1 La Business Intelligence per un’impresa di packaging a conduzione familiare di C. Alfonsi, L. Sperduti Carla Alfonsi Docente a Contratto Facoltà di Economia - University di Urbino Via Saffi n. 2 – 61029 Urbino (PU) – Italy e-mail: [email protected]Leandro Sperduti Laureato presso la Facoltà di Economia 15/12/2011 – Università di Urbino e-mail: [email protected]Abstract The article shows how a family firm operating in the packaging can be built a business intelligence application to support business decisions at a lower cost and without any change in the management information system. The firm is a leader in packaging, uses an ERP software developed in Cobol ISAM. The firm has staff personnel who can work on the databases, with direct experiences on data. With data from the ERP system and other useful information from external sources (Istat, GIFCO 1 ) it has been built a data warehouse that can provide data for business and competition analysis mined directly from the enterprise information systems. The decision support system can be used directly by stakeholders and has given rise to interesting elements non-deductible directly from the standard reports generated by ERP software: the productivity of agents by region, the region of greatest importance in terms of turnover, the region with the highest number of top clients, the evidence that in times of crisis, the percentage ratio between sales and customers is less stable than the previous annuity, the comparison with competing firms and evaluation of new market strategies. Key words: Family firm, packaging, file ISAM, dataware house, data Analysis, business intelligence JEL Code: D83 1 Gruppo Italiano Fabbricanti Cartone Ondulato (GIFCO), Gruppo che definisce gli standard di qualità per la produzione del cartone ondulato.
28
Embed
La Business Intelligence per un’impresa di packaging a conduzione familiare
L’articolo dimostra come in una impresa a conduzione familiare operante nel packaging possa essere costruita una applicazione di business intelligence2 a supporto delle decisioni aziendali a costi ridotti e senza operare nessuna trasformazione nel sistema informativo gestionale. L’impresa di riferimento produce packaging. E’ integrata a valle, realizza cartone ondulato e lo trasforma in scatole. L’impresa è leader nel campo del packaging usa un software ERP sviluppato in Cobol su files indicizzati ISAM C.3 L’impresa ha in organico personale in grado di lavorare sui database, con esperienza diretta sui dati e capace di interpretare la semantica dei dati direttamente dal contenuto dei file sequenziali. I dati possono essere esportati dal sistema ERP in formato testuale CSV (delimitato dal separatore di elenco) o XLS (Microsoft Excel). Con i dati del sistema ERP e altre informazioni utili fornite da enti esterni (Istat, GIFCO) è stato costruito un datawarehouse in grado di rendere i dati del sistema informativo direttamente disponibili per le analisi aziendali e di mettere in correlazione i dati del GIFCO (Gruppo Italiano Cartone Ondulato) per l’analisi della concorrenza. La realizzazione del datawarehouse è resa possibile dall’impegno diretto del personale dell’azienda che attraverso la conoscenza dei prodotti e delle dinamiche aziendali ha permesso la trasformazione dei dati memorizzati nei file ISAM in informazioni decisionali. Il sistema decisionale è utilizzabile dai dipendenti della imprese e ha fatto emergere elementi interessanti non deducibili direttamente dai report standard generati dal software gestionale ERP: la produttività dei singoli agenti per regione, la regione di maggior importanza in termini di fatturato, la regione con il maggior numero di clienti top, l’evidenza che in tempi di crisi il rapporto percentuale tra vendite percentuali e clienti risulta meno stabile rispetto alle precedenti annualità, il confronto con le ditte concorrenti e la valutazione di nuove strategie di mercato.
