+34 91 626 60 50 bisiona@bisiona.com

Quando prendiamo la decisione di realizzare un progetto di BI, spesso iniziamo a pensare a quali indicatori analizzeremo, cioè cosa vogliamo ottenere.

Non è un cattivo inizio, sicuramente è quello che vogliamo e di cui abbiamo bisogno, ma presto avremo dubbi su come ottenere e mettere in relazione tutte le informazioni necessarie per ottenere quegli indicatori. Questo è il punto chiave per avere davvero un sistema di BI serio e scalabile.

Le soluzioni di Business Intelligence e Analytics che sono impressionanti dal punto di vista della presentazione dei KPI appaiono e ci vengono offerte costantemente.  Questi sistemi ci mostrano come caricare dati in Excel e in seguito ottenere grafici e altri elementi sullo schermo.

La verità è che è notevole 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 l’involucro finale del progetto.

Di seguito vedremo i componenti, in forma sintetica, che dobbiamo prendere in considerazione se vogliamo realizzare un progetto di BI scalabile e mantenuto nel tempo.

Capas Business Intelligence

 

In questo articolo vogliamo descrivere, in modo agile, i componenti relativi all’integrazione dei dati, analizzando il loro livello di importanza. Cominciamo:

DATA SOURCES

La prima cosa che dobbiamo fare è raccogliere tutte le fonti di dati che saranno necessarie per il calcolo degli indicatori e delle informazioni che finalmente vogliamo mostrare nei dashboards.

È importante che le fonti di dati siano il più granulare possibile, perché se partiamo da fonti di dati con informazioni già aggregate o calcolate, questo ci limiterà nella presentazione delle informazioni, perché non saremo in grado di ottenere certi dettagli o livelli.

ETL (EXTRACT, TRANSFORM AND LOAD)

Questo componente è il primo livello critico per la nostra soluzione di BI, è responsabile dell’estrazione delle informazioni dalle fonti di dati, della loro trasformazione tramite regole e anche della pulizia e del caricamento al livello successivo: il Data Warehouse.

A seconda della fonte di dati, queste operazioni saranno più o meno complesse, anche se la parte più critica di questo livello è di solito la trasformazione dei dati basata su regole, pulizia e armonizzazione dei medesimi.

DATA WAREHOUSE

Dettagliare ciò che compone il Data Warehouse sarebbe molto esteso, quindi descriveremo questo componente in modo semplice senza entrare in molte delle sue caratteristiche e funzionalità.

Come suggerisce il nome, questo deposito di dati è il luogo in cui i dati vengono memorizzati in modo organizzato in strutture di dati aziendali, raggruppandoli in insiemi di dati più piccoli (datamart) in modo aggregato e generalmente in strutture di dati multidimensionali e con gerarchie, questo è ciò che conosciamo come cubi OLAP; che sono stati inventati per offrire agli analisti migliori prestazioni nelle consultazioni dei dati rispetto al modello transazionale OLTP standard.

Questo è il motivo per cui è un modello ampiamente utilizzato sia per le interrogazioni di dati da parte di strumenti di generazione di dashboard sia per la presentazione utilizzata per il processo decisionale aziendale.

In molti casi, i sistemi di Data Warehouse includono anche il livello ETL per l’estrazione, la trasformazione e il caricamento dei dati.

MASTER DATA MANAGEMENT

In parole semplici, MDM si riferisce agli strumenti e alla metodologia dedicati alla gestione e all’archiviazione dei dati master. Ma cosa sono questi dati master? In realtà, sono le tabelle di entità, la base di un modello di dati, per esempio, il master data del prodotto, che comprenderà il codice, la descrizione del prodotto e le sue proprietà.

Facciamo un esempio, in un sistema di BI per l’efficacia commerciale nell’industria farmaceutica abbiamo bisogno di gestire i dati della struttura territoriale della rete di vendita, che come tutti sanno, questa struttura territoriale cambia costantemente e con continue riorganizzazioni.

Se non abbiamo la capacità di aggiornare rapidamente questi dati master, mostreremo continuamente analisi che non riflettono la realtà, e quindi il nostro sistema di BI non servirà lo scopo ultimo per cui è stato costruito, che non era altri 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 integrazione dei dati è forse la parte più noiosa e lunga di un progetto di BI. Sia all’inizio e all’implementazione del sistema che durante tutta la vita del proprio sistema.

Dobbiamo sempre ricordare che un sistema di BI non è statico e cambia costantemente, per riflettere le strategie di business dell’azienda.

Da tutta la spiegazione fino a questo punto, possiamo concludere che l’integrazione dei dati in un modo ben strutturato è la chiave per il nostro sistema di BI per crescere, essere scalabile e adattarsi costantemente alle strategie aziendali e servire come strumento decisionale, riflettendo gli indicatori desiderabili e corretti.