際際滷

際際滷Share a Scribd company logo
Template designed by
BI, Big Data & Analytics
Davide Mauri
dmauri@solidq.com
www.davidemauri.it
brought to you by
Works with SQL Server from 6.5, on BI from 2003
Specialized in Data Solution Architecture, Database Design,
Performance Tuning, BI
Microsoft SQL Server MVP
President of UGISS (Italian SQL Server UG)
Mentor @ SolidQ
Regular Speaker @ SQL Server events
Consulting & Training
Davide Mauri
3
Le basi della Business Intelligence
Il futuro e le nuove tendenze
Agenda
Per Business Intelligence si intende un insieme di processi
aziendali per raccogliere e analizzare informazioni
strategiche; la tecnologia utilizzata per ottenere questi
processi; le informazioni ottenute come risultato di questi
processi.
(Hans Peter Luhn, ricercatore IBM, 1958)
Business Intelligence
Forrester Research distingue tra Business Intelligence e
Data Warehouse
Business intelligence (BI) is a set of methodologies, processes, architectures, and
technologies that transform raw data into meaningful and useful information. It
allows business users to make informed business decisions with real-time data that
can put a company ahead of its competitors
Data warehouses form the back-end infrastructure
Business Intelligence & Data Warehouse
Business Intelligence Full Architecture
Files
Web Svc
Cloud /
Syndicated
RDBMS
Master Data
Ex
tr
ac
t
Archive / Big Data
Facts
Staging
Archive
Replay
DimensionsStandardise
Extract
Cube
V-Mart
Mart
Mart
Copy
Facts
Facts
Process
Secure
/ Expose
Aggregate
Transform
Un database OLTP 竪 progettato per assicurare lintegrit e la
coerenza dei dati
Una tabella per entit
 Ogni cosa al suo posto 
 Normalizzazione 
Si hanno molte tabelle
 Facilit di aggiornamento dei dati
 Nessun dato duplicato
 Molte join per recuperare le informazioni
Dal database OLTP al DWH
Un Data Warehouse 竪 pensato per aiutare la reportistica e
lanalisi
Deve essere semplice!
 Lutente finale deve poterlo capire
Si pu嘆 assumere che sia solamente letto
Deve essere molto veloce a leggere grosse moli di dati
Deve poter tenere traccia di informazioni storiche che nel database OLTP possono
non interessare
Dal database OLTP al DWH
Un DWH deve essere quindi modellato appositamente allo
scopo
Star Schema
Si pu嘆 supporre che lunica entit autorizzata a modificare I dati
nel DWH sia quella che implementa il processo di caricamento
dello stesso
Si pu嘆 denormalizzare fortemente
Facilita la scrittura di query
Si pu嘆 ottimizzare il db per essere letto molto velocemente
Dal database OLTP al DWH
Star Schema
Demo
Data Warehouse
Il caricamento del DWH avviene mediante un processo di
ETL
Extract-Transform-Load
Questo processo si occupa di
Prendere i dati dalle varie fonti che contribuiranno alla creazione del DWH
Pulire e standardizzare i dati
Caricarli nel DWH
Gestire gli errori
Gestire laspetto temporale dei dati
Caricamento del DWH
Con i tool MS normalmente questo si pu嘆 fare con
T-SQL
SSIS
Entrambi hanno pro e controil meglio 竪 prendere i pro e
scartare i contro 
Caricamento del DWH
Semplificando molto: principalmente 竪 un motore di
aggregazione di dati
Storage Multidimensionale
 MOLAP. ROLAP, HOLAP
Dati pre-aggregati fortemente ottimizzati per essere letti molto molto velocemente
Non 竪 un motore relazionale
Ha un funzionamento gerarchico
E ricco di metadati
E ricco di informazioni accessorie
 Es: Tempo
Analysis Services - Multidimensional
E basato su Misure e Dimensioni
Misure: il valore da calcolare
