Università degli Studi di Udine - pighin.it · – Creazione schema concettuale unico ed uniforme...
Transcript of Università degli Studi di Udine - pighin.it · – Creazione schema concettuale unico ed uniforme...
Pagina 1Copyright © 2005 by Maurizio Pighin
prof. Maurizio PighinDipartimento di Matematica e InformaticaFacoltà di Economia
I Data warehouse nelle PMI: ambiti di applicazione, limiti tecnologici, problematiche organizzative
Università degli Studi di Udine
Slide 2
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Agenda
• Richiami generali• I DW nella PMI, caratteristiche organizzative• Le soluzioni tecnologiche/architetturali per la PMI• Gli ambiti di applicazione
– Ciclo attivo– Ciclo passivo– Logistica– Amministrazione/Controllo di gestione– Produzione– Qualità– Risorse umane
Pagina 2Copyright © 2005 by Maurizio Pighin
Slide 3
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Architettura dei sistemi di data warehousing
• Il sistema è costituito da basi di dati poste a livelli distinti, diverse per finalità, struttura e tipologia di dati contenuti– Sorgenti
• basi di dati origine (operazionali o esterne)– Staging Area (opzionale)
• area intermedia utilizzata come appoggio per le procedure di trasformazione dei dati
– Data warehouse• base di dati centrale; contiene tutti i dati necessari all’analisi
articolati su un modello unificato concettualmente multidimensionale
– Data mart• basi di dati multidimensionali su cui si appoggia l’analisi
Slide 4
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Architettura dei sistemi di data warehousing
• Architetture a due livelli– Sorgenti, Data warehouse, Data mart
• Architetture a tre livelli– Comprendono anche l’area di trasformazione dei dati
(staging area)• Appartengono al sistema
– Procedure per il trasferimento dei dati tra le diverse basi di dati
– Strumenti per l’analisi dei dati
Pagina 3Copyright © 2005 by Maurizio Pighin
Slide 5
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Architettura dei sistemi di data warehousing
Slide 6
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Modelli concettuali per il data warehouse: il DFM
• Il DFM (Dimensional Fact Model) descrive graficamente i fatti attorno a cui si struttura un data warehouse – Ogni fatto è rappresentato tramite
uno schema di fatto
• Schema di fatto– Fatto
• rettangolo contenente il nome del fatto e le sue misure
– Dimensioni di base• circoletti etichettati collegati al fatto
Pagina 4Copyright © 2005 by Maurizio Pighin
Slide 7
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Modelli concettuali per il data warehouse: il DFM
• Le gerarchie dimensionali sono alberi con radice nelle dimensioni di base– Gli attributi dimensionali sono i nodi dell’albero
• DFM permette di rappresentare caratteristiche proprie dei sistemi multidimensionali– Opzionalità– Gerarchie condivise– Convergenze– Non aggregabilità
Slide 8
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Modelli concettuali per il data warehouse: il DFM
Pagina 5Copyright © 2005 by Maurizio Pighin
Slide 9
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Schema a stella
Modello concettuale
Modello logico su schema a stella
Slide 10
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Schema a fiocco di neve
Modello concettuale
Modello logico su schema a fiocco di neve
Pagina 6Copyright © 2005 by Maurizio Pighin
Slide 11
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Costellazione di fatti
Costellazione tra Vendite e Reclami
Slide 12
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Il ciclo di vita dei sistemi di data warehousing
• La costruzione avviene con un approccio iterativo– Costruzione del primo
ipercubo relativamente al fatto più significativo
– Integrazione progressiva degli altri fatti
– Rilascio di data mart • Vantaggi
– Primi risultati disponibili in breve tempo
– Investimenti diluiti– Possibilità di tarare e di
sviluppare il modello sulla base delle indicazioni emerse dall’uso effettivo
Pagina 7Copyright © 2005 by Maurizio Pighin
Slide 13
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Costruzione di un data mart
• Analisi delle sorgenti – Descrizione dei dati disponibili– Verifica della compatibilità con i requisiti dell’utente– Creazione schema concettuale unico ed uniforme
• Progettazione concettuale degli schemi di fatto – Identificazione di misure, dimensioni, gerarchie dimensionali, limiti
di aggregabilità delle misure per ogni fatto • Progettazione logica e ed implementazione fisica dei fatti nel
data warehouse– Uso di schemi a stella o a fiocco di neve, costruzione di viste
materializzate o di ipercubi ad alto livello di aggregazione• Progettazione dell’alimentazione
– Definizione delle procedure di popolamento del data warehouse a partire dalle sorgenti
Slide 14
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Popolamento del data warehouse
• Aggiornamento dei fatti– Logica principalmente additiva
• Aggiornamento delle dimensioni:– Inserimento dei nuovi valori per le dimensioni– Eventuale modifica dei valori presenti, secondo diverse strategie
• non fare nulla (ogni fatto usa gli attributi dimensionali validiall’inserimento della dimensione)
• sovrascrivere (ogni fatto usa gli attributi dimensionali validi adesso)• creare una nuova istanza da associare ai fatti che si verificano da
oggi in avanti (ogni fatto usa gli attributi dimensionali validi all’epoca)• creare una nuova istanza con marcatori temporali (massima
flessibilità)
Pagina 8Copyright © 2005 by Maurizio Pighin
Slide 15
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Cos’è PMI?
