Copyright © 2012, SAS Institute Inc. All rights reserved.
SAS BIG DATA ANALYTICS FORUM PA 28 MAGGIO 2013
Copyright © 2012, SAS Institute Inc. All rights reserved.
FORUM PAFORUM PA
Cosa sono I big data ?
• Differenti ProspettiveDB Appliance
Data Management
Analytics
Copyright © 2012, SAS Institute Inc. All rights reserved.
COSA SONO I BIG DATA ?
IMPATTO SI FARÀ SENTIRE IN TUTTA L'ORGANIZZAZIONE, OVUNQUE LE DECISIONI SONO PRESE SULLA BASE DEI DATI !
I dati di un’organizzazione che superano l’archiviazione tradizionale di un database o la capacità di elaborarli
Dati che impediscono la capacità di un'organizzazione di fare azioni di alta qualità prendendo decisioni in modo tempestivo
Copyright © 2012, SAS Institute Inc. All rights reserved.
BIG DATABIG DATA
Definizione
Big Data è un fenomeno definito attraverso la rapida accelerazione nell’espansione del Volume, Velocità e della Varietà dei tipi di dati.In aggiunta, nei Big Data secondo SAS, i flussi di dati possono essere altamente inconsistenti con la presenza di picchi periodici (Variability) ed dove inoltre, è necessario collegare e correlare le relazioni, le gerarchie, tra i diversi dati con la possibilità e la necessità di eseguire collegamenti multipli tra di loro sfuggendo rapidamente al vostro controllo (Complexity). Questo fenomeno è sia una sfida per dare un senso ai dati disponibili, per raggiungere risultati, e la possibilità di sfruttarli per aumentare il Business delle organizzazioni.
Copyright © 2012, SAS Institute Inc. All rights reserved.
BIG DATABIG DATA
Quali tipi di dati?
• I dati aperti, comunemente chiamati con il termine inglese open data (OD), sono alcune tipologie di dati liberamente accessibili a tutti, privi di brevetti o altre forme di controllo che ne limitino la riproduzione e le cui restrizioni di copyright eventualmente si limitano ad obbligare di citare la fonte o al rilascio delle modifiche allo stesso modo.
• I Linked Open Data (LOD) si basano su formalismi per la rappresentazione standardizzata dei dati e dei meccanismi condivisi per l’accesso e l’interrogazione di tali dati attraverso l’utilizzo di metadati, strutturati in modo tale da richiamare il concetto di reti ontologiche.
• I LOD come gli Open Data hanno l’obiettivo di abbattere le barriere sociali, culturali, legali ed economiche che ostacolano la libera condivisione dei dati tra persone e agenti software.
Copyright © 2012, SAS Institute Inc. All rights reserved.
OPEN DATA GLI OPEN DATA IN ITALIA
Fonte: http://www.dati.gov.itDati aggiornati al 26/03/2013
Chi rilascia più dataset
Ripartizione del numero di dataset rilasciati rispetto al livello amministrativo degli enti
1987
5634
611
Copyright © 2012, SAS Institute Inc. All rights reserved.
OPEN DATA LOD
I LOD vengono, per definizione, espressi tramite il formato RDF (Resource Description Framework), un data model che definisce un “formalismo” per rappresentare i dati nel web semantico.
Grazie al concetto di “tripla” in cui è possibile descrivere una informazione nella forma “soggetto-predicato-oggetto”, si viene a creare un grafo, i cui nodi (o risorse) sono identificate in cui i collegamenti-link tra i nodi indicano le relazioni.
I significati delle risorse e dei link sono descritti in ontologie, che definiscono la conoscenza che abbiamo di un dominio particolare tramite classi, relazioni tra classi e individui appartenenti alle classi.
Copyright © 2012, SAS Institute Inc. All rights reserved.
OPEN DATA LOD DATASETL’interconnessione tra dataset diversi, nate da iniziative di carattere governativo ma anche indipendente, porterà nel giro di pochissimo tempo alla creazione di una grande “nuvola” di
collegamenti tra sorgenti dati differenti.
Copyright © 2012, SAS Institute Inc. All rights reserved.