Dimensione: le informazioni attraverso quali analizzare i dati delle misure
Utilizza un linguaggio specifico: MDX
E simile a SQL ma NON 竪 SQL
Viene alimentato con i dati presenti nel DWH
Analysis Services - Multidimensional
E un motore di analisi ed aggregazione 束in-memory損
Storage basato su ColumnStore
Stesso algoritmo Vertipaq di SQL Server, ma differente implementazione
Analysis Services - Tabular
Ha un funzionamento pi湛 simile ad un database relazionale
Si basa su tabelle e relazioni
Permette per嘆 di creare gerarchie
Permette laggiunti di alcuni metadati
 Es: Tempo
Utilizza un linguaggio specifico: DAX
Completamente nuovo
Pensato per il Power User (di Excel)
Viene alimentato con i dati presenti nel DWH
Analysis Services - Tabular
Demo
Analysis Services
Facile: fa report 
Mette a disposizione
Strumenti per lo sviluppatore : BIDS / Data Tools / Web Services
Strumenti per lutente evoluto : Report Builder
Strumenti per la condivisione dei report : Report Manager
Strumenti per lamministrazione : Report Manager / SSMS
Reporting Services
Di fatto 竪 un framework (.NET Based)
Tramite web services
Completamente estendibile
Completamente integrabile con applicazioni custom
Reporting Services
Demo
Reporting Services
Motore di analisi predittiva e di classificazione
Contenuto allinterno di Analysis Services Multidimensional
Permette di effettuare analisi per
Ricerca di pattern
Ricerca di associazioni
Classificazione dei dati
Previsione
Utilizza DMX come linguaggio di query
Data Mining
Raccolta, memorizzazione ed analisi di enormi(*) moli di dati
(*) Enormi is undefined 
Cosa utilizzare?
Magari non (del tutto) strutturati?
SQL Server + Fast Track
Parallel Data Warehouse
HDInsight (Hadoop)
Big Data
Come cercare nei dati a disposizione informazioni
束nascoste損?
Ossia pattern / informazioni che a priori non ci verrebbero in mente
Power View (Excel 2013 / Sharepoint)
Data Explorer (Excel 2013)
GeoFlow (Excel 2013)
Data Exploration / Visualization
Utilizzo di dati enterprise con laggiunto di dati 束personali損
Esempio reale: Analisi 束al volo損 di una ipotesi che si vuole verificare, come 束le
condizioni meteo influiscono sulle vendite損
Se lanalisi diventa di importanza strategia ed aziendale viene poi integrate
nellEnterprise BI (la BI 束classica損)
PowerPivot for Excel
Disponibile da SQL Server 2008R2
Integrato in Excel dalla versione 2013
Porta Analysis Services Tabular sul client
Self-Service BI
DOMANDE?
Grazie a tutti per la partecipazione
Riceverete il link per il download a slide e demo via email nei
prossimi giorni
Per contattarmi
dmauri@solidq.com
Grazie

More Related Content

Viewers also liked (20)

Microsoft retail mi v 3 0
Microsoft retail mi   v 3 0Microsoft retail mi   v 3 0
Microsoft retail mi v 3 0
Largo Consumo
Power bi
Power biPower bi
Power bi
Marco Pozzan
Predictive Maintenance per le aziende del nord-est con Azure e IoT
Predictive Maintenance per le aziende del nord-est con Azure e IoTPredictive Maintenance per le aziende del nord-est con Azure e IoT
Predictive Maintenance per le aziende del nord-est con Azure e IoT
Marco Parenzan
Power BI Overview
Power BI OverviewPower BI Overview
Power BI Overview
Nikkia Carter
Self service BI for dummies
Self service BI for dummiesSelf service BI for dummies
Self service BI for dummies
Arthur Graus
Microsoft Power BI Overview
Microsoft Power BI OverviewMicrosoft Power BI Overview
Microsoft Power BI Overview
Netwoven Inc.
