Please enable JavaScript.

Coggle requires JavaScript to display documents.

SISTEMI INFORMATIVI, tecnologie e organizzazione vanno tenute allineate,…

- - - - informazione, gestirla è l'obiettivo di un SI, usata x comunicazione, supporto ai processi e decisioni --> intangibile, non deperibile, auto-rigenerante
  - - - lvl operativo = attività quotidiane di routine (input/output); dati analitici e alto volume
        
        sistemi operazionali
        
        sistemi OLTP, transazioni(certificazione evento) brevi a raffica --> integrità(ACID)/efficienza/efficacia ( idonei anche per gestioni processi a lvl di controllo )
        
        Tecnologia/Paradigma dati ( come si processano i dati?)
        
        SI (scopo del sistema)
      - programmazione/controllo = monitoraggio risorse disponibili e obiettivi;
        
        sistemi decisionali = identificano info utili al processo decisionale, estrazione/analisi dati a fine strategico
        
        DATA WAREHOUSE // DATA WAREHOUSING
        
        DSS = Decision Support System
        
        OLAP = dati storici, poche interrogazioni complessi, tempo di risposta, operazioni in lettura
      - lvl strategico = decisioni/obiettivi lungo termine; volumi bassi, dati sintetici
      - visione verticale e gararchica
      - eccezioni = il flusso sale verticalmente verso il lvl di controllo (manager)
    - - attività primarie = obiettivi principali dell'organizzazione
      - secondarie = di supporto ai processi primari
      - visione orizzontale
    - - specificato secondo modello di processo per ordine dei passi (flusso di controllo); singola esecuzioni processo = istanza
        
        notazione = BPMN
      - identificazione processi
        
        check list settoriali = somiglianza di organizzazioni che operano nello stesso settori --> riferimento a lista di processi tipici x quel settore
        
        catena valore porter, focalizza su attività divise in unità organizzative (silos), no interfunzionalità e collaboratività, difficile racchiudere tutte le attività in 9 categoria
        
        approccio analitico / top-down
        
        1) identifica destinatari (attori esterni con cui azienda interagisce)
        
        2) identifica output (cosa fa terminare il processo)
        
        3) identifica ruoli (lane)
        
        4) identifica input (fisici /informazioni)--> evento che fa partire processo
    - - È il ponte tra l'Operativo (OLTP) e l'Analitico. Mentre DW e Data Mining analizzano "cosa" è successo (i dati), il Process Mining estrae i log direttamente dai sistemi operazionali (es. gli ERP) per capire "come" è successo (i processi)
      - log di eventi --> registrano attività svolte in un processo (nome, CaseID, timestamp) (altri info non obbligatorie: stato, risorse, alre info)
      - Process discovery --> genera modello di processo a partire da log eventi (analizza tracce [sequenze attività di un istanza di processo] e raggruppa)
        
        successione diretta (>) (almeno 1 volta nelle tracce), casualità (->, AND) (una segue altra ma non viceversa), parallelo(II), scelta (#, XOR)
      - Controllo conformità --> verifica se l'esecuzione rispetta modello predefinito (identifica deviazioni: attività non previste, ordine diverso)
        
        fa un replay delle tracce dei log sul modello per calcolare la fitness (gradi di aderenza) [sovrappone il log al modello BPMN]
      - Miglioramento processi --> sfruttando info dei log x individuare (inefficienze, colli bottiglia, aree miglioramenti) --> dashboard mostra la frequenza e i tempi di esecuzione delle attività evidenziando i percorsi + frequenti [problemi]
- - - - i dati sono fondamentali per attività operative ma soprattutto di controllo e strategiche --> essenziale accedere a dati aggregati e strumenti di supporto per analizzarli (BI)
      - sistema OLAP di supporto attività strategiche/decisionali (mentre DBMS tradizionali OLTP) --> efficienza misurata in tempo di risposta a domande strategiche --> operazioni complesse e causali, grandi volumi di dati
        
        dati analtici vs operazionali --> differenze --> obiettivo (usati x decisioni future e trovare problematiche/possibilità miglioramento); utenti (manager); tempo(storici realazionati ad attuali per scovare tendenze e andamenti); dettaglio ( aggregati da operazionali a diversi livelli di granularità); accesso (lettura)
        
