Funzionamento dei sistemi di Business Intelligence

Per ciò che attiene al processo con il quale si estrinseca l’attività della business intelligence, una buona base di partenza come anche illustrato in precedenza è costituita dai sistemi gestionali operanti in azienda. Infatti questi ultimi, gestendo tutta una serie di informazioni destinate allo svolgimento delle operazioni correnti, forniscono ai sistemi di business intelligence un flusso costante di dati che saranno poi adeguatamente elaborate per soddisfare le finalità conoscitive dell’utilizzatore attraverso una apposita interrogazione al sistema.

Bisogna sottolineare comunque come da soli i sistemi gestionali presenti in azienda non possono soddisfare compiutamente le necessità di dati e informazioni che i sistemi di Business Intelligence richiedono per svolgere correttamente le elaborazioni richieste. In particolare le principali limitazioni connesse ai sistemi gestionali aziendali, nell’ottica dell’utilizzo a fini direzionali, sono le seguenti:

• La potenza di calcolo tipicamente istallata sul gestionale non consente di effettuare efficientemente le elaborazioni richieste, con il rischio inoltre di provocare un eccessivo

2 _{AGIU, DRAGOŞ; MATEESCU, VLAD; MUNTEAN, IULIA - Business intelligence overview - Database}

assorbimento in termini di capacità e di conseguenza un difficile utilizzo del gestionale per le funzioni per le quali è stato preposto.

• Come precedentemente detto, i sistemi gestionali hanno finalità di supporto in merito allo svolgimento di operazioni correnti all’interno dell’organizzazione. Come diretta conseguenza di ciò i dati e le informazioni che transitano all’interno di tali sistemi non sono sufficientemente esaustivi.

Infatti, con riferimento al punto precedente, per alimentare adeguatamente i sistemi di business intelligence e ottenere delle elaborazioni quanto più appropriate agli scopi conoscitivi, occorre reperire dati da molteplici fonti (reperendo così anche dati che non sono strutturati o che sono solo semi-strutturati, i quali richiedono a loro volta modelli di archiviazione differenti rispetti ai database tradizionali) e integrarle all’interno di un apposito contenitore, definito Datawarehouse, dal quale poi gli applicativi di analisi attingeranno i dati necessari per eseguire le elaborazioni richieste. Un Datawarehouse può essere definito come segue: “A Data Warehouse is a subject-oriented, integrated, time

variant, non-volatile collection of data in support of management’s decision-making

process”3_.

Il Datawarehouse a seconda delle esigenze, può essere inoltre strutturato in modo da prevedere dei sottosistemi definiti Data Mart, che raccolgono dati riferiti ad un particolare oggetto di analisi e vengono costruiti appunto per soddisfare esigenze conoscitive specifiche. Un Data Mart può essere creato per esigenze diverse tra le quali troviamo la necessità di adottare uno schema logico differente per l’analisi rispetto al data warehouse o per creare un ambiente ad hoc in cui un soggetto può accedere senza necessariamente fornirgli l’accesso a dati che non sono di suo interesse.

La problematica principale riguardo la gestione dei dati per esplicitare le funzioni della business intelligence sono principalmente riferibili alle modalità differenti con i quali i dati vengono immagazzinati rispettivamente all’interno dei database a supporto dei sistemi gestionali e del Datawarehouse. Nello specifico, nei database tradizionali di tipo relazionale, utilizzati per lo svolgimento delle operazioni correnti, i dati al loro interno sono tipicamente normalizzati e strutturati in tabelle costituite da righe e colonne, consentendo una veloce capacità di individuazione dei dati di interesse. All’interno del data warehouse invece i dati devono necessariamente essere organizzati in maniera differente per poter eseguire le successive elaborazioni. In particolare il data warehouse contiene dati strutturati in un ottica non strutturata e multidimensionale, organizzati

secondo una struttura che illustra le informazioni in “Fatti” e “Dimensioni”, individuando rispettivamente gli avvenimenti di cui si tiene traccia (Fatti) e il modo in cui i Fatti sono

organizzati (Dimensioni)4_{, andando a costituire quelli che vengono definiti Ipercubi}

Dimensionali.

