Conclusioni e Sviluppi futuri

(1)

Conclusioni e Sviluppi futuri

Conclusioni e Sviluppi futuri

Attraverso gli strumenti software della piattaforma COGNOS, abbiamo realizzato un modello multidimensionale per applicazioni di Business Intelligence in grado di soddisfare i requisiti aziendali proposti nelle fasi iniziali di questo lavoro. L'utilizzo di COGNOS Power Play per l'esplorazione OLAP dei dati dei Power Cube sviluppati ha permesso, sia agli utenti finali che alla Direzione aziendale, la conoscenza di una metodologia innovativa di analisi, superando gli ostacoli prodotti dai limiti dei tradizionali sistemi di reportistica. Il raggiungimento di questi obbiettivi è stato possibile grazie allo studio della suite di COGNOS presente in azienda, composta dagli strumenti COGNOS Impromptu e COGNOS Power Play; il tool di sviluppo impiegato per la fase di modellizzazione dei Power Cube appartiene al secondo degli strumenti descritti all'inizio di questa tesi, e cioè COGNOS Power Play Transformer. La fase di modellizzazione del Power Cube ha rivestito gran parte del lavoro svolto, ed è stata perseguita con l'obbiettivo di garantire livelli di performance tollerabili alla luce degli aspetti critici che abbiamo dovuto affrontare. La pianificazione del lavoro e la scelta dei principali requisiti è stata condotta in collaborazione con alcuni utenti dei settori aziendali e con la Direzione sotto forma di dialoghi condotti in linguaggio naturale; il contatto con la realtà aziendale è stato fondamentale dovendo sviluppare un modello di una applicazione di Business Intelligence, ed ha rappresentato personalmente un motivo di crescita importante. L'aspetto che nel complesso ha rivestito la maggior criticità in tutte le fasi del progetto è stata la natura altamente dinamica del Sistema informativo aziendale, il cui Database relazionale, fonte primaria dei dati che

(2)

abbiamo trattato per i modelli, è stato analizzato nella sua struttura al fine di acquisire una soddisfacente comprensione della semantica dei dati aziendali. Il

data retieval dei dati necessari mediante connessione ODBC al Server centrale dal

terminale client sul quale abbiamo sviluppato questo lavoro di tesi, è stato talvolta compromesso a causa dei notevoli livelli di traffico dei dati sulla rete. Si è trattato di una realtà che ha influito negativamente sui tempi di creazione dei Power Cube la cui riduzione è divenuta uno scopo importante nella fase di modellizzazione. I tempi che si sono registrati hanno subito una notevole riduzione grazie alle tecniche di ottimizzazione offerte da Transformer ma chiaramente, non potendo esulare da fasi di testing per una effettiva valutazione, hanno permesso solo in parte di superare una problematica che è intrinseca alla realtà aziendale incontrata. Ad ogni modo, ricorrendo alle funzionalità di automatizzazione delle applicazioni COGNOS, abbiamo creato una macro apposita utilizzando il COGNOS Script language per poter schedulare il processo di costruzione dei Power Cubes nelle ore notturne. Questa tecnica è quella che ha permesso di valutare i risultati delle nostre scelte di ottimizzazione in tempi decisamente più rapidi, e si è rivelata una strategia vincente per evitare una serie di fallimenti a cui siamo andati incontro durante l'estrazione dei dati nelle ore di piena attività aziendale. La valutazione critica al termine delle fasi di progettazione e sviluppo dei modelli proposti, ci ha permesso di comprendere alcuni aspetti importanti da tenere in considerazione nell'ambito dello sviluppo di una futura applicazione COGNOS inserita in un contesto aziendale similare a quello descritto in questo lavoro di tesi:

1. Data staging: la pianificazione di una metodologia per lo staging dei dati rappresenta un passo importante che comporta notevoli vantaggi durante la fase di creazione del Power Cube. Prescindendo dal tipo di tecnologia impiegata, la memorizzazione temporanea dei dati permette che la fase di lettura eseguita da Transformer non abbia alcun impatto sulle prestazioni

(3)

della rete; nel caso di possibili fallimenti nell'elaborazione, il processing dei dati può ripartire dai dati memorizzati. Infine, l'esecuzione di query complesse si riduce ad una semplice estrazione di dati da tebelle locali. In questo caso, deve essere preso in considerazione il costo iniziale dovuto al popolamento delle tabelle di staging. La presenza di un datawarehouse può rappresentare una valida alternativa come livello di staging, con il vantaggio ulteriore di poter usufruire di strumenti di cleaning dei dati per il mantenimento di categorie “pulite” all'interno del modello.

2. Hardware envirorment: il monitoraggio delle risorse hardware del sistema è un aspetto da tenere in considerazione in previsione di un aumento significativo delle dimensioni del Power Cube. La performance del processo di creazione del cubo è infatti proporzionale alla quantità di memoria fisica disponibile nel sistema, parte della quale viene riservata al caching del disco. Il processo di generazione del Power Cube è “I/O intensive”, cioè caratterizzato da una serie di fasi di lettura/scrittura dei dati; disporre di una quantità di memoria fisica sufficiente per tutti gli step in cui si articola l'algoritmo di creazione del cubo, permette di minimizzare il numero di page fault nelle fasi di scrittura e conseguentemente di aumentare le prestazioni complessive. Un miglioramento ulteriore delle prestazioni del processo può essere ottenuto utilizzando un sistema multiprocessore che permette a Transformer di bilanciare il carico dell'elaborazione tra le CPU. Questo potenziamento delle capacità elaborative del sistema deve essere abilitato settando il controllo corrispondente nelle proprietà dei file sorgenti (stessa property sheet relativa al query timing control che abbiamo trattato in questa tesi).

(4)

Tra i possibili scenari futuri, l'integrazione con altri strumenti software della piattaforma COGNOS rappresenta una prospettiva interessante che apporta un valore aggiunto all'applicazione di Business Intelligence sviluppata. COGNOS offre ad esempio un potente strumento di data-mining, come COGNOS Scenario, in grado di compiere sofisticate analisi sui dati aziendali estraendoli dal Power Cube sviluppato con COGNOS Power Play Transformer. Infine, riallacciandosi al discorso relativo all'importanza del data staging, la presenza di un datawarehouse può risolvere le problematiche di cui abbiamo parlato, oltre che costituire un repository integrato dei dati aziendali; in questo senso, COGNOS ha sviluppato uno strumento apposito per la realizzazione di data mart e datawarehouse, COGNOS Decision Stream, in grado di gestire in modo integrato tutte le fasi di progettazione, dall'estrazione dei dati aziendali, alla loro trasformazione fino al caricamento all'interno della struttura multidimensionale. Nella progettazione del Power Cube, l'estrazione dei dati necessari avviene accedendo al datawarehouse, che garantisce quindi una netta separazione dal piano transazionale dei dati residenti nel Database aziendale. I tempi di creazione del Power cube non sono più inficiati dal traffico dei dati sulla rete aziendale e ciò rappresenta un vantaggio sia per il progettista dell'applicazione che per tutti gli utenti finali, futuri fruitori del progetto.