Sistemi Informativi

Dati

I dati sono sempre più importanti all’interno del sistema informativo aziendale. Secondo la Piramide DIKW è possibile dividere i dati e le informazioni in

Data: Il dato rappresenta la base della piramide. Esso rappresenta un elemento che descrive la realtà. Associato al dato c’è un tipo (numerico, stringa, etc) o un’unità di misura. Singolarmente il dato è poco utile (es. ci sono 32 gradi).
Information: L’informazione è l’interpretazione di un singolo (o un insieme) di dati. Unendo diversi dati è possibile definire un contesto (es. a dicembre ci sono 32 gradi in aula).
Knowledge: La conoscenza è ottenibile integrando l’informazione con l’esperienza. (es. se a dicembre ci sono 32 gradi in aula, c’è qualcosa che non va)
Wisdom: La saggezza è applicare l’esperienza alla conoscenza per guidare all’azione più adatta al momento. (es. se a dicembre ci sono 32 gradi in aula, spegnere il riscaldamento).

Organizzazioni

Risorse

Le risorse sono ciò con cui un’organizzazione opera, sia materiale che immateriale, e sono divise in:

Risorse Esterne:
- Ambiente sociale ed economico
- Mercato
- Clienti
Risorse Interne:
- Risorse di scambio: Prodotti, beni e servizi
- Risorse di struttura: strumenti finanziari, persone, infrastrutture
- Risorse di gestione: norme, organigrammi, piani, informazioni

Le risorse hanno un ciclo di vita:

Pianificazione
Acquisizione
Gestione
Manutenzione

Processi

I processi sono un’insieme di attività che l’organizzazione svolge per gestire il ciclo di vita di una risorsa.

Piramide di Anthony

Fornisce una classificazione dei processi e della applicazioni.

La tabella si basa su tre livelli:

Livello Operativo: attività di tipo operative.
Livello di Programmazione e Controllo: si considerano le attività tattiche come programmazione delle risorse e il controllo degli obiettivi.
Livello di Pianificazione Strategica: Attività legate alla scelta degli obiettivi e politiche aziendali.

Modello di Porter

Questo modello considera esclusivamente i processi di livello operativo. Le attività sono divise in:

Attività Primarie: Attività verticali orientate agli obiettivi aziendali.
- Logistica interna
- Operations
- Logistica Esterna
- Marketing e Vendita
- Servizi
Attività di Supporto: Attività orizzontali che assicurano il corretto funzionamento dei processi primari.
- Infrastruttura dell’Impresa
- Gestione delle risorse umane
- Sviluppo della Tecnologia
- Approvvigionamenti

Sistemi informativi

I sistemi informativi sono un insieme di procedure, metodi e strumenti dedicati allo svolgimento di alcune funzioni per raggiungere un risultato. Il sistema di alimenta di eventi basati da dati, li trasforma in informazioni tramite dei processi.

Un sistema informatico è un componente del sistema informativo. Il sistema IT per mette di elaborare, archiviare e gestire le informazioni secondo le Business Rules.

I sistemi informativi sono divisi in:

Sistemi Operazionali: I quali svolgono operazioni di base, quotidiane. Le parti fondamentali sono la base dati operazionale e funzioni operative.
Sistemi Decisionali: Sono sistemi a supporto delle attività decisionali e strategiche che sfruttano i dati per identificare informazioni utili.

I dati sono classificabili in base al livello (operativo/controllo/strategico). I dati operativi sono ben strutturati, e in alti volume e provenienti dall’interno. Andando verso il livello strategico i dati diventano sempre più aggregati, il formato potrebbe essere meno strutturato e potrebbero provenire anche da fonti esterne.

Base di Dati

I sistemi informativi sono applicazioni che interagiscono con basi di dati. Le interazioni solitamente avvengono con le transazioni.

A seconda delle operazioni i sistemi si identificano come OLTP e OLAP.

OLTP

I sistemi OLTP (OnLine Transaction Processing) sono sistemi che trattano operazioni basate su un numero elevato di transazioni brevi e online. Questi sistemi sono molto rapidi e sono idonei alla gestione di processi di livello operativo e di controllo.

OLAP

I sistemi OLAP (OnLine Analytical Processing) sono sistemi che trattano grandi quantità di dati storici che si basano su poche transazioni complesse che aggregano diversi dati e hanno bisogno di molto tempo per essere processate. Questi sistemi sono utilizzati per l’elaborazioni di dati a livello di pianificazione e strategico.

