I sistemi informativi finalizzati alla Business Intelligence si servono solitamente, per la raccolta e la gestione dei dati operativi, di grandi basi di dati denominate Data Warehouse. Impiegano, inoltre, tecniche di analisi dei dati tradizionali, quali le analisi OLAP, ed avanzate, quali le tecniche di Data Mining. Il corso è finalizzato ad analizzare i principali strumenti a supporto della Business Intelligence. Vengono illustrate le tecniche e le tecnologie a supporto della progettazione dei Data Warehouse, dalla Dimension Fact Table, alla generazione di viste materializzate. Vengono affrontate le principali problematiche relative al processo ETL e le più comuni tecniche di analisi e interrogazione dei Data Warehouse aziendali. Viene inoltre affrontato il tema della presentazione dei dati e della reportistica attraverso interfacce grafiche ad hoc. Il corso, infine, introduce le principali tecniche di Data Mining a supporto di analisi complesse e le loro principali applicazioni. Alle lezioni teoriche si alterna lo studio e la realizzazione, a cura dei partecipanti, di casi di studio mediante i software Microsoft SQL Server 2008 per la gestione dei Data Warehouse e Weka per l'applicazione di tecniche di Data Mining.
Durata 2 giorni
Programma
- Progettazione di un Data Warehouse aziendale:
- descrizione del processo di funzionamento di un Data Warehouse
- analisi dei requisiti
- progettazione concettuale mediante Dimensional Fact Table
- gestione del tempo
- progettazione logica e viste materializzate
- progettazione fisica
- operatori di aggregazione
- il processo ETL
- analisi di un caso di studio e implementazione con Microsoft SQL Server 2008.
- Analisi tradizionale:
- HyperCube e analisi OLAP
- SQL esteso
- analisi di un caso di studio e implementazione con Microsoft SQL Server 2008.
- Dashboard e reportistica:
- strumenti di reportistica
- interfacce grafiche a supporto della Business Intelligence
- information visualization.
- Analisi complesse mediante tecniche di Data Mining:
- strumenti per la preparazione e l'integrazione dei dati
- algoritmi di classificazione e regressione
- algoritmi per l'estrazione di itemset frequenti
- algoritmi di clustering partizionali, gerarchici e density-based
- validazione dei risultati
- analisi di un caso di studio e implementazione con lo strumento opensource Weka.