ACOMPANHAMENTO TESTE 6. Fonte: Carlos Barbieri. Fonte: Carlos Barbieri

Transcrição

1 PÓS-GRADUAÇÃO LATO SENSU Curso: Banco de Dados Disciplina: Data Warehouse e Business Intelligence Professor: Fernando Zaidan Unidade Cubos 2012 ACOMPANHAMENTO IMPLEMENTAÇÃO TESTE 6 CONSTRUÇÃO ETC CONTACTO ÁREAS DE NEGÓCIOS PROJETO DW/DM 5 DEFINIÇÃO DO ETC- EXTRAÇAÕ-TRANSFORMAÇÃO-CARGA 1 4 PLANEJAMENTO/ LEVANTAMENTO DIFICULDADES DE INFORMAÇÃO GERENCIAL->OBJETIVO INDICADORES ESTRATÉGICOS-MÉTRICAS INICIAIS RESTRIÇÕES DE INFORMAÇÕES-ESTRUTURA-TECNOLOGIA INFORMAÇÕES JÁ EXISTENTES NO DW-METADADOS REUNIÕES JAD-PARTICIPAÇÃO INTENSA USUÁRIOS DEFINIÇÃO DE PATROCINADOR DEFINIÇÃO DE EQUIPE DE PROJETO 2 3 PROJETO-MODELAGEM DIMENSIONAL REUNIÕES DE TRABALHO DETALHAMENTO DE NECESSIDADES DIMENSÕES-FATOS MÉTRICAS-GRANULARIDADE PROJETO FÍSICO DW/DM PROJETO OLAP MINING CUBOS RELATÓRIOS ANALÍTICOS INFERENCIAIS PROJETO DE DW FASES PLANEJAMENTO/LEVANTAMENTO DE NECESSIDADES MODELAGEM DIMENSIONAL PROJETO FÍSICO DW/DM PROJETO DAS APLICAÇÕES OLAP/MINING ETC-EXTRAÇÃO-TRANSFORMAÇÃO E CARGA CONSTRUÇÃO TESTE IMPLEMENTAÇÃO ACOMPANHAMENTO PLANEJAMENTO DEFINIR: ESCOPO DO PROJETO ÁREAS DE NEGÓCIO-PRIORIDADES ARQUITETURA DO DW: DW OU DW+DM(EVOLUTIVO) RECURSOS: REDE-BD-GATEWAYS-TOOLS -TREINAMENTO PLANEJAMENTO DE CAPACIDADE P/FUTURO ETAPAS-ATIVIDADES-PRODUTOS LIBERADOS ESTRATÉGIAS: ATUALIZAÇÃO/PERIODICIDADE CRONOGRAMAS PROJETOS DE DW ESTRATÉGIAS DUAS ABORDAGENS DISTINTAS: MONOLÍTICA(TUDO DE UMA VEZ) BILL INMON-PRISM- WAREHOUSE INCREMENTAL-PASSO A PASSO RALPH KIMBALL- S CONVERGÊNCIA(MELHOR DE 2 MUNDOS): S COM PLANO DE INTEGRAÇÃO DEFINIDO PARA O DW PASSO A PASSO COM CUIDADOS DE CONFORMIDADE DE MÉTRICAS, DIMENSÕES COMPARTILHADAS T0 PLANO DE INTEGRAÇAO: MIDDLE--UP ALINHAVO DE DIMENSÕES CONFORMES MÉTRICAS COMPATÍVEIS CLIENTE PROJETO DE DW/D INTEGRAÇÃO EVOLUTIVA ÁSSUNTO-1 CLIENTE WAREHOUSE ÁSSUNTO-2 MARKETING MARKETING ASSUNTO-3 FINANÇAS IMPLEMENTAÇÃO GRADATIVA FINANÇAS T1 T2 T3 CUIDADOS COM GIGANTISMO PRODUTOS E FASES BEM DEFINIDAS ACERTOS GRADATIVOS NO CAMINHO IMPLEMENTAÇÕES COM TEMPO BEM DEFINIDO 1

2 CONCEITOS DW FORMADO GRADATIVAMENTE DE DS DS SÃO PROJETADOS POR ASSUNTO COM CRITÉRIOS DE INTEGRAÇÃO DS SÃO COMPOSTOS DE N CUBOS CADA CUBO É UMA VISÃO DIMENSIONAL DE DADOS FORMADO POR: 1 TABELA FATO E N TABELAS DIMENSÕES-FORMANDO AS INFORMAÇÕES BASE(GRANULAR) N TABELAS AGREGADAS OS CUBOS SÃO IMPLEMENTADOS SEPARADAMENTE OS CUBOS PODEM SER JOINED CRIANDO VIEWS DIMENSIONAIS DADOS BASE AGREGADOS WAREHOUSE /ODS DADOS OPERACIONAIS/ SISTEMAS TRANSACIONAIS CONSOLIDAÇÃO ETC-EXTRAÇÃO-TRANSFORMAÇÃO-CARGA INTEGRAÇAO MIDDLE-UP DISTRIBUIÇÃO WAREHOUSE ÁREA-1 ÁREA-2 ÁREA-3 RECURSOS HUMANOS FINANCEIRA OPERATIONAL STORE ODS FERRAMENTAS QUERY/REPORT EIS-OLAP MINING Visualiazando as Dimensões E i Empresa R j - Região p/e p/e p/r 2002 p/ano p/r p/ano -- 1 Dimensão Dimensões Cubos E Os relatórios provenientes de OLAP possuem estruturas dinâmicas chamadas CUBOS; Podem ter várias dimensões: tempo, região, produto, etc; Ano Estruturas de dados que forma um sub-conjunto de um banco de dados grande; Podem ser manipulados e visualizados por inúmeros ângulos e diferentes níveis de agregação, onde é possível através de suas dimensões (faces) analisar uma determinada situação. p/e, p/r, p/ano -- 3 Dimensões (Cubo de Dados) -- R 12 2