• Scomposizione delle aziende per numero di addetti (Fonte: ISTAT 2001)
4.083.966Totale
0,1%3.272≥ 250
0,5%20.58950-249
4,5%182.27110-49
36,3%1.482.9012-9
58,6%2.394.9331
Percentuale sul totale
Numero ImpreseClasse addetti
Slide 16
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
PMI: caratteristiche organizzative
• La PMI dal punto di vista dell’analisi dei dati si differenzia per molti aspetti rispetto alla grande azienda
• Raccolta/valutazione indicatori aziendali– Usualmente il controller, se esiste, ha più che altro valenza
amministrativa– Non esiste un ufficio che di sua natura è deputato a fornire tutti gli
indicatori-dati aziendali– Le informazioni sono fornite dai singoli settori– Spesso i responsabili operano trasversalmente sui flussi aziendali
ed hanno visioni diverse sui fenomeni aziendali• Le informazioni non hanno meccanismi di raccolta-valutazione
omogenea• Cosa vuole dire “venduto” per
– il responsabile vendite – il responsabile produzione– Il responsabile amministrativo
Pagina 9Copyright © 2005 by Maurizio Pighin
Slide 17
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
PMI: caratteristiche organizzative
• Distribuzione indicatori aziendali– I destinatari sono in numero relativamente ridotto
• Direzione generale• Responsabili di area
– Solo raramente i dati delle analisi sono distribuiti sul territorio
• Quantità dati origine trattati– Quantità relativamente ridotta– Centinaia migliaia – milioni record / anno
Slide 18
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
PMI: caratteristiche organizzative
• Qualità e completezza dei dati origine– Procedure trattamento dati operazionali (molto) poco
formalizzate (flessibilità operazionale?)– Accesso da parte di più operatori a dati di “struttura”
con meccanismi spesso non condivisi e con effetti poco prevedibili
– Processi trattati in maniera informatizzata solo parzialmente o gestiti totalmente in maniera cartacea
Pagina 10Copyright © 2005 by Maurizio Pighin
Slide 19
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
PMI: caratteristiche organizzative
• Tipologia indicatori/analisi aziendali– Relativamente semplificata– Culturalmente indicatori/analisi complessi sono poco
conosciuti• Tipologia del supporto informatico
– Servizi Informatici (se esistono) “omni-comprensivi”– Spesso orientati agli aspetti tecnologici più che
organizzativi/informativi– Poca conoscenza tematiche Data warehouse e
pochissima su Data mining• Orientati a fornire soluzioni “ad-hoc” su quesiti “ad-hoc”• Poco trasferimento di metodologie di lavoro e indagine agli
altri settori aziendali (mantenimento di funzioni informative?)
Slide 20
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
PMI: caratteristiche organizzative
• Capacità di investimento– Molto minore in assoluto rispetto alla grande azienda– Bassa propensione all’investimento in infrastruttura
non direttamente utilizzata in attività di “core business”– Minor visione strategica sui Sistemi Informativi
• Spesso gli aspetti operazionali sono visti come preponderanti sugli aspetti informazionali
• Si ragiona poco per “budget+obiettivi”
54%≥ 250
23%50-249
19%1-49
% Spesa complessiva ITC
Classe addetti
Spesa per l’ITC nelle Imprese italiane dell’industria e dei servizi
(Fonte: Rapporto Assinform 2004)
Pagina 11Copyright © 2005 by Maurizio Pighin
Slide 21
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Effetti informativi per PMI
• Mancanza cronica di informazioni (corrette) sugli andamenti aziendali – Quanto vale l’inventario? – Come si sono mossi i costi dei prodotti?– Qual è l’andamento dell’esposizione finanziaria?