BIG DATABIG DATA
PSICOSTORIA
• La psicostoria (o psicostoriografia) è una scienza inventata da Hari Seldon. Il concetto si basa su una presunta ciclicità della storia, che può essere predetta, appunto, attraverso equazioni matematiche se applicate ad un numero abbastanza elevato di persone: «Le leggi della storia sono assolute come quelle della fisica, e se in essa le probabilità di errore sono maggiori, è solo perché la storia ha a che fare con gli esseri umani che sono assai meno numerosi degli atomi, ed è per questa ragione che le variazioni individuali hanno un maggior valore.».
Copyright © 2012, SAS Institute Inc. All rights reserved.
BIG DATABIG DATA
PSICOSTORIA
• Le predizioni psicostoriografiche, sia pure a livello probabilistico, sono in grado di prevedere l’evoluzione futura di una determinata società,a condizione che:
1. essa comprenda un numero particolarmente elevato di intelligenze umane;2. almeno il 99% di questa collettività non deve essere al corrente della psicostoria;3. non esistano all’interno di tale raggruppamento significative intelligenze non umane (non solo in senso quantitativo, ma anche qualitativo), come alieni, robot o individui mutanti.4. non avvenga, fra il momento in cui la previsione viene stipulata e il momento in cui dovrebbe avverarsi, una sostanziale e
imprevedibile modifica nella società umana (grandi progressi tecnologici non prevedibili o previsti, ma considerati poco probabili)
Copyright © 2012, SAS Institute Inc. All rights reserved.
BIG DATA BIG DATA ANALYTICSANALYTICS
Definizione del Valore
Sbloccare il valore economico degli Open Data attraverso l'adozione di Big Data Analytics.
Il valore nei Big Data Analytics è nell’estrazione di trends, intuizioni, e conoscenze utilizzabili per analizzare enormi quantità di diversi tipi di dati (gran parte di essa non strutturati) spesso quasi "near-real time", per abilitare ad un migliore processo decisionale.
Business Value
Guidare al miglior margine di profitto
Nuove strategie e modelli di business
Efficienza Operazionale
Copyright © 2012, SAS Institute Inc. All rights reserved.
BIG DATA BIG DATA ANALYTICSANALYTICS PATH TO ADVANTAGE
DATA SIZE
RE
AC
TIV
EP
RO
AC
TIV
EA
NA
LYTI
C C
APA
BIL
ITY
BIG DATALARGE
REACTIVEAlertsOLAPAd Hoc ReportsStandard Reports
REACTIVEAlertsOLAPAd Hoc ReportsStandard Reports
PROACTIVEOptimizationPredictive ModelingForecastingStatistical Analysis
PROACTIVEOptimizationPredictive ModelingForecastingStatistical Analysis
ANALYTICSANALYTICS
Path to Advantage
Path to Advantage
Copyright © 2012, SAS Institute Inc. All rights reserved.
BIG DATA ANALYTICS DATA WAREHOUSE ARCHITECTURE
Obiettivi DWH :Obiettivi DWH :••Visione integrata dei dati Visione integrata dei dati operativi (qualitoperativi (qualitàà e correttezza)e correttezza)••Dati organizzati per il reporting e Dati organizzati per il reporting e analisi (non operativo) di analisi (non operativo) di business finalizzate a prendere business finalizzate a prendere decisionidecisioni
Problemi DWH:Problemi DWH:••Tempi Tempi lunghi di attuazione per i lunghi di attuazione per i requisiti di businessrequisiti di business••Livelli di qualitLivelli di qualitàà dei dati bassadei dati bassa••Crescente numero di variabili e Crescente numero di variabili e informazioni da analizzareinformazioni da analizzare••Cattive prestazioni per l'analisi Cattive prestazioni per l'analisi dei datidei dati
Copyright © 2012, SAS Institute Inc. All rights reserved.
BIG DATA ANALYTICS
BUILDING BLOCKS BIG DATA ARCHITECTURE
Obiettivi Big Data Architecture:Obiettivi Big Data Architecture:••Apportare miglioramenti nella Apportare miglioramenti nella tecnologia tecnologia e nel processo di analisi e nel processo di analisi diminuendo diminuendo il il Time Time to to ValueValue
••Avere un'infrastruttura Avere un'infrastruttura integrata per la integrata per la gestione e l'analisi di un numero gestione e l'analisi di un numero crescente crescente ed eterogeneo di ed eterogeneo di fonti di fonti di datidati..