        FASMI (fast, analytical, shared, multidimensional, informational)
        
        inadatto per fornire analisi in tempo reale, fornisce fotografia del passato (anche recente)
      - ARCHITETTURA DW
        
        modello multidimensionale --> ipercubo
        
        misura = valore quantitativo del fatto
        
        dimensione --> coordinate di ogni elemento, dimensioni di analisi (contesto --> quando, dove..)
        
        ha gerarchia (prodotto -- tipo -- categoria) --> da dx a sx aumenta la granularità (lvl di dettaglio) --> un prodotto non può avere più tipi ma ok viceversa
        
        fatto = elemento da analizzare (vendita) incrociando dimensioni
        
        DFM (Dimensional Fact Model) --> modello concettuale x rappresentare sistema multidimensionale --> fatto = rettangolo conenente misure; dimensione = cerchi etichettati collegati al fatto [possono essere attributi del fatto o gerarchie ad albari con radice la dim di base]
        
        il DW è composto da molteplici ipercubi ognuno relativo a un diverso fatto di interesse
        
        approccio iterativo: si costruisce il primo + critico e poi gli altri
        
        schema: Sorgenti (ERP/CRM, fonti esterne) --> ETL + staging area --> DW + data mart (piccoli dw tematici, viste personalizzate) --> strumenti di analisi
        
        2 o 3 livelli a seconda della presenza di una staging area (database intermedio per pulire e trasformare dati senza appesantire il DW)
        
        centralizzata (1 solo dw), distribuita (+ data mart)
        
        modelli logici --> tradurre il modello concettuale --> scelta DBMS adeguato per gestire e interrogare informazioni multimensionali
        
        MOLAP (multidimensional OLAP) --> traduce modello concettuale in base di dati che consente interrogazioni veloci e alte prestazioni nell'agreggazione dati
        
        vantaggi: traduzione esatta modello concettuale; query veloci, + performance
        
        svantaggi: conoscenze specifiche avanzate; non esistono standard universali; problemi di spazio (le celle rimangono vuote)
        
        ROLAP (relational OLAP) --> traduzione formato multidim in relazionale --> dati rappresentati con tabelle e interrogazioni SQL (linguaggio x gestire e fare query a database relazionali) standard
        
        svantaggi: poca adesione al modello concettuale (meno intuitivo); lentezza interrogazioni ( i JOIN sono lenti)
        
        vantaggi: utilizzo easy per chi sa usare SQL; efficienza spazio, tecnologie note
        
        schemi multidimensionali su basi di dati relazionali
        
        stella --> tabella dei fatti al centro contenente attributi alle misure e ogni riga rappresenta un fatto; tabelle delle dim associate al fatto con attributi gerarchia
        
        query semplici con JOIN tra tab centrale e le tab delle dim; ridondanza dati nelle tabelle delle dim
        
        fiocco di neve --> tabella fatti al centro, tabelle delle dim esplodono in tante sotto-tabelle --> meno ridondanza ma tanti JOIN da fare quindi query lente
        
        HOLAP (hybrid OLAP) --> database relazionale per il DW mentre i data mart tematici (dimensioni limitate) con MOLAP
        
        spazio efficiente, accesso con tecnologie standard, ottimizzo performance per data mart
      - sistema di archiviazione dati storici, sintetici e integrati rilevanti per organizzzione
      - data warehousing = insieme di attività/operazioni di popolazione, manutenzione e interrogazione base di dati
        
        ETL (Extraction, Transformation, Loading)
        
        estrazione dalle sorgenti: statica (tutti i dati disponibili, copia da 0, lento); incrementale (solo quelli nuovi o aggiornati, efficiente, complesso)
        
        trasformazione --> data cleaning (correzione errori vari); riconciliazione (integrazioni dati da fonti diverse); standardizzazione formati (combinazioni campi, standardizzazione codici di classificazione e formato dei dati); ricerca e elimina duplicati
        
        caricamento nel dw
        
        garantisce dati corretti, coerenti e pronti x analisi
        
        strumenti supportati e documentati da metadati (dati relativi ai dati) raccolti nel repository
        
        struttura dw (viste, dim, gerarchie, scomposizione data mart)
        
        operazionali (storia dati, origine e trasformazioni)
        
