DW & MODELLI MULTIDIMENSIONALI
CONCETTO DI DATA WAREHOUSE & DIFFERENZE CON I DATABASE
Nel capitolo precedente si è parlato approfonditamente dell’architettura dell’ambiente di BI. Non si
specificato, però, quale sia il cuore di tale architettura, ossia il DATA WAREHOUSING (DW).
Tale fenomeno nasce dall’enorme accumulo di dati registrato nell’ultimo decennio, e dalla
pressante richiesta di utilizzare attivamente questi dati per scopi che superino quelli, di routine, legati
all’elaborazione giornaliera. Il data warehousing può infatti essere definito come una collezione di
metodi, tecnologie e strumenti di ausilio al cosiddetto “lavoratore della conoscenza” (knowledge
worker: dirigente, amministratore, gestore, analista, …) per condurre analisi dei dati finalizzate
all’attuazione di processi decisionali e al miglioramento del patrimonio informativo dell’azienda.
Ancora oggi, purtroppo, è frequente sentire all’interno delle imprese frasi come queste:
1. “Abbiamo montagne di dati ma non possiamo accedervi!”
2. “Come è possibile che persone che svolgono lo stesso ruolo presentino risultati
sostanzialmente diversi?”
3. “Vogliamo selezionare, raggruppare e manipolare i dati in ogni modo possibile!”
4. “Mostratemi solo ciò che è importante!”
5. “Tutti sanno che alcuni dati non sono corretti!”
Si intuisce, quindi, come molte aziende non hanno dati perché non sanno come raccoglierli, oppure
ne hanno troppi o parziali, oppure ancora ne hanno in una giusta quantità, ma non sanno gestirli
(nel senso che non sanno quali siano di valore o non hanno i sistemi giusti per analizzarli e sintetizzarli).
Da questi problemi possiamo facilmente estrarre un elenco di REQUISITI DEL DATA WAREHOUSING
(che possiamo definire anche come le SFIDE a cui il DW è chiamato a rispondere) affinché sia di
effettivo ausilio ai decisori aziendali:
1. ACCESSIBILITÀ a utenti con conoscenze limitate di informatica e strutture dati:
2. INTEGRAZIONE dei dati sulla base di un modello standard dell’impresa;
3. FLESSIBILITÀ DI INTERROGAZIONE di interrogazione per trarre il massimo vantaggio dal
patrimonio informativo esistente;
4. SINTESI per permettere analisi mirate ed efficaci;
5. RAPPRESENTAZIONE MULTIDIMENSIONALE DEI DATI per offrire all’utente una visione intuitiva ed
efficacemente manipolabile delle informazioni;
6. CORRETTEZZA & COMPLETEZZA dei dati integrati.
Al centro del processo, il Data Warehouse è un contenitore di dati che diventa garante dei requisiti
sopra esposti. In altre parole, si può dire che un Data Warehouse (DW – DWH) è una collezione di
dati di supporto per il processo decisionale che presenta le seguenti CARATTERISTICHE:
1. ORIENTAMENTO AL SOGGETTO: il database relazionale è legato alla transazione (es.
pagamento delle imposte, …), mentre il data warehouse al soggetto (es. fornitore, cliente,
dipendente, …);
2. INTEGRAZIONE & CONSISTENZA: utilizza più fonti di dati tra loro eterogenee e si impegna a
dare una risposta unificata (risposta sintetica al fine di prendere una decisione);
3. RAPPRESENTATIVITÀ DELL’EVOLUZIONE TEMPORALE: si effettuano aggiornamenti continui e
costanti per mantenerlo sempre “sul pezzo”.
Da queste caratteristiche ne consegue che la costruzione di un DW non comporta l’inserimento di
nuove informazioni, bensì la riorganizzazione di quelle esistenti, e implica pertanto l’esistenza di un
sistema informativo. Quindi, mentre i dati operazionali coprono un arco temporale di solito piuttosto
limitato (poiché la maggior parte delle transazioni coinvolge i dati più recenti), il DW deve
permettere analisi che spazino sulla prospettiva anche di anni: ecco perché il DW è aggiornato a
intervalli regolari a partire dai dati operazionali ed è in crescita continua. In linea di principio, quindi,
i dati non vengono mai eliminati dal DW, per cui si potrebbe considerare quest’ultimo come un
“database a sola lettura”. Si possono quindi così riassumere le principali DIFFERENZE TRA DATA
WAREHOUSING & DATABASE OPERAZIONALI:
