Salta al contenuto principale
CODICE 101798
ANNO ACCADEMICO 2025/2026
CFU
SETTORE SCIENTIFICO DISCIPLINARE INF/01
LINGUA Inglese
SEDE
  • GENOVA
PERIODO 1° Semestre

PRESENTAZIONE

L'insegnamento introduce le competenze alla base dell'analisi di dati strutturati e della Business Intelligence (BI). Partendo dai principi di modellazione di dati strutturati a fini analitici, gli studenti svilupperanno una comprensione approfondita della progettazione di data warehouse e acquisiranno esperienza pratica di formulazione di interrogazioni di analisi OLAP in SQL. Verranno inoltre introdotti strumenti per la creazione di report e cruscotti e framework per l'analisi dei dati su larga scala. Nelle attività pratiche, gli studenti lavoreranno con grandi set di dati in un ambiente di data warehouse per progettare e popolare un data warehouse, interrogarlo e creare dashboard, utilizzando, oltre a server OLAP, strumenti dedicati a ETL e BI.

Poiché l'insegnamento viene tenuto in lingua inglese, si invita a visionare la scheda in inglese per ulteriori informazioni.

OBIETTIVI E CONTENUTI

OBIETTIVI FORMATIVI

Apprendere i fondamenti teorici, metodologici e tecnologici della gestione e analisi dei dati nei sistemi di supporto decisionale, con particolare riferimento alle problematiche architetturali e di progettazione dei data warehouse, nonché agli elementi chiave dell'integrazione e governance dei dati, della qualità e pulizia dei dati, dei processi di Estrazione-Trasformazione-Caricamento (ETL), e all'uso dei data warehouse per la reportistica aziendale e l'elaborazione analitica online.

OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO

Alla fine del corso, lo studente/la studentessa sarà in grado di:

DESCRIVERE i principi dell'analisi dei dati e dell'analisi dei dati su larga scala

COMPRENDERE le differenze tra i sistemi di gestione dei dati (OLTP) e i sistemi di analisi dei dati (OLAP)

COMPRENDERE le differenze tra problematiche progettuali e metodologie per basi di dati e data warehouse

COMPRENDERE le principali problematiche legate alla qualità dei dati, all’integrazione dei dati, alla pulizia dei dati e alla governance dei dati

COMPRENDERE le principali problematiche nella progettazione di un data warehouse, con riferimento specifico alla progettazione concettuale, alla progettazione logica ROLAP, alla selezione delle viste, alla progettazione fisica e alla progettazione dei processi ETL

COMPRENDERE le principali problematiche nell’analisi dei dati su larga scala

COMPRENDERE l’utilizzo della precomputazione e delle viste materializzate nei data warehouse, e SELEZIONARE il set di viste più appropriato

COMPRENDERE i principali operatori OLAP e le estensioni SQL per esprimerli, e APPLICARLI per formulare interrogazioni analitiche

APPLICARE la metodologia per progettare un data warehouse, a partire dai dati operazionali e dalle domande di business, passando per la progettazione concettuale, logica, la selezione delle viste e la progettazione fisica

SELEZIONARE i sistemi e i linguaggi più adeguati per un determinato contesto di analisi

UTILIZZARE alcuni dei sistemi presentati per l’esplorazione dei dati, la riconciliazione dei dati, la memorizzazione in data warehouse, la reportistica e le interrogazioni OLAP

UTILIZZARE alcuni dei sistemi presentati per costruire un data warehouse a partire da un dataset operativo e per effettuare analisi complesse su di esso

PREREQUISITI

Fondamenti dei modelli, linguaggi e sistemi di basi di dati:

Modello Entità-Relazione (concettuale)
Modello Relazionale (logico)
Normalizzazione degli schemi
Algebra relazionale e SQL
Indici
Transazioni

MODALITA' DIDATTICHE

Lezioni in aula, attività pratiche di laboratorio.

PROGRAMMA/CONTENUTO

L'insegnamento presenterà le principali problematiche architetturali e progettuali legate alla gestione e all’analisi dei dati nei sistemi di supporto alle decisioni (data warehousing), mettendole a confronto con i sistemi transazionali tradizionali.

  • Introduzione. Tecnologie informatiche a supporto delle decisioni. Differenze tra OLAP e OLTP. Data warehousing e Data mining. Business Intelligence.
  • Integrazione dei dati e qualità dei dati.
  • Modelli di dati per i data warehouse. Modello concettuale dei dati. Dimensioni, misure e gerarchie. Modello multidimensionale dei dati. Modelli ROLAP: schemi a stella e a fiocco di neve.
  • Back-end. Architetture. Strutture di memorizzazione e indici in OLAP. Viste materializzate. Ottimizzazione delle interrogazioni OLAP.
  • Progettazione di un data warehouse. Progettazione concettuale, logica e fisica.
  • Funzionalità e approcci ETL.
  • Front-end. Interrogazioni OLAP e reportistica. Estensioni SQL per OLAP.
  • Analisi dei dati su larga scala: Hive e SparkSQL.

TESTI/BIBLIOGRAFIA

​M. Golfarelli, S. Rizzi. Data Warehouse Design. Mc-Graw Hill 2009. 
R. Kimball, M. Ross. The Data Warehouse Toolkit. Wiley, 2013.
C. Jensen, T. Bach Pedersen, C. Thomsen. Multidimensional Databases and Data Warehousing. Morgan&Claypool, 2010.
A.Vaisman, E. Zimányi. Data Warehouse Systems: Design and Implementation. Springer, 2014

 

DOCENTI E COMMISSIONI

LEZIONI

INIZIO LEZIONI

According to the calendar approved by the Degree Program Board: https://corsi.unige.it/corsi/11964/studenti-orario

Orari delle lezioni

L'orario di questo insegnamento è consultabile all'indirizzo: Portale EasyAcademy

ESAMI

MODALITA' D'ESAME

Esame scritto e orale.

MODALITA' DI ACCERTAMENTO

I dettagli su come prepararsi all’esame e il livello di conoscenza richiesto per ciascun argomento saranno forniti durante le lezioni.

L’esame scritto consiste in un insieme di domande aperte e chiuse e di esercizi sui principali argomenti del corso: le domande aperte e chiuse hanno lo scopo di verificare la comprensione delle principali tematiche affrontate durante le lezioni, mentre gli esercizi servono a valutare la capacità di applicare le nozioni, i linguaggi e la metodologia, nonché a risolvere semplici problemi relativi alla modellazione e all’interrogazione dei dati in ambito data warehousing.

Le attività progettuali consistono nella progettazione e realizzazione di un data warehouse (back-end e front-end); la presentazione dell’attività svolta permette di verificare la capacità di utilizzare almeno un sistema per l’analisi di dati non banale e la capacità di comunicare in forma scritta i risultati dell’attività in modo chiaro e completo.

L’esame orale consiste nella presentazione delle soluzioni sviluppate dallo studente per le attività progettuali, con l’obiettivo di valutare il livello di conoscenza raggiunto e la capacità di comunicare in forma orale i risultati dell’attività in modo chiaro e completo.

ALTRE INFORMAZIONI

Per ulteriori informazioni, consultare il modulo Aulaweb dell'insegnamento o contattare il docente.