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
1
La Business Intelligence per un’impresa di packaging a conduzione familiare
di
C. Alfonsi, L. Sperduti
Carla Alfonsi
Docente a Contratto Facoltà di Economia - University di Urbino
“In un approccio guidato dai dati, lo schema concettuale dei datamart viene definito in
funzione della struttura delle sorgenti stesse[...]”9
L’architettura del sistema di datawarehousing segue lo schema metodologico a tre livelli
evidenziato nella figura seguente:
Figura 3– Architettura di un sistema di datawarehousing a tre livelli
È stato seguito un iter metodologico tipo bottom up che si è concretizzato in sette fasi
per la realizzazione del Data Mart: analisi e riconciliazione delle fonti dati, analisi dei
requisiti, progettazione concettuale, carico di lavoro e validazione schema concettuale,
progettazione logica, fisica e dell’alimentazione come rappresentato nella figura
seguente.
9 Golfarelli-Rizzi, Datawarehouse teoria e pratica della Progettazione, Mc GrowHill, Ed. 2° .
pg. 153
12
Tabella 2-Fasi di progettazione del Data Mart
L’approccio bottom-up è stato l’unico approccio possibile in quanto non è stata resa
disponibile dalla software house alcuna documentazione della banca dati. Si è proceduto
passo dopo passo all’individuazione delle singole entità e delle correlazioni tra i diversi
elementi gestiti partendo dai dati e dall’applicativo.
Il processo di analisi e riconciliazione dei dati gestiti attraverso i file ISAM in una
struttura relazionale è stato possibile soltanto grazie all’approfondita conoscenza dei
processi produttivi e dei dati inseriti del personale informatico dell’impresa che è stato
in grado di interpretare direttamente dal dato il suo significato.
Il livello delle sorgenti è rappresentato dai file estratti dal sistema informativo in
formato csv e dai file mensili forniti in formato excel dal centro studi GIFCO. Il livello
del warehouse è rappresentato dal database riconciliato implementato su Access 2007 e
dal datawarehouse costituito dai datamart del commerciale (ordinato) e dei dati di
settore implementato con Analysis Services 2000. Il livello di analisi rappresentato da
tabelle pivot, report ad hoc e da strumenti OLAP implementato con file di Microsoft
Excel.
A livello delle sorgenti è stato svolto un lavoro di analisi sui file Isam disponibili che
rappresentano le informazioni relative ai dati delle vendite, dei margini, degli ordini, dei
clienti e degli articoli. rappresentate nella tabella seguente:
13
Nome file Descrizione
CM22 Dati riguardati vendite e margini
OC20 Dati degli ordini dei clienti
CL100 Anagrafico clienti
MA170 Anagrafico articoli
Tabella 3- File ISAM del sistema ERP
Dall’analisi dei dati contenuti, sono emerse le seguenti criticità:
nel file contenente l’ordinato (OC20) non risulta possibile individuare
univocamente gli ordini;
l’anagrafica Clienti (CL100) contiene i dati anagrafici di agenti, venditori,
pagamenti contiene diversi errori generati dalla mancata normalizzazione della
tabella. È indicato codice e denominazione dell’agente, codice e denominazione
del venditore, codice e descrizione del pagamento e il campo “Km” che
rappresenta la distanza convenzionale;
nel file relativo ai dati riguardanti le vendite e i margini (CM22) è indicato il
margine di contribuzione unitario di commessa che rappresenta la capacità del
prodotto di concorrere a coprire i costi fissi che dovrebbe essere un dato
calcolato.
Il livello dell’alimentazione, ha rappresentato la fase più delicata e gravosa dell’intero
progetto.
Per implementare le procedure di estrazione, trasformazione e caricamento dei dati
memorizzati nei file ISAM nel livello intermedio (ivello riconciliato dei dati) sono stati
utilizzati l’SQL di MS Access 2007, MS Excel 2007 e Visual Basic For Application
Edition al fine di svolgere con gli strumenti disponibili in azienda senza acquisire né
nuove licenze, né servizi di sviluppo software esterni all’azienda.
Di seguito viene riportata una tabella che evidenzia le principali operazioni svolte con il
relativo codice sviluppato:
14
Nome File Trasformazione Codice realizzato
File
OC20 Ordini
Manipolando i dati, è stato creato un campo
numero di ordine univoco, testuale, costituito
dai campi Numero del documento e Anno
desunti dati campi “Nr documento” e “Data
Documento” dal file OC20. Durante lo
svolgimento di queste attività, sono stati
riscontrate inconsistenze sui dati in quanto
risultano presenti delle righe di ordine relativi
ad articoli che più presenti nell’anagrafica
articoli.
