Articoli del meseArticoli del mese

Articoli del mese


Stampa articolo

Articolo del Mese - Dicembre 2004

Il Data Store Operativo: un lavoro di martello

Claudia Imhoff by Claudia Imhoff

Osservarli mentre imparano l?arte di usare un martello può anche risultare piacevole, almeno inizialmente. Poi, i piccoli si rendono conto che può essere divertente prendere a martellate altri oggetti nel loro ambiente. Come il gatto, il cane, il tavolino del salotto e perfino i fratellini. Bonk, bonk!
A questo punto, insegniamo loro che i martelli vanno bene in alcune situazioni, ma non in altre.
A tale proposito, il Data Store Operativo (Ods, ovvero Operational Data Store) presenta alcune importanti similitudini con il martello. Il concetto di Ods è in uso da tempo e sta guadagnando in accettazione e credibilità come strumento. Ma, sfortunatamente, l?Ods viene utilizzato in casi nei quali un altro strumento sarebbe probabilmente più adatto.
Per ottenere il massimo risultato dall?uso di uno strumento, chi lo utilizzi deve comprenderne le funzioni. Naturalmente, anche l?esperienza accumulata con il suo uso costituisce un vantaggio. Per aiutarvi a ottimizzare le prestazioni del vostro Ods, ne ho indicato nel seguito le funzionalità principali, con l?aggiunta delle mie esperienze di ?martellamento?.
Le funzionalità dell?Ods
Ogni strumento è definito dalle sue funzionalità e l?Ods non costituisce un?eccezione. Inoltre, strumenti simili si distinguono gli uni dagli altri per le loro funzionalità e caratteristiche univoche. Per esempio, mazzuoli di legno, accette, mazze e picconi possono essere tutti assimilati a un martello, ma ciascun attrezzo ha la sua specificità ed è utile per determinate applicazioni, soprattutto se in mano a una persona esperta nel suo utilizzo.
Quando gli strumenti in discussione sono in un certo senso intangibili, come nel caso di un Ods, le differenze sembrano essere solamente una questione di semantica, ma ne esistono invece di reali, specialmente per quanto riguarda l?utilizzatore esperto (per altre differenze di terminologia, vedi la barra laterale nella Corporate Information Factory).
Queste sono le principali funzionalità caratteristiche di un Ods:
Orientato al soggetto (subject oriented). Gli Ods sono progettati e organizzati attorno ai principali soggetti dell?impresa, come Cliente oppure Prodotto. Non sono progettati al servizio di applicazioni o funzioni specifiche, come l?acquisizione degli ordini oppure gli incassi.
Integrato. Gli Ods rappresentano un?immagine collettivamente integrata di dati soggettivi e che vi vengono inseriti potenzialmente da ogni sistema o applicazione operativa. Se è compreso il soggetto Cliente, allora tutte le informazioni che riguardano il Cliente disponibili per l?impresa sono candidate a essere incluse nell?Ods.
Valore attuale. Un Ods riflette il contenuto ?corrente? del sistema fonte dei dati che contiene. Il termine ?corrente? può assumere definizioni differenti per Ods diversi, in base alle esigenze che ne hanno richiesto l?implementazione (vedi l?ultimo articolo di Fryman e Montanari). Un Ods non dovrebbe contenere immagini o valori diversi da qualunque cosa sia definita come ?corrente?. In altre parole, se ?corrente? significa un periodo di contabilizzazione, allora l?Ods non deve contenere dati riferiti a più di un periodo. I dati storici debbono essere archiviati o comunque spostati nel data warehouse per le analisi successive.

