Modulo 2
Analisi multidimensionale di cubi OLAP
Errare è umano, ma per incasinare davvero tutto ci vuole un computer.
(Legge di Murphy- Quinta legge dell'inattendibilità)
Una storia…
C’era una volta una fabbrica di bambole che decide di lanciare
la loro nuova bambola interamente fatta a mano.
La campagna marketing punta tutto sulla qualità della bambola
e sul fatto che sia interamente prodotta in Italia. Il
posizionamento prezzo è sulla fascia alta di mercato in quanto la
marca è nota e il consumatore da valore alla marca.
La produzione è partita e il prodotto è stato distribuito in tutti i
punti vendita. Per rientrare delle spese di ricerca e sviluppo oltre
che di comunicazione del prodotto, viene calcolato dalla
direzione che si dovranno vendere 100 bambole a settimana per
ogni punto vendita che tratterà il prodotto.
Ci sono tutti i presupposti per un nuovo eclatante successo…
Una storia…
...sono passati un paio di mesi dal lancio e alla riunione
prodotto vengono portati i report per lo studio
dell’andamento del prodotto:
Regione
Emilia
Lombardia
Marche
Umbria
Lazio
Piemonte
Veneto
Liguria
Toscana
Abruzzo
Puglia
Campania
Sicilia
VendutoVenduto
Prev
1.985 1.985
2.400
2.003 2.003
2.400
2.125 2.125
2.400
2.048 2.048
2.400
1.967 1.967
2.400
2.048 2.048
2.400
2.077 2.077
2.400
1.912 1.912
2.400
1.985 1.985
2.400
2.012 2.012
2.400
1.998 1.998
2.400
2.032 2.032
2.400
1.952 1.952
2.400
Mese
Gennaio
Febbraio
Totale complessivo
Mese
Gennaio
Febbraio
Totale complessivo
Venduto
13.139
13.005
26.144
Settiamana
1
2
3
4
5
6
7
8
Prev
15.600
15.600
31.200
Venduto Prev
3.112
3.900
3.280
3.900
3.232
3.900
3.515
3.900
3.421
3.900
3.303
3.900
3.121
3.900
3.160
3.900
26.144
31.200
...e tiriamo qualche conclusione...
Una storia…
L’evidente considerazione, per limitare le perdite, è
eliminare il prodotto dall’assortimento in quanto non
ha “performato” secondo le aspettative….
...ed eliminare il responsabile del prodotto che non ha
“performato” secondo le aspettative!
Una storia…
E se invece dessimo al nostro responsabile prodotto
un’ultima chance, e gli dessimo una settimana di tempo
per capire cosa è successo?
Forse i Sistemi Informativi aziendali, sotto la guida del
nostro product manager, possono “tirare fuori” altri dati
per capire cosa è successo…
E il risultato di un paio di notti in bianco è…
Regione
Punto vendita
Gennaio
1
Emilia
Bologna
Modena
Rimini
Brescia
Desenzano
Milano
Ancona
Ascoli Piceno
Pesaro
Orvieto
Perugia
Terni
Frosinone
Latina
Roma
Cuneo
Novara
Torino
Padova
Treviso
Verona
Genova
La Spezia
Savona
85
66
73
42
103
75
105
98
76
79
81
87
69
76
88
80
27
99
69
93
87
81
70
97
Lombardia
Marche
Umbria
Lazio
Piemonte
Veneto
Liguria
2
3
83
93
72
57
103
35
89
83
84
89
94
88
98
77
88
85
75
88
68
96
68
91
80
84
92
80
88
79
135
85
86
89
104
102
84
87
78
86
90
87
72
85
83
89
67
98
87
66
4
Febbraio
5
6
7
8
98
88
87
81
116
74
85
95
89
90
86
96
89
88
99
110
85
92
86
111
94
87
95
68
87
91
95
69
128
93
93
86
111
110
92
85
90
94
86
90
96
86
99
85
88
81
65
28
89
84
73
39
119
83
91
96
93
87
85
72
78
67
83
102
87
84
90
92
95
73
73
93
75
75
75
73
123
49
95
82
92
85
88
75
68
68
68
89
88
94
88
83
77
72
90
92
68
82
86
67
107
68
98
26
79
80
99
27
83
87
69
79
87
81
88
89
92
77
85
79
Analisi per “Punto Vendita”
Gennaio
Febbraio
Regione
Punto vendita
1
2
3
4
5
6
7
8
Emilia
Bologna
Modena
Rimini
Brescia
Desenzano
Milano
Ancona
Ascoli Piceno
Pesaro
Orvieto
Perugia
Terni
Frosinone
Latina
Roma
Cuneo
Novara
Torino
Padova
Treviso
Verona
Genova
La Spezia
Savona
85
66
73
42
103
75
105
98
76
79
81
87
69
76
88
80
27
99
69
93
87
81
70
97
83
93
72
57
103
35
89
83
84
89
94
88
98
77
88
85
75
88
68
96
68
91
80
84
92
80
88
79
135
85
86
89
104
102
84
87
78
86
90
87
72
85
83
89
67
98
87
66
98
88
87
81
116
74
85
95
89
90
86
96
89
88
99
110
85
92
86
111
94
87
95
68
87
91
95
69
128
93
93
86
111
110
92
85
90
94
86
90
96
86
99
85
88
81
65
28
89
84
73
39
119
83
91
96
93
87
85
72
78
67
83
102
87
84
90
92
95
73
73
93
75
75
75
73
123
49
95
82
92
85
88
75
68
68
68
89
88
94
88
83
77
72
90
92
68
82
86
67
107
68
98
26
79
80
99
27
83
87
69
79
87
81
88
89
92
77
85
79
Lombardia
Marche
Umbria
Lazio
Piemonte
Veneto
Liguria
Analisi Multidimensionale
Spesso le analisi che vengono fatte sono “standard” e lasciano
poco spazio all’interpretazione dei dati da parte dell’utente.
