Progettazione e realizzazione di un Data Warehouse per l'estrazione di conoscenza in merito alle attività di formazione avanzata della Scuola Superiore della Pubblica Amministrazione

Tra i sistemi di supporto alle decisioni i sistemi di Data Warehousing sono probabilmente quelli su cui negli ultimi anni si è maggiormente focalizzata l’attenzione sia del mondo accademico che di quello industriale.

Informalmente, un Data Warehouse può essere definito come una collezione di metodi, tecnologie e strumenti di ausilio al cosiddetto “lavoratore della conoscenza” (knowledge worker - dirigente, amministratore, gestore, analista) per condurre analisi dei dati finalizzate all’attuazione di processi decisionali e al miglioramento del patrimonio informativo.

Le caratteristiche principali del processo di Data Warehousing, ossia del complesso di attività che consentono di trasformare i dati operazionali in conoscenza a supporto delle decisioni sono le seguenti:

• accessibilità a utenti con conoscenze limitate di informatica e strutture dati;
• integrazione dei dati sulla base di un modello standard dell’impresa;
• flessibilità di interrogazione per trarre il massimo vantaggio dal patrimonio informativo esistente;
• sintesi per permettere analisi mirate ed efficaci;
• rappresentazione multidimensionale per offrire all’utente una visione intuitiva ed efficacemente manipolabile delle informazioni;
correttezza e completezza dei dati integrati.

Al centro del processo, il Data Warehouse (letteralmente, magazzino dei dati) è un contenitore (repository) di dati che diventa garante dei requisiti esposti. Una definizione corretta e completa di Data Warehouse è tratta dal testo di Inmon:

Un Data Warehouse (DW) è una collezione di dati di supporto per il processo decisionale che presenta le seguenti caratteristiche:
• è orientata ai soggetti di interesse;
• è integrata e consistente;
è rappresentativa dell’evoluzione temporale e non volatile.

Si intende che il Data Warehouse è orientato ai soggetti perchè si incentra sui concetti di interesse dell’azienda, quali i clienti, i prodotti, le vendite, gli ordini. Viceversa, i database operazionali sono organizzati intorno alle diverse applicazioni del dominio aziendale.

L’accento sugli aspetti di integrazione e consistenza è importante poichè il Data Warehouse si appoggia a più fonti di dati eterogenee, ad esempio a dati estratti dall’ambiente di produzione, e quindi originariamente archiviati in basi di dati aziendali, o, addirittura, provenienti da sistemi informativi esterni all’azienda. Di tutti questi dati il Data Warehouse restituisce una visione unificata. Pertanto, la costruzione di un sistema di DataWarehousing non comporta l’inserimento di nuove informazioni bensì la riorganizzazione di quelle esistenti e implica l’esistenza di un sistema informativo.

Mentre i dati operazionali coprono un arco temporale di solito piuttosto limitato, poiché la maggior parte delle transazioni coinvolge i dati più recenti, il Data Warehouse deve permettere analisi che spazino sulla prospettiva di alcuni anni. Per tale motivo, il Data Warehouse è aggiornato ad intervalli regolari, a partire dai dati operazionali, ed è in continua crescita.

Volendo fare un paragone si può considerare che, a intervalli regolari, venga scattata una fotografia istantanea dei dati operazionali. La progressione delle fotografie scattate viene memorizzata nel Data Warehouse dove genera un film che documenta la situazione aziendale da un istante zero fino al tempo attuale.

Proprio per il fatto che, in linea di principio, non vengono mai eliminati dati dal Data Warehouse e che gli aggiornamenti sono tipicamente eseguiti “a freddo”, ossia quando esso è fuori linea, un Data Warehouse può essere fondamentalmente considerato come un database a sola lettura. Tale caratteristica, insieme all’esigenza degli utenti di contenere i tempi di risposta alle interrogazioni di analisi, ha importanti conseguenze a vari livelli.

Innanzitutto essa incide sulle tecnologie adottate dai DBMS specializzati per il DataWarehousing; non sono, infatti, più necessarie le tecniche sofisticate di gestione delle transazioni richieste dalle applicazioni operazionali.

Inoltre, il fatto di operare in sola lettura differenzia profondamente le soluzioni di progettazione logica per i Data Warehouse da quelle utilizzate per i database operazionali; l’aspetto forse più evidente nelle implementazioni relazionali è che la pratica della normalizzazione delle tabelle viene abbandonata a favore di una parziale denormalizzazione, mirata al miglioramento delle prestazioni.