato.

Il data mining si basa su tecniche quali l’identificazione di regole di associazione,classificazione, clustering e similarity search, che consentono di individuare similarità nascoste in gruppi di dati omogenei (es i dati di vendita) per arrivare a fornire previsioni nel caso di presenza di dati analoghi (es. previsioni di vendita su determinati target di utenza).

 

Business intelligence nelle piccole e medie imprese

Il termine business intelligence spesso evoca progetti complessi e investimenti non sostenibili per imprese di piccole e medie dimensioni. Non è più cosi. La riduzione dei prezzi dei software utilizzati e il consolidamento delle tecniche rendono oggi la BI alla portata di aziende di qualsiasi dimensione, e si ripagano in breve tempo soprattutto grazie al maggior livello di conoscenza che questi progetti possono permettere di ottenere relativamente ai diversi aspetti del proprio business.

 

Progetti di business intelligence realizzati

  • Report di andamento per il prodotto WhiteNet, utilizzato dalle principali Agenzie per il Lavoro in Italia
  • Progetto di ricerca Web-BI: raccolta ed analisi di dati provenienti dal web relativi alla medicina rigenerativa
  • Progetto di ricerca Ergos: la BI applicata alla gestione degli Asset
  • Sistema decisionale per il consorzio Infor e le società collegate
  • Sistema di data analysis per Emisfera soc.coop.
  • Sistema di data analysis per Digima srl.
  • Erogazione di corsi di BI in ambito aziendale