        x mappare dati operazionali ai dati nel dw --> info su sorgenti, contenuto, regole trasformazioni
        
        statistiche d'uso --> frequenza utilizzo dw
        
        trasformazione onerosa, difficoltà nell'aggiornare una dimensione (aggiorno il valore per fatti precedenti, mantengo quello di prima, conservo traccia della dim precedente e cambio)
        
        operazioni sul DW --> tecniche per analizzare dati interagendo con ipercubo dei fatti --> esplorare info dettagliate (OLAP)
        
        drill-down --> approfondisco dati passando da un livello aggregato a uno più dettagliato
        
        roll up --> riduco il dettaglio
        
        slice (fetta) --> isolo porzione dei dati fissando valore di una dimensione
        
        dice (sotto-cubo) --> selezione insieme di coordinate a vari livelli gerarchici
      - caratteristiche : orientato alle entità/soggetti (vendite, ordini, prodotti) ; integrato (dati integrati da fonti interne ed esterne); variabile nel tempo; persistente (no modifiche)
      - Data Mining --> famiglia di tecniche per estrarre info utili da grandi insieme di dati
        
        il data warehousing crea database organizzati per l'analisi (processo deduttivo), il data mining sfrutta il DW e scopre schemi nascosti e costruisce modelli predittivi (induttivo)
        
        serve a sistemi informativi decisionali --> accedere a dati aggregati ed eseguire interrogazioni complesse (analisi correlazioni)
        
        tecniche di apprendimento
        
        supervisionato --> algoritmo addestrato da esempi già risolti
        
        non supervisionato --> nessuna variabile target, algoritmo analizza dati grezzi e trova da solo regole/raggruppamenti
        
        in base al tipo di output
        
        descrittive --> analisi del passato x scovare pattern o categorizzare dati
        
        predittive --> dati passati x anticipare eventi futuri
        
        step processo data mining
        
        i primi 4 passi sono l'ELT (selezione, pulizia, integrazione, trasformazione)
        
        5) analisi --> algoritmo matematico cerca pattern
        
        6) valutazione --> utente filtra risultati
        
        7) presentazione --> risultati mostrati ai decisori
        
        algoritmi caratterizzazione e discriminizzazione (studio tendenze/medie/varianze dati x estrarre info rilevanti a descrivere i dati nel db) --> es: generalizzazione -> riduce il livello di dettaglio aggregando elementi in base a caratteristiche comune (roll up del dw) o elimino attributi troppo variabili
        
        regole associative ( tecnica descrittiva / non sup.) --> identificare relazioni tra elementi frequenti
        
        supporto di una regola --> S = P(latte, pane) --> frequenza assoluta rispetto al totale delle transazioni
        
        confidenza di una regola --> C = P(latte | pane) = P(pane, latte) / P(pane) --> prob. elemento presente dato un altro
        
        Classificazione (tecnica predittiva /superv.) --> assegna elementi a categorie predefinite (in base a valore attributi ad es.) (albero di decisione)
        
        1) parto da un training set e suddivido dataset in base a diversi valori assunti dall'attributo radice (salto di entropia, alle foglie entropia 0 --> max prodondità, variabilità bassa)
        
        2) validazione: uso un test set (diverso dal training) e matrice di confusione (TP, TN, FP, FN(!) )
        
        precision (affidabilità allarme) = TP/TP+FP
        
        recall(sensibilità) = TP/TP+FN
        
        Clustering (descrittiva / non superv.) --> raggruppa elementi simili in cluster in base alla somiglianza (f di somiglianza) sulla base del valore degli attributi --> max somiglianza intra-cluster, min somiglianza inter-cluster
        
        es: k-means --> iterativo, assegni elementi a cluster in base alla distanza dai centroidi dei cluster
        
        fisso numero k cluster, posiziona k centroidi, ogni punto del dataset assegnato al centroide più vicino calcolando funzione distanza/somiglianza 4) ricalcolo pos. centroide 5) si ripete finchè converge (centroide fermo)
        
        esclusivo vs sovrapposto (assegna peso-cluster agli elementi)
        
        completo vs parziale (scarta anomali)
    - - utile per interazioni frequenti e contatti di lunga durata in caso di multicanalità
      - è anche strategia aziendale --> miglioramento obiettivi tramite analisi e personalizzazione marketing
      - CRM operativo --> interazioni quotidiane coi clienti sui vari canali centralizzando le info in uno DB cliente unificato. tecnologia OLTP
        
