Stefano
Rizzi


Rizzi
Italia Professore Ordinario di Sistemi di elaborazione delle informazioni Università di Bologna Core Faculty
Contatto Email Scarica CV

Stefano Rizzi ha ricevuto il Ph.D. nel 1996 dall’Università di Bologna. Dal 2005 è Professore Ordinario presso l’Università di Bologna, e dal 2015 è direttore dell’unità CINI (Consorzio Interuniversitario Nazionale per l’Informatica) di Bologna. Fa parte del collegio di dottorato in Computer Science dal 2013. Ha pubblicato più di 150 articoli su riviste e conferenze internazionali, principalmente in area data warehousing, business intelligence, e pattern recognition, e un libro di ricerca sulla progettazione di data warehouse. E’ membro dello steering committee del DOLAP dal 2004, ed è stato membro dello steering committee dell’ER dal 2012 al 2015. Nel 2020 è stato nominato ER Fellow dallo steering committee dell’ER. Dal 2014 è parte dell’editorial board del Data & Knowledge Engineering Journal (Elsevier). Ha partecipato al progetto H2020-ICT-2015 TOREADOR, e ha numerosi progetti di ricercar nazionali con aziende. E’ anche stato consulente per numerose aziende, tra cui per esempio Yoox, Ragioneria Generale dello Stato, Montenegro, Regione Emilia Romagna, FCA, principalmente in area business intelligence, e dal 2002 è supervisore scientifico del Progetto “Data Warehouse di Ateneo” dell’Università di Bologna. I suoi attuali interessi di ricerca includono la progettazione di data warehouse e la business intelligence, in particolare OLAP su dati NoSQL, social business intelligence, e servizi di analytics per big data.

CORSI

Basi di dati e Database Management System. Il modello relazionale: relazioni e vincoli di integrità. I sistemi informativi aziendali e il portafoglio applicativo. Formalismi per l’analisi e la modellazione di processi. Pianificazione e Business Process Reengineering. La business intelligence. Data warehousing: architetture, tecniche di accesso ai dati, modelli concettuali. Cenni di data mining.

Finanza, Controllo e Auditing

Business intelligence (BI), motivazioni, obiettivi, definizioni e soluzioni.

Data warehousing come tecnologia abilitante per la BI: architetture, tecniche e metodologie di On-Line Analytical Processing (OLAP) per l’analisi dei dati.

Modellazione multidimensionale con il Dimensional Fact Model (DFM).

Self-service BI su piattaforme Relational OLAP.

Analisi what-if.

Esercitazioni di laboratorio su OLAP, DFM e self-service BI.

Data Science and Business Analytics

  • La Business Intelligence
  • Data Warehouse: processo e architetture
  • Modellazione multidimensionale e OLAP
  • Il ciclo di sviluppo dei sistemi di Data Warehouse
Data Strategy & Business Analytics