Caratteristiche Big Caratteristiche Big Data Data Architecture:Architecture:••Memorizzare ed analizzare elevate Memorizzare ed analizzare elevate moli di dati utilizzando hardware di moli di dati utilizzando hardware di commodity commodity
••Sfruttare le caratteristiche di Sfruttare le caratteristiche di scalabilitscalabilitàà degli degli AAppliance RDBMS per ppliance RDBMS per la storicizzazione dei dati di valorela storicizzazione dei dati di valore
••Avere a disposizione sistemi di analisi Avere a disposizione sistemi di analisi flessibili, veloci e integrati flessibili, veloci e integrati nellnell’’architettura architettura
••Analizzare e processare i cosiddetti Analizzare e processare i cosiddetti Dati in Motion laddove vengono Dati in Motion laddove vengono generati.generati.
Copyright © 2012, SAS Institute Inc. All rights reserved.
BIG DATA ANALYTICS FLOW BUILDING BLOCKS OF A BIG DATA ANALYTICS PROCESS
BIG VALUEBIG DATA
Collection Integration Storage Exploitation
Copyright © 2012, SAS Institute Inc. All rights reserved.
BIG DATA ANALYTICS APPROACH
COLLECT
Data acquisition from any sources (Strutturati, Semi‐strutturati e No‐Strutturati)Accesso ai dati in modo “Nativo”, trasferimento dei file Transfer e federazione di dati strutturati
Message & Queuing per acqusizione dati in modalità Sync/Asynch. Per dati semi‐strutturati
Acquisizione dati no‐strutturati mediante Web Crawling e Web clickstream
Data Governance ed esecuzione di task in pre‐processing
Processi di ETL & EL‐T secondo metodologie e tecniche tradizionali
Replication/SynchronizationReal-time AcquisitionEvent Stream ProcessingIntegrazione con Enterprise Service Bus, Web Service & Architetture SOATechnical Metadata definitionCreazione di metadati per tabelle, colonne, sorgenti dati, flussi dati e processi.
Control and Management Processi distribuiti e in esecuzione (Grid Computing)
Collection
Copyright © 2012, SAS Institute Inc. All rights reserved.
BIG DATA ANALYTICS APPROACH INTEGRATE
Enterprise Metadata ManagementDefinizione di metadati di business e integrazione con i relativi metadati tecnici
Creazione di metadati per gli indicatori di business
Security Hub su metadati tecnici e di business
Data lineage per eseguire un impact analysis dei dati
Enterprise Data Quality Processo di qualità sull’intero ciclo dei dati.
Messaggi e avvisi di eventuali anomalie sui flussi di dati così come su ben definiti indicatori atomici di business
Enterprise Data PreparationGestione ed esecuzione di processi di trasformazione ETL, EL‐T su dati per definire «Viste Soggetto di
Analisi»
Processi di deployment per caricare le «Viste Soggetto di Analisi» su layer “Storage” e/o “In‐Memory”.
Enterprise Enrichment and Deployment ServicesApplicazione di regole di business "condivise" sui soggetti di analisi (ad esempio, modelli di classificazione)
Deployment di modelli analitici descrittivi, predittivi and prescrttivi
Apprendimento automatico di modelli aziendali sensibili e di modelli in real time
Control and Management execution processesMonitorare e controllare i processi distribuiti in esecuzione (Grid Computing)
Integration
Copyright © 2012, SAS Institute Inc. All rights reserved.
BIG DATA ANALYTICS APPROACH STORE
DWH AppliancePiattaforma DWH e SQL RDBMS per i dati strutturati (Teradata, Netezza, Greenplum, Exadata)Dati no-strutturati memorizzati su file system Hadoop Distributed (HDFS)Dati eventualmente memorizzati in formato nativo (datasets SAS)Data modeling flessibile a seconda della fonte, dall’uso e dell'analisi che deve essere eseguitaIn Database Analytics accelerator per distribuire ad eseguire modelli di scoring su Appliance DWH
Data VirtualizationUnificazione di fonti eterogenee di dati per fornire un singolo strato di federato (Federated View)Supporto per eseguire join su tutti i dati federatiGestione centralizzata, configurazione e monitoraggio di tutte le Virtual Views.Sicurezza dei dati e controllo centralizzatoPrestazioni elevate con accesso ai dati con view Caching
In-Memory Analytics StorageAmbiente multi-utente In-Memory per accesso concorrente ai dati (big or small) in memoria per analizzare una o più viste soggetto di analisi, attraverso strumenti di Visual Data Discovery (SAS LASR Analytics Server™)In-Memory Analytics distributed storage per sviluppare e deployare modelli analitici mediante High Performance Business Solutions
Storage
Copyright © 2012, SAS Institute Inc. All rights reserved.