        moduli marketing --> campagne personalizzate / fidelizzazione clienti già convinti; segmentazione clienti in base ai dati raccolti
        
        liste clienti target in base a dati (interazioni /acquisti)
        
        gestione campagne
        
        cross-selling /upselling --> prodotti aggiuntivi / + costosi, sull base di preferenze
        
        automazione vendite --> moduli come il SFA (Sales Force Automation) x supporto venditori in tutte le fasi
        
        moduli gestione vendite: automatizza e offre supporto x tutte le fasi
        
        gestione contatti --> dati clienti e identificazione clienti x vendite future --> personalizzazione per migliorare rapporto
        
        gestione opportunità --> nuovi clienti , calcolo probabilità di vendita associata a un potenziale cliente
        
        servizi ai clienti --> supporto post vendita /fidelizzazione
        
        contact center --> chiamate inbound e outbound usando IVR e distribuzione automatica chiamate
        
        CRM registra interazioni e fornisce funzionalità per riconoscere cliente e gestire al meglio interazione
        
        web based self service --> permette al cliente di risolvere problemi da portale web ( - costi )
        
        call scripting --> risposte predefinite e suggerimenti agli operatori (efficienza)
      - CRM analitico --> utilizza dati raccolti da CRM operativo per analizzare comportamento e preferenze clienti --> individua schemi per migliorare strategia aziendale. tecnologie OLAP
        
        finalità: reporting (info dettagliate sui clienti); analisi ( segmenta clienti su base di criteri per indirizzare campagne mirate); prevision ( previsione comportamenti futuri)
        
        invia risultati analisi al CRM operativo per supporto decisioni (segmentazione campagne marketing e personalizzazione vendite)
      - CRM collaborativo --> calcola indici rilevanti come profittabilità ee soddisfazione clienti e condivide tali info per valuatre impatto dell'uso del CRM
    - - proprietà/benefici:
        
        unicità info --> dati inseriti 1 volta e condivisi fra i moduli, 1 database centralizzato, no ridondanza
        
        modularità --> flessibilità in base alle esigenze aziendali (COTS)
        
        one stop shopping --> stesso fornitore di moduli (interoperabilità)
        
        best of breed --> fornitori diversi (+ specializzazione e qualità)
        
        buy --> rapido, costi standard, manutenzione ai fornitori però rigidità e dipendenza
        
        make --> flessibilità e aderenza ai bisogni, costi/tempi elevati
        
        prescrittività/standardizzazione processi --> l'azienda si adatta a processi/logiche ottimali già progettate sulla base di processi ottimizzati (ERP impone lo svolgimento di un processo)
        
        +efficienza, - costi, - rischi, - sbatti
        
        automazione processi
      - funzionalità/moduli , ERP coprono vasta gamma di processi aziendali
        
        moduli orizzontali (intersettoriali, trasversali a ogni azienda)
        
        moduli istituzionali (trasversali a qualsiasi azienda: gestione amministrativa, risorse umane, contabilità)
        
        moduli direzionali (supporto strategico, decison making)
        
        verticali (specifici azienda)
        
        moduli settoriali --> specifici core business, seguono catena valore di porter (risorse, acquisti, produzione, vendite, logistica)
      - da client-server a web-based --> flessibilità/scalabilità; usano cloud (ERP SaaS) e analisi avanzata (anche OLAP)
      - ERP esteso si apre verso l'esterno, interagisce con:
        
        PLM, progettazione e ideazione con terzisti
        
        SCM fornitori e distributori
        
        CRM con clienti
      - ERB mappata sul modello BOAT (business --> supporta processi operativi/controllo con flussi standars; organization --> impone ruoli ; architecture --> modulare; technology --> database centrale (DBMS), server/cloud SaaS
      - implementazione ERP
        
        pianificazione e personalizzazione (moduli diversi rispetto alla natura dell'azienda) ; di solito COTS ma ibrido: adattato a esigenze azienda (anche modificando codice) --> - costi, automatizzazione processi, + efficienza operativa
    - - presentazione --> gestisce logica presentazione /interazione utente, front end, accessibile con GUI e UI
      - logica applicativa --> regole business, funzioni per utenti, elabora richieste da presentazione
        