La manipolazione è avvenuta
attraverso query di aggiornamento e
di pulizia dei dati direttamente con
l’SQL attraverso query di
aggiornamento e di cancellazione
File
CL100
Anagrafica
clienti
In base alla distanza convenzionale codificata
nel campo “Km” sono stati creati dei gruppi
di clienti. Il file CL100.CSV è stato importato
in MS Excel 2007, individuata la Zona,
trasformato il valore di zona da testuale a
numerico intero attraverso complesse
istruzioni in Visual Basic.
=SE(BO2=0;0;SE(E(BO2>0;BO2<5
1)=VER0;50;SE(E(BO2>50;BO2<1
01)=VERO;100;SE(E(BO2>100;BO
2<151)=VERO;150;SE(E(BO2>150
;BO2<201)=VERO;200;SE(E(BO2>
200;BO2<251)=VERO;250;SE(E(B
O2>250;BO2<301)=VERO;300;SE(
E(BO2>300;BO2<351)=VERO;350;
SE(E(BO2>350;BO2<401)=VERO;
400;SE(E(BO2>400;BO2<451)=VE
RO;450;500))))))))))
File
CM22
Marginalità
Usando i dati di marginalità unitari è stata
assegnata una classe di merito ai clienti. Al
crescere del valore di merito, formato numero
intero, cresce la classe o rilevanza del cliente
ed il margine unitario.Il file CM22 non
permette altro: non contiene riferimenti al
prodotto, alla data e al numero di ordine.
La tabella è quindi rappresentata in
un foglio di MS Excel la relazione
(Codice Cliente, Ragione sociale,
Merito) che sarà posta all’interno di
una base dati relazionale di Access
mediante query
Tabella 4- File ISAM e operazioni sui dati
Il livello riconciliato è stato costruito su un database relazione Access 2007 disponibile
in azienda con il seguente modello relazionale10
:
10
Modello relazionale- E-R entità Relazioni-
15
Figura 4- Relazioni del database riconciliato
Lo schema relazionale rappresentato è già completamente predisposto per
l’elaborazione multidimensionale in quanto rappresenta le tabelle dimensionali relative
alle regioni e al calendario denormalizzate (presenza di campi ripetuti).
Per la costruzione del datawarehouse si è partiti dalla realizzazione di due datamart:
Il data mart dell’Ordinato e dei dati di settore.
Il Dimensional Fact Model (DFM) è un modello concettuale specificatamente concepito
per fungere da supporto alla progettazione di datarmart; è di tipo grafico e può essere
considerato una specializzazione del modello multidimensionale per applicazioni di
datawarehousing11
.
11
Golfarelli 1998
16
Seguendo l’approccio guidato dai dati, la tecnica per la progettazione di un DataMart secondo il DFM a partire dalle sorgenti operazionali consiste nei seguenti passi:
1. Definizione dei fatti 2. Per ciascun fatto:
a. Costruzione dell’albero degli attributi b. Potatura e innesto dell’albero degli attributi c. Definizione delle dimensioni d. Definizione delle misure e. Creazione dello schema di fatto
Tabella 5 -Passi per la progettazione concettuale guidata dai dati
Si inizia quindi con lo schema di fatto o DFM12
relativo all’ordinato per poi procedere
alla realizzazione di quello relativo ai dati di settore. L’albero degli attributi relativo
all’Ordinato viene generato partendo dalla tabella T_DattaglioOrdini correlata a
T_IntestazioneOrdini, T_clienti, T_articoli, T_Regioni e alla identificazione, dopo
opportune operazioni di potatura e innesto delle Dimensioni e delle misure.
Figura 5 -Albero degli attributi generato Figura 6 - Raffinamento dell'albero degli attributi
Il Data Fact Model (DFM) e lo schema a stella dell’Ordinato vengono rappresentati
come nella figura seguente.
