Cenário Atual. ... No coração deste ambiente está a idéia do

Tamanho: px
Começar a partir da página:

Download "Cenário Atual. ... No coração deste ambiente está a idéia do"

Transcrição

1 Fundamentos DW

2 Cenário Atual Grande e desordenada coleção de aplicações operacionais, frágeis e muitas vezes não integradas... Dificultando a disponibilização de informações estratégicas para tomada de decisão.

3 Cenário Atual... No coração deste ambiente está a idéia do Data Warehouse, integrando e consolidando, dados disponíveis em diferentes acervos... para fins de exploração e análise... para atender às expectativas e necessidades de nível estratégico na empresa.

4 Cenário Atual Aplicações do negócio Bases de dados operacionais Aplicações sobre o negócio Sistemas de suporte à decisão Sistemas de informações executivas Bases de dados tático-estratégicas Melhor funcionalidade e desempenho para cada caso específico.

5 Cenário Atual Ambiente de Dados Operacional X Gerencial Bases Operacionais p/aplicações/transações necessidades cotidianas volume pequeno podem ser atualizadas valores atuais evitam redundâncias Bases Estratégicas p/ negócios/análises Tático- necessidades gerenciais volume elevado não são atualizadas valores historiados redundâncias permitidas são

6 Cenário Atual Extração de Informações Sist1, Sist2, Sist3 Relatórios simples Relatórios complexos Trim. 2 Trim. 3 Trim. 4 Trim. Leste Oeste Norte EIS área 1 1 Trim. 2 Trim. 3 Trim. 4 Trim Leste 40 Oeste 30 Norte Trim. 1 Trim. 2 Trim. 3 Trim. 4 Trim. 2 Trim. 3 Trim. 4 Trim. EIS área 2 Planilhas

7 Cenário Atual Várias plataformas de hardware e software; Constantes alterações nos sistemas ; Dificuldades na recuperação de dados históricos; Sistemas de fornecedores diferentes; Falta de padronização das informações existentes nos diversos sistemas; Informações dispersas geograficamente.

8 Ambiente de Informações Data Warehousing Processamento informacional para suportar o processo de tomada de decisão complementando o processamento transacional existente, que suporta a operação do negócio

9 Ambiente de Informações APLICAÇÕES I N T E G R A Ç Ã O DATA WAREHOUSE ODS METADADOS INTERNET E INTRANET DATA MART DATA MART DATA MART

10 Ambiente de Informações Componentes Aplicações família de sistemas, origem da maior parte dos dados detalhados que alimentam o Data Warehouse Internet e Intranet linhas de comunicação de acordo com a perspectiva da arquitetura, através das quais os dados fluem e os diferentes componentes interagem entre si

11 Ambiente de Informações Camada de Integração Camada onde os dados não integrados do ambiente transacional são combinados e transformados em dados corporativos EXTRAÇÃO TRANSFORMAÇÃO * CONSOLIDAÇÃO * CONVERSÃO * LIMPEZA POPULAÇÃO I N T E G R A Ç À O DATA WAREHOUSE ODS SISTEMAS QUE SUPORTAM A OPERAÇÃO DO NEGÓCIO

12 Ambiente de Informações Operational Data Store (ODS) É o conjunto de dados da empresa, com uma estrutura derivada do modelo corporativo, que serve como base para o processamento operacional integrado APLICAÇÕES OPERACIONAIS ODS

13 Ambiente de Informações Tipos de Operational Data Store (ODS) Síncrono Bases atualizadas por um mesmo processo Store and Forward Atualização cíclica por período (hora em hora) Batch Atualização 24 horas

14 Ambiente de Informações Diferenças entre DW/DM e ODS dw / dm ods Foco Usuários Business Intelligence gestores de negócio knowledge workers Business Management gerentes de operações funcionários operacionais Objeto da análise processo decisório indicadores de desempenho fluxo integrado de atividades operacionais Tipo de dados Flexibilidade estáveis (mudanças via inclusão de snapshots) históricos alguns dados detalhados + sumários estáticos acesso aos dados dinâmicos (mudanças dependentes de seus detalhes) correntes dados detalhados + sumários dinâmicos atualização dos dados