Power BI Made Simple
Power BI Made SimplePower BI Made Simple
Power BI Made Simple
James Serra
Pres 3 step final
Pres 3 step finalPres 3 step final
Pres 3 step final
Anele Aerec
Artificial intelligence02
Artificial intelligence02Artificial intelligence02
Artificial intelligence02
Memory Silver
Inteligencia artificialInteligencia artificial
Inteligencia artificial
Nicolas Salinas
Artificial Intelligence Assignment 1
Artificial Intelligence Assignment 1Artificial Intelligence Assignment 1
Artificial Intelligence Assignment 1
Gurpreet singh
069 ai seminario
069 ai seminario069 ai seminario
069 ai seminario
cosimo97
Artificial perception in the service of mankind
Artificial perception in the service of mankindArtificial perception in the service of mankind
Artificial perception in the service of mankind
Luca Ascari
Philosophy of artificial intelligence
Philosophy of artificial intelligencePhilosophy of artificial intelligence
Philosophy of artificial intelligence
negmsoftware
Self-Service Business Intelligence in Excel
Self-Service Business Intelligence in ExcelSelf-Service Business Intelligence in Excel
Self-Service Business Intelligence in Excel
InnoTech
How the Internet of Things (IoT) Works for Business
How the Internet of Things (IoT) Works for BusinessHow the Internet of Things (IoT) Works for Business
How the Internet of Things (IoT) Works for Business
10x Nation
Baby Boomers & Millennials: They may Be More Alike Than You Think
Baby Boomers & Millennials: They may Be More Alike Than You ThinkBaby Boomers & Millennials: They may Be More Alike Than You Think
Baby Boomers & Millennials: They may Be More Alike Than You Think
KEPHART
Introduzione a Microsoft Azure
Introduzione a Microsoft AzureIntroduzione a Microsoft Azure
Introduzione a Microsoft Azure
Roberto Albano
Using Predictive Analytics to Optimize Asset Maintenance in the Utilities Ind...
Using Predictive Analytics to Optimize Asset Maintenance in the Utilities Ind...Using Predictive Analytics to Optimize Asset Maintenance in the Utilities Ind...
Using Predictive Analytics to Optimize Asset Maintenance in the Utilities Ind...
Cognizant
Microsoft retail mi v 3 0
Microsoft retail mi   v 3 0Microsoft retail mi   v 3 0
Microsoft retail mi v 3 0
Largo Consumo
Predictive Maintenance per le aziende del nord-est con Azure e IoT
Predictive Maintenance per le aziende del nord-est con Azure e IoTPredictive Maintenance per le aziende del nord-est con Azure e IoT
Predictive Maintenance per le aziende del nord-est con Azure e IoT
Marco Parenzan
Power BI Overview
Power BI OverviewPower BI Overview
Power BI Overview
Nikkia Carter
Self service BI for dummies
Self service BI for dummiesSelf service BI for dummies
Self service BI for dummies
Arthur Graus
Microsoft Power BI Overview
Microsoft Power BI OverviewMicrosoft Power BI Overview
Microsoft Power BI Overview
Netwoven Inc.
Power BI Made Simple
Power BI Made SimplePower BI Made Simple
Power BI Made Simple
James Serra
Pres 3 step final
Pres 3 step finalPres 3 step final
Pres 3 step final
Anele Aerec
Artificial intelligence02
Artificial intelligence02Artificial intelligence02
Artificial intelligence02
Memory Silver
Inteligencia artificialInteligencia artificial
Inteligencia artificial
Nicolas Salinas
Artificial Intelligence Assignment 1
Artificial Intelligence Assignment 1Artificial Intelligence Assignment 1
Artificial Intelligence Assignment 1
Gurpreet singh
069 ai seminario
069 ai seminario069 ai seminario
069 ai seminario
cosimo97
Artificial perception in the service of mankind
Artificial perception in the service of mankindArtificial perception in the service of mankind
Artificial perception in the service of mankind
Luca Ascari
Philosophy of artificial intelligence
Philosophy of artificial intelligencePhilosophy of artificial intelligence
Philosophy of artificial intelligence
negmsoftware
Self-Service Business Intelligence in Excel
Self-Service Business Intelligence in ExcelSelf-Service Business Intelligence in Excel
Self-Service Business Intelligence in Excel
InnoTech
How the Internet of Things (IoT) Works for Business
How the Internet of Things (IoT) Works for BusinessHow the Internet of Things (IoT) Works for Business
How the Internet of Things (IoT) Works for Business
10x Nation
Baby Boomers & Millennials: They may Be More Alike Than You Think
Baby Boomers & Millennials: They may Be More Alike Than You ThinkBaby Boomers & Millennials: They may Be More Alike Than You Think
Baby Boomers & Millennials: They may Be More Alike Than You Think
KEPHART
Introduzione a Microsoft Azure
Introduzione a Microsoft AzureIntroduzione a Microsoft Azure
Introduzione a Microsoft Azure
Roberto Albano
Using Predictive Analytics to Optimize Asset Maintenance in the Utilities Ind...
Using Predictive Analytics to Optimize Asset Maintenance in the Utilities Ind...Using Predictive Analytics to Optimize Asset Maintenance in the Utilities Ind...
