Non solo fatti: il valore dei dati nascosto delle tabelle dimensionali

Gli strumenti di Business Intelligence (BI) trasformano i dati presenti nei sistemi informativi aziendali (ERP, WMS, CRM, …) in rappresentazioni grafiche capaci di supportare i processi decisionali strategici.

L’organizzazione dei dati nei sistemi informativi aziendali

I dati nei sistemi informativi aziendali sono organizzati in tabelle che si distinguono in due grandi categorie:

  • tabelle dei fatti (fact table): raccolgono le transazioni aziendali, come ordini di vendita e di acquisto, spedizioni, fatture, movimenti contabili, timbrature del personale, non conformità e molto altro;
  • tabelle dimensionali (dimension table): contengono le anagrafiche e le proprietà descrittive, ad esempio clienti e fornitori, prodotti, dipendenti, aree funzionali.
Rappresentazione dell’organizzazione dei dati nei sistemi informativi aziendali

Tradizionalmente la costruzione dei report si concentra sulle tabelle dei fatti utilizzando le tabelle dimensionali solo per ricercare determinati attributi di una transazione, come l’indirizzo del cliente di una vendita utile per costruire l’heatmap dei ricavi.

Esempio di heatmap dei ricavi

Tuttavia, anche le tabelle dimensionali custodiscono un patrimonio informativo spesso sottovalutato, che può generare indicatori strategici e prospettici.

Un esempio: l’età media della forza lavoro

Nell’ambito delle risorse umane ad esempio, i dati di presenze o retribuzioni (tipiche fact table) sono utili, ma non sufficienti per un’analisi strategica.

Le tabelle dimensionali dei dipendenti contengono per ciascuna risorsa informazioni chiave come:

  • data di nascita (per il calcolo dell’età);
  • data di assunzione (per il calcolo dell’anzianità contrattuale);
  • data di cessazione (per sapere se il dipendente è ancora in forza).

A partire da questi dati è possibile elaborare indicatori aziendali di grande valore, tra cui:

  • età media della forza lavoro, per valutare il mix generazionale;
  • anzianità media contrattuale, per misurare retention ed esperienza;
  • previsioni di pensionamento o turnover programmato, per anticipare le esigenze di reclutamento.

L’elaborazione di questi indici è visualizzabile nella sua evoluzione nel tempo come in questi due esempi relativi all’età media e al genere.

Esempio di report sull’età media del personale
Esempio di report sulla composizione di genere del personale

L’elaborazione è effettuata direttamente all’interno del report senza necessitare di calcoli complessi nel datawarehouse. Nell’esempio di Power BI il codice DAX per l’età media utilizzato è questo:

Codice DAX per il calcolo dell’evoluzione dell’età media nel tempo

La logica è la seguente:

  • Calcolare la data di riferimento per ciascun periodo (ad esempio, per il periodo di settembre 2024 la data sarà il 30.9.2024);
  • Filtrare gli operatori che alla data non erano ancora stati assunti e quelli che avevano già terminato il rapporto o non avevano la data di termine indicata;
  • Per gli operatori superstiti calcolare l’età al periodo come differenza tra data di nascita e data di riferimento.

Questa operazione verrà poi replicata dal report BI per tutti i periodi di analisi.

Aspetto ancora più interessante è che i dati contenuti nelle tabelle dimensionali sono così concentrati (una riga per risorsa e solitamente poche colonne), che in assenza di un sistema gestionale dedicato (HRMS), è possibile generare la reportistica da una cartella di lavoro Excel aggiornata manualmente all’occorrenza.

Un altro esempio: le scadenze relative al personale

Sempre all’interno delle tabelle dimensionali dei dipendenti spesso si trovano le date di scadenza della formazione e delle visite mediche, anche queste analizzabili per ricordare all’area HR le prossime scadenze o quelle già scadute da effettuare con urgenza.

Esempio di report sugli adempimenti in scadenza relativi al personale
Esempio di report sugli adempimenti in scadenza relativi al personale

I vantaggi di un approccio basato sulle dimensioni

  • Visione prospettica: dai dati dimensionali emergono trend futuri, non solo analisi storiche.
  • Completessità informativa: indicatori più solidi, non limitati alle sole dinamiche operative.
  • Granularità e dettaglio: possibilità di segmentare per età, ruolo, area funzionale / reparto, stabilimento, ecc.
  • Supporto strategico: non solo “quanto”, ma anche “chi” e “come”, elementi decisivi per scelte di medio-lungo periodo.

Conclusione

La Business Intelligence non è soltanto un sistema di rendicontazione: è uno strumento che trasforma i dati in conoscenza.
Visualizzare e proiettare nel tempo i dati delle tabelle dimensionali, e non solo dai fatti, permette di sfruttare completamente il patrimonio informativo aziendale e produrre una reportistica capace di guidare davvero le decisioni strategiche.

Lo Studio è a disposizione per approfondimenti e valutazioni.

Ti è piaciuto l'articolo? Condividilo
Facebook
Threads
WhatsApp
LinkedIn
X

Cosa vuoi leggere?