15 Ambiente de Informações análises estratégicas suporta atividades como: análise de tendências DW ou ODS dw / dm reconhecimento de padrões de comportamento identificação do perfil demográfico segmentação de clientes identificação de hábitos de consumo análise de rentabilidade do cliente para empresas que já possuem uma visão integrada dos dados dos sistemas transacionais ou não necessitam tê-la no nível operacional ods análises táticas / operacionais suporta atividades como: interação com clientes, com objetivo de tratá-los com preferência e familiaridade análises comparativas baseadas em dados atuais (não históricos) necessidade de integração de vários canais de marketing ex: callcenter, e-commerce para empresas que necessitam da visão integrada dos dados no nível operacional

16 Ambiente de Informações Data Warehouse É um conjunto de dados atuais e históricos, extraídos de vários sistemas operacionais, destinados a fornecer informações que auxiliem o processo de tomada de decisão DADOS DW INFORMAÇÕES APLICAÇÕES INTEGRAÇÃO DE DADOS DISPONIBILIZAÇÃO DE INFORMAÇÕES

17 Ambiente de Informações Data Mart É um conjunto de dados do data warehouse, customizados para atender a necessidades de análises específicas de uma área ou processo do negócio da empresa FOCO DATA MART

18 Ambiente de Informações Data Mart X Data Warehouse DATA MART Menor custo e esforço para implementação inicial Aumento da credibilidade a partir da experiência dos usuários Controle do data mart pela própria área de negócio a qual atende DATA WAREHOUSE Inclusão de requisitos de todas as funções de negócio Definições de dados e regras de negócios consistentes Gerência centralizada

19 Ambiente de Informações Metadados Metadados de Integração Metadados de Disponibilização I N T E G R A Ç Ã O DATA WAREHOUSE ODS DATA MART DATA MART DATA MART APLICAÇÕES METADADOS INTERNET E INTRANET

20 Ambiente de Informações Metadados Metadados de Integração Metadados dos dados fonte descrição dos objetos e relacionamentos (tabelas, arquivos) Metadados de extração mapeamento origemxdestino, programas de extração Metadados de transformação regras de transformação, procedimentos de criação de chaves artificiais Metadados do conteúdo do DW descrição dos objetos do DW, DDL s

21 Ambiente de Informações Metadados Metadados de Disponibilização Metadados de extração de DW para DM mapeamento origemxdestino; regras de consolidação; programas de extração Metadados do modelo dimensional descrição dos fatos, dimensões, atributos Metadados de saídas descrição das saídas

22 Ambiente de Informações TIPOS DE DECISÕES ESTRUTURADA SEMI- ESTRUTURADA NÃO ESTRUTURADA EIS ODS DATA WAREHOUSE DATA MART DATABASE MARKETING DATA MINING

23 Ambiente de Informações EIS Executive Information System interface big botton informações integradas e sumarizadas consultas e relatórios estruturados funcionalidades avançadas altamente user friendly e intuitivo

24 Ambiente de Informações Data Mining Técnicas de análise de dados destinadas a descobrir e entender comportamentos, tendências, anomalias e outras relações não óbvias, presentes em grupos (clientes, produtos, lojas, regiões, etc), que sejam relevantes para um determinado negócio ou atividade

25 Ambiente de Informações Tipos de usuário MINERADOR EXECUTIVO OPERADOR GERENTE EXPLORADOR

26 Ambiente de Informações Tipos de usuário Executivo suas necessidades, na maioria da vezes, são conhecidas antes de uma pesquisa pesquisa detalhes sobre itens que não estão de acordo com sua expectativa Gerente possui necessidades bem definidas que raramente mudam - sabe o que quer antes de executar uma pesquisa cria os relatórios básicos do negócio

27 Ambiente de Informações Tipos de usuário Explorador opera com a intuição e observação as análises e procedimentos que utiliza não são estruturados, são heurísticos (você chega a verdade pelos seus próprios meios), e tendem a envolver grande volume de dados, incluindo histórico Minerador procura metodicamente preciosidades nos dados da empresa, necessitando dos mesmos no seu maior detalhe utiliza várias técnicas: árvores de decisão, redes neurais, algoritmos genéticos etc.