Using Predictive Analytics to Optimize Asset Maintenance in the Utilities Ind...
Cognizant

Similar to Business Intelligence & Analytics (20)

Data flow
Data flowData flow
Data flow
Marco Pozzan
Datamart.pdf
Datamart.pdfDatamart.pdf
Datamart.pdf
Marco Pozzan
Presentazione bd2
Presentazione bd2Presentazione bd2
Presentazione bd2
Gino Farisano
3wCORE... il gestionale Web su misura per il tuo Business
3wCORE... il gestionale Web su misura per il tuo Business3wCORE... il gestionale Web su misura per il tuo Business
3wCORE... il gestionale Web su misura per il tuo Business
I&S Informatica e Servizi
Appunti di big data
Appunti di big dataAppunti di big data
Appunti di big data
Franco Diaspro
Trovare ci嘆 che serve nella confusione: comprendere i Big Data con l'analisi AWS
Trovare ci嘆 che serve nella confusione: comprendere i Big Data con l'analisi AWSTrovare ci嘆 che serve nella confusione: comprendere i Big Data con l'analisi AWS
Trovare ci嘆 che serve nella confusione: comprendere i Big Data con l'analisi AWS
Amazon Web Services
Datamart.pptx
Datamart.pptxDatamart.pptx
Datamart.pptx
Marco Pozzan
Cloud, IoT and Big Data
Cloud, IoT and Big DataCloud, IoT and Big Data
Cloud, IoT and Big Data
SolidQIT
Silverlight in Action
Silverlight in ActionSilverlight in Action
Silverlight in Action
DotNetMarche
ID Technology Extended ECM for SAP by Open Text
ID Technology Extended ECM for SAP by Open TextID Technology Extended ECM for SAP by Open Text
ID Technology Extended ECM for SAP by Open Text
ID Technology
Big data stack tecnologico
Big data stack tecnologicoBig data stack tecnologico
Big data stack tecnologico
Massimo Romano
Big data - stack tecnologico
Big data -  stack tecnologicoBig data -  stack tecnologico
Big data - stack tecnologico
Consulthinkspa
Db2 11.1: l'evoluzione del Database secondo IBM
Db2 11.1: l'evoluzione del Database secondo IBMDb2 11.1: l'evoluzione del Database secondo IBM
Db2 11.1: l'evoluzione del Database secondo IBM
J端rgen Ambrosi
Datarace: IoT e Big Data (Italian)
Datarace: IoT e Big Data (Italian)Datarace: IoT e Big Data (Italian)
Datarace: IoT e Big Data (Italian)
Davide Mauri
Introduzione al Domain Driven Design (DDD)
Introduzione al Domain Driven Design (DDD)Introduzione al Domain Driven Design (DDD)
Introduzione al Domain Driven Design (DDD)
DotNetMarche
Power BI Streaming Data Flow e Azure IoT Central
Power BI Streaming Data Flow e Azure IoT CentralPower BI Streaming Data Flow e Azure IoT Central
Power BI Streaming Data Flow e Azure IoT Central
Marco Parenzan
Database project alla riscossa
Database project alla riscossaDatabase project alla riscossa
Database project alla riscossa
Gian Maria Ricci
Polyglot Persistence e Big Data: tra innovazione e difficolt su casi reali -...
Polyglot Persistence e Big Data: tra innovazione e difficolt su casi reali -...Polyglot Persistence e Big Data: tra innovazione e difficolt su casi reali -...
Polyglot Persistence e Big Data: tra innovazione e difficolt su casi reali -...
Data Driven Innovation
La piattaforma josh - Scenario strategico della piattaforma software di it Co...
La piattaforma josh - Scenario strategico della piattaforma software di it Co...La piattaforma josh - Scenario strategico della piattaforma software di it Co...