Questi limiti sono più dovuti alla carenza da parte delle aziende
di capire come le informazioni possono essere utilizzate per l’analisi
dell’attività e per comprendere come i sistemi di computer
convertono dati grezzi in informazioni utili
L’analisi multidimensionale ci darà un approccio per la
visualizzazione delle informazioni che ci permettono di eseguire
una flessibile e potente analisi business, e unaconoscenza di
come devono essere organizzati i dati per passare da sistemi che
raccolgono i dati grezzi di una azienda in sistemi B.I. che
trasformano tali dati in utili informazioni.
Analisi Multidimensionale
Limitazione dei database gestionali:
Il loro lavoro è la gestione e
dedicano il loro tempo a
quello
① Rapporti solo sulle informazioni internamente raccolte
② Tipicamente non consente una analisi dimensionale alla
velocità del pensiero.
Dobbiamo avere a disposizione sistemi che permettono di
rispondere a questo tipo di domande:
① Quali sono le vendite effettive rispetto alle previsioni di
vendita per regione, per periodo, per punto vendita?
② Quale è la redditività per prodotto e per cliente?
③ Quale è l’arretrato per prodotto, per cliente nel tempo?
Sistema OLAP
On Line
Analytical
Processing
Perché l’elaborazione analitica on-line?
La potenza dei sistemi OLAP deriva dalla strutturazione
dei dati in modo allineato con il modo con cui le persone
eseguono naturalmente l’analisi.
Analizziamo ora in excel i dati di un ingrosso di
frutta…
Sistema OLAP
On Line
Analytical
Processing
Sistema OLAP
On Line
Analytical
Processing
Il sistema OLAP che abbiamo utilizzato nell’esempio dell’ingrosso di
frutta ci permette di evidenziare la struttura di un “database OLAP” con
la sua analisi alla velocità del pensiero che sfrutta metodi definiti Slice &
Dice, Drill e Pivoting.
Abbiamo quindi bisogno di immaginare il database come un
Cubo di Dati.
Analisi Multidimensionale della vendita di frutta
Quante mele sono state vendute
nel mercato di Milano durante
il terzo trimenstre?
Cubo OLAP
On Line
Analytical
Processing
Non necessariamente un cubo ha 3 dimensioni, anzi è molto
probabile che il cubo abbia decine di dimensioni (in questo caso
parliamo di ipercubo) che di fatto moltiplicano le celle che
dobbiamo gestire…
Immaginiamo che il nostro ingrosso di frutta abbia 100 clienti a
cui vende 20 tipi di frutta e vuole controllare gli ultimi 24 mesi
100 x 20 x 24 = 48.000
informazioni da gestire
Se poi l’azienda è anche interessata a sapere da quale dei sui 75
fornitori proviene la frutta, ecco che arriviamo a
48.000 x 75 = 3.600.000
informazioni da gestire
Cubo OLAP
On Line
Analytical
Processing
Perché un cubo OLAP sia efficace abbiamo bisogno che sia
strutturato in:
 Dimensioni – fanno conoscere lo spazio occupato dal database
 Gerarchie – permettono di aggregare le dimensioni
 Misure – permette di confrontare le varie dimensioni
Cubo OLAP
On Line
Analytical
Processing
 Dimensioni – fanno conoscere lo spazio occupato dl
database
① I dati devono essere confrontabili
② I dati devono essere aggregabili
Cubo OLAP
On Line
Analytical
Processing
 Gerarchie – permettono di aggregare le dimensioni
Membri
Dimensione
Relazioni
GERARCHIA
Cubo OLAP
On Line
Analytical
Processing
 Misure – permette di confrontare le varie dimensioni
① Ci deve sempre essere almeno una misura
Altrimenti non abbiamo l’elemento di confronto
② Una misura è sempre una quantità o un’espressione che
• KPI - per interpretare misure
e caratteristiche ;
Perché deve essere appunto misurabile • Benchmark - utilizzato per
fare confronti
produce una quantità
③ La misura può assumere qualsiasi formato quantitativo
Un valore assoluto, una valuta, una percentuale, un rapporto,…
④ La misura può derivare da qualsiasi fonte dati o da un calcolo
Un input diretto, un’aggregazione, una media, una formula,…
Esempio Excel
Occupazione e
giorni di malattia
per reparto