Volatile. Poiché un Ods contiene i dati correnti, è soggetto a modifiche con una frequenza che deve supportare la definizione di ?corrente?. Ovvero, viene aggiornato per riflettere i cambiamenti che avvengono realmente nel sistema che lo alimenta. Perciò, richieste identiche effettuate in momenti diversi, forniranno verosimilmente risultati differenti perché i dati di riferimento sono stati nel frattempo aggiornati con modifiche.
Dettagliato. La definizione di ?dettagliato? dipende anche dal problema dell?impresa da risolvere utilizzando l?Ods. La granularità dei dati all?interno dell?Ods può o non può risultare corrispondente a quella del sistema operativo che costituisce la fonte dei dati.
Esperienza nel ?martellare? con l?Ods
Consideriamo un sistema di gestione delle informazioni dell?impresa, del tipo di quello contenuto all?interno dell?infrastruttura di supporto ai vostri Sistemi Informativi (Corporate Information Factory - Figura 1).
L?ambiente proprietario è definito Business Operations, con riferimento all?operatività dell?impresa. Tutto questo comprende sistemi applicativi di uso giornaliero, orientati alle transazioni e raggruppati per funzioni o applicazioni, ciascuno indirizzato alla soluzione di problemi tattici dell?impresa.
L?ambiente successivo è chiamato Business Management, ovvero ambiente gestionale, ed è rappresentato dal dall?Operational Data Store. L?Ods integra i dati provenienti da molteplici fonti di Business Operations per la soluzione di problemi operativi comuni a più funzioni dell?impresa.
L?ambiente finale riguarda le strategie, ovvero i sistemi di Business Intelligence, per trarre indicazioni strategiche dai dati a disposizione dell?impresa. Quest?ultimo ambiente contiene il Data Warehouse e i Data Mart specializzati, in modo da consentire l?analisi temporale dei trend, dei modelli, delle eccezioni e così via .
La comprensione di questi ambienti rappresenta la chiave per evitare la confusione su quando e come utilizzare un Ods.
Ecco alcuni esempi di quando utilizzare e quando non utilizzare un Ods:
Applicazione corretta di un Ods #1:Reporting per aree di un soggetto. ?Sarebbe bello se riuscissi a esaminare un rapporto sul credito dalla Contabilità, un rapporto demografico dal Marketing, un rapporto sulle vendite dall?Amministrazione e un elenco degli ordini aperti dall?Acquisizione Ordini, tanto per avere un quadro completo di questo cliente?.
Si tratta dell?espressione di una necessità molto comune. Tornando alle caratteristiche funzionali, si richiedono informazioni orientate al soggetto, integrate, aggiornate e dettagliate, tali da richiedere un meccanismo di aggiornamento basato su transazioni, in modo di garantire l?integrità e l?attualità dei dati.
Applicazione corretta di un Ods #2: Integrazione funzionale. ?Potremmo realmente incrementare la rotazione del magazzino dei componenti all?interno dello stabilimento di assemblaggio finale di Dallas, se riuscissimo a sincronizzare, a monte, la linea di produzione di Charlotte con quella di Atlanta?.
Ancora una volta, la soluzione richiederà informazioni orientate al soggetto, integrate, aggiornate e dettagliate, ovvero un meccanismo di gestione dei dati basato sulle transazioni e destinato a mantenerne l?integrità e l?aggiornamento.
Applicazione errata di un Ods #1: Fonte unica per i dati del Data Warehouse. Prima di tutto, la questione semantica. Il dato è orientato al soggetto? Si. È integrato? Si. È dettagliato? Forse. È attuale? No. È volatile? No. In aggiunta, il problema per l?impresa non è di tipo operativo. Quindi, non stiamo parlando di un Ods.
Non è questione di una definizione errata, semplicemente non si tratta di un Ods. Quindi, l?aspetto pratico. Rappresentare i dati di un data warehouse può anche essere una buona idea e alcuni dei dati richiesti possono esistere solamente in un Ods, ma è molto improbabile che riusciate a porre in maniera efficiente tutti i dati originari del DW in un Ods per rappresentarli all?interno del data warehouse.
Applicazione errata di un Ods #2: L?Operational Data Store è usato come applicazione specifica di un dipartimento.
Esiste una grande confusione circa la differenza di un Ods dall?ambiente dei sistemi operativi e applicativi dell?impresa. Il modo migliore per spiegare tale differenza è di considerare l?Ods come un sistema onnicomprensivo, mentre un sistema di applicazione o di operatività risulta specifico per una funzione o per un dipartimento particolare.
Per esempio, se costruite un Ods per la gestione dei clienti, con l?obiettivo di ottenere una visione integrata di tutte le informazione relative a questi ultimi, molti dipartimenti e funzioni richiederanno di poter accedere a questo database. Marketing, vendite, fatturazione e forse amministrazione e finanza hanno sicuramente bisogno di accedere ai record integrati relativi ai clienti.
Confrontate questa soluzione a qualcosa di più specifico come un sistema di acquisizione degli ordini che, al contrario, contiene unicamente le informazioni necessarie a supportare la creazione e la gestione di un ordine. Questo è un insieme di dati destinati a una funzione specifica e a disposizione di un numero predeterminato di utenti. Sicuramente, non vi verrebbe mai in mente di inserire dati non necessari, così come non consentireste a tutti di accedere a questo sistema.
Una volta consapevoli di avere bisogno di un Ods?
Prima di partire con la realizzazione di un Ods, assicuratevi di disporre di buon modello dei dati dell?impresa. Per definizione, dovrete integrare i dati dell?impresa provenienti da aree e applicazioni funzionali multiple. Un modello dei dati di qualità elevata renderà molto più semplice il lavoro di comprensione e mappatura delle fonti dei dati provenienti da aree diverse
Non inserite ogni attributo di un?area soggetto nel vostro Ods, semplicemente perché il data warehouse può avere bisogno di tali dati. Usate solamente gli attributi che risultino rilevanti per risolvere i problemi operativi dell?impresa. Ricordate che ogni campo richiede un ammontare di tempo ?x? per l?estrazione, integrazione, depurazione, verifica ecc. dei dati. Se il vostro meccanismo di aggiornamento richiede modifiche immediate o quasi immediate, per avere successo dovrete estrarre pochi campi e tutti con un processo di acquisizione dei dati il più semplice possibile. Non rallentate l?intero processo includendo campi dei quali non avrete bisogno.
Usate un approccio iterativo. Identificate uno o più problemi operativi correlati e attribuite loro una priorità per la soluzione. Iniziate con quello che presenti limiti precisi e che consenta un forte ritorno sull?investimento. Quindi, suddividete il resto della lista in fasi, in un modo che risulti il più produttivo a fronte della vostra situazione.
Quando costruirlo e quando evitarlo
Stiamo ancora lavorando su molti vincoli di implementazione che riguardano questa nuova architettura e sono convinto che le relative caratteristiche, tecnologie, definizioni e così via, continueranno a evolvere nella misura in cui continueremo a imparare nel costruire questi sistemi critici e importanti.
Spero che la lettura di questo articolo vi abbia aiutato a comprendere meglio il concetto di Data Store Operativo (Ods), quando costruirlo, quando evitarlo e come stabilire se nel futuro dell?infrastruttura della vostra Corporate Information Factory ne dovrà esistere uno.