BIG DATA ANALYTICS APPROACH EXPLOIT
Application Enrichment & InsightsVisual Data Exploration integrata con modelli analiticiReporting on-line e mobile
Operationalizing AnalyticsAnalytics incorporati per prendere decisioni in near real time e di individuare comportamentiProliferazione di Modelli che migliorano i processi come il tipo di campionamento, la selezione dei migliori variabili, la scelta dei modelli ...Modelli di previsione per intervalli temporali più brevi (ossia 15 minuti trascorsi)Exploit dei processi di business con più dati (es. social media, social network)Analisi più complesse, più frequenti e con una maggiore comprensione su come ottenere un «full-picture»Necessità di continua evoluzione dei processi decisionali data-driven
ACTIONS to change business outcomesHuman (e.g. reports e analisi sui quali le persone eseguono azioni)Machine (più comune con i Big Data)Business Process Management (real-time decisioning).
Exploitation
Copyright © 2012, SAS Institute Inc. All rights reserved.
MULTI POINT DATA HUB BUILDING BLOCKS OF A BIG DATA ANALYTICS PROCESS
Copyright © 2012, SAS Institute Inc. All rights reserved.
Business & Technical MetadataBusiness & Technical Metadata
Enterprise Data Enterprise Data EnrichmentEnrichment
Data ManagementData Management
Data AnalysisData Analysis
Analytics Analytics -- ForecastForecast
Analytics Analytics -- MiningMining
Visual AnalyticsVisual Analytics
BIG DATA ARCHITECTURE - E2E VIEWSAS BIG DATA FRAMEWORK
Data ManagementData Management
Data AnalysisData Analysis
Analytics Analytics -- ForecastForecast
Analytics Analytics -- MiningMining
Visual AnalyticsVisual Analytics
Data ManagementData Management
Data AnalysisData Analysis
Analytics Analytics -- ForecastForecast
Analytics Analytics -- MiningMining
Visual AnalyticsVisual Analytics
Copyright © 2012, SAS Institute Inc. All rights reserved.
Business & Technical MetadataBusiness & Technical Metadata
Data ManagementData Management
Data AnalysisData Analysis
Analytics Analytics -- ForecastForecast
Analytics Analytics -- MiningMining
Visual AnalyticsVisual Analytics
BIG DATA ARCHITECTURE - E2E VIEWSAS BIG DATA FRAMEWORK
Data ManagementData Management
Data AnalysisData Analysis
Analytics Analytics -- ForecastForecast
Analytics Analytics -- MiningMining
Visual AnalyticsVisual Analytics
Data ManagementData Management
Data AnalysisData Analysis
Analytics Analytics -- ForecastForecast
Analytics Analytics -- MiningMining
Visual AnalyticsVisual Analytics
Enterprise Data Enterprise Data EnrichmentEnrichment
Copyright © 2012, SAS Institute Inc. All rights reserved.
Business & Technical MetadataBusiness & Technical Metadata
Data ManagementData Management
Data AnalysisData Analysis
Analytics Analytics -- ForecastForecast
Analytics Analytics -- MiningMining
Visual AnalyticsVisual Analytics
BIG DATA ARCHITECTURE - E2E VIEWSAS BIG DATA FRAMEWORK
Data ManagementData Management
Data AnalysisData Analysis
Analytics Analytics -- ForecastForecast
Analytics Analytics -- MiningMining
Visual AnalyticsVisual Analytics
Data ManagementData Management
Data AnalysisData Analysis
Analytics Analytics -- ForecastForecast
Analytics Analytics -- MiningMining
Visual AnalyticsVisual Analytics
Enterprise Data Enterprise Data EnrichmentEnrichment
Copyright © 2012, SAS Institute Inc. All rights reserved.
Business & Technical MetadataBusiness & Technical Metadata
Data ManagementData Management
Data AnalysisData Analysis
Analytics Analytics -- ForecastForecast
Analytics Analytics -- MiningMining
Visual AnalyticsVisual Analytics
BIG DATA ARCHITECTURE - E2E VIEWSAS BIG DATA FRAMEWORK
Data ManagementData Management
Data AnalysisData Analysis
Analytics Analytics -- ForecastForecast
Analytics Analytics -- MiningMining
Visual AnalyticsVisual Analytics
Data ManagementData Management
Data AnalysisData Analysis
Analytics Analytics -- ForecastForecast
Analytics Analytics -- MiningMining
Visual AnalyticsVisual Analytics
Enterprise Data Enterprise Data EnrichmentEnrichment
Copyright © 2012, SAS Institute Inc. All rights reserved.
