Integrazione dei Dati: La Chiave del Successo di qualsiasi Progetto BI
Quando prendiamo la decisione di realizzare un progetto di BI, in molte occasioni iniziamo a pensare a quali indicatori andremo ad analizzare, ovvero cosa vogliamo ottenere.
Non è un brutto inizio, è sicuramente quello che vogliamo e di cui abbiamo bisogno, ma presto avremo dei dubbi su come ottenere e mettere in relazione tutte le informazioni necessarie per raggiungere questi indicatori. Questo è il punto chiave per noi per avere davvero un sistema BI serio e scalabile.
Appaiono continuamente e ci offrono straordinarie soluzioni di Business Intelligence e Analytics dal punto di vista della presentazione dei KPI. Questi sistemi ci mostrano come caricare alcuni dati in Excel e ottenere immediatamente grafici e altri elementi sullo schermo.
La verità è che è impressionante e a prima vista sembra semplice. Tuttavia, tutti i professionisti che sono stati coinvolti in progetti di questo tipo sanno che la presentazione dei KPI è solo il confezionamento finale del progetto.
Di seguito andremo a vedere in sintesi le componenti di cui dobbiamo tenere conto se vogliamo realizzare un progetto di BI scalabile e sostenibile nel tempo.
In questo articolo vogliamo descrivere, in modo agile, le componenti relative alla Data Integration; analizzandone il livello di importanza.
Iniziamo:
ORIGINE DEI DATI
La prima cosa che dobbiamo fare prima di iniziare il processo di integrazione dei dati è raccogliere tutte le fonti di dati che saranno necessarie per il calcolo degli indicatori e delle informazioni che vogliamo finalmente mostrare sui dashboard.
È importante che le fonti di dati abbiano la massima granularità possibile, poiché se partiamo da fonti di dati con informazioni già aggregate o calcolate. Ci limiterà nella presentazione delle informazioni, perché non saremo in grado di ottenere determinati dettagli o livelli.
ETL (ESTRAZIONE, TRASFORMAZIONE E CARICA)
Questo componente è il primo livello critico per la nostra soluzione BI, è responsabile dell’estrazione delle informazioni dalle origini dati. Della sua trasformazione attraverso regole e anche della pulizia e del caricamento al livello successivo: il Data Warehouse.
A seconda della fonte dei dati, queste operazioni saranno più o meno complesse. Anche se la parte più critica di questo livello è solitamente la trasformazione dei dati in base a regole, pulizia e armonizzazione di questi.
MAGAZZINO DATI
Il dettaglio di ciò che costituisce Data Warehouse sarebbe molto ampio, quindi descriveremo questo componente in modo semplice senza entrare in molte delle sue caratteristiche e funzionalità.
Come indica il nome, questo data warehouse è il luogo in cui i dati vengono archiviati in modo organizzato in strutture dati aziendali. Raggruppandoli in data set più piccoli (datamart) in modo aggregato e generalmente in strutture dati multidimensionali. E con le gerarchie, questo è ciò che conosciamo come cubi OLAP; Sono stati inventati per offrire agli analisti prestazioni di query dei dati migliori rispetto al modello transazionale normalizzato OLTP.
Pertanto, è un modello ampiamente utilizzato sia per la consultazione dei dati tramite strumenti di generazione di dashboard sia per la presentazione utilizzata per il processo decisionale aziendale.
In molte occasioni, i sistemi di Data Warehouse includono anche il livello ETL per l’estrazione, la trasformazione e il caricamento dei dati.
GESTIONE DEI DATI PRINCIPALI
In modo semplice, MDM è inteso come gli strumenti e la metodologia dedicati alla gestione e all’archiviazione dei dati anagrafici. Ma cosa sono questi dati anagrafici? In realtà, sono le tabelle di entità, la base di un modello di dati. Ad esempio i dati anagrafici del prodotto, che includerebbero il codice, la descrizione del prodotto e le sue proprietà.
Facciamo un esempio, in un sistema di BI per l’efficacia commerciale dell’industria farmaceutica occorre gestire i dati della struttura territoriale della rete di vendita, che come tutti sanno, questa struttura territoriale è in continua evoluzione e con continue riorganizzazioni.
Se non abbiamo la capacità di aggiornare rapidamente questi dati anagrafici, mostreremo continuamente analisi che non riflettono la realtà e. Pertanto, il nostro sistema di BI non servirà allo scopo ultimo per cui è stato costruito. Che altro non era che quello di aiutare il processo decisionale. .
Come abbiamo visto durante la descrizione dei livelli più focalizzati sull’integrazione e l’elaborazione dei dati di un sistema di BI, il lavoro di Data Integration è forse la parte più noiosa e lunga di un progetto di BI. Sia all’inizio che all’implementazione del sistema e per tutta la sua vita.
Dobbiamo sempre tenere presente che un sistema di BI non è statico ed è in continua evoluzione, con l’obiettivo di riflettere le strategie di business dell’azienda.
Per tutta la spiegazione fino a questo punto, possiamo concludere che l’integrazione dei dati in modo ben strutturato è la chiave per far crescere il nostro sistema di BI. Essere scalabile e adattarsi costantemente alle strategie di business e funge da strumento decisionale , che riflette gli indicatori desiderabili e corretti.
Potrebbe interessarti anche