La piattaforma josh - Scenario strategico della piattaforma software di it Co...
it Consult
Big Data e la forza degli eventi - Intervento di Melen
Big Data e la forza degli eventi - Intervento di MelenBig Data e la forza degli eventi - Intervento di Melen
Big Data e la forza degli eventi - Intervento di Melen
comunicareonline
Presentazione bd2
Presentazione bd2Presentazione bd2
Presentazione bd2
Gino Farisano
3wCORE... il gestionale Web su misura per il tuo Business
3wCORE... il gestionale Web su misura per il tuo Business3wCORE... il gestionale Web su misura per il tuo Business
3wCORE... il gestionale Web su misura per il tuo Business
I&S Informatica e Servizi
Appunti di big data
Appunti di big dataAppunti di big data
Appunti di big data
Franco Diaspro
Trovare ci嘆 che serve nella confusione: comprendere i Big Data con l'analisi AWS
Trovare ci嘆 che serve nella confusione: comprendere i Big Data con l'analisi AWSTrovare ci嘆 che serve nella confusione: comprendere i Big Data con l'analisi AWS
Trovare ci嘆 che serve nella confusione: comprendere i Big Data con l'analisi AWS
Amazon Web Services
Cloud, IoT and Big Data
Cloud, IoT and Big DataCloud, IoT and Big Data
Cloud, IoT and Big Data
SolidQIT
Silverlight in Action
Silverlight in ActionSilverlight in Action
Silverlight in Action
DotNetMarche
ID Technology Extended ECM for SAP by Open Text
ID Technology Extended ECM for SAP by Open TextID Technology Extended ECM for SAP by Open Text
ID Technology Extended ECM for SAP by Open Text
ID Technology
Big data stack tecnologico
Big data stack tecnologicoBig data stack tecnologico
Big data stack tecnologico
Massimo Romano
Big data - stack tecnologico
Big data -  stack tecnologicoBig data -  stack tecnologico
Big data - stack tecnologico
Consulthinkspa
Db2 11.1: l'evoluzione del Database secondo IBM
Db2 11.1: l'evoluzione del Database secondo IBMDb2 11.1: l'evoluzione del Database secondo IBM
Db2 11.1: l'evoluzione del Database secondo IBM
J端rgen Ambrosi
Datarace: IoT e Big Data (Italian)
Datarace: IoT e Big Data (Italian)Datarace: IoT e Big Data (Italian)
Datarace: IoT e Big Data (Italian)
Davide Mauri
Introduzione al Domain Driven Design (DDD)
Introduzione al Domain Driven Design (DDD)Introduzione al Domain Driven Design (DDD)
Introduzione al Domain Driven Design (DDD)
DotNetMarche
Power BI Streaming Data Flow e Azure IoT Central
Power BI Streaming Data Flow e Azure IoT CentralPower BI Streaming Data Flow e Azure IoT Central
Power BI Streaming Data Flow e Azure IoT Central
Marco Parenzan
Database project alla riscossa
Database project alla riscossaDatabase project alla riscossa
Database project alla riscossa
Gian Maria Ricci
Polyglot Persistence e Big Data: tra innovazione e difficolt su casi reali -...
Polyglot Persistence e Big Data: tra innovazione e difficolt su casi reali -...Polyglot Persistence e Big Data: tra innovazione e difficolt su casi reali -...
Polyglot Persistence e Big Data: tra innovazione e difficolt su casi reali -...
Data Driven Innovation
La piattaforma josh - Scenario strategico della piattaforma software di it Co...
La piattaforma josh - Scenario strategico della piattaforma software di it Co...La piattaforma josh - Scenario strategico della piattaforma software di it Co...
La piattaforma josh - Scenario strategico della piattaforma software di it Co...