12
Uno schema di fatto F è una tripla (H,M,S) in cui: H è un insieme finito di gerarchie disgiunte,; M è un
insieme finito di Misure, S è un insieme finito di vincoli di additività – Golfarelli-Rizzi, Datawarehouse,
Ed. 2, pg. 125
17
Figura 7 -Dimensional Fact Model Ordinato Figura 8 - Relazioni dell'Ordinato
Il livello dell’alimentazione è costituito da software sviluppato in Sql o in Visual basic
direttamente dal personale interno.
L’architettura del nuovo sistema di business intelligence viene quindi sintetizzata nella
figura 10.
Figura 10- L'architettura a tre livelli per nuovo sistema di business intelligence
Attraverso Excel e attraverso il sistema OLAP offerto da MS Sql Server è possibile
interrogare il cubo relativo all’ordinato e ai dati di settore da parte di tutti i dipendenti
abilitati che possono in modo autonomo costruire i propri report e effettuare l’analisi dei
dati senza alcun intervento del personale IT.
18
6. I costi sostenuti per il nuovo sistema di business intelligence.
Il progetto è stato realizzato a costi molto contenuti: infatti è stato promosso e
implementato da personale interno dell’impresa competente nel dominio applicativo.
L’impresa disponeva già dei pacchetti software usati MS SQL Server e MS Office.
Per l’implementazione del sistema come risorse harware è stata utilizzata una
workstation già disponibili nel parco macchine con 4 Gb di Ram e con processore a 64
bit.
Per via della crisi sono stati rimandati alcuni progetti nell’ambito dei sistemi informativi
e la conseguente riduzione dei carichi di lavoro del relativo personale, ha permesso
l’esecuzione del progetto.
I soli costi sostenuti dall’impresa sono quelli riferibili alle ore uomo impiegate: circa 80
ore uomo, per due risorse, in totale eur 4.500 circa.
7. Aspetti gestionali ed organizzativi
Il progetto è stato promosso nell’ambito dei sistemi informativi ed è stato sponsorizzato
dal direttore dello stabilimento interessato inizialmente a valutare, a progetto finito, la
semplicità d’uso degli strumenti e l’eventuale introduzione nell’ambito dello studio dei
dati di produzione.
Il progetto è stato inteso quale progetto pilota e per questo motivo, non sono state
considerate alcune dinamiche che normalmente accompagnano le implementazioni
tecniche di successo nell’ambito dei sistemi informativi quali il coinvolgimento ed
addestramento degli utenti, la resistenza culturale e politica, l’ incoerenza rispetto ai
ruoli, responsabilità e meccanismi operativi.
Sviluppando il progetto si è riscontrata l’assenza di dati coerenti inerenti la produzione
che ne permettessero l’uso da parte di uno strumento evoluto per l’analisi dei dati.
Così sono stati usati prevalentemente i dati commerciali strutturati e disponibili in
maggiori quantità.
La debolezza nella definizione degli obiettivi ha ostacolato la piena condivisione da
parte degli altri stakeholders di alto livello, il direttore commerciale e quello
amministrativo.
19
In questo scenario, si è trovata piena condivisione e partecipazione dei middle manager
preposti all’ufficio commerciale che sin dall’inizio hanno intuito che lo strumento che si
stava predisponendo avrebbe consentito di superare la rigidità del sistema di reportistica
in uso.
I livelli più bassi dell’organico dell’ufficio commerciale che avrebbero dovuto sostenere
sul piano operativo il progetto, hanno avuto atteggiamenti meno concilianti:
ostruzionismo implicito, inerzia provocata, aumento del grado di vaghezza del progetto,
dimostrazione eccessiva della mancanza di conoscenze.
Infine, l’incompleta e parziale sponsorizzazione del progetto da parte della Direzione
Aziendale ha scarsamente legittimato il team di progetto.