• Navigazione “a vista”• Necessità di modelli organizzativi che forniscano
(anche pochi) indicatori credibili• Necessità di razionalizzazione dei dati aziendali e di
certificazione della qualità delle informazioni• Utilità di meccanismi di indagine interattivi,
relativamente poco complessi e poco costosi
Slide 22
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Effetti informativi per PMI
• L’introduzione di metodologie di DW è vista spesso in maniera molto positiva dagli interessati– Graduale– Rispettando vincoli di semplicità e costo
• Soluzione organizzativa più che tecnologica– Inquadramento dei limiti delle organizzazioni delle PMI
• Tipologia problemi da affrontare• Competenza delle persone• …
– Definizione dei modelli di definizione delle informazioni ed analisi dei dati più appropriati per l’azienda
Pagina 12Copyright © 2005 by Maurizio Pighin
Slide 23
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
La tecnologia da sola non serve
• Anche con (relativamente) basse quantità di dati la soluzione solo ”tecnologica” non approda a risultati
• IDEA– Si compra una strumento (più o meno sofisticato)– Lo si “aggancia” al sistema gestionale– Si ottengono risultati informativi
• FALSO– Mancanza di processi formalizzati per il trattamento
operativo dei dati– Dati origine poco precisi e congruenti– Mancanza di definizione condivisa degli elementi di
base sui cui fare analisi
Slide 24
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
La tecnologia da sola non serve
• IDEA 2°– Si compra una strumento (più o meno sofisticato)– Lo si “aggancia” al sistema gestionale– Si utilizzano le analisi standard che offre il distributore del
software– Si ottengono risultati informativi
• FALSO 2°– Mancanza di processi standardizzati a livello aziendale per il
trattamento dei dati informazionali• Non sono normati per legge• Non esistono processi universalmente condivisi
– Sistemi operazionali da cui si ricavano i dati origine molto eterogenei
– Sistemi informazionali per loro natura a bassa “attrattiva informatica”
– Necessità di attivare un “progetto” più operare che un sistema preesistente
Pagina 13Copyright © 2005 by Maurizio Pighin
Slide 25
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Soluzioni vincenti
• Iniziare da settori con forti necessità informative (e disponibilità all’innovazione)
• Definire (almeno inizialmente) un’architettura semplice
• Definire un Sistema con costi facilmente affrontabili– 20.000€ - 100.000€
• Concepire il DW non come semplice tecnologia, ma come progetto che coinvolge l’organizzazione– Formalizzare i processi di reperimento dei dati– Formalizzare la semantica delle informazioni gestite
Slide 26
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Architettura per PMI:Uno schema logico
Pagina 14Copyright © 2005 by Maurizio Pighin
Slide 27
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Architettura per PMI: Le principali soluzioni tecnologiche
• ERP – Architettura S.O. Windows, Unix (varie declinazioni), Linux, AS-
400, …– DB Oracle, Informix, Ingres, SQL-Server, DB2, SQL-400,…
• Comunque accedibili dall’esterno (con maggiore o minore efficienza)• DataWarehouse
– Per lo più sviluppato in ambiente Windows– Architettura ROLAP (più semplice da maneggiare)
• A volte sullo stesso server• Istanze di DB separate (Oracle, SQL-Server, Access,..)
– Vengono aggiunte tabelle con le informazioni non presenti sull’ERP
• Datamart multidimensionali– *.cub, strutture multidimensionali DB (Analisys Services di
Microsoft, Oracle,…)– Strutture interne proprietarie di alcuni strumenti di navigazione
(Business Object, Brio,….)
Slide 28
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Architettura per PMI: Le principali soluzioni tecnologiche
• Importazione e trasformazione dei dati– Usualmente gli strumenti “ETL” (Extract-Transform-
Load) propri dei DB o dei DW sono insufficienti– Il popolamento viene usualmente fatto con procedure
pianificate (scheduled) o attivate interattivamente, con intelligenza locale, usualmente definite con linguaggi ad alto livello.