SAS BIG DATA FRAMEWORK BIG DATA CAPABILITIES
QUALITY SERVICESQUALITY SERVICES
Col
labo
ratio
n &
Gov
erna
nce
Col
labo
ratio
n &
Gov
erna
nce
Copyright © 2012, SAS Institute Inc. All rights reserved.
SAS® VISUAL ANALYTICS IN UN’UNICA SOLUZIONE
EXPLORE
DISCOVER
REPORT
DELIVER
REPORT
WHAT?
DISCOVER
WHY?VISUAL
ANALYTICS
Copyright © 2012, SAS Institute Inc. All rights reserved.
SAS® VISUAL ANALYTICS CARATTERISTICHE PRINCIPALI
Massime prestazioni su tutti i dati aziendali Esplorazione visuale del dato e visualizzazione di insight di Business
Accesso ai dati, grezzi o aggregati, utilizzabiliper l’analisi esplorativa ed il reporting
Ridotti i tempi di realizzazione delle analisi e dei report grazie alla nuova tecnologia dell’ In-Memory
Auto Charting & differenti tipologie di analitiche
Funzionalità di reporting e dashboarding disponibilivia web o su dispositivi mobile
Filtri visuali & highlighting
Drill-down / Drill-across e gerarchie dinamiche
Analitiche complesse disponibili tramite semplici funzionalitàdi Drag-n-Drop
Analytics alla portata di tutti Presentazione dei risultati
Analytics potenti fruibili in forma chiara e semplice Distribuzione ed analisi dei risultati via web e mobile
Funzionalità di reporting disponibili direttamente su dispositivi iPad & Android
Copyright © 2012, SAS Institute Inc. All rights reserved.
SAS® VISUAL ANALYTICS UNICA SOLUZIONE PER DECISIONI VELOCI ED INTELLIGENTI
Central Entry Point Integration Role-based Views
MOBILE BIDATA BUILDER EXPLORER DESIGNER• Distribuzione dei
report interattivi su canali tradizionali come il Web o su dispositivi mobile come Android e iPad
• Incroci tra dati provenienti da diverse sorgenti
• Creazione di colonne calcolate
• Caricamento dei dati
• Esplorazione libera e visuale dei dati provenienti da diverse sorgenti
• Applicazione di analitiche complesse
• Creazione della rappresentazione piùintuitiva per distribuire gli insight scoperti nell’Explorer, come dashboard di sintesi
SASSAS®® LASRLASR™™ ANALYTIC SERVERANALYTIC SERVER
ADMINISTRATOR• Monitoraggio SAS®
LASR™™ Analytic server
• Carico/Scarico dati• Gestione della
sicurezza
Copyright © 2012, SAS Institute Inc. All rights reserved.
BUSINESS USER ESPLORAZIONE DIRETTA VISUALE DEL DATO ED ANALYTICS PRONTI ALL’USO
BUSINESSUSER
DATA BUILDERDATA BUILDER
ADMINISTRATORADMINISTRATOR
EXPLOREREXPLORER
DESIGNERDESIGNER
HUBHUB REPORTSREPORTS
MOBILE MOBILE VIEWERVIEWER
WEBWEBVIEWERVIEWER
Copyright © 2012, SAS Institute Inc. All rights reserved.
ANALYST TRASFORMAZIONE VELOCE DEL DATO IN INSIGHT SIGNIFICATIVI
ANALYST
DATA BUILDERDATA BUILDER
ADMINISTRATORADMINISTRATOR
EXPLOREREXPLORER
DESIGNERDESIGNER
HUBHUB REPORTSREPORTS
MOBILE MOBILE VIEWERVIEWER
WEBWEBVIEWERVIEWER
Copyright © 2012, SAS Institute Inc. All rights reserved.
DATA MANAGER VELOCE ACCESSO AL DATO, TRASFORMAZIONI INTUITIVE, COSTRUZIONE IMMEDIATA DI VARIABILI CALCOLATE
DATAMANAGER
DATA BUILDERDATA BUILDER
EXPLOREREXPLORER
DESIGNERDESIGNER
HUBHUB REPORTSREPORTS
MOBILE MOBILE VIEWERVIEWER
WEBWEBVIEWERVIEWER
ADMINISTRATORADMINISTRATOR
Copyright © 2012, SAS Institute Inc. All rights reserved.