Un modello OLAP è rappresentato da un Modello Multidimensionale e le informazioni sono rappresentata da un ipercubo, formato da n dimensioni dove ogni dimensione permette di fare un’analisi. Gli elementi di una base di dati multidimensionali sono:

Fatto: elemento dell’ipercubo ottenuto specificando il valore per ogni dimensione
Dimensione: coordinate degli elementi in corrispondenza ad una dimensione di analisi
Misura: valore quantitativo del fatto elementare

Le dimensioni possono essere numerose e organizzate in maniera gerarchica, basate su dipendenze funzionali.

I sistemi OLAP godono delle proprietà FASMI:

Fast: risponde in tempo ridotto
Analytics: effettua analisi complesse
Shared: permette ad utenti con permessi diversi di accedere ai dati
Multidimensional: visione multidimensionali dai dati
Informational: contiene le informazioni di interesse

Altre caratteristiche del DW sono:

Orientato alle entità
Integrato: i dati vengono prelevate sia da fonti interne che esterne all’azienda
Variabile nel Tempo: i dati sono associati a un’etichetta temporale
Persistente: i dati sono archiviati in sola lettura

Organizzazione e IT

Le scelte all’interno dell’azienda possono avere impatto sulle scelte tecnologiche (Requirements Pull) e derivano spesso dall’esigenza di nuove funzionalità o migliorare le funzionalità attuali. In altri casi i cambiamenti delle nuove tecnologie possono portare a scelte nuove organizzative (Technology Push).

Enterprise Architecture (EA)

L’Enterprise Architecture è usato per analizzare e descrivere lo stato attuale e futuro di un’azienda. L’EA fornisce una panoramica dei processi, dei sistemi, delle tecnologie e delle capacità dell’azienda.

Framework di Zachman

Questa architettura viene descritta dal Framework di Zachman che utilizza una matrice per descrivere l’EA. Zachman utilizza le colonne per definire gli Aspetti da analizzare:

Dati (Cosa): rappresentano i dati che l’organizzazione ha bisogno per operare.
Funzioni (Come): analizza le funzioni che l’azienda esegue per condurre il business.
Rete (Chi): le persone che sono coinvolte nell’esecuzione delle funzioni aziendali.
Tempo (Quando): indica gli elementi significativi del business.
Motivazione (Perché): gli obiettivi dell’azienda.

Le righe invece indicano i Punti di Vista che possono interessare gli stakeholder. Ogni riga introduce quindi dei vincoli sul sistema.

Scopo (Contestuale): interessa chi si occupa di pianificazione e rappresenta ad alto livello il sistema in base alla dimensione, forma, relazione e obiettivi.
Modello dell’Azienda (Modello Contestuale): interessa il proprietario del sistema e offre una prospettiva orientata al business.
Modello del Sistema (Modello Logico): interessa il progettista e offre una specifica dettagliata del modello del sistema.
Modello Tecnologico (Modello Fisico): interessa chi deve realizzare il sistema e deve tradurre il progetto logico in fisico.
Rappresentazione Dettagliata: raccoglie le specifiche per i programmatori per la realizzazione effettiva del sistema.

L’intersezione tra le righe e le colonne sono definite Viste e forniscono le informazioni su un particolare aspetto in base ad un punto di vista.

Elementi Tecnologici

Le tecnologie si possono dividere in tre livelli:

Livello Applicativo

A livello applicativo le tecnologie supportano i processi operazionali e informazionali. L’insieme delle tecnologie a livello applicativo viene detto portafoglio applicativo ed è costituito da:

Data Warehouse (DW): archivio che contiene i dati di un’organizzazione in un modello multidimensionale.
Business Intelligence (BI): insieme di moduli per la raccolta e l’analisi delle informazioni della situazione aziendale.
E-Business (EB): strumenti digitali per la comunicazione, collaborazione tra imprese ed esecuzioni di transazioni.
Customer Relationship Management (CRM): moduli per l’interazione con i clienti potenziali ed esistenti.
Enterprise Resource Planning (ERP): suite di software formata da diversi moduli per supportare le attività aziendali.
Advanced Planning and Scheduling (APS): Applicazioni usate in ambito manifatturiero per gestire le materie prime e la capacità produttive.
Manufacturing Execution System (MES): Sistemi usati in ambito manifatturiero per tracciare e documentare il processo produttivo.

Le applicazioni sono strutturate in livelli logici detti layer:

Presentazione (P): gestisce la logica legata alle interfacce grafiche e all’interazione con l’utente (front-end).
Applicativo (A): gestisce le funzionalità dell’applicazione (back-end).
Accesso ai Dati (D): gestisce le informazioni, tramite db o sistemi legacy.

Data la complessità della realizzazione (make) di applicazioni si predilige l’acquisto (buy), soprattutto di applicazioni come ERP e CMS.