28 Ambiente de Informações Tipos de usuário Operador utiliza dados recentes, detalhados, do dia-a-dia, para executar suas análises táticas normalmente executa queries padronizadas, estruturadas, e necessita de respostas imediatas raramente faz uso de dados históricos requer uma interface simples e fácil de usar

29 Ambiente de Informações Tipos de usuário e consultas Não Estruturada MINERADOR EXPLORADOR Semi- Estruturada EXECUTIVO GERENTE Estruturada OPERADOR

30 Ambiente de Informações Ferramentas de consultas Query and reporting consultas estruturadas visão tabular dos dados resultado formato de relatório Olap consultas semi-estruturadas visão multidimensional dos dados resultado grades e tabelas

31 Ambiente de Informações Ferramentas de consultas Data mining consultas não estruturadas conhecimento escondido (relacionamentos, padrões e tendências) análises estatísticas, árvores de decisão e redes neurais

32 Data Mining DataMining (ou mineração de dados) é o processo de extrair informação válida, previamente desconhecida e de máxima abrangência a partir de grandes bases de dados, usando-as para efetuar decisões cruciais. Pode ser considerada uma forma de descobrimento de conhecimento em bancos de dados (KDD - Knowledge Discovery in Databases),área de pesquisa de bastante evidência no momento, envolvendo Inteligência Artificial e Banco de Dados.

33 Data Mining Mathematics Statistics Heuristics Artificial Intelligence Machine Learning Data Mining Business Applications

34 Data Mining O Data Mining descende fundamentalmente de 3 linhagens. A estatística É a base da maioria das tecnologias a partir das quais o Data Mining é construído. Envolve conceitos como distribuição normal, variância, análise de regressão, desvio simples,... todos usados para estudar dados e os relacionamentos entre eles. Essas são as pedras fundamentais onde as mais avançadas análises estatísticas se apóiam.

35 Data Mining Inteligência Artificial A segunda linhagem do DM é a Inteligência Artificial, ou IA. Essa disciplina, que é construída a partir dos fundamentos da heurística (você chega a verdade pelos seus próprios meios), em oposto à estatística, tenta imitar a maneira como o homem pensa na resolução dos problemas estatísticos. Em função dessa abordagem, ela requer um impressionante poder de processamento, que era impraticável até os anos 80, quando os computadores começaram a oferecer um bom poder de processamento a preços mais acessíveis

36 Machine Learning Data Mining Pode ser melhor descrita como o casamento entre a estatística e a IA. A machine learning tenta fazer com que os programas de computador aprendam com os dados que eles estudam, tal que esses programas tomem decisões diferentes baseadas nas características dos dados estudados, usando a estatística para os conceitos fundamentais, e adicionando mais heurística avançada da IA e algoritmos para alcançar os seus objetivos

37 Data Mining De muitas formas, o DM é fundamentalmente a adaptação das técnicas da Machine Learning para as aplicações de negócios. Desse modo, podemos descrevê-lo como a união dos históricos e dos recentes desenvolvimentos em estatística, em IA e Machine Learning. Essas técnicas são usadas juntas para estudar os dados e achar tendências e padrões nos mesmos. Hoje, o Data Mining tem experimentado uma crescente aceitação nas ciências e nos negócios que precisam analisar grandes volumes de dados e achar tendências que eles não poderiam achar de outra forma.