Ciò non ha consentito al team di gestire con autorità i momenti di stallo o, ad esempio, i
problemi verificatisi al livello operativo dell’ufficio commerciale. Al termine del
progetto è stata organizzata un dimostrazione che ha coinvolto i middle manager
dell’impresa e la direzione.
Si è giunti alla conclusione che il sistema di business intelligence predisposto può porre
sono una nuova luce il complesso dei fenomeni aziendali.
Anche gli stakeholders di alto livello che inizialmente non avevano sponsorizzato il
progetto ha convenuto circa l’utilità dello strumento iniziando a valutarne l’estensione
all’interno delle funzioni cui sono preposti.
Ha colpito la semplicità di uso e soprattutto, la possibilità per i decision makers di
scegliere deliberatamente i percorsi di analisi.
Nella stessa sede si è constatato che l’azienda per poter sfruttare al meglio le
opportunità offerte da questi sistemi non dovrà ricorrere a nuove professionalità anche
se, dovrà investire nella formazione per migliorare le conoscenze avanzate dei managers
assuntori di decisioni di alcuni strumenti, in particolare MS Excel.
8. Risultati
La crisi è stata l’occasione per analizzare in modo critico le prestazioni dell’impresa
sulla base dei dati reali di produzione raccolti nel sistema informatico dell’azienda.
20
Inoltre attraverso l’incrocio con i dati mensili del centro studi GIFCO e i dati giornalieri
di vendita è possibile in modo immediato verificare il proprio posizionamento rispetto
alla concorrenza.
E’ possibile evidenziare risultati sia per quanto attiene al sistema informatico che per
quanto attiene alle informazioni elaborate.
Sono stati messi a disposizione dei decision maker due nuovi strumenti: il database
riconciliato, contenente tutte le informazioni del sistema informatico reingegnerizzate
secondo il modello relazionale dei dati e il datawarehouse come supporto
multidimensionale all’analisi dei dati da utilizzare con tabelle pivot, grafici e strumenti
olap per il supporto alle decisioni in cui far confluire tutti gli elementi indispensabili per
il supporto alle decisioni.
Disporre dei dati aggiornati periodicamente sia nel livello riconciliato che nel
datawarehouse permette ai manager di analizzare i dati e riflettere liberamente su trends
e valori attraverso l’uso di semplici strumenti quali le tabelle pivot, grafici o cruscotti
decisionali.
Per quanto attiene ai risultati dell’elaborazione dei dati, di seguito vengono mostrati
alcuni esempi di elaborazioni che possono essere utilizzati direttamente dai decisori
dell’impresa e le nuove evidenze derivate dall’analisi dei dati raccolti nel sistema
informativo.
Report 1 - Percentuale produzione del cartone
21
I principali tipi di cartone prodotti sono l’LBSL/362/A e il TBST/363/B come evidenzia
il grafico fornito nel report 1. Tali tipologie risultano essere nel complessivo l’80% del
mercato di riferimento.
Il sistema è quindi in grado di tenere sotto controllo la produzione del cartone ed
evidenziare i prodotti più venduti.
I grafici seguenti mostrano che il Lazio e la Campania rappresentano rispettivamente il
32% e il 38% del fatturato globale e che i principali clienti si trovano nel Lazio.
Report 2- Percentuale di fatturato divise per regioni italiane
Report 3 - i primi dieci clienti
22
Con il sistema decisionale è possibile calcolare il fatturato per regione e mostrare quali
regioni sono quelle con cui l’azienda intrattiene migliori rapporti commerciali. Questi
dati potrebbero essere utilizzati anche per comprendere le motivazioni per cui non si ha
lo stesso sviluppo su altre regioni che possono avere caratteristiche simili al Lazio o alla
Campania.
Il sistema permette anche di analizzare le vendite dal punto di vista qualitativo.
La tabella seguente mostra e la superficie in metri quadri di cartone prodotto per
tipologia e per regione nel triennio 2007-2009:
T Superfice Mq Etichette di colonna Etichette di riga 2007 2008 2009 Totale complessivo