– Il DW fornisce l’infrastruttura, ma la vera complessità èricavare e trasformare i dati con cui alimentare la struttura
– Le politiche sono• Aggiunta/modifica sulla tabella dei fatti
– Quando si opera con logiche “additive”– Quando si opera con “fotografie” della situazione
Pagina 15Copyright © 2005 by Maurizio Pighin
Slide 29
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Architettura per PMI: Le principali soluzioni tecnologiche
• Sovrascrittura sulle dimensioni con mantenimento storico– Tutti le dimensioni che cambiano e sono significative andrebbero
portati sulla tabella dei fatti• Trattamento elementi mancanti
– Definizione implicita o esplicita• Trattamento gerarchie con semantica diversa
– Esempio provincia per l’estero– Esempio provincia per cliente commerciale e di fatturazione
• Trattamento negativi o eccezioni– Esempi di note d’accredito– Esempi di resi– Esempi di omaggi
Slide 30
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Architettura per PMI: Le principali soluzioni tecnologiche
• Gli strumenti di navigazione o analisi– A vari livelli di complessità e costo
• Indicativamente da 100€ a 2500€ a postazione (soluzioni client)• Lavorano su DataMart locali o in aree condivise del DW-server,
accedendo su LAN (raramente c’è necessità di distribuzione di altra natura)
• Cresce molto quando si utilizzano sistemi Client/Server, con motori automatici di distribuzione (ma quando servono?)
• Operano su strutture dati multidimensionali standardizzate o proprietarie
• Alcuni nomi– ProClarity– Hyperion– BusinessObject– Brio– Excel– ….
Pagina 16Copyright © 2005 by Maurizio Pighin
Slide 31
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Architettura per PMI: Le principali soluzioni tecnologiche
• Osservazione– Qui ci occupiamo di DW, primo passo per un buon
buon trattamento dei dati informazionali• Analisi esplorative
– Hypothesis driven (richieste di analisi per verificare ipotesi)– Discovery driven (misure precomputate indicano eccezioni che
poi vengono studiate con analisi Hypotesis driven)
– Usualmente le problematiche di Data mining sono poco conosciute nell’ambito della PMI
– Comunque c’è la necessità di operare su DW stabili, altrimenti i risultati offerti dalle tecniche di Data miningforniscono risultati poco efficaci o di difficile interpretazione
Slide 32
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Aree di applicazione: Quali settori sono preponderanti?
1,6%Project Management3,1%R&D/Engineering4,3%Automazione SI4,8%Pianificazione/controllo
19,8%
6,0%Personale4,3%Acquisti9,1%Amministrazione/Finanza9,9%Logistica/Distribuzione
16,3%Produzione
80,2%
40,6%Vendite/MarketingSpesa IT per Funzione
Pagina 17Copyright © 2005 by Maurizio Pighin
Slide 33
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Aree di applicazione: Flusso attivo
• Analisi tipiche– Mix di prodotti venduti,
fatturato per cliente/area geografica/prodotto, efficienza della rete di distribuzione, rilevamento abbandoni silenziosi, puntualità del servizio al cliente
• Eventi – Documenti
del flusso attivo• Ordini• DDT• Fatture
Esempio di schema di fattoper analisi delle vendite
Slide 34
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Esempio: Azienda imbottiti
• Analisi venduto• Dimensioni primarie
– Prodotto • I prodotti sono moltissimi perché configurati
– Tessuto utilizzato• Identifica parte critica della configurazione
– Cliente di vendita– Data vendita (fattura)– Documento di vendita
Pagina 18Copyright © 2005 by Maurizio Pighin
Slide 35
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Esempio: Azienda imbottiti
• Dimensioni derivate– Prodotto
• Categoria (Modello America, Low-Land,…)• Gruppo (divano, poltrona,…)
– Famiglia (due posti, tre posti, …)
– Tessuto• Tirelle• Categoria rivestimento (identifica il prezzo)
– Cliente di vendita• Agente
– Zona» ItaliaEstero
• Linea vendita» ItaliaEstero
Slide 36
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Esempio: Azienda imbottiti
• Misure– Quantità– Posti a sedere (quantità omogenea)– Valore a listino– Fatturato lordo– Fatturato netto– Costo
Pagina 19Copyright © 2005 by Maurizio Pighin
Slide 37
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Esempio: Azienda imbottiti
Slide 38
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Esempio: Birrificio• Analisi venduto• Dimensioni primarie
– Prodotto • I prodotti sono relativamente pochi (una cinquantina).