Il Data Store Operativo: un lavoro di martello - Technology Transfer

Enterprise information catalog. I requisiti per fare la scelta giusta
Mike Ferguson

La nuova era dell’analisi predittiva - Le aziende alla prova del Machine Learning
Frank Greco

Uno sguardo Agile - Per capire il passato e progettare il futuro
Arie van Bennekum

Trasformazione Agile
Se il product owner diventa un collo di bottiglia

Sander Hoogendoorn

Una Fiat o una Ferrari?
Qual è la più adatta per il business digitale?

Barry Devlin

Vincere la complessità dei dati. È l’ora dello smart data management
Mike Ferguson

Big Data e Analytics - Se il machine learning accelera anche la data science
Mike Ferguson

I dati al centro del business
Christopher Bradley

I Big Data forniscono il contesto e la ricchezza predittiva attorno alle transazioni di business Avere dati coerenti e di qualità resta fondamentale per il processo decisionale
Barry Devlin

Cosa c’è dietro l’angolo? Cinque mosse per diventare un digital leader
Jeroen Derynck

Managing information technology Gestire l’IT come un business nel business
Mitchell Weisberg

Data integration self-service Miglioramento della produttività o caos totale?
Mike Ferguson

Project manager vecchi miti e nuove realtà
Aaron Shenhar

La catena alimentare dei requisiti
Suzanne Robertson

Come diventare un’azienda data-centric
Lindy Ryan

Enterprise analytical ecosystem - Come comprendere il comportamento online dei clienti e capitalizzare il valore dei dati nell’era Big Data
Mike Ferguson