Per poter però alimentare adeguatamente il Data Warehouse con dati organizzati secondo una opportuna struttura logica si utilizzano un insieme di procedure definite

Extract – Transform – Load (ETL), che andranno a prelevare i dati dai database

sorgente (non solo di provenienza interna), trasformati secondo la struttura adeguata per il data warehouse e successivamente caricati nello stesso. Nello specifico le operazioni che vengono effettuate durante la procedura ETL sono5_:

• Estrazione: in questa fase andranno identificate opportunamente le fonti dalle quali attingere i dati (fonti interne o esterne), diverse a seconda degli scopi dell’analisi che si vogliono raggiungere. Successivamente verranno implementate idonee procedure che descriveranno le modalità attraverso le quali si eseguirà la reale estrazione dei dati dalle fonti di origine.

• Trasformazione: Come detto in precedenza, un Data Warehouse utilizza uno schema di archiviazione che si distingue da quello dei database tradizionali. Inoltre il raggruppamento di dati da forni differenti comporta necessariamente una riorganizzazione per poter essere poi utilizzati. Per questo motivo questa fase riveste un ruolo importante e si estrinseca principalmente attraverso queste operazioni:

(a) Trasformazione: Operazione che consente di avere a disposizione dei dati che siano tra loro omogenei, data la loro eterogeneità relativa alle diverse fonti di provenienza.

(b) Pulizia: Si procede all’eliminazione di dati che non soddisfano gli scopi conoscitivi o che risultano essere errati e inconsistenti.

(c) Integrazione: L’obiettivo è quello di mettere insieme i diversi dati provenienti da fonti diverse e preventivamente trasformati, in modo da avere una organizzazione dei dati che sia utile per le successive analisi.

(d) Aggregazione: questa operazione consente di ridurre il livello di dettaglio dei dati a disposizione, pervenendo ad una struttura aggregata. Infatti in sede di

4 _{CASERIO, CARLO; INGHIRAMI, IACOPO ENNIO - Dai sistemi di supporto alle decisioni alla}

Business Intelligence in Gestione Informatica dei Dati Aziendali, L. MARCHI, D. MANCINI (a cura di) -

Milano, Angeli, 3° ed., 2009, pp. 389, tot. pag. 8.

analisi non è detto che l’utente abbia necessità di utilizzare dati di dettaglio e per questo si perviene ad una successiva aggregazione in modo da fornire informazioni utili per gli scopi che si prefigge l’utente.

• Caricamento: la fase di caricamento prevede il definitivo inserimento dei dati precedentemente estratti ed elaborati, all’interno del Data Warehouse.

Contestualmente alla riorganizzazione dei dati all’interno del Data Warehouse vengono costituiti dei documenti che contengono tutta una serie di informazioni sui dati stessi, definiti Metadati. Ad esempio i metadati possono fornire informazioni relativamente alla provenienza del dato, alle modalità con la quale il dato è stato reperito e successivamente caricato e in generale qualunque informazione utile che consenta di conoscere agevolmente l’origine del dato e le sue caratteristiche.

Una volta predisposto adeguatamente il Data Warehouse e aver inserito al suo interno tutti i dati necessari all’utente finale per interrogare adeguatamente il sistema, le procedure di anali vengono implementate dall’ambiente OLAP (OnLine Analytical

Processing)6_{. Tale termine fa riferimento a un insieme di procedure e tecniche che} consentono di porre in essere analisi anche complesse in maniera interattiva ed estremamente rapida su un’ampia mole di dati. Si differenzia da un sistema OLTP (On Line Transaction Processing) in quanto presentano delle caratteristiche differenti essendo predisposti per scopi differenti. I primi infatti vengono utilizzati per processare una ampia mole di dati a scopi di analisi, i secondi invece hanno lo scopo di processare dati a supporto delle transazioni e delle operazioni di gestione.

