i sistemi di “reporting” e i rapporti...
TRANSCRIPT
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 ?