38 Ambiente de Informações Data Warehouse Coleção de dados orientada por assuntos, integrada, variante no tempo, e não volátil, que tem por objetivo dar suporte aos processos de tomada de decisão (Inmon)

39 Características do DW Orientado por assunto: Armazena informações sobre temas específicos importantes para o negócio da empresa; OPERA CIONAL DATA WAREHOUSE empréstimo clientes cartão bancário vendas DATA MART crédito DATA MART produtos ORIENTADOS A APLICAÇÕES ORIENTADOS AO ASSUNTOS

40 Características do DW Integrado: Refere-se à consistência de nomes das variáveis, etc., no sentido de que os dados foram transformados até um estado uniforme; OPERA CIONAL DATA WAREHOUSE Aplicação A - m,f B - 1, 0 C - x, y D - masculino feminino m,f

41 Variante no tempo : O dado no data warehouse refere-se a algum momento específico, significando que ele não é atualizável, apresentando uma característica temporal; Não volátil : "load and access" - O data warehouse permite apenas a carga inicial dos dados e consultas a estes dados. Características do DW

42 Características do DW altera inclui OPERA CIONAL lê DATA WAREHOUSE lê carrega deleta Dados atualizados regularmente, registro a registro O dado é carregado periodicamente no DW e a partir daí é apenas acessado

43 Benefícios do DW Fornecer acesso a dados: consistentes, confiáveis, separados e/ou agregados... no tempo exato... para criar vantagens competitivas através da utilização da informação.

44 Benefícios do DW Revitalizar os sistemas de negócios......ao mover a maior parte do processamento informacional para o Data Warehouse, a sobrecarga de manutenção existente no ambiente de sistemas de negócio, é amplamente aliviada: menor; mais simples; com foco no objetivo. Promover a reengenharia do negócio.

45 Alternativas de Implementação Modelo Top-Down Vantagens: Integridade; Consistência; Resolutividade Desvantagens: Implementação e gerenciamento complexos, com prazos longos, num custo elevado;

46 Alternativas de Implementação Modelo Top-Down DATA MART DATA WAREHOUSE DATA MART ETL1 ETL2 DATA MART

47 Alternativas de Implementação Modelo Bottom-Up (Data Mart ) Vantagens Data Warehouse temático ; Implementação menos complexa, com prazo curto, num custo baixo ; Acesso mais rápido aos dados; Desvantagens Problemas potenciais de integridade e consistência.

48 Alternativas de Implementação Modelo Bottom-Up (Data Mart ) DATA MART DATA MART DATA WAREHOUSE ETL1 DATA MART ETL2

49 Construção do DW Conhecimento do Negócio Tecnologia Metodologia

50 Construção do DW Conhecimento do Negócio Conhecimento: Conhecimento: Informação valiosa da mente humana. Inclui reflexão, síntese, contexto (Davenport, 1998) Matéria Prima: Informação Informação: dados dotados de relevância e propósito. (Davenport, 1998) Requisitos de qualidade: Origem e Processo de alimentação do DW

51 Construção do DW Tecnologia: O poder das ferramentas OLAP Mostre-me o que é importante (Exception Reporting) Deixe-me ver os detalhes (Drill Down) Deixe-me ver os dados mais sumariados (Drill Up) Deixe-me ver outros dados, mudar o meu ponto de vista (Drill Across) Deixe-me ver os melhores e os piores (Ranking) Deixe-me comparar com anos anteriores (Análise Comparativa)

52 Construção do DW Metodologia: O modelo de dados Base 1 Base 2 Base 3 Base n Data Warehouse

53 Construção do DW Metodologia:O modelo de dados Modelo de dados integrado Identificação da fonte correta a partir do significado do dado no dw este deve ser identificado entre os sistemas de origem Dados consolidados analisar e combinar dados das diversas fontes em uma estrutura única e integrada reconciliar sinônimos, homônimos e análogos entender regras de negócio e nuances de significado

54 Construção do DW Metodologia:O modelo de dados Modelo de dados integrado Dados padronizados e consistentes especificar como tratar o dado para estar de acordo com a estrutura integrada do dw especificar regras de conversão, valores default Limpeza dos dados correção dos dados com defeito estabelecer conjunto de valores de referência auditar os dados de origem em relação a esta referência