Figura 22 – Funzionamento di un sistema di Business Intelligence

Un sistema OLAP è implementato prevedendo una struttura Client-Server tramite la quale vengono gestiti i dati contenuti all’interno del Data Warehouse e contestualmente viene fornito un ambiente all’interno del quale l’utente può interagire per eseguire le analisi di suo interesse attraverso l’impiego degli strumenti predisposti. In relazione all’ultimo punto, per rendere agevole l’utilizzo da parte dell’utente finale, è solitamente predisposta una interfaccia grafica molto intuitiva e semplice da utilizzare.

6 _{OLAP AND OLAP Server Definitions – disponibile su olapcouncil.org}

DATA SOURCES • Database operazionali • ERP • CRM • Altre fonti DATA STORAGE • Data Warehouse • Data Mart • Metadata CUBO MULTIDIMENSIONALE DATA VISUALIZATION • Analisi • Report • Query OLAP ENGINE

ETL

Un sistema OLAP può eseguire diverse operazioni sugli ipercubi tra le quali è possibile evidenziare le seguenti7_:

• Roll up: Permette di organizzare i dati in maniera differente rispetto a quella di partenza, consentendo di visualizzare informazioni aggregate in grado di soddisfare adeguatamente i bisogni conoscitivi dell’utente.

• Pivoting: Date le dimensioni del cubo su cui si concentrano le analisi, questa operazione consente di ruotare letteralmente il cubo permettendo così di porre in essere delle analisi sullo stesso oggetto ma da angolazioni differenti.

• Slicing and Dicing: entrambe le operazioni hanno lo scopo di estrarre un sottoinsieme di dati dal più grande aggregato oggetto di analisi. In questo modo è possibile focalizzare l’analisi solo sulle dimensioni di proprio interesse.

• Drill-Down: con questa operazione, in un certo senso inversa rispetto a quella di Roll up, è possibile approfondire l’analisi ad un maggior livello di dettaglio rispetto alla prospettiva di partenza con la quale vengono presentati i dati.

In generale, attraverso gli strumenti messi a disposizione, è possibile effettuare diverse operazioni tutte finalizzate all’analisi interattiva di una grande mole di dati. Tra le principali funzionalità implementabili attraverso l’utilizzo di strumenti di Business Intelligence troviamo ad esempio8_:

• La possibilità di effettuare delle interrogazioni (query) su aspetti specifici di proprio interesse e di redigere report ad hoc, personalizzati a seconda delle esigenze dell’utente.

• L’attivazione di attività di Knowledge Discovery attraverso l’impiego di strumenti e tecniche di Data Mining.

• Porre in essere simulazioni quali ad esempio quelle di tipo “What-If”, “Scenario Analysis” o “Goal Seeking”.

• Utilizzare funzioni di Analytics finalizzate a scopi e output differenti, quali ad esempio process mining, analisi predittive, Business Process Modeling, Complex Event Processing e altre ancora.

Attraverso le diverse funzionalità che presentano gli applicativi e gli strumenti di Business Intelligence è possibile verificare opportunamente l’andamento della gestione

7 _{CASERIO, CARLO; INGHIRAMI, IACOPO ENNIO - Dai sistemi di supporto alle decisioni alla}

Business Intelligence in Gestione Informatica dei Dati Aziendali, L. MARCHI, D. MANCINI (a cura di) -

Milano, Angeli, 3° ed., 2009, pp. 389, tot. pag. 8.

8 _{NEGASH, SOLOMON - Business intelligence - Communications of the Association for Information}

aziendale in merito a situazioni derivanti dal passato, a condizioni di contesto attuali o a possibili evoluzioni attraverso opportuni modelli di simulazione. È così possibile adottare un sistema puntuale di Business Performance Management in grado di supportare i soggetti coinvolti nella gestione fornendo informazioni utili per prendere le decisioni più opportune.

La business Intelligence inoltre, se accompagnata da appositi strumenti di condivisione delle informazioni, può essere un ottimo strumento per lo sviluppo della conoscenza. Infatti le informazioni acquisite per il tramite di elaborazioni effettuate con gli strumenti di business intelligence, possono accrescere il background di conoscenza non solo del singolo utente, ma anche di altri soggetti e per estensione di tutta l’azienda, fornendo un importante base utile per incrementare il processo di apprendimento organizzativo.

2. Big Data