– Cliente di fatturazione• Attualmente l’Azienda ha circa 1000 clienti
– Punto di Consegna– Canale di Vendita
• Le vendite afferiscono in maniera differenziata ai vari canali di vendita, sostanzialmente in base a opportune categorie cliente al tipo di vendita che viene effettuata (diretta, c/lavoro) ed al brand che viene trattato.
– Agente Provvigione• Rappresenta l’agente della particolare vendita. Sia l’agente che l’agente generale sono una gerarchia
logica del cliente ma vista la mutevolezza vengono trattati come dimensione primaria. Per distinguerlo con la zona di agenzia (area-zona: il mandato), lo definiamo “agente provvigione”; si noti che la zona di agenzia è “attuale”, quindi in caso di modifiche viene mantenuta l’ultima, mente l’agente di provvigione, essendo una dimensione primaria, è “storico” (cioè mantiene la profondità storica in caso di modifica).
– Agente Generale Provvigione– Gruppo Commerciale
• Rappresenta il primo livello della gerarchia commerciale della particolare vendita (l’ “insegna”): A&O, Eurospin, ecc..
– Modalità pagamento– Bollettato/Fatturato– Budget/Consuntivo– Numero Bolla/Registro IVA-Numero Fattura
• Attenzione all’aspetto temporale ed alla necessità di “aggiornare” i record della tabella dei fatti– Data Bolla /Data Fattura
Pagina 20Copyright © 2005 by Maurizio Pighin
Slide 39
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Esempio: Birrificio• Dimensioni derivate
– Prodotto• Brand: Rossa, .. • Confezione: One Way (vuoto a perdere), lattina, …• Contenuto: 33 cl, 66 cl, ...• Raggruppamento: Sfuso, 2 contenitori, 3 contenitori, …• Tipo Birra: CA, RO, .. • Tipo Contenitore: Fusto, Confezione, …• Segmento di vendita: Private label, Ready to drink,…
– Cliente di Fatturazione• Area Nielsen• Provincia: Le classiche sigle UD, PD, TS, ecc. L’estero va identificato “EE”
– Regione. Gerarchia della Provincia. Le classiche Friuli Venezia Giulia, Veneto, ecc. L’estero va identificato “EE”.
» Stato. Gerarchia della Regione. Italia, Francia, ecc. – Punto Vendita
• Come precedente• Area_zona (mandato): Rappresenta il mandato d’agenzia.
– Agente. » Capo_Area
• Distinta Base soggetto: Rappresenta la gerarchia commerciale corrente. – Canale
• Il canale di vendita ha un semplice gerarchia ad un livello
Slide 40
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Esempio: Birrificio• Misure
– QuantitàHL– QuantitàUM– Valore di Listino– Sconti di riga
• sconto canale, sconto commerciale, sconto quantità, sconto promozionale, altri sconti di riga– Valore Bollettato Riga– Valore Fatturato Riga– Sconti di testa
• Sconto Finanziario, Sconto Trasporto , Sconto CEDI (E’ il valore dello sconto per consegna in Piattaforme - più consegne per un gruppo in un unico posto ), Sconto ACCISA, Altri sconti di testa
– Valore Fatturato Riga Finale– Provvigione Agente– Provvigione Agente Generale– Costo POP
• E’ il costo Pubblicitario “Point of Presence” , Va spalmato rispetto agli HL di alcuni articoli– Costo Accisa– Costo Standard Materiali– Costo Effettivo Materiali– Costo Trasporto– Costo Contratto – Costo GDO clienti promozionale – Costo GDO clienti fine anno – Altri Costi clienti GDO– Costo Contratto Concessionari– Giorni Pagamento
Pagina 21Copyright © 2005 by Maurizio Pighin
Slide 41
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Esempio: Birrificio
• Osservazioni– Attenzione alle gerarchie condivise ed all’ambiguità
che possono generare in sede di analisi• Fatturato per provincia: quale?