3 Produto Data Warehouse (DW) Data (Dia) DW Relacional = Simulação relacional de um cubo de dados Vendas = (Faturamento, Quantidade) p/dia, p/produto, p/fornecedor Fornecedor -- 3 Dimensões (Cubo de Dados) Implementação dos Cubos Cubo de Dados CUBOS COMO VISÃO DIMENSIONAL PODEM SER MATERIALIZADOS/IMPLEMENTADOS EM: MOLAP- Multidimensional FORMA FÍSICA DE UMA ESTRUTURA DIMENSIONAL. ROLAP: Relacional - FORMA FÍSICA DE TABELAS RELACIONAIS VISTAS COMO ESTRUTURAS DIMENSIONAIS VIEWS COM MENOR PERFORMANCE- DADO BASE-ACESSO DIRETO AO RELACIONAL COMO VIEW AGREGADOS SÃO CRIADOS NO RELACIONAL Pode ter n dimensões Nós, humanos, só podemos enxergar 3 dimensões ao mesmo tempo Operações especiais permitem decompor um cubo de n dimensões em sub-cubos de até 3 dimensões HOLAP- Híbrido - FORMA MISTA ORIGINADA DAS OUTRAS ANTERIORES 16 Navegação em Agregados Hierarquias em Dimensões Roll-up: aumentando o nível de agregação. Por exemplo, Drill-down: diminuindo o nível de agregação. Por exemplo 17 As operações roll-up e drill-down são normalmente realizadas segundo Hierarquias (1:N) de Dimensão, mas não necessariamente Tempo: dia semana quinzena mês trimestre ano Produto: produto sub categoria categoria departamento Fornecedor: fornecedor cidade região EquipeDeVenda: equipe região 18 3

4 Navegação em Agregados Cubos AQUELE PRODUTO P1 VENDEU NAQUELA LOJA L1 NAQUELE DIA D1 A QUANTIDADE QX NO VALOR VY Slice and Dice: seleção e projeção do cubo de dados Slice (fatia): seleção / projeção de valores de uma dimensão. Exemplo: as vendas (faturamento) da região Norte Dice (dados): seleção / projeção de valores de mais de uma dimensão. Exemplo: as vendas (lucro líquido) da região Norte, no ano PRODUTO LOJA (P1,L1,D1)->QX,VY AQUELE SUBCONJUNTO DE PRODUTOS VENDEU NUM SUB CONJUNTO DE LOJAS NUM SUBCONJUNTO DE DIAS, AQUELE SOMATÓRIO DE QX, NO VALOR VY DIA AQUELE PRODUTO P1, VENDEU EM TODOS OS DIAS, EM TODAS AS LOJAS O VALOR(SOMATÓRIO) DE QX E VY Exercícios - Cubos Exercícios - Cubos Localização Betim Ipatinga Uberlândia Vendas Produto Antarctica Bavaria Brahma Kaiser Skol Análise do ano 2007 Produtos All Região All Tempo 2007 Qtd. Vendida 3000 un Faturamento R$ , Modelo Estrela Produtos Venda key_produto key_produto descricao key_tempo key_região Tempo key_tempo ano quartil mes Produtos Cubo Balas Cafés Cereais Sul Sudeste Região Norte qtd_vendida T1 T2 T3 Período T4 Fonte: Rogério Morais Dimensões Fato Faturamento faturamento Região key_regiao descricao Dimensões Bibliografia Bons Estudos! BARBIERI, Carlos. BI - Business Inteligence: Modelagem e tecnologia. Rio de Janeiro, Axcel Books, CAMPOS, M. L. Data Ware Housing. UFRJ, Prof. Zaidan As pessoas podem alterar suas vidas alterando suas atitudes. Willian James COME, Gilberto de. Contribuição ao Estudo da Implementação de Data Warehousing: um caso no setor de telecomunicações São Paulo : FEA/USP, p FANTAUZZI, F. A. C.; ROCHA, Rogério Morais. Diretório de Softwares para Inteligência Competitiva Monografia apresentada ao Departamento de Ciência da informação como requisito para a conclusão do curso de especialização em Gestão Estratégica da Informação da Universidade Federal de Minas Gerais - UFMG, Belo Horizonte, ano de FARIA, João Marcos Bonadio de. Artefatos da Semiótica Organizacional na Elicitação de Requisitos para Soluções de Data Warehouse Trabalho final (mestrado profissional) - Universidade Estadual de Campinas, Instituto de Computação, fevereiro de

5 Bibliografia INMON, William. What is Data Warehouse? UNjobs, acessado em 19 de abril de 2009, disponível em < SILBERSCHATZ, Abraham; KORTH, Henry F.; SUDARSHAN, S. Sistema de banco de dados. Tradução da 5ª Edição. São Paulo: Campus, TERESKO, John. Information Rich, Knowledge Poor? IndustryWeek.com, acessado em 19 de abril de 2009, disponível em < > Obrigado e bom trabalho, Zaidan fhzaidan@gmail.com Aí está o mérito do êxito de meus projetos: sempre fui muito exigente e rigoroso com procedimentos que aparentemente não faziam muito sentido na época. Mais tarde viu-se que esse rigor fez a diferença entre afundar ou não, concluir ou não um projeto. Amyr Klink 5