BIAS è specializzata nella realizzazione di magazzini, repository di dati denominati Data Warehouse (DWH)

Il DWH funge da collettore, organizzatore e custode dei dati aziendali; è possibile navigare tra i dati tramite operazioni di drill down/drill up e osservarli sotto molteplici punti di vista tramite strumenti di report, analizzarli tramite lo strumento di analisi, visualizzare i fatti salienti tramite appositi cruscotti direzionali.

I dati, provenienti da fonti eterogenee, sono convogliati all’interno del Data Warehouse tramite una serie di pacchetti di caricamento ETL (Extract, Transform, and Load). I dati vengono estratti dai sistemi verticali gestionali (per esempio il libro giornale della farmacia, il sistema contabile, l’accettazione/dimissione, il magazzino farmaceutico, le sale operatorie, etc.), con database (SQL Server, Oracle, Postgresql, Mysql, Informix, DB2, etc.), da files di testo, da fogli di calcolo Excel o da altri supporti informatici. Dopo l’estrazione viene eseguito un processo di trasformazione, che può consistere nel selezionare solo i dati di interesse per il Data Warehouse, nel normalizzare i dati eliminando i duplicati, nel tradurre eventuali codifiche, nel derivare nuovi dati calcolati, nell’eseguire accoppiamenti (join) tra dati recuperati da differenti tabelle e nel raggruppare i dati.

Il processo di trasformazione ha lo scopo di consolidare i dati, rendendoli omogenei anche se provenienti da sorgenti eterogenee. I dati caricati, elaborati e validati vengono infine memorizzati nelle tabelle del sistema di sintesi del Data Warehouse.

Nella progettazione del Data Warehouse sono utlizzate le diverse tecnologie che  vanno dalla piattaforma di Microsoft SQL Server alla piattaforma di Pentaho; entrambe permettono ottime prestazioni nei tempi di risposta anche per le interrogazioni più estemporanee, oltre a presentare costi ridotti rispetto ad altre soluzioni presenti sul mercato a parità di risultati.

La struttura del Data Warehouse prevede la sua suddivisione in una serie di argomenti (Data Mart), ognuno dei quali si occupa di gestire i dati afferenti ad una specifica area d’interesse (ad esempio, Attività di vendita al banco di una farmacia, gli Acquisti dai Fornitori, Attività di Ricovero, Prestazioni Ambulatoriali, Farmaceutica Territoriale, Attività di Radiodiagnostica, Attività di Pronto Soccorso, Contabilità, Personale).

Il Data Mart è progettato seguendo uno schema a stella (star schema) dove la tabella principale (fact table) è posta al centro e contiene i valori numerici (misure, indicatori) dei “fatti” (ad esempio la degenza media, il numero dei dimessi, le prestazioni erogate, etc.) da analizzare; intorno alla tabella dei fatti sono poste una serie di tabelle denominate dimensioni (dimension table, quali ad esempio i prodotti venduti, il tempo, i DRG, i reparti, la tipologia di prestazioni, etc.) che consentono di effettuare il filtraggio nell’analisi. La fact table è collegata alle dimensioni da una serie di chiavi esterne che legano i fatti ai propri attributi (tempo, centro di costo, codice articolo, ecc.). Le tabelle dimensionali possono avere una struttura gerarchica per garantire la massima efficienza nelle operazioni di aggregazione con le quali si scende nell’analisi dei dettagli (drill down) oppure si sale nell’analisi delle aggregazioni (drill up) delle informazioni.

Il server OLAP prevede la realizzazione di una struttura multidimensionale costituita da uno o più cubi, dove ogni cubo costituisce una rappresentazione logica multidimensionale dei dati provenienti dal Data Warehouse; ogni cubo è costituito da sorgenti dati, dimensioni e misure. I cubi di uno stesso database possono condividere una o più dimensioni.

Le interrogazioni all’interno dei cubi avvengono con il linguaggio procedurale MDX (acronimo di MultiDimensional Expression); tramite MDX è possibile creare indicatori complessi in modo semplice e veloce senza appesantire i server operativi dei gestionali.