– Per punto vendita– Per cliente fatturazione
– Soluzione di facile comprensione• Sdoppiare la gerarchia condivisa• Usare nomenclature chiaramente distinte (non ambigue)
– Le nomenclature sono comunque legate• A quelle usate dal sistema operazionale• A consuetudini aziendali
Slide 42
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Pagina 22Copyright © 2005 by Maurizio Pighin
Slide 43
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Esempio: Fonderia
• Analisi venduto– Costellazione
• Budget• Ordini (concetto di portafoglio – entità dinamica)• Fatturazione
• Dimensioni primarie– Clienti– Articoli– Data
• Dimensioni derivate– Clienti
• FamiglieClienti (costruttori, grandi aziende, produttori,…)• Zone
– Italia-Estero– Articolo
• Categoria– Classe articolo– Tipo Materiale
» Classe materiale• Classe inventariale• Tipo Formatura
Slide 44
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Esempio: Fonderia
• Misure – Budget (solo su classe articolo)
• Valore• Quantità_Kg
– Ordini• Imponibile netto• Imponibile lordo• Quantità• Quantità_Kg
– Vendite• Imponibile netto• Imponibile lordo• Quantità• Quantità_Kg
Pagina 23Copyright © 2005 by Maurizio Pighin
Slide 45
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Esempio: Fonderia
Slide 46
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Aree di applicazione: Flusso passivo
• Analisi tipiche– Mix di prodotti acquisiti,
fatturato per fornitore /prodotto, incidenza del costo degli articoli di acquisto, descrizione e confronto di fornitori alternativi, puntualità, ...
• Eventi– Documenti
del flussopassivo• Ordini• DDT • Fatture
Esempio di schema di fatto per analisi degli acquisti
Pagina 24Copyright © 2005 by Maurizio Pighin
Slide 47
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Aree di applicazione: Amministrazione/Finanza
• Analisi tipiche– Scadenzari, cash flow,
riclassificazione bilanci, andamenti indici
• Eventi– Movimenti contabili– Movimenti finanziari (certi
previsionali)Scadenze
Importo Prev.Importo Eff.Gg. ritardo
….
Giorno
Mese TrimestreAnno
Modalità Pagamento
Esempio di schema di fatto per analisi scadenzari
Cliente Fornitore
Categoria Cliente
Fornitore
Classe RischioCliente
Fornitore
Categoria
Stato
Scadenza Presunta
Scadenza Effettiva
Slide 48
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Aree di applicazione: Controllo gestione
• Analisi tipiche– Costi/ricavi, marginalità per
cliente/articolo, scostamento da budget, ...
• Eventi– Fatture attive e passive,
budget, movimenti di contabilità analitica e ordinaria, costi produttivi
Esempio di schema di fattoper analisi di marginalità
Pagina 25Copyright © 2005 by Maurizio Pighin
Slide 49
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Esempio: Mobilificio
• Riclassificato c/economico scomposto sulla singola vendita• Concetto di “periodo di analisi”• Dimensioni primarie
– Cliente– Articolo– Tipologia analisi (budget, consuntivo ad una data…)– Data
• Dimensioni derivate– Cliente
• Province– Nazioni
» Aree geografiche» Zone commerciali
• Gruppi cliente– Classi cliente
– Articolo• Modello• Tipo articolo• Tipo Colore (finitura)
Slide 50
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Esempio: Mobilificio
costi non caratteristicidelta magazzino
ricavi non caratteristicialtri costi diretti di produzione
Gruppo gestione non caratteristicacosto lavorazioni esterne
altri costi di strutturalavorazioni interne
spese generalicosto manodopera
spese finanziariecosto materiali
spese personale ammin./dir. generaleCosti diretti di produzione
Costi di strutturaaltri costi commerciali
altri costi indiretti di produzionecosti del personale
spese varie dipendentipubblicità
spese personale indirettofiere
materiale di consumotrasporti
energiapremi
manutenzioniroyalty
affitti e leasingaltri costi agenti
ammortamentiprovvigioni agenti
provvigioni passiveCosti commerciali
costi servizi tecnici altri ricavi
trasporti passiviresi
addebiti vari fornitoriricavi diversi
vendita sottoprodottifatturato di vendita
Costi indiretti di produzioneRicavi
• Misure– Riclassificazione conto
economico– Scomposizione su singola
vendita– Driver per scomporre molte
voci
Pagina 26Copyright © 2005 by Maurizio Pighin
Slide 51
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Esempio: Mobilificio
Slide 52
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Esempio: Azienda imbottiti
• Riclassificato c/economico scomposto sulle vendite raggruppate (trimestre)
• Dimensioni primarie– Linea vendita (mercato)– Famiglia articoli (prodotto)– Causale contabile(riclassificazione conto economico)– Data
• Dimensioni derivate– Linea vendita
• Italia/Estero– Causale contabile
• Voce contabile• Misure
– Budget– Consuntivo
Pagina 27Copyright © 2005 by Maurizio Pighin
Slide 53
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Esempio: Azienda imbottiti
Slide 54
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Aree di applicazione: Logistica
• Analisi tipiche– Attività sui depositi, rotazioni
articoli, consumi, costi, valori inventariali
• Eventi– Movimenti di magazzino
Esempio di schema di fattoper analisi sui movimenti logistici
Pagina 28Copyright © 2005 by Maurizio Pighin
Slide 55
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Aree di applicazione: Mobilificio
• Valorizzazione magazzino• Dimensioni primarie
– Articolo– Data– Deposito
• Dimensioni derivate– Articolo
• Famiglia– S/Gruppo
» Gruppo• Modello
• Misure– Valore inventariale– Valore previsionale
Slide 56
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Esempio: Mobilificio
Pagina 29Copyright © 2005 by Maurizio Pighin
Slide 57
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Aree di applicazione: Produzione
• Analisi tipiche– Costi e efficienza del processo produttivo, tempi di produzione
• Eventi– Ordini di produzione e di lavorazione, consuntivazione lavorazioni,
movimentazione materiali
Esempi di schemi di fatto per analisi di produzione con riferimento ai materiali ed alle lavorazioni
Slide 58
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Esempio: Azienda imbottiti
• Analisi tempi/ritardi di produzione• Dimensioni primarie
– Clienti– Articoli– Tessuti– Tassativo– Classi ritardo– Eccezioni– Data
• Dimensioni derivate– Clienti
• Zone– ItaliaEstero
– Articoli• Gruppi
– Famiglie• Categorie
– Tessuti• Tirelle
– Classi ritardo– Eccezioni
• Tipi eccezioni
Pagina 30Copyright © 2005 by Maurizio Pighin
Slide 59
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Esempio: Azienda imbottiti
• Misure– Quantità– Posti a sedere– Lead time– Giorni previsti consegna– Giorni effettivi consegna– Giorni previsti produzione– Giorni effettivi produzione– Giorni processo produttivo– Giorni sosta magazzino– Giorni processo consegna
Slide 60
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Esempio: Azienda imbottiti
Pagina 31Copyright © 2005 by Maurizio Pighin
Slide 61
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Aree di applicazione: Qualità
• Analisi tipiche– Difettosità degli articoli,
puntualità e difettosità dei fornitori, puntualitàaziendale, attuazione azioni correttive, efficacia azioni preventive, ...
• Eventi– Rilevamento non
conformità, spedizioni,ingressi a magazzino, reclami, azioni correttive, ...
Non conformità
CostoTempo chiusura
….
Articolo
Tipologia
Classemerceologica
Trimestre
AnnoMese
Responsabile
Settore
Tipo nonconformità
Fornitore
Tipofornitore
Esempio di schema di fatto per analisi delle non conformità
Slide 62
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Aree di applicazione: CRM
• Analisi tipiche– Efficacia di promozioni e di
azioni di fidelizzazione, esito di campagne di telemarketing, prestazioni del servizio di assistenza ai clienti
• Eventi– Azioni commerciali,
vendite, chiamate di assistenza, ...
Esempio di schema di fatto per analisi sul servizio di assistenza
clienti
Pagina 32Copyright © 2005 by Maurizio Pighin
Slide 63
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Aree di applicazione: Risorse umane
• Analisi tipiche– Presenze, retribuzioni, ...
• Eventi– Ingressi/uscite,
emissione cedolini di pagamento, ...
Presenza
Tempo lavoratoTempo dovuto
Costo….
Causaleassenza Trimestre
AnnoMese
Orario dilavoro
giornaliero
Terminale dirilevazione
Persona
Reparto
Qualifica
Esempio di schema di fatto per analisi delle presenze
Slide 64
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Costellazione per Rilevazione Presenze
• Analisi su un sistema di rilevazione presenze• Dimensioni Primarie
– Persona– Azienda– Mensa– Tipologia orario– Reparto– Qualifica – Part-time– Centro di costo– Voce di analisi (parametrica)– Causale tempo impiegato– Terminale– Verso registrazione (Ingresso-Uscita)– Data
• Vista l’alta parametrizzazione e mutevolezza non esistono dimensioni derivate ma sono tutte primarie (sulle tabelle dei fatti)
Pagina 33Copyright © 2005 by Maurizio Pighin
Slide 65
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Costellazione per Rilevazione Presenze
Slide 66
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Costellazione per Rilevazione Presenze
• Misure (varie tabelle dei fatti)– Presenze Istantanee
• Tempo presenza (turni cavallo data)– Numero Presenze
• Numero presenti• Numero assunti
– Consuntivi presenze• Tempo lavorato effettivo (ore/minuti)• Tempo compensato (ore/minuti)• Tempo non lavorato retribuito (ore/minuti)• Tempo lavorato non retribuito (ore/minuti)• Tempo dovuto (ore/minuti)• Costo (ore/minuti)
– Terminali• Rilevazione oraria
Pagina 34Copyright © 2005 by Maurizio Pighin
Slide 67
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Presenze istantanee
Slide 68
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Numero presenze
Pagina 35Copyright © 2005 by Maurizio Pighin
Slide 69
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Presenze consuntive
Slide 70
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Terminali rilevazione
Pagina 36Copyright © 2005 by Maurizio Pighin
Slide 71
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Esempi di navigazione
Si parte da un modello di analisi, che considera due misure (valore lordo e valore netto), una misura calcolata (Delta) e due dimensioni (temporale e geografica)
Slide 72
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Esempi di navigazione
Selezionando per esempio la dimensione “Italia/Estero”, èpossibile esploderla ad un livello di profondità (nel nostro caso èstata scelta la “famiglia”)
Pagina 37Copyright © 2005 by Maurizio Pighin
Slide 73
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Esempi di navigazione
L’operazione di drill-down espande una gerarchia
Slide 74
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Esempi di navigazione
Analogamente si fanno altre analisi, scendendo su altre gerarchie (mese)
Pagina 38Copyright © 2005 by Maurizio Pighin
Slide 75
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Esempi di navigazione
Le esplosioni possono essere iterate, sezionando eventualmente solo le parti interessanti (slice-dice)
Slide 76
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Esempi di navigazione
Ad esempio, si analizzano solo i clienti della zona “Italia” e della famiglia “Costruttori”
Pagina 39Copyright © 2005 by Maurizio Pighin
Slide 77
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Esempi di navigazione
E’ possibile associare grafici alle analisi
Slide 78
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Esempi di navigazione
Ruotare la tabella per presentare meglio la soluzione grafica (pivot)
Pagina 40Copyright © 2005 by Maurizio Pighin
Slide 79
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Esempi di navigazione
E’ possibile creare dei cruscotti di lavoro in modo da rendere ancora più automatico il processo di analisi. Nei cruscotti è possibile definire parametri che pilotano le analisi
Slide 80
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Esempi di navigazione
Un esempio di cruscotto più ricco, con diversi parametri di selezione e pulsanti che richiamano le diverse analisi
Pagina 41Copyright © 2005 by Maurizio Pighin
Slide 81
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Conclusioni
• La PMI ha forti esigenze informative ampiamente coperte da soluzioni di DW per la parte esplorativa
• Spesso non ha capacità finanziaria o sufficiente visione strategica per investimenti iniziali significativi
• La dimensione dei dati e l’organizzazione geografica prevedono modelli architetturali relativamente semplici e con costi contenuti
• La complessità è usualmente squisitamente organizzativa– Approccio culturale– Definizione obiettivi– Poca formalizzazione processi e modalità operative– Poca chiarezza sulla semantica dei dati trattati
Slide 82
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Curiosità: il primo DW dell’Universitàdi Udine sulla didattica
Pagina 42Copyright © 2005 by Maurizio Pighin
Slide 83
I Data warehouse nelle PMI Maurizio Pighin
Università di Pisa – 18 novembre 2005
Domande
• Queste slide sono disponibili sul mio sitohttp://users.uniud.it/pighin/seminari/Sem20051118.pdf