Agilità? Basta Volere
Suzanne Robertson

Ma la vostra architettura è efficace?
Mike Rosen

Se il NoSQL diventa SQL
Rick van der Lans

La data quality e l’impatto sul business
Danette McGilvray

Business analysis e regole di business By Ronald G. Ross con Gladys S.W. Lam
Ronald Ross

Usare Scrum su larga scala: cosa cambia?
Craig Larman

Le architetture per ridurre il debito tecnico
Mike Rosen

Conversando con un marziano
Suzanne Robertson

Cosa c’è di nuovo nel project management?
Aaron Shenhar

Reinventare la Business Intelligence
Barry Devlin

Il nuovo volto della business intelligence
Shaku Atre

Alla ricerca del valore tra i pomodori nell'orto
John Favaro

I big data cambiano il mercato dei Database Server
Rick van der Lans

Un “superstorm” di informazioni
Barry Devlin

I dieci step per la qualità dei dati
Danette McGilvray

Perché è meglio evitare il private cloud?
Jason Bloomberg

Leonardo da Vinci aveva ragione!
Chris Date

Mobile user experience: Come adottare una strategia sostenibile
James Hobart

Cosa significa occuparsi di architettura?
Mike Rosen

Virtualizzazione dei dati e sistemi di Business Intelligence Agili
Rick van der Lans

Modelli e linguaggi naturali, quale il modo migliore per definire i requisiti?
James Robertson

Extreme Scoping: un approccio Agile all'Edw e alla BI
Larissa Moss

BI², la Business Intelligence al quadrato
Barry Devlin

I test di regressione in ambienti legacy
Randy Rice

Le conseguenze della consumerizzazione e del Cloud
Chris Potts

Come vanno gli affari? Chiedetelo al vostro cruscotto
Shaku Atre

Organizzare team di progetto efficienti in ambienti DW/BI
Larissa Moss

Big Data, come e perché
Colin White

Business Capabilities e l'allineamento del business all'IT
Mike Rosen

Il valore della tassonomia nella ricerca delle informazioni
Zach Wahl

BI, ma il Data Warehouse è ancora necessario?
Colin White

Reinventare la Business Intelligence
Barry Devlin

Il cruscotto delle prestazioni: il nuovo volto della Business Intelligence
Shaku Atre

Modelli e processi di User acceptance testing
Randy Rice

I limiti nel gestire l'IT come un Business
Chris Potts

Le componenti fondamentali del Cloud
George Reese

Metadati e DW 2.0
Derek Strauss

BI Open Source: basso costo e alto valore?
Jos van Dongen

Semplicità e requisiti
Suzanne Robertson

Business intelligence e analisi testuale
Bill Inmon

Extreme Scoping™: approcci agili al DW e alla BI
Larissa Moss

Dalla BI a un'architettura IT di livello Enterprise
Barry Devlin

Ambiente efficiente di ricerca di informazioni
James Hobart

Il Business deve trainare la Strategia IT
Chris Potts

Web database: la questione MapReduce (seconda parte)
Colin White

Web database: la questione MapReduce
Colin White

Misura delle prestazioni. I sette comandamenti
Harry Chapman

Le dieci cose che un architetto deve fare per creare valore
Mike Rosen

Sviluppare applicazioni a prova di sicurezza
Ken van Wyk

The ECM Landscape in 2008
Alan Pelz-Sharpe

Ma chi sono gli operatori dell’informazione?
Colin White

Qualità dell’informazione e trasformazione del management
Larry English

Classificazione sistematica delle informazioni
Zach Wahl

L’uso intensivo del Web nelle applicazioni di Bi
Colin White

Enterprise Search
Theresa Regli

La forza dell'astrazione
Steve Hoberman

La strada verso una BI pervasiva
Cindi Howson

Soa, una strategia di test
Randy Rice

Verso una BI più semplice e a minor costo
Colin White

I contenuti “Killer” del Web
Gerry McGovern

Sviluppo iterativo del software per i Dw
Larissa Moss

Qualità delle Informazioni e Datawarehousing
Larry English

Lo scenario Ecm 2008
Alan Pelz-Sharpe

La nascita del Web 3.0
John Kneiling

Documentazione: il dossier del crimine
Suzanne Robertson

L’impatto del Web 2.0 sui portali delle imprese
Colin White

Le tecniche vincenti di IT Management
Ken Rau

Web 2.0
Ed Yourdon

Web di successo se si conosce il cliente
Gerry McGovern

Un approccio alla BI incentrato sui processi
Colin White

Integrare Master Data Management e BI (Parte Seconda)
Mike Ferguson

Integrare Master Data Management e BI (Parte Prima)
Mike Ferguson

Il Project Manager è una Tata
Suzanne Robertson

Web di successo se si conosce il cliente
Gerry McGovern

L'informazione personalizzata
Colin White

La Tassonomia dell'Impresa
Zach Wahl

Managed Meta Data Environment (II parte)
David Marco

Managed Meta Data Environment
David Marco

Migliorare le applicazioni dell'impresa con Web 2.0
James Hobart

La Balanced Scorecard migliora la Performance dell'IT
Harry Chapman

La fusione dei processi dell'impresa grazie a Soa (II parte)
Max Dolgicer

La fusione dei processi dell'impresa grazie a SOA (I parte)
Max Dolgicer

Volere è Potere, in Ogni Senso
Suzanne Robertson

Dimostrate con i numeri il valore dei contenuti del web
Gerry McGovern

Il Back-end della pianificazione strategica dell'It
Ken Rau

L'audit delle prescrizioni di progetto (II parte)
Suzanne Robertson

L'audit delle prescrizioni di progetto (I parte)
Suzanne Robertson

Il Processo di gestione delle informazioni
Ted Lewis

I requisiti come strumento di gestione dei progetti
Suzanne Robertson

Il futuro è nel contenuto killer del web
Gerry McGovern

Alla ricerca del valore tra i pomodori nell'orto
John Favaro

Rilevare i costi sulla base delle attività
Ken Rau

Un percorso verso l'impresa intelligente (II parte)
Mike Ferguson

Un percorso verso l'impresa intelligente (I parte)
Mike Ferguson

Il Data Store Operativo: un lavoro di martello
Claudia Imhoff

Il data warehouse orientato all'impresa
Michael Schmitz

Dieci punti chiave per realizzare balanced scorecard di successo
Harry Chapman

Content management: i contenuti al primo posto
Gerry McGovern

Applicazioni Web ad alta disponibilità
John Kneiling

Il 2004, sarà l'anno in cui abbandoneremo html?
James Hobart

La tecnologia EII ripropone il data warehousing virtuale?
Colin White

Misurare per Gestire
Ken Rau

Volere è Potere, in Ogni Senso
Suzanne Robertson

Realizzare il CPM e l'integrazione della BI
Mike Ferguson

Tutti i punti della FPA
Koni Thompson

Requiem per il Portale?
Colin White

Business Intelligence: dalla teoria alla realtà (II parte)
Shaku Atre

Business Intelligence: dalla teoria alla realtà (I parte)
Shaku Atre

I portali Corporate e di E-business: la nuova generazione del posto di lavoro
Mike Ferguson

I 10 errori da evitare nella realizzazione di un Meta Data Repository (II Parte)
David Marco

I 10 errori da evitare nella realizzazione di un Meta Data Repository (I parte)
David Marco

Usare i modelli per acquisire l'esperienza di progettazione
James Hobart

Realizzare l'Impresa Intelligente
Colin White

.NET or J2EE - Choosing the Right Web Services Framework
John Kneiling

Progettare Applicazioni Mobili di Successo
James Hobart

La Sociologia del Progetto: Identificare e Coinvolgere tutti i Partecipanti
Suzanne Robertson

Integrare la Business Intelligence nell'Impresa (II parte)
Mike Ferguson

Integrare la Business Intelligence nell'Impresa (I parte)
Mike Ferguson

L'Evoluzione del Portale di e-Business (II parte)
Colin White

L'Evoluzione del Portale di e-Business (I parte)
Colin White

Il Consulente WebEAI: Servizi Web, XML e l'Impresa
John Kneiling

Data Mining: Come Gestire le Relazioni con i Clienti Secondo i Principi del CRM
Weaver James

Articoli del mese - Technology Transfer