I sistemi di “reporting”e i rapporti direzionali

- Sintesi dei fenomeni aziendali secondo modellipreconfezionati e con frequenza e aggiornamentoprestabiliti

- contabile (dati economici)

- extracontabile (es. giacenze di magazzino, scarti diproduzione, ecc.)

Reporting

I REPORT

• elaborazioni delle informazioni direzionali secondo appropriatiCRITERI DI AGGREGAZIONE e CLASSIFICAZIONE

• PER OGNI UTENTE può essere realizzato UN RAPPORTODIVERSO (OSSIA AGGREGAZIONI E CLASSIFICAZIONIDELL’INFORMAZIONE DIVERSE

direttorefiliale milano

... direttorefiliale bologna

responsabilemercato Italia

product manager"family"

product manager"portatile

......

responsabiledivisione "aspirapolveri"

responsabiledivisione "ventilatori"

direttorecommerciale

RAPPORTI DIVERSI PER DIRIGENTI DIVERSIesempio: reporting per la funzione commerciale

responsabile divisione “aspirapolvere”

VENDITE TOTALI "ASPIRAPOLVERE"

MESE

MODELLO gennaio febbraio marzo … TOT. Anno

cons. budg.cons. budg.cons. budg. cons. budg."PORTATILE" 85000 80000 85000 80000 85000 80000 … 85000 80000

"FAMILY" 75000 70000 75000 70000 75000 70000 … 75000 70000

"UFFICIO" 54000 50000 54000 50000 54000 50000 … 54000 50000

…

totale … … … … … … … …

product manager “aspirapolvere family”

VENDITE TOTALI ASPIRAPOLVERE "FAMILY"

MESE

gennaio febbraio marzo … TOT. Anno

cons. budg.cons. budg.cons. budg. cons. budg.italia 1500 80000 1500 80000 1500 80000 … 1500 80000

europa 1234 70000 1234 70000 1234 70000 … 1234 70000

USA 645 50000 645 50000 645 50000 … 645 50000

…

totale … … … … … … … …

direttore filiale di Milano

direttore filiale "Milano"

MESE

vendite gennaio febbraio marzo … TOT. Anno

cons. budg.cons. budg.cons. budg. cons. budg.aspirapolvere 1500 80000 1500 80000 1500 80000 … 1500 80000

ventilatori 1234 70000 1234 70000 1234 70000 … 1234 70000

…. 645 50000 645 50000 645 50000 … 645 50000

…

totale … … … … … … … …

Per progettare un sistema direporting

• Identificare i dirigenti cui sono destinati

• Identificare il tipo di informazioni richieste

• Chiarire come ottenere tali informazioniestraendole dal DB direzionale

• Progettare le tabelle

• Definire le modalità di aggiornamento,consegna, consultazione

I “CRUSCOTTI GESTIONALI”

tableau de borddashboard

• “Indicatori critici” utili per “pilotare” l’azienda o sue parti - Imitanoun “cruscotto del pilota”

• Ausili grafici per efficacia rappresentativa

• Spesso evidenziati graficamente “standard di riferimento”

• Organizzati a livelli (“drill down”)

Ricavivendite Livello 0

Per area Perprodotto

Livello 1

NE italia NW Italia ….Livello 2

AgentePluto

AgenteTopolino

…. Livello 3

ProdottoX

ProdottoY Livello 4

Cruscotto vs. Reportinge criticità di progettazione

• Sistema più flessibile della semplice reportistica

• Possibili approfondimenti “on demand”

• Dati spesso maggiormente aggiornati

• Necessario predefinire le opzioni di ricerca (drilldown)

Per progettare un cruscotto

• Identificare i dirigenti cui sono destinati

• Identificare gli “indicatori critici” utili al manager

• Definire come calcolare tali indicatori dai dati contenutinel DB direzionale

• Definire le modalità di aggiornamento dei dati

• Caricare gli “standard di riferimento”

• Definire i livelli di interrogazione e “drill down” utili almanager

• Progettare l’interfaccia grafica

DECISION SUPPORT SYSTEM

• Sistemi per il supporto alle decisioni

• non forniscono solo informazione “impacchettata”

• Offrono la possibilità di effettuare elaborazioni eanalisi anche definire dall’utente

TIPI DI DSS

• DATA ORIENTED: tecniche sofisticate diinterrogazione del data warehouse

• MODEL ORIENTED: riproduzione del contestoin cui avviene il processo decisionale e/o deisuoi possibili effetti

DSS data oriented

• Data retrieval– semplici (interrogazioni elementari ma libere del

data warehouse)

– complessi (data analysis): interrogazioni lungovarie dimensioni e incrociando dati di varie fonti

• Uso di tecniche OLAP (On-Line Analytical Processing)

• es.: quali articoli non possiamo consegnare in quantomancano le scorte?

• tecniche di “data mining”

Data mining vs. ricerca semplice• Che cosa non è data mining

– Cercare un numero di telefono nell'elenco;

– Fare una ricerca in Internet su "vacanze alle Maldive".

• Che cosa è data mining– Scoprire che alcuni cognomi (Benetton, Troncon, Cavasin)

sono molto comuni in specifiche aree dell'Italia

– Fare una ricerca nel web su una parola chiave eclassificare i documenti trovati secondo un criteriosemantico (p. es. "corriere": nome di giornale, professione,ecc)

DSS MODEL ORIENTED

• Usano modelli matematici, logici o statisticiper riprodurre il contesto o gli effetti di unadecisione– MODELLI PREDITTIVI (es. previsione delle

vendite)

– MODELLI “WHAT IF” (simulano gli effetti diuna possibile decisione)

– MODELLI DI OTTIMIZZAZIONE (calcolano lasoluzione ottima in un contesto dato)

SISTEMI ESPERTI

• Obiettivo:– riprodurre la base di conoscenza di un decisore

esperto deducendone il comportamentocodificando le esperienze precedenti

– elaborare nuovi scenari decisionali formulandosoluzioni

• Applicazione dell’INTELLIGENZAARTIFICIALE

BASE DICONOSCENZA

CODIFICAZIONEDELLA CONOSCENZA

CODIFICAZIONE DI LOGICHE EMODELLI DI DECISIONE SULLABASE DI:-esperienze precedenti-indicazioni di esperti-altri dati

dati

Logiche emodelli decisionali

ELABORAZIONEDI POSSIBILISOLUZIONI

“motore inferenziale”

problema,quesito,richiesta

ELABORATA (DEDOTTA)UNA RISPOSTAALL’INTERROGATIVO POSTO

soluzione

SISTEMI ESPERTI

• Esistono esempi di applicazioni business

– (ad es. sistemi per l’analisi del credito e le relative decisioni difinanziamento di un’azienda)

• Il loro uso è tuttora oggetto di controversia

• Difficoltà

– possibilità di codificare e modellizzare realisticamente unabase di conoscenza in un certo campo ?

– riprodurre i processi decisionali umani ?