55 Construção do DW Metodologia: A arquitetura de dados Data Warehouse virtual MIDDLEWARE EXTRAÇÃO TRANSFORMAÇÃO LIMPEZA INTEGRAÇÃO SUMARIZAÇÃO

56 Construção do DW Metodologia: A arquitetura de dados Data Warehouse virtual É necessário refletir sobre: Impacto nos OLTP s Consistência de extrações, transformações etc... Metadados Dados históricos Alterações de dados

57 Construção do DW Metodologia: A arquitetura de dados Data Mart s sem arquitetura DATA MART DATA MART DATA MART

58 Construção do DW Metodologia: A arquitetura de dados Data Mart s sem arquitetura É necessário refletir sobre: Extrações redundantes Metadados diversos e espalhados Consistência dos dados históricos integrados Dificuldades de manutenções nos DM Esforços duplicados, soluções diferenciadas Impacto na origem

59 Construção do DW Metodologia: A arquitetura de dados Ambiente e construção integrados I N T E G R A Ç Ã O DATA WAREHOUSE ODS DATA MART DATA MART DATA MART APLICAÇÕES METADADOS INTERNET E INTRANET

60 Construção do DW Metodologia: A arquitetura de dados Ambiente e construção integrados Mantém uma base sólida para evolução Redundância controlada e gerenciada Aquisição de dados controlada, consistente e documentada Metadados consistentes Mantém integridade histórica Necessidades corporativas e departamentais são atendidas Facilita a administração de manutenções e evoluções

61 Construção do DW Metodologia: Equipe Gerente do Data Warehouse Define as estratégias pertinentes ao DW Planeja e gerencia o DW Comunica os objetivos do DW para a equipe de desenvolvimento Arquiteto de Dados Desenvolve o modelo de dados Analisa as exigências de dados Desenha as estruturas dos dados Define as visões gerenciais p/ os dados

62 Construção do DW Metodologia: Equipe Administrador de Metadados Define os padrões de metadados Gerencia o repositório dos metadados Administrador do BD Cria as estruturas físicas no BD Monitora o carregamento dos dados e a performance das consultas Analista de processos e aplicações Desenvolve as aplicações de decisão

63 Construção do DW Metodologia: Equipe Usuário de nível gerencial Descreve os dados necessários Especifica as regras de negócio Testa os resultados das transformações dos dados Especialistas em Aplicações Operacionais Indica onde estão os dados nos sistemas transacionais

64 Construção do DW Metodologia: Equipe Analista e programador de conversões Desenvolve os programas para selecionar e carregar os dados Indica as fontes de dados para o DW Especialista em suporte técnico Desenvolve as atividades técnicas como instalar e configurar máquinas Instrutor Treina os usuários para acessar o DW

65 Extração de Informações (com Data Warehouse) Sist1, Sist2, Sist3... Relatórios legais e relatórios operacionais Data Warehouse Trim. 2 Trim. 3 Trim. 4 Trim. Leste Oeste Norte 1 Trim. 2 Trim. 3 Trim. 4 Trim Trim. 2 Trim. 3 Trim. 4 Trim. Leste Oeste Norte 1 Trim. 2 Trim. 3 Trim. 4 Trim Trim. 2 Trim. 3 Trim. 4 Trim. Leste Oeste Norte 1 Trim. 2 Trim. 3 Trim. 4 Trim. Relatórios simples Relatórios complexos EIS OLAP Data Mining

66 Administração de um DW Gerenciamento da aquisição de dados Gerenciamento da segurança de acesso Gerenciamento da utilização do sistema Gerenciamento de mudanças Gerenciamento da infra-estrutura tecnológica

67 Desafios Dados Integração de dados e metadados de várias fontes; Qualidade dos dados: limpeza e refinamento; Sumarização e agregação dos dados; Sincronização das fontes para assegurar a atualidade do data warehouse.

68 Desafios Projetos Prazo longo p/ implementação; Custos altos; Gerenciamento complexo Taxa de crescimento: 40% a.a.

69 Modelagem Dimensional

70 Modelagem Dimensional Conceitos Vantagens do modelo Objetos do modelo Opções do modelo Etapas da modelagem

71 Conceitos Modelagem Representação dos dados e das diferentes visões através das quais os usuários analisam as informações

72 Conceitos Modelagem Dimensional Técnica utilizada para modelar informações, representando as diferentes visões pelas quais um mesmo conjunto de informações pode ser analisado

73 Conceitos Modelagem Dimensional A idéia associada ao modelo Dimensional é que quase todos os tipos de dados de negócio podem ser representados como um cubo de dados, onde as células do cubo contém valores mensuráveis e as bordas definem as dimensões. Obviamente podem existir mais que três dimensões no negócio; portanto, o cubo também pode ser chamado de hipercubo.

74 MERCADOS Conceitos Modelagem Dimensional VALOR VENDIDO PERÍODOS DE TEMPO VENDAS

75 Conceitos Modelo ER X Modelo Estrela(Dimensional) Modelo Entidade-Relacionamento Modelo Estrela

76 Vantagens Modelagem Dimensional O modelo é mais intuitivo para o usuário, o que leva a uma facilidade de navegação pelas informações; Representa uma plataforma padronizada e previsível, permitindo ao gerenciador do banco de dados e à ferramenta de acesso otimizarem a apresentação e performance;

77 Vantagens Modelagem Dimensional Preparado para mudanças inesperadas no comportamento do usuário; Existem técnicas padronizadas para tratar situações de modelagens comuns no ambiente de negócios.

78 Objetos do Modelo DATA MÊS VENDAS REALIZADAS MÊS COD_PROD COD_CLI COD_REG PRODUTO COD_ PROD CLIENTE COD_CLI REGIÃO COD_REG É composto de uma tabela dominante, chamada tabela fato, e um conjunto de tabelas menores, chamadas tabelas dimensões.

79 Objetos do Modelo Tabela Fato DATA MÊS CLIENTE COD_CLI VENDAS REALIZADAS MÊS COD_PROD COD_CLI COD_REG VALOR VENDIDO QTDE VENDIDA PRODUTO COD_ PROD REGIÃO COD_REG Corresponde a um conjunto de medidas que podem ser analisadas através de várias visões e que contribuem para apurar o resultado de um processo de interesse.

80 Objetos do Modelo Tabela Fato Chave composta Tempo é sempre parte da chave Usualmente numérica Fatos tipicamente aditivos

81 Objetos do Modelo Fatos DATA MÊS CLIENTE COD_CLI VENDAS REALIZADAS MÊS COD_PROD COD_CLI COD_REG VALOR VENDIDO QTDE VENDIDA PRODUTO COD_ PROD REGIÃO COD_REG Dados, normalmente numéricos, dos quais podem derivar diferentes informações dependendo da visão empregada sobre os mesmos.

82 Objetos do Modelo Fatos Os fatos melhores e mais úteis são numéricos. Em praticamente todas as consultas feitas à tabela de fatos, solicitaremos que sejam usadas centenas, milhares e até milhões de registros para construir um conjunto de respostas. A única forma viável de compactá-los será adicioná-los.

83 Objetos do Modelo Fato Aditivo Fatos Valores aditivos são aqueles que podem ser manipulados à vontade (soma, subtração, etc...) a partir de combinação de dimensões Exemplo: No caso varejista, por exemplo, a tabela de Vendas pode totalizar além das unidades vendidas, também o valor vendido, o valor descontado na venda a cada combinação de tempo, produto e região

84 Objetos do Modelo Fato Semi Aditivo Fatos Fatos que só poderão ser somados ao longo de algumas dimensões Exemplo: Os níveis de estoque tradicionais não são aditivos ao longo do Tempo. (Não podemos dizer se o estoque de ontem é diferente do de hoje). Podemos no entanto combinar níveis de estoque ao longo do tempo utilizando uma média.

85 Objetos do Modelo Fato Não Aditivo Fatos Fatos não aditivos simplesmente não podem ser adicionados. Somos forçados a realizar contagens se quisermos resumir registros ou estaremos limitados a imprimir fato um a um.

86 Objetos do Modelo Tipo de Fato: Agregação É uma tabela fato representando a sumarização das medidas de uma tabela fato básica Cada agregação, definida de acordo com seu nível de granularidade, deve ser uma tabela fato e ser suportada por um conjunto de dimensões contendo somente atributos definidos para o seu nível de granularidade

87 Objetos do Modelo Tipo de Fato: Agregação Fato não agregado DATA MÊS VENDAS REALIZADAS MÊS COD_PROD COD_CLI COD_REG PRODUTO/ CATEGORIA COD_ PROD COD_CATE CLIENTE COD_CLI VALOR VENDIDO QTDE VENDIDA REGIÃO COD_REG Valor vendido e quantidade vendida por produto, mês, cliente e região

88 Fato agregado Objetos do Modelo Tipo de Fato: Agregação DATA MÊS CLIENTE COD_CLI VENDAS REALIZADAS MÊS COD_CATE COD_CLI VALOR VENDIDO QTDE VENDIDA CATEGORIA COD_CATE Valor vendido e quantidade vendida por categoria, mês, cliente

89 Objetos do Modelo Tipo de Fato: Agregação Ser completamente transparente para os usuários Possibilitar ganhos de performance no maior número de queries possível (ou para usuários de maior prioridade) Impactar o mínimo possível o custo da extração Impactar o mínimo possível as responsabilidades administrativas do dba

90 Objetos do Modelo Saída % DE PARTICIPAÇÃO DO MERCADO = QTDE CONTRATOS MERCADO SOMATÓRIO QTDE CONTRATOS MERCADO Geralmente corresponde a indicadores de evolução potencial do negócio que são medidas calculadas, derivadas das medidas básicas do fato.

91 Objetos do Modelo Dimensão DATA MÊS CLIENTE COD_CLI VENDAS REALIZADAS MÊS COD_PROD COD_CLI COD_REG VALOR VENDIDO QTDE VENDIDA PRODUTO COD_ PROD REGIÃO COD_REG Perspectiva através da qual uma ou mais medidas da tabela fato podem ser analisadas; Uma dimensão é composta por atributos, altamente correlacionados, e é identificada através de um atributo chave, geralmente criado no data warehouse.

92 Chave simples Objetos do Modelo Dimensão Serve como cabeçalho das linhas e colunas das análises e filtro nas consultas Descrição única para cada registro Usualmente não dependente do tempo Desnormalizada Hierarquias implícitas

93 DATA MÊS CLIENTE COD_CLI SEXO_CLI Objetos do Modelo Atributo de Dimensão VENDAS REALIZADAS MÊS COD_PROD COD_CLI COD_REG VALOR VENDIDO QTDE VENDIDA PRODUTO COD_ PROD NOME_CAT REGIÃO COD_REG NOME_REG Dados, normalmente textos e não aditivos, que descrevem e qualificam uma dimensão; Através de cada atributo de uma dimensão é possível visualizar as medidas da tabela fato; O poder de análise está intimamente relacionado à qualidade e profundidade dos atributos das dimensões.

94 Objetos do Modelo Tipo de Dimensão Dimensão descaracterizada São dimensões que não possuem uma tabela específica mas a chave é colocada diretamente na tabela de fatos. Ocorre geralmente com controle de documentos onde o grão da tabela de fatos representa o próprio documento

95 Objetos do Modelo Tipo de Dimensão Dimensão descaracterizada DATA DATA_PEDI ATACADISTA COD_ATAC ENTREGAS REALIZADAS DATA_PEDI COD_PROD COD_ATAC COD_FORN NUM_PEDI qtd_pedi qtd_rece PRODUTO COD_ PROD COD_CATE FORNECEDOR COD_FORN O campo número do pedido de compras (num_pedi) aparentemente formaria uma dimensão, mas não existem outros elementos para sua composição.

96 Objetos do Modelo Tipo de Dimensão PRODUTO Dimensão descaracterizada DATA DATA_PEDI ATACADISTA COD_ATAC ENTREGAS REALIZADAS DATA_PEDI COD_PROD COD_ATAC COD_FORN NUM_PEDI qtd_pedi qtd_rece COD_ PROD COD_CATE FORNECEDOR COD_FORN PEDIDO NUM_PEDI Apesar da literatura apresentar desta forma, muitos projetos implementam estes atributos em dimensões reais (tabela), respaldados na forma de pesquisa e apresentação das ferramentas de consulta.

97 Objetos do Modelo Tipo de Dimensão Dimensão em conformidade: É uma dimensão que significa a mesma coisa em qualquer tabela fato a qual ela está vinculada CLIENTE

98 Objetos do Modelo Hierarquia de Dimensão TEMPO PRODUTO MERCADO ANO MÊS QUINZENA SEMANA DIA MARCA LINHA PRODUTO PAÍS REGIÃO ESTADO CIDADE LOJA Corresponde a uma estrutura, composta por atributos de uma dimensão, que possibilita a visualização em níveis, das medidas da tabela fato a que a mesma está associada Os valores das medidas de um nível correspondem à soma dos respectivos valores do nível imediatamente inferior Uma dimensão pode possuir mais que uma hierarquia

99 Objetos do Modelo Hierarquia de Dimensão Produto Marca Tempo Ano Mercado País Consultas Vendas por Marca, Trimestre e Região Linha Produto Trimestre Mês Região Estado Vendas por Linha, Ano e Estado

100 Objetos do Modelo Dimensão - Alteração 1º - SOBRESCREVER O ATRIBUTO CÓDIGO NOME ESTADO CIVIL CÓDIGO NOME 123 ANTONIO SILVA SOLTEIRO ESTADO CIVIL 123 ANTONIO SILVA CASADO 3º - CRIAR NOVO ATRIBUTO CÓDIGO NOME ESTADO CIVIL ESTADO ORIGEM 123 ANTONIO SILVA CASADO SOLTEIRO 2º - CRIAR NOVO REGISTRO CÓDIGO NOME ESTADO CIVIL CÓDIGO NOME ESTADO CIVIL 123 ANTONIO SILVA SOLTEIRO 489 ANTONIO SILVA CASADO

101 Objetos do Modelo Dimensão - Granularidade a granularidade determina o maior nível de detalhe da informação que se deseja atingir em uma análise quanto maior o nível de granularidade, maior é o detalhamento do dado que se pode obter; porém, isso significa um volume também maior a granularidade do modelo dimensional refere-se à combinação do menor grão de cada dimensão envolvida

102 Objetos do Modelo Dimensão - Granularidade ANO FAMÍLIA REGIÃO VENDA SEMESTRE MÊS CATEGORIA PONTO VENDA DIA HORA PRODUTO VENDEDOR PERÍODO PRODUTO UNIDADE VENDA

103 Objetos do Modelo Fato X Dimensão TABELA FATO TABELA DIMENSÃO É composta por medidas Medidas são geralmente numéricas e aditivas A identificação é composta pela identificação das dimensões associadas Os valores das medidas não são previsíveis durante a modelagem É composta por atributos Atributos são geralmente textos e não aditivos Tem identificação própria Os valores dos atributos são previsíveis durante a modelagem

104 Opções do Modelo StarSchema DATA MÊS CLIENTE COD_CLI VENDAS REALIZADAS MÊS COD_PROD COD_CLI COD_REG VALOR VENDIDO QTDE VENDIDA PRODUTO COD_ PROD COD_CATE REGIÃO COD_REG Técnica de modelagem que consiste em manter uma tabela dimensão desnormalizada, ligada diretamente a tabela de fato

105 Opções do Modelo SnowFlake DATA MÊS CLