Please enable JavaScript.
Coggle requires JavaScript to display documents.
dati come risorsa strategica - Coggle Diagram
dati come risorsa strategica
DataWarehouse (DW)
architetture che raccolgono grandi volumi di dati da diverse fonti per supportare l'analisi e il reporting aziendale.
struttura articolata su piu livelli
livello delle fonti
dati presi da
basi di dati operativi elementari
generati da sistemi operativi e transazionali (es. produzione, acquisti)
livello di trasformazione, integrazione archiviazione dei dati
i dati grezzi raccolti dai sistemi operativi vengono trasformati ed integrati nel DW
livello di elaborazione, accesso e presentazione dei dati
tramite app e interfaccie user friendly, i dati vengono sintetizzati e presentati in dashboard e cruscotti all'utente finale
questo livello è importante per la BI e per poi favorire il processo di creazione della informazione
tecnologie di analisi e raccolta dei dati
OLAP
online analytical processing, è la tecnologia di base di un DW
insieme di tecniche per l'analisi interattiva e veloce di grandi quantità di dati
utilizzata dalle aziende per misurare performance di vendita, andamento dei costi, e successo di campagne di marketing
OLTP
elaborazione in tempo reale delle transazioni quotidiane
operazioni brevi e frequenti che non forniscono analisi storiche profonde
inserimento nel DW creando un "album fotografico"; che mi tenga traccia dei movimenti.e garantisce sicurezza delle transazioni.
Extract, Transform, Load
(ETL)
tecnologia fondamentale per la raccolta, elaborazione e trasformazione; quindi del passaggio dei dati da grezzi a semilavorati
processo ETL
Trasformazione dei dati
vengono puliti, normalizzati, ricodificati, verificati secondo uno schema di coerenza
Caricamento dei dati
pronti per essere utilizzati
Estrazione dei dati
che vengono dalle fonti più eterogenee e disparate, che utilizzano DB e logiche diverse
vantaggio: garantisce qualità e riduce drasticamente l'intervento umano
Data Lake
repository progettato per archiviare grandi quantità di dati grezzi,
strutturati e non, in formato originale.
unica soluzione di archiviazione
scalabile in cui memorizzare tutti i dati
DWH e data lake
lavorano in modo complementare rispondendo a diverse esigenze di storage.
ma possono co-esistere anche con DB tradizionali che si sono rivelati efficaci
BIG DATA
le 5 V
volume
esistono oggi grandissime quantità di dati
varietà
i dati possono essere strutturati (da sistemi operativi elementari), semi-strutturati(da specifici SW in formati particolari) o non stutturati (audio, video estratti)
velocità
gestione ed analisi in tempo reale o quasi
valore
i dati sono una risorsa strategica, hanno valore economico e possono migliorare i rapporti con gli STK
veridicità
i dati sono inutili se non sono di qualità
Business analitycs e Business Intelligence
I BI sono tecnologie di analisi e gestione e produzione di informazioni dei Big data.
analisi dei dati storici per monitorare le performance aziendali
utili per monitorare ed avere reporting in tempo reale
BA invece, analizza anch'essa i dati storici, tuttavia fa qualcosa in piu dei BI
utilizzano tecnologie ed algoritmi avanzati per fare previsioni future e supportare il processo decisionale
utile per scovare associazioni non facilmente visibili
Tipologie di Data Analisys
Diagnostica
guarda al passato e capisce cos'è successo e perché, individuando associazioni nascoste e relazioni causali.
predittiva
utilizza data mining e ML per guardare al futuro e provare a capire cosa potrebbe succedere.
autonoma e adattiva
utilizza modelli di analisi predittiva e ML per poi creare sistemi capaci di autoaggiornarsi in tempo reale e fornire proiezioni future
prescrittiva
combina tecniche analitiche sul passato e futuro, statistica ed AI per suggerire soluzioni basate sui dati disponibili
alternative di organizzazione strutturale, pro e contro
ci si chiede come e dove allocare persone con competenze di data science
outsourcing
: esternalizzo attività per mancanza di conoscenze di figure
piu flessibilità
acquisizione di conoscenze (rimando all'ousoucing)
accentramento
:
creazione di un unità interna centralizzata
economie di scala e apprendimento
disaccoppiamento tra analisi centralizzate e fabbisogno informativo delle singole unità
decentramento
:gruppi di esperti dislocati nelle varie unità
migliora il livello di connessione tra analisi e fabbisogni specifici
peggiora la collaborazione e la condivisione di informazioni utili a tutti
centro di competenza
: struttura specializzata ed ibrida, una soluzione intermedia
pochi e buoni data scientist che possono anche staccarsi ed andare ad aiutare una funzione