Come mettere insieme il MDM con la BI?
Il primo punto da prendere in considerazione è che, in un sistema di BI, un dato master viene rappresentato come dimensioni e non è associato con eventi (ad esempio, transazioni). L'introduzione di un sistema di gestione dei Dati Master all'interno dell'impresa dovrebbe produrre un impatto positivo sui sistemi di BI. Come esempio, in un sistema MDM è tipico il caso che i nomi degli attributi e le definizioni dei dati usate per descrivere le entità dei dati master costituiscano uno standard per l'intera impresa. Tali definizioni spesso fanno riferimento a un vocabolario condiviso all'interno dell'impresa (SBV-Shared Business Vocabulary) che, quindi, costituisce l'insieme dei Metadati Master.
In un sistema di BI, possiamo trarre profitto di un SBV dei dati master per migliorare il riutilizzo delle medesime definizioni dei dati all'interno di tutti i modelli dimensionali, cubi e rappresentazioni per gli strumenti di BI dell'impresa, con lo scopo di gestire la consistenza tra i dati dimensionali (Figura 8). L'utilizzo di un SBV in questo modo può solamente migliorare la comprensione dei dati presentati nei report di un sistema di BI, nelle analisi OLAP, nei cruscotti aziendali e nelle scorecard. Inoltre, contribuisce alla richiesta di conformità e alla percezione dell'utilità, oltre che al consolidamento della BI.
Figura 8
In questo senso, quindi, possiamo anche affermare che il vostro sistema di BI sia attualmente l'unico posto nel quale consolidate e integrate i dati master (Figura 9)
Figura 9
Pertanto, non dobbiamo meravigliarci se rimane una certa confusione tra il concetto di hub dei dati master e quello di data warehouse, poiché entrambi ne prevedono l'integrazione. A questo punto, sorge la questione del perché dovreste aver bisogno di un sistema MDM se già disponete di un Data Warehouse? Secondo me questo è un modo erroneo di considerare la domanda, che dovrebbe essere così riformulata: perché dobbiamo integrare i dati master in un sistema di BI? I dati master non dovrebbero essere già integrati e trattati come fonte di informazioni dagli strumenti di integrazione dei dati utilizzati in un sistema di BI? In effetti, secondo la mia opinione questa sarebbe la situazione migliore, perché i dati master debbono essere forniti ad altri sistemi oltre che a quello di BI. Infatti, dovrebbero essere contemporaneamente a disposizione dei sistemi applicativi e di BI, oltre a dover essere forniti agli strumenti di integrazione dei dati dei sistemi di BI, almeno in tre modalità diverse:
Utilizzando i servizi di integrazione e corrispondenza di un software per la qualità dei dati compatibile con architetture SOA, in modo da fornire i dati master direttamente ad un data warehouse, oppure ai job ETL dei data warehouse stessi.
Utilizzando soluzioni MDM basate sulla registrazione per creare una fonte dei dati virtuale per i dati master, disponibile per l'accesso da parte dei sistemi di integrazione dei dati di un sistema di BI.
Utilizzando un hub per i dati MDM, costruito oppure acquistato sul mercato, come fonte permanente dei dati per gli strumenti di integrazione operanti per un sistema di BI.
DataFlux costituisce l'esempio di un venditore che può supportare la prima di queste opzioni. In aggiunta, un sistema MDM basato sulla registrazione può essere supportato, ad esempio, da Purisma, che offre un raccordo per Informatica PowerCenter, per mezzo del quale riesce a fornire i dati master allo strumento di integrazione dei dati di Informatica per la creazione dei dati dimensionali. PowerCentre può applicare gli identificatori globali determinati da Purisma ai dati dei clienti suddivisi tra i diversi sistemi applicativi, in modo da creare record integrati dei clienti in un sistema di BI. Purisma ha in atto anche una partnership con Business Objects come parte dell'iniziativa Enterprise Information Management (EIM) di quest'ultima società, per passare i dati master allo strumento Data Integrator della stessa Business Objects. I sistemi MDM basati sulla registrazione possono anche fornire le modifiche dei dati master agli strumenti di
integrazione dei dati, con lo scopo di semplificare i processi di aggiornamento delle dimensioni.