ERP

Gli ERP sono software che offrono moduli a supporto del sistema operazionale. Le proprietà che contraddistinguono gli ERP sono:

Unicità dell’Informazione: presenza di un’unica base di dati per tutti i moduli per evitare ridondanza e incongruenza di dati.
Modularità: i moduli sono autonomi ed auto-sufficienti, permettendone l’acquisto separato, aumentando la flessibilità e la scalabilità dell’applicazione.
Prescrittività: i moduli incorporano la logica di “funzionamento” dell’impresa, permettendo di normare i processi.

I moduli possono essere poi divisi in tre categorie:

Sistemi Istituzionali: moduli orizzontali (intersettoriali).
Moduli Settoriali: moduli verticali specifici per un contesto aziendale.
Moduli Direzionali: moduli orizzontali che elaborano i dati per dare una visione di insieme delle attività.

CRM

I CRM sono una suite di software che supportano le organizzazioni nelle interazione con i clienti. Questi software aiutano a capire i bisogni e i comportamenti degli utenti, migliorandone l’interazione. Questi sistemi sono utili in contesti con una forte relazione con la clientela.

Il CRM ha tre componenti principali:

CRM Operativo: è un modulo che si occupa dell’interazione dei clienti con l’azienda ed è formato da alcuni moduli:
- Marketing: la strategia aziendale si baso soprattutto sulla fidelizzazione dei clienti attuali, questo è realizzabile tramite una buona campagna dedicata delle campagne marketing e sui dati a disposizione. Alcuni sistemi per fare ciò sono:
  - Generazione Liste Clienti: liste di clienti adatti a ricevere alcune comunicazioni di marketing.
  - Gestione Campagne: moduli progettati per l’automatizzazione delle attività e i processi di marketing
  - Cross-Selling e Up-selling: queste strategie si basano sull’aumento dei prodotti acquistati dall’utente e dall’aumento del del valore della singola vendita.
- Automazione Vendite: sono moduli che permettono:
  - Gestione Vendite: modulo che si occupa della selezione dei contatti, supportare l’agente nella stesura dell’offerta
  - Gestione Contatti: gestisce i dati dei clienti permettendo di salvare anche informazioni aggiuntive che possono migliorare il rapporto con il cliente.
  - Gestione Opportunità: modulo che si occupa di trovare nuovi clienti o organizzazioni per vendite future.
- Servizi ai Clienti: sono servizi che si occupano di curare la relazione post-vendita per migliorarne i rapporti. Alcuni sotto-moduli sono:
  - Contact Center: gestiscono le chiamate inbound (clienti chiamano azienda) e outbound (azienda chiama i clienti). Il CRM registra tutte le interazioni e fornisce funzionalità per la gestione della chiamata.
  - Web Based Self Service: permette ai clienti di usare il web per trovare le soluzioni ai problemi e contattare l’azienda.
  - Call Scripting: una base di dati messa a disposizione degli operatori con le soluzioni ai problemi dei clienti.
CRM Analitico: usa i dati provenienti dal CRM Operativo per analizzare le preferenze, i comportamenti dei clienti ed estrarre pattern significativi a supporto del processo decisionale tramite il CRM Operativo. Le sue finalità principali sono:
- Reporting: capire chi sono i clienti, le loro caratteristiche e preferenze.
- Analysis: segmenta i clienti in categorie.
- Predicting: predice le azioni e i desideri dei clienti.
CRM Collaborativo: si occupa di calcolare alcuni indici rilevanti per l’intera azienda e condividere tali informazioni.

Livello di Piattaforma

L’implementazione delle applicazioni richiede l’utilizzo di componenti di supporto divise in quattro categorie:

Tecnologie Orientate alle Funzionalità: Alcuni esempi sono:
- DataBase Management System (DBMS): per gestire l’accesso e manipolazione dei dati.
- Business Process Management System (BPMS): per modellare, automatizzare, eseguire, controllare e ottimizzare i flussi di attività.
- User Interface System (UIS): servizi per l’interazione con gli utenti.
- Rule Engine: sistema per definire, testare, eseguire regole di business.
Tecnologie Orientate agli Aspetti Funzionali: tecnologie per garantire caratteristiche non funzionali (efficienza, sicurezza e la correttezza)
Tecnologie di Base: tecnologie che permettono la comunicazione tra le applicazioni e i componenti.
Advanced Platform Technology: sistemi per messaggistica, gestione degli eventi e delle transazioni.

Livello di Architettura Fisica

Questo livello indica l’architettura fisica che hosta l’applicazione.

Analisi dei Dati

I dati sono essenziali per supportare i processi decisionali all’interno dell’azienda. Bisogna quindi essere in grado di aggregare e interrogare i dati per analizzare ed estrarre eventuali correlazioni. Alcuni strumenti di supporto alle decisioni sono:

Report: mostrano dati analitici statici, con i quali non è possibile interagire e offrono una visione limitata
Fogli di Calcolo: le analisi sono definite dall’utente, ma possono richiedere procedimenti complessi per estrarre i dati.

I dati a supporto delle attività strategiche e decisionali si caratterizzano per:

Obiettivo: servono per prendere decisioni
Utenti: sono utilizzati solo dai manager di alto livello
Orizzonte temporale: sono utilizzati soprattutto dati storici relazionati a quelli presenti
Livello di Dettaglio: sono dati aggregati a presi dai dati operazionali o da fonti esterne
Accesso: l’accesso è in sola lettura

Data Warehouse

il Data Warehouse è una base di dati di tipo OLAP che si distingue dai tradizionali DBMS che sono sistemi di tipo OLTP, i quali sono caratterizzati da un gran numero di operazioni brevi.

All’interno del data warehouse è possibile individuare diversi basi di dati organizzati in maniera gerarchica.

Al primo livello si trovano le sorgenti, ovvero le fonti che popolano il DW, come il la base di dati operazionale e basi di dati esterne. Queste sorgenti vengono sottoposte an operazioni dette ETL (Extraction, Transformation e Loading) che trasformano i dati dalle sorgenti in base alla struttura multidimensionali dell’OLAP.

A livello intermedio può esistere una base di dati intermedia detta Staging Area

In fine si trovano i Data Mart ovvero dei piccoli data warehouse tematici che contengono un estratto/vista delle informazioni del data warehouse. Questa divisione dei dati viene svolta in quanto il data warehouse può essere molto grande e i data contenuti non interessano a tutti gli utenti

Durante il processo ETL di estrazione, vengono definiti quali e come (aggregare, copiare, etc) devono essere estratti i dati. L’estrazione può essere statica se vengono considerati tutti i dati dei sorgenti; Incrementale se vengono presi in considerazione solo i dati creati a partire dall’ultimo aggiornamento. I dati possono subire alcune trasformazioni come:

Data Cleaning: i dati possono contenere errori che devono essere corretti. Questa fase risolve i problemi relativi alla qualità dei dati
Riconciliazione: mettere in relazione i dati relativi alle stesse entità
Standardizzazione dei Formati: i dati proveniente da sorgenti eterogenee devono essere standardizzati. Alcune operazioni sono:
- Congiungere e spezzare i campi
- Standardizzare dei codici
- Standardizzazione dei formati
Ricerca ed Eliminazione dei Duplicati: assicurarsi che non siano presenti gli stessi dati da sorgenti diverse

Le operazioni ETL sono documentate da Metadati che raccolgono:

Struttura del Data Warehouse: dati come schemi, viste, dimensioni, gerarchie, etc
Metadati Operazionali: storia, l’origine e le trasformazioni dei dati
Metadati per Mappare dati Operazionali ai dati del DW
Statistiche: descrivere come e quando viene utilizzato il dw

Modello Concettuale

I Data Warehouse vengono rappresentati tramite il Dimensional Fact Model (DFM) dove:

Il fatto è rappresentato da un rettangolo che contiene le misure
Le dimensioni sono rappresentate da cerchi etichettati e collegati ai fatti. Possono essere semplici attributi o gerarchie.

Modello Logico

Definito il modello concettuale esso deve essere memorizzato in un DBMS. Alcuni esempi sono:

Modello MOLAP (Multidimensional OLAP): traduce il modello concettuale in una base multidimensionale. La traduzione avviene in maniera esatta e rende le interrogazioni efficienti e veloci. Queste basi di dati sono meno diffuse delle basi relazionali classiche e i linguaggi sono spesso proprietari
Modelli ROLAP (Relational OLAP): traduce il modello concettuale in un modello relazionale che memorizza i dati tramite tabelle. Le interrogazioni avvengono con linguaggi come SQL. Questo modello ha lo svantaggio di essere più lento e spesso è difficile rappresentare perfettamente il modello multidimensionale.
Modelli HOLAP (Hybrid OLAP): traduce il modello multidimensionale in un ibrido, solitamente usando una base di dati relazionale. la base multidimensionale sono usare per data mart tematici

Per mappare la base multidimensionale è necessario definire le tabelle. Per fare ciò esistono due approcci:

Schema a Stella: viene utilizzata una tabella dei fatti per memorizzare gli attributi corrispondenti alle misure del fatto ed ad ogni riga corrisponde un fatto; viene utilizzata la tabella delle dimensioni, per ogni dimensione, associa al fatto gli attributi relativi alla gerarchia.
Schema a Fiocco di Neve: ad ogni dimensione vengono associate più tabelle che permettono di conservare le dipendenze funzionali.

Operazioni

I Data Warehouse comprende un’insieme di tecniche per analizzare i dati:

Drill-Down: permette di ottenere dati dettagliati scendendo lungo la gerarchia di una dimensione, passando da un livello di aggregazione alto ad uno basso.
Roll-Up: permette di passare da un livello dettagliato ad uno più ad alto livello.
Slice: permette di focalizzare l’analisi su una porzione di dati fissando il valore di una delle dimensioni di analisi.
Dice: permette di identificare un insieme di coordinate che riduce l’ipercubo

Data Mining

Il Data Mining è una tecnica che permette di riconoscere ed estrarre in modo automatico informazioni utili dai dati.

Il Data Mining si basa sulle seguenti fasi:

Selezione dei Dati: vengono selezionati i dati rilevanti per l’analisi
Cleaning: i dati vengono puliti per eliminare errori e ridondanze
Trasformazione: i dati vengono trasformati in un formato adatto all’analisi, soprattutto quando i dati provengono da fonti diverse
Data Mining: analisi dei dati per estrarre informazioni utili
Valutazione: valutazione dei risultati ottenuti
Presentazione: presentazione dei risultati

Le funzioni di Data Mining possono essere di diverse categorie:

Machine Learning: istruire gli algoritmi con esempi ideali tramite tecniche di apprendimento supervisionato o non supervisionato
Tecniche descrittive: analizzano i dati e li categorizzano, filtrano e aggregano per trovare pattern con funzioni matematiche
Tecniche predittive: analizzano i dati per fare previsioni sul futuro

L’estrazione di informazioni dai dati può avvenire tramite:

Generalizzazione: riduzione del numero di dati escludendo quelli non significativi e ad alta variabilità
Caratterizzazione: capire la distribuzione dei dati, le tendenze (massimo, minimo, media, etc) e la variazione
Associazione: le regole associative mettono in relazione due o più attributi che si verificano spesso contemporaneamente. Queste associazioni sono espresse dalla regola X ⇒ Y dove X è l’antecedente e Y il conseguente. La validità di una regola è data da:
- Supporto: frequenza con cui si verifica la regola P(X ∩ Y)
- Confidenza: probabilità che la regola sia valida P(Y|X)
Classificazione: assegnare un oggetto ad una classe predefinita in base alle sue caratteristiche. Questa tecnica si basa su un modello addestrato tramite apprendimento supervisionato. I modelli possono essere caratterizzati in base all’accuratezza, la velocità, la scalabilità, la robustezza e la interpretabilità. L’accuratezza è data dal numero di classificazioni corrette (veri positivi (TP) e veri negativi (TN)) rispetto al numero di classificazioni errate (falsi positivi (FP) e falsi negativi (FN)): Accuratezza = (TP) / (TP + FP)
Clustering: raggruppare gli oggetti in base alle loro caratteristiche. Questa tecnica si basa su un modello addestrato tramite apprendimento non supervisionato, privi di classi d’appartenenza predefinite. L’appartenenza ad un cluster è data dalla somiglianza massima con gli altri oggetti del cluster e la somiglianza minima con gli oggetti degli altri cluster. Gli algoritmi possono essere classificati in base all’assegnazione degli elementi in un cluster:
- Esclusivi: ogni elemento appartiene ad un solo cluster
- Sovrapposti: un elemento può appartenere a più cluster
- Fuzzy: un elemento può appartenere a più cluster in base ad un peso
- Complete: ogni elemento appartiene ad un cluster
- Parziali: un elemento può non appartenere a nessun cluster

Process Discovery

Il Process Discovery è una tecnica che permette di estrarre i processi da un insieme di dati, solitamente da un log di eventi.

Le relazioni che possono esistere tra gli eventi sono:

Successione: un evento segue direttamente l’altro (x > y)
Causale: un evento causa l’altro (x → y)
Parallelo: due eventi avvengono contemporaneamente (x || y se x > y e y > x)
Scelta: due eventi non vengono mai eseguiti in sequenza (x # y se ~ (x > y) e ~ (y > x))

Questa analisi permette di analizzare la frequenza delle attività, durata delle attività, la sequenza delle attività e la relazione tra le attività. Queste informazioni possono essere utilizzate per migliorare i processi, identificare i problemi e le opportunità.

Indice