        back end --> accessibili tramite API (Application Program Interface) pensate x interazione con altri software
      - logica accesso ai dati
      - contenuti tutti in un software artifact (app monolitiche, unico nodo fisico) o scomposti su più artifact (distribuite, i 3 livelli girano su macchine diverse che comunicano)
        
        se distribuite
        
        sistemi chiusi --> i lvl logici comunicano solo con lvl adiacenti
        
        sistemi aperti --> ogni lvl comunica con sistemi esterni
  - - - DBMS - Database Management System (orientato ai dati)
      - BPMS - Business Process Management System (orientato ai processi)
      - UIS - User Interface System; servivi x supportare interazione utente e gestire interfacce
      - Rule Engine = definire, testare, eseguire regole business
    - - x evitare applicazioni a silos (non dialoganti) --> inefficienze e ridondanze/spreco risorse IT (replicati) / mancanza flussi diretti tra diversi reparti (lentezza ed errori) / struttura aziendale non cooperante --> data silos
      - integrazioni a livello di dati --> non potendo avere un enorme DB aziendale --> middleware = software che si interpone tra i vari DB per sincronizzarli (traduttore) risolvindo conflitti di formato ( come è salvato il dato) e di significato (unità di misura)
      - a livello di logica applicativa --> i software parlano fra di loro tramite API (facile solo i sistemi hanno architettura aperta, difficile per sistemi legacy monolitici)
        
        modelli di integrazione delle applicazioni
        
        architettura di integrazione punto a punto -->ogni app collegata a un altra tramite codice personalizzato --> problema di scalabilità ( N^2 interfacce da programmare per N applicazioni ), manutenzione insostenibile (per aggiornare uno rompo N-1 collegamenti con gli N-1 app)
        
        hub-and-spoke --> hub centrale intermediario per la comunicazione tra le app, ogni app parla con l'hub tramite adattatore
        
        hub riceve richiesta, traduce dati (middleware) tra i 2 formati, capisce a chi è destinata e inoltra all'app corretta
        
        limite: single point of failur (hub) / collo di bottiglia
        
        Integrazione con BPMS --> coordina interazioni tra app in base al processo aziendale formalizzato --> process engine esegue processo passo dopo passo quando 2 app devono parlare il BPMS chiama app esterna e dopo aver avuto risposta prosegue
        
        automatizza e migliora efficienza, limite: analisi complessa dei processi
        
        modelli a servizi (SOA - Service Oriented Architecture) --> non si cerca di incastrare software monolitici --> costruzione di app che espongono le loro funzioni su internet sotto forma di servizi (singole funzionalità impacchettate come moduli indipendenti, pronti all'uso tramite rete)
        
        SLA ( service legal agreement ) --> contratto con il fornitore del servizio (che gestisce hardware) su parametri di quality of service
        
        3 attori: service provider (fornitore, crea e pubblica il servizio sul registry con istruzioni in WSDL); service registry ( registro online dei servizi); service requestor ( utilizzatore, interroga registry e si collega al provider per usare la funzione)
        
        outsourcing dinamico --> vantaggio enorme --> sfrutto vari fornitori per varie funzionalità in base alle esigenze, se uno crolla lo cambio subito, tutto regge
        
        flessibilità
        
        come avviene l'integrazione?
        
        interfaccia di un servizio è un contratto che stabilisce formati di messaggi in ingresso e uscita
        
        l'azienda assembla i vari servizi (composizione)
        
        l'orchestratore stabilisce la sequenza temporale e logica di invocazione dei singoli servizi
        
        possibilità di scambiare messaggi su internet tramite protocolli come HTTP e codifica XML
      - a livello di presentazione --> unifico l'interfaccia utente (front end) in mood che sia possibile chiamare funzioni di back end di app diverse
  - - - single tired --> 1 nodo gestisce tutti i componenti, i 3 livelli risiedono in 1 macchina fisica --> affidabile e comodo ma rigido e richiede enorme potenza
      - 2-tired --> pc client e server centrale --> thin client se gestisce solo la presentazione; fat client se gestisce grafica e logica e il server diventa solo database
      - 3-tired --> client, app server (pc che elabora solo calcoli e regole aziendali), DB server -_> 13 config diverse in base alla distribuzione dei livelli sulle macchine
      - N-tired (es 5 tiered: client, web server(riceve richieste http da internet), script engine(genera pagine html), app server, db server
    - - verticale (scale up) --> aumento capacità elaborativa di nodi esistenti (limiti fisici, semplice)
      - orizzontale (scale out) --> aggiungo nuovi nodi (maggiore distribuzione) --> scalabilità con downsizing(-costi), complessità gestione (load balancing)
        