Figura 10
Sotto certi aspetti, le prime due opzioni tra quelle appena indicate dovrebbero consentire un qualche effetto di semplificazione delle elaborazioni ETL classiche nei sistemi di BI, poiché questo tipo di operatività non potrebbe altrimenti essere conseguita nei job ETL corrispondenti.
La Figura 11 mostra come un hub MDM possa essere utilizzato come fonte dei dati per i sistemi di BI. Questo implicherebbe, naturalmente, una semplificazione significativa nei processi di realizzazione dei sistemi di BI, migliorando nel contempo la qualità dei dati dimensionali perché, in questo caso, la fonte di questi ultimi contiene già dati master integrati e di qualità elevata. Tuttavia, in questo approccio esiste anche un impatto molto più forte dovuto all'effettiva separazione dei dati dimensionali da quelli relativi ai fatti (transazioni). Potenzialmente, questo potrebbe significare che tutto quello che dobbiate fare sia combinare i dati master con quelli delle transazioni, per generare data mart con dimensioni conformi (comuni) a partire dai dati master e dalle transazioni come fonti dei dati. Questo approccio è molto simile a quello della soluzione MDM di Kalido. Infatti, possiamo affermare che sistemi MDM come quello di Kalido possono potenzialmente evitare la necessità dell'approccio a "un database unico e di grandi dimensioni" per realizzare un Data Warehouse d'impresa, se tutti i data mart usano dimensioni normalizzate. Lasciatemi chiarire che cosa intendo dire. In altre parole, il data warehouse dell'impresa diviene un insieme di data mart (che possono essere residenti su di un singolo server), ciascuno dei quali condivide i dati dimensionali. Si tratta di un cambiamento sottile di concetto, che non vuol dire che il warehouse dell'impresa non sia ancora vivo e vegeto, ma che la sua creazione avvenga combinando i dati master e i dati delle transazioni, in modo da creare un insieme di data mart collegati che condividono i dati dimensionali.
Figura 11
Il MDM può anche rendere più efficaci le analisi e il reporting dei sistemi di BI. Ad esempio, nell'area dei report con valore procedurale o statutario, per ragioni di coerenza dei dati è necessaria la consistenza univoca dei dati master per essere sicuri che i report risultino corretti nei confronti di uno o più sistemi di BI. Dati master accurati prevengono anche i problemi di riconciliazione che possono manifestarsi tra sistemi di BI, cubi e report. Ancora, se un sistema MDM supporta il controllo centrale delle gerarchie dei dati, questo significa che la modifica di queste ultime può essere diffusa facilmente tra modelli dimensionali multipli all'?interno delle diverse linee di business e dei singoli sistemi applicativi. Venditori di tecnologie MDM come Hyperion, Stratature e Siperian supportano tutti la gestione delle gerarchie dei dati master, anche con la possibilità di ricostruirne la storia (tracking). Questo significa che si possono creare versioni multiple delle gerarchie, consentendo di ri-creare versioni dimensionali multiple per ottenere report e analisi storiche più accurate. Anche i cubi possono essere ri-costruiti automaticamente con versioni diverse delle gerarchie, per consentire analisi di performance più accurate.
A tale proposito, consideriamo, ad esempio, i dati master di Prodotto. Se un prodotto che esiste nel 2005 viene spostato dalla sua categoria in una diversa per il 2006, allora si rendono necessarie modifiche nella gerarchia dei dati master di Prodotto.Tali modifiche debbono essere memorizzate e diffuse in tutti i sistemi elaborativi coinvolti. Rispetto alla BI, questo ci consente una corretta rilevazione delle vendite del prodotto stesso, con la possibilità di confrontare i risultati del 2005 con quelli del 2006, mediante la giusta attribuzione delle vendite per categorie di prodotti agli anni di rispettiva competenza. Pertanto, i sistemi MDM sono in grado di automatizzare la ri-creazione di versioni precedenti di una gerarchia di prodotto con lo scopo di produrre report di BI maggiormente significativi.
Figura 12
In sintesi, possiamo concludere affermando che le tecniche di Master Data Management rendono molto più efficaci i sistemi DW/BI (Data Warehouse/Business Intelligence):
Fornendo metadati master da utilizzare nei modelli di dati dimensionali e nei cubi
Fornendo dati master di alta qualità con funzione di fonte dei dati verificata per le elaborazioni ETL
Fornendo una visione completa e collegata dei dati master tra i diversi sistemi di reporting
Mantenendo traccia delle versioni delle gerarchie che si susseguono nel tempo
Automatizzando la ri-creazione di versioni diverse di una dimensione in uno schema a cubo o a stella, per riflettere i cambiamenti delle gerarchie
Fornendo dati verificati per il reporting e l'analisi dei dati
I sistemi MDM, quindi, forniscono le modifiche dei dati master sia ai sistemi applicativi che a quelli analitici. Non è verosimile che i dati master e i dati dimensionali di un DW siano costituiti dalla medesima istanza fisica, perché il dato master viene tipicamente normalizzato per supportare le elaborazioni OLTP, mentre i dati dimensionali vengono normalmente de-normalizzati per supportare le analisi dimensionali e semplificare il reporting. Nei prossimi anni, le imprese si muoveranno verosimilmente verso una gestione completa dei dati master e probabilmente non seguiranno fino in fondo la strada della fonte di dati unica. Se state acquistando soluzioni MDM, un percorso possibile forse consiste nel procedere per gradi, iniziando con un sistema MDM basato sulla registrazione, per passare poi a un hub dei dati e arrivando, infine, a un sistema MDM d'impresa. Come per la questione se costruire all'interno oppure acquistare sul mercato il sistema MDM, se la vostra organizzazione ha già in essere molte soluzioni precostituite, allora considerate l'acquisto di un sistema MDM basato su un hub come primo passo, per realizzare poi un sistema MDM d'impresa. Se, invece, nella vostra organizzazione la maggioranza delle applicazioni fondamentali utilizza già un database operativo comune, allora la soluzione migliore potrebbe essere la costruzione di un sistema MDM che riutilizzi le entità dei dati master delle applicazioni fondamentali, nell'ambito del proprio datastore. Quest'ultimo, infine, diventerebbe così una fonte per il data warehouse.
L’evoluzione dell’IT tra sfide e promesse
Frank Greco
Verso la new digital economy. Quale architettura per la trasformazione digitale?
Mike Rosen
Ecco come capire il cliente. I diversi punti di vista della Business Analysis
James Robertson
Ecco come capire il cliente I diversi punti di vista della Business Analysis
Suzanne Robertson
E se il Design Sprint fosse il nuovo asso nella manica? Come risolvere grandi problemi e testare nuove idee
James Hobart
Come essere veramente data driven. L’importanza dell’architettura dati
Mike Ferguson
Il Machine Learning in azienda. Come migliorare performance e previsioni
Frank Greco
Portfolio management avanzato: Come trasformare gli investimenti in cambiamento
Chris Potts
L’imbuto e le biglie. Ovvero la metafora della produttività dei team
Sander Hoogendoorn
Dal Data Warehouse al digital business. Un’architettura di trent’anni ancora valida
Barry Devlin
Dai silos a un ecosistema analitico integrato. Un approccio per avere dati da usare su più sistemi
Mike Ferguson
Come accelerare l’innovazione in azienda. La nuova generazione dell’IT enterprise
Frank Greco
Tassonomie e ricerche. Ecco come ottenere migliori risultati
Heather Hedden
Viaggio verso il data warehouse logico
Il grande dilemma della business intelligence
Rick van der Lans
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 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
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