it Consult
Big Data e la forza degli eventi - Intervento di Melen
Big Data e la forza degli eventi - Intervento di MelenBig Data e la forza degli eventi - Intervento di Melen
Big Data e la forza degli eventi - Intervento di Melen
comunicareonline

More from Davide Mauri (20)

Azure serverless Full-Stack kickstart
Azure serverless Full-Stack kickstartAzure serverless Full-Stack kickstart
Azure serverless Full-Stack kickstart
Davide Mauri
Agile Data Warehousing
Agile Data WarehousingAgile Data Warehousing
Agile Data Warehousing
Davide Mauri
Dapper: the microORM that will change your life
Dapper: the microORM that will change your lifeDapper: the microORM that will change your life
Dapper: the microORM that will change your life
Davide Mauri
When indexes are not enough
When indexes are not enoughWhen indexes are not enough
When indexes are not enough
Davide Mauri
Building a Real-Time IoT monitoring application with Azure
Building a Real-Time IoT monitoring application with AzureBuilding a Real-Time IoT monitoring application with Azure
Building a Real-Time IoT monitoring application with Azure
Davide Mauri
SSIS Monitoring Deep Dive
SSIS Monitoring Deep DiveSSIS Monitoring Deep Dive
SSIS Monitoring Deep Dive
Davide Mauri
Azure SQL & SQL Server 2016 JSON
Azure SQL & SQL Server 2016 JSONAzure SQL & SQL Server 2016 JSON
Azure SQL & SQL Server 2016 JSON
Davide Mauri
SQL Server & SQL Azure Temporal Tables - V2
SQL Server & SQL Azure Temporal Tables - V2SQL Server & SQL Azure Temporal Tables - V2
SQL Server & SQL Azure Temporal Tables - V2
Davide Mauri
SQL Server 2016 Temporal Tables
SQL Server 2016 Temporal TablesSQL Server 2016 Temporal Tables
SQL Server 2016 Temporal Tables
Davide Mauri
SQL Server 2016 What's New For Developers
SQL Server 2016  What's New For DevelopersSQL Server 2016  What's New For Developers
SQL Server 2016 What's New For Developers
Davide Mauri
Azure Stream Analytics
Azure Stream AnalyticsAzure Stream Analytics
Azure Stream Analytics
Davide Mauri
Azure Machine Learning
Azure Machine LearningAzure Machine Learning
Azure Machine Learning
Davide Mauri
Dashboarding with Microsoft: Datazen & Power BI
Dashboarding with Microsoft: Datazen & Power BIDashboarding with Microsoft: Datazen & Power BI
Dashboarding with Microsoft: Datazen & Power BI
Davide Mauri
Azure ML: from basic to integration with custom applications
Azure ML: from basic to integration with custom applicationsAzure ML: from basic to integration with custom applications
Azure ML: from basic to integration with custom applications
Davide Mauri
Event Hub & Azure Stream Analytics
Event Hub & Azure Stream AnalyticsEvent Hub & Azure Stream Analytics
Event Hub & Azure Stream Analytics
Davide Mauri
SQL Server 2016 JSON
SQL Server 2016 JSONSQL Server 2016 JSON
SQL Server 2016 JSON
Davide Mauri
SSIS Monitoring Deep Dive
SSIS Monitoring Deep DiveSSIS Monitoring Deep Dive
SSIS Monitoring Deep Dive
Davide Mauri
Real Time Power BI
Real Time Power BIReal Time Power BI
Real Time Power BI
Davide Mauri
AzureML - Creating and Using Machine Learning Solutions (Italian)
AzureML - Creating and Using Machine Learning Solutions (Italian)AzureML - Creating and Using Machine Learning Solutions (Italian)
AzureML - Creating and Using Machine Learning Solutions (Italian)
Davide Mauri
Azure Machine Learning (Italian)
Azure Machine Learning (Italian)Azure Machine Learning (Italian)
Azure Machine Learning (Italian)
Davide Mauri
Azure serverless Full-Stack kickstart
Azure serverless Full-Stack kickstartAzure serverless Full-Stack kickstart
Azure serverless Full-Stack kickstart
Davide Mauri
Agile Data Warehousing
Agile Data WarehousingAgile Data Warehousing
Agile Data Warehousing
Davide Mauri
Dapper: the microORM that will change your life
Dapper: the microORM that will change your lifeDapper: the microORM that will change your life
Dapper: the microORM that will change your life
Davide Mauri
When indexes are not enough
When indexes are not enoughWhen indexes are not enough
When indexes are not enough
Davide Mauri
Building a Real-Time IoT monitoring application with Azure
Building a Real-Time IoT monitoring application with AzureBuilding a Real-Time IoT monitoring application with Azure
Building a Real-Time IoT monitoring application with Azure
Davide Mauri
SSIS Monitoring Deep Dive
SSIS Monitoring Deep DiveSSIS Monitoring Deep Dive
SSIS Monitoring Deep Dive
Davide Mauri
Azure SQL & SQL Server 2016 JSON
Azure SQL & SQL Server 2016 JSONAzure SQL & SQL Server 2016 JSON
Azure SQL & SQL Server 2016 JSON
Davide Mauri
SQL Server & SQL Azure Temporal Tables - V2
SQL Server & SQL Azure Temporal Tables - V2SQL Server & SQL Azure Temporal Tables - V2
SQL Server & SQL Azure Temporal Tables - V2
Davide Mauri
SQL Server 2016 Temporal Tables
SQL Server 2016 Temporal TablesSQL Server 2016 Temporal Tables
SQL Server 2016 Temporal Tables
Davide Mauri
SQL Server 2016 What's New For Developers
SQL Server 2016  What's New For DevelopersSQL Server 2016  What's New For Developers
SQL Server 2016 What's New For Developers
Davide Mauri
Azure Stream Analytics
Azure Stream AnalyticsAzure Stream Analytics
Azure Stream Analytics
Davide Mauri
Azure Machine Learning
Azure Machine LearningAzure Machine Learning
Azure Machine Learning
Davide Mauri
Dashboarding with Microsoft: Datazen & Power BI
Dashboarding with Microsoft: Datazen & Power BIDashboarding with Microsoft: Datazen & Power BI
Dashboarding with Microsoft: Datazen & Power BI
Davide Mauri
Azure ML: from basic to integration with custom applications
Azure ML: from basic to integration with custom applicationsAzure ML: from basic to integration with custom applications
Azure ML: from basic to integration with custom applications
Davide Mauri
Event Hub & Azure Stream Analytics
Event Hub & Azure Stream AnalyticsEvent Hub & Azure Stream Analytics
Event Hub & Azure Stream Analytics
Davide Mauri
SQL Server 2016 JSON
SQL Server 2016 JSONSQL Server 2016 JSON
SQL Server 2016 JSON
Davide Mauri
SSIS Monitoring Deep Dive
SSIS Monitoring Deep DiveSSIS Monitoring Deep Dive
SSIS Monitoring Deep Dive
Davide Mauri
Real Time Power BI
Real Time Power BIReal Time Power BI
Real Time Power BI
Davide Mauri
AzureML - Creating and Using Machine Learning Solutions (Italian)
AzureML - Creating and Using Machine Learning Solutions (Italian)AzureML - Creating and Using Machine Learning Solutions (Italian)
AzureML - Creating and Using Machine Learning Solutions (Italian)
Davide Mauri
Azure Machine Learning (Italian)
Azure Machine Learning (Italian)Azure Machine Learning (Italian)
Azure Machine Learning (Italian)
Davide Mauri

Business Intelligence & Analytics

  • 1. Template designed by BI, Big Data & Analytics Davide Mauri dmauri@solidq.com www.davidemauri.it
  • 3. Works with SQL Server from 6.5, on BI from 2003 Specialized in Data Solution Architecture, Database Design, Performance Tuning, BI Microsoft SQL Server MVP President of UGISS (Italian SQL Server UG) Mentor @ SolidQ Regular Speaker @ SQL Server events Consulting & Training Davide Mauri 3
  • 4. Le basi della Business Intelligence Il futuro e le nuove tendenze Agenda
  • 5. Per Business Intelligence si intende un insieme di processi aziendali per raccogliere e analizzare informazioni strategiche; la tecnologia utilizzata per ottenere questi processi; le informazioni ottenute come risultato di questi processi. (Hans Peter Luhn, ricercatore IBM, 1958) Business Intelligence
  • 6. Forrester Research distingue tra Business Intelligence e Data Warehouse Business intelligence (BI) is a set of methodologies, processes, architectures, and technologies that transform raw data into meaningful and useful information. It allows business users to make informed business decisions with real-time data that can put a company ahead of its competitors Data warehouses form the back-end infrastructure Business Intelligence & Data Warehouse
  • 7. Business Intelligence Full Architecture Files Web Svc Cloud / Syndicated RDBMS Master Data Ex tr ac t Archive / Big Data Facts Staging Archive Replay DimensionsStandardise Extract Cube V-Mart Mart Mart Copy Facts Facts Process Secure / Expose Aggregate Transform
  • 8. Un database OLTP 竪 progettato per assicurare lintegrit e la coerenza dei dati Una tabella per entit Ogni cosa al suo posto Normalizzazione Si hanno molte tabelle Facilit di aggiornamento dei dati Nessun dato duplicato Molte join per recuperare le informazioni Dal database OLTP al DWH
  • 9. Un Data Warehouse 竪 pensato per aiutare la reportistica e lanalisi Deve essere semplice! Lutente finale deve poterlo capire Si pu嘆 assumere che sia solamente letto Deve essere molto veloce a leggere grosse moli di dati Deve poter tenere traccia di informazioni storiche che nel database OLTP possono non interessare Dal database OLTP al DWH
  • 10. Un DWH deve essere quindi modellato appositamente allo scopo Star Schema Si pu嘆 supporre che lunica entit autorizzata a modificare I dati nel DWH sia quella che implementa il processo di caricamento dello stesso Si pu嘆 denormalizzare fortemente Facilita la scrittura di query Si pu嘆 ottimizzare il db per essere letto molto velocemente Dal database OLTP al DWH
  • 13. Il caricamento del DWH avviene mediante un processo di ETL Extract-Transform-Load Questo processo si occupa di Prendere i dati dalle varie fonti che contribuiranno alla creazione del DWH Pulire e standardizzare i dati Caricarli nel DWH Gestire gli errori Gestire laspetto temporale dei dati Caricamento del DWH
  • 14. Con i tool MS normalmente questo si pu嘆 fare con T-SQL SSIS Entrambi hanno pro e controil meglio 竪 prendere i pro e scartare i contro Caricamento del DWH
  • 15. Semplificando molto: principalmente 竪 un motore di aggregazione di dati Storage Multidimensionale MOLAP. ROLAP, HOLAP Dati pre-aggregati fortemente ottimizzati per essere letti molto molto velocemente Non 竪 un motore relazionale Ha un funzionamento gerarchico E ricco di metadati E ricco di informazioni accessorie Es: Tempo Analysis Services - Multidimensional
  • 16. E basato su Misure e Dimensioni Misure: il valore da calcolare Dimensione: le informazioni attraverso quali analizzare i dati delle misure Utilizza un linguaggio specifico: MDX E simile a SQL ma NON 竪 SQL Viene alimentato con i dati presenti nel DWH Analysis Services - Multidimensional
  • 17. E un motore di analisi ed aggregazione 束in-memory損 Storage basato su ColumnStore Stesso algoritmo Vertipaq di SQL Server, ma differente implementazione Analysis Services - Tabular
  • 18. Ha un funzionamento pi湛 simile ad un database relazionale Si basa su tabelle e relazioni Permette per嘆 di creare gerarchie Permette laggiunti di alcuni metadati Es: Tempo Utilizza un linguaggio specifico: DAX Completamente nuovo Pensato per il Power User (di Excel) Viene alimentato con i dati presenti nel DWH Analysis Services - Tabular
  • 20. Facile: fa report Mette a disposizione Strumenti per lo sviluppatore : BIDS / Data Tools / Web Services Strumenti per lutente evoluto : Report Builder Strumenti per la condivisione dei report : Report Manager Strumenti per lamministrazione : Report Manager / SSMS Reporting Services
  • 21. Di fatto 竪 un framework (.NET Based) Tramite web services Completamente estendibile Completamente integrabile con applicazioni custom Reporting Services
  • 23. Motore di analisi predittiva e di classificazione Contenuto allinterno di Analysis Services Multidimensional Permette di effettuare analisi per Ricerca di pattern Ricerca di associazioni Classificazione dei dati Previsione Utilizza DMX come linguaggio di query Data Mining
  • 24. Raccolta, memorizzazione ed analisi di enormi(*) moli di dati (*) Enormi is undefined Cosa utilizzare? Magari non (del tutto) strutturati? SQL Server + Fast Track Parallel Data Warehouse HDInsight (Hadoop) Big Data
  • 25. Come cercare nei dati a disposizione informazioni 束nascoste損? Ossia pattern / informazioni che a priori non ci verrebbero in mente Power View (Excel 2013 / Sharepoint) Data Explorer (Excel 2013) GeoFlow (Excel 2013) Data Exploration / Visualization
  • 26. Utilizzo di dati enterprise con laggiunto di dati 束personali損 Esempio reale: Analisi 束al volo損 di una ipotesi che si vuole verificare, come 束le condizioni meteo influiscono sulle vendite損 Se lanalisi diventa di importanza strategia ed aziendale viene poi integrate nellEnterprise BI (la BI 束classica損) PowerPivot for Excel Disponibile da SQL Server 2008R2 Integrato in Excel dalla versione 2013 Porta Analysis Services Tabular sul client Self-Service BI
  • 28. Grazie a tutti per la partecipazione Riceverete il link per il download a slide e demo via email nei prossimi giorni Per contattarmi dmauri@solidq.com Grazie