        Server Farm --> + nodi fisici che condividono carico e app, visibile come singola risorsa
        
        scalabili, +/- macchine per soddisfare richieste crescenti
        
        Clonazione --> installo copie delle app e dati su ogni nodi (server) e distribuisco richieste sui nodi con load balancing.
        
        shared nothing --> ogni cloone ha proprio disco fisico (read only), scalabilità elevata, complessità nella sincronizzazione/aggiornamento
        
        shared-disk --> cloni condividono unico DB (cluster)
        
        RACS --> realiable array of cloned services
        
        Partizionamento --> suddivisione app e dati tra nodi specializzati, richieste inviate alla partizione rilevante --> graceful degradation (se guasto solo 1 funzionalità inaccessibile)
      - Virtualizzazione --> astrazione logica per disaccoppiare software e hardware (risorse virtuali indipendenti da hardware fisico)
        
        MV --> container software che include risorse virtuali per far funzionare un app (dall'esterno pare un elaboratore fisico indipendente)
        
        hypervisor --> mediatore, software che gestisce corrispondenza tra risorse fisiche e virtuali (bare metal [installato su hardware], hosted[funziona su un SO host]
        
        intercetta chiamate della VM a CPU, RAM e scheda di rete e ingannandole alloca risorse fisiche in modo dinamico
        
        vantaggi: disaccoppiamento risorse (se una VMM va in blocco le altre non si fermano), frazionamento e condivisione (singola risorsa fisica suddivisa in + risorse virtuali condivise a + app); ottimizza risorse ; migrazione a caldo (consente manutenzione hardware trasferendo la VM mentre funziona)
    - - caratteristiche: 1) on demand self service 2) accesso alla rete onnipresente (da vari dispositivi) 3) accesso a risorse indipendentemente dalla localizzazione (risorse fisiche e virtuali condivise fra utenti in modo dinamico --> resource pooling); 3) elasticità rapida (in base alle richieste aumenta/toglie risorse) 4) servizio misurato (pagamento a consumo, pay to use)
      - modelli di fornitura del servizio
        
        IaaS --> fornisce solo risorse virtuali, gli utenti devono installare e configurare SO, DB, codice, controllo totale sulla VM
        
        PaaS --> piattaforme per sviluppare app senza gestire infrastruttura (gestisco solo codice app e dati, no SO)
        
        SaaS --> accesso a software e app già pronte, fornitore gestisce tutto
        
        veloce, 0 manutenzione IT, costi prevedibili ma lockin fornitore, privacy a rischio e rigidità
      - modelli di distribuzione
        
        pubblico --> risorse gestite da provider esterno e accessibili a + utenti
        
        ibrido --> usa privato x dati sensibili, pubblico per sito web
        
        privato --> usato da 1 organizzazione, costi alti, controllo sui dati
        
        comunitario --> condiviso da gruppo di aziende con esigenze simili (es ospediali)
      - virtualizzazione = tecnologia abilitante; cloud computing = modello di business/architetturale costruito sopra, prende le MV e le offre agli utenti come servizio condiviso e on demand via interner
- - - - colonne = aspetti da analizzare (dati[cosa], funzioni[come], rete[dove], persone[chi], tempo, motivazioni(obiettivi))
        
        ogni incrocio definisce una vista
      - righe = punti di vista --> modello contestuale (proprietario), concettuale (dell'azienda ->CEO), logico (progettista/ingegnere), fisico (tecnici), dettaglio (sottocontraente/programamtore)
      - tassonomia, casellario in cui ordinare documenti e modelli di un azienda
    - - lvl business = riga modello azienda (concettuale)
      - lvl applicazione = modello sistema (logico)
      - lvl tecnologico = modello tecnologico (fisico)