96142 - BUSINESS INTELLIGENCE E BIG DATA M

Conoscenze e abilità da conseguire

Approfondire i temi del processo decisionale data-driven, introducendo le architetture della business intelligence classica, con particolare riferimento ai sistemi di data warehousing e alle metodologie per la loro progettazione. Affrontare inoltre in modo più ampio il tema della "data strategy" aziendale con particolare attenzione ai metodi, alle architetture e alle tecnologie proprie dei big data.

Contenuti

Prerequisiti/Propedeuticità consigliate

L’allievo che accede a questo insegnamento conosce i sistemi database e il modello relazionale. Tali conoscenze sono acquisite, di norma, superando un esame di Basi di Dati o Sistemi Informativi.

Tutte le lezioni saranno tenute in Italiano. È quindi necessaria la comprensione della lingua italiana per seguire con profitto il corso e per poter utilizzare il materiale didattico fornito.

Programma: modulo BI

• la BI nel sistema informativo aziendale
• la piramide della BI
• introduzione al data warehousing
• architetture
• tecniche di analisi dei dati: reportistica e OLAP
• il ciclo di sviluppo
• analisi delle sorgenti dati
  1. analisi delle sorgenti dati
  2. analisi dei requisiti
  3. progettazione concettuale
  4. carico di lavoro e volume dati
  5. progettazione logica
  6. progettazione dell'ETL

Programma: modulo BD

• la rivoluzione dei dati
• big data: caratteristiche, definizioni e stato dell’arte
• sorgenti Informative: Internet of Things (IoT), Industry 4.0, ERP, Social network, Geo Data, ecc.
• database NoSQL
• architetture: data platform, data lake e cloud
• workshop: Hadoop ecosytem & Spark
• analisi in tempo reale: fast data, lambda architecture, Kafka
• data strategy
  
• casi di studio

Testi/Bibliografia

• Lucidi del corso.
• M. Golfarelli, Stefano Rizzi. Data Warehouse: teoria e pratica della progettazione. McGraw-Hill, seconda edizione, 2006.

Letture consigliate:

• B. Devlin. Data warehouse: from architecture to implementation. Addison-Wesley Longman, 1997.
• W.H. Inmon. Building the data warehouse. John Wiley & Sons, 1996.
• M. Jarke, M. Lenzerini, Y. Vassiliou, P. Vassiliadis. Fundamentals of data warehouse. Springer, 2000.
• R. Kimball, L. Reeves, M. Ross, W. Thornthwaite. The data warehouse lifecycle toolkit. John Wiley & Sons, 1998.
• P. Sadalage, M. Fowler. NoSQL Distilled: A Brief Guide to the Emerging World of Polyglot Persistence. Addison-Wesley, 2009.
• T. White. Hadoop: The Definitive Guide, Storage and Analysis at Internet Scale - 4th Edition. O'Reilly Media, 2015 (capitoli suggeriti: 1,2,3,4,19)

Metodi didattici

• La didattica frontale dei moduli consiste in lezioni ed esercitazioni in aula, svolte dal docente con l'ausilio di PC e proiettore. Eventuali lezioni online o in modalità mista saranno erogate utilizzando la piattaforma Teams.
• Il programma sarà integrato da seminari tenuti da consulenti aziendali.
• Esercitazioni di gruppo su lavagne collaborative virtuali

In considerazione della tipologia di attività e dei metodi didattici adottati, la frequenza di questa attività formativa richiede la preventiva partecipazione di tutti gli studenti ai moduli 1 e 2 di formazione sulla sicurezza nei luoghi di studio [https://elearning-sicurezza.unibo.it/], in modalità e-learning.

Modalità di verifica e valutazione dell'apprendimento

L'esame finale mira ad accertare la conoscenza acquisita dallo studente relativamente ai contenuti specifici dei singoli moduli. Gli esami verranno effettuati in presenza o online, a seconda della situazione sanitaria e delle disposizioni dell'Ateneo. Nel caso online, si utilizzeranno gli strumenti Zoom e EOL.

Le prove dei due moduli verranno svolte separatamente. Ciascuna prova consiste in uno scritto della durata di 60 minuti, durante il quale è espressamente vietato consultare libri e appunti. Per il modulo Data Warehousing, il testo dell'esame si compone di una parte progettuale, che richiede di risolvere un esercizio di progettazione concettuale e logica di data warehouse, e di una parte teorica che include alcune domande sui contenuti dell'intero corso. Per il modulo Big Data, il testo dell’esame è composto da quesiti in forma aperta su contenuti teorici e progettuali. Ulteriori dettagli potranno essere comunicati a lezione e nelle "note" abbinate agli appelli pubblicati su AlmaEsami. Ciascuna prova si intende superata con un punteggio di 18/30 su un totale di 31/30.

Per sostenere la prova d'esame è necessaria l'iscrizione tramite AlmaEsami, nel rispetto delle scadenze previste. Coloro che non riuscissero a iscriversi entro la data prevista, sono tenuti a comunicare tempestivamente (e comunque prima della chiusura ufficiale delle liste di iscrizione) il problema alla segreteria didattica. Sarà facoltà del docente ammetterli a sostenere la prova. Le prove relative ai due moduli componenti dell'insegnamento possono essere sostenute nel corso dello stesso appello o in appelli differenti, in qualunque ordine. Una volta pubblicato il risultato della prova, ciascuno studente ha una settimana di tempo per comunicare via email al docente se intende rifiutare il voto conseguito. Il voto complessivo dell'esame, assegnato in trentesimi, verrà calcolato come media dei voti conseguiti nei due moduli componenti.

Il superamento dell’esame sarà garantito agli studenti che dimostreranno capacità operativa in relazione alla conoscenza dei concetti chiave illustrati nell'insegnamento, alle capacità progettuali ed alla padronanza del linguaggio tecnico. Un punteggio più elevato sarà attribuito agli studenti che dimostreranno di aver compreso pienamente e saper utilizzare al meglio tutti i contenuti dell’insegnamento illustrandoli con capacità di linguaggio, risolvendo problemi anche complessi con buone attitudini progettuali.

Strumenti a supporto della didattica

Materiale didattico scaricabile da Virtuale.

Piattaforma Teams per la didattica a distanza.

Piattaforma Miro per le esercitazioni.

Orario di ricevimento

Consulta il sito web di Stefano Rizzi

Consulta il sito web di Federico Ravaldi