IT MANAGER GESTIONE E GOVERNO DELL’INTERO AMBIENTE
IT MANAGER
DATA BUILDERDATA BUILDER
ADMINISTRATORADMINISTRATOR
EXPLOREREXPLORER
DESIGNERDESIGNER
HUBHUB REPORTSREPORTS
MOBILE MOBILE VIEWERVIEWER
WEBWEBVIEWERVIEWER
Copyright © 2012, SAS Institute Inc. All rights reserved.
Perchè SAS®
Visual Analytics?
• Il primo end-to-end che influenza radicalmente il modo di lavorare con tutti i vostri dati
• Unico motore analitico in-memory che supera le limitazioni dei tradizionali database relazionali
• Il modo più conveniente per scalare l'infrastruttura IT utilizzando commodity hardware
Copyright © 2012, SAS Institute Inc. All rights reserved.
GARTNER: MAGIC QUADRANT FOR DATA QUALITY TOOLS
Source: Magic Quadrant for Data Quality Tools, 8 August 2012, Ted FriedmanThis graphic was published by Gartner, Inc. as part of a larger research document and should be evaluated in the context of the document.
Gartner does not endorse any vendor, product or service depicted in its research publications, and does not advise technology users to select only those vendors with the highest ratings. Gartner research publications consist of the opinions of Gartner's research organization and should not be construed as statements of fact. Gartner disclaims all warranties, expressed or implied, with respect to this research, including any warranties of merchantability or fitness for a particular purpose.
Copyright © 2012, SAS Institute Inc. All rights reserved.
SAS DATA QUALITY PRINCIPALI CARATTERISTICHE
• Bonifica di Database/Data Warehouse/Data Mart mediante una varietà di tecniche e metodologie, fra cui la standardizzazione, la trasformazione e la razionalizzazione dei dati.
• Profilazione dei dati per identificare dati incompleti, inaccurati o ambigui.
• Accrescimento della qualità ed arricchimento dei dati.
• Creazione di regole di business per la bonifica e qualità dei dati riutilizzabili invocabili da programmi già esistenti, code dei messaggi e Web Services.
• Pulizia in tempo reale dei dati transazionali utilizzando regole di business di tipo standard.
• Approccio basato su una metodologia specifica (Data Management Lifecycle Methodology)
Copyright © 2012, SAS Institute Inc. All rights reserved.
DATA MANAGEMENT LIFECYCLE
Profiling
• Analisi dei dati (valori) per ottenere statistiche (metadati) che forniscono una valutazione della qualità dei dati nei sistemi ed aiutano a identificare cricità
• Struttura e qualità dei dati
• Miglior conoscenza dell’asset dei dati aziendali
PLAN
Copyright © 2012, SAS Institute Inc. All rights reserved.
DATA MANAGEMENT LIFECYCLE
Explore
• Relazioni all’interno e tra differenti sistemi • Identifica il contenuto dei campi
Dai risultati di profiling ed explore è possibile definire azioni di correzione, fasi progettuali e identificazione delle regole di controllo da implementare.
PLAN
Copyright © 2012, SAS Institute Inc. All rights reserved.
DATA MANAGEMENT LIFECYCLE
• Definizione delle business rules per misurare la consistenza, l’accuratezza e l’affidabilità di nuovi dati in ingresso ai sistemi
• Attivazione delle business rules nella infrastruttura IT
• Utilizzo del miglior metodo di integrazione(real-time o batch)
• Riutilizzo e ridistribuzione delle stesse business rules in differenti applicazioni, migliorando il governo dei dati a livello enterprise
ACT
Copyright © 2012, SAS Institute Inc. All rights reserved.
DATA MANAGEMENT LIFECYCLE
• Creazione di report e dashboard con le metriche e le soglie per misurare la criticità dei dati di business e IT
• Utilizzare informazioni dai dati di monitoring per ridefinire e disegnare nuove regole di business e determinare piani di azione
MONITOR
Copyright © 2012, SAS Institute Inc. All rights reserved.
TO REALIZE BIG AMBITIONS YOU NEED TO BELIEVE YOU CAN DO IT AND HAVE THE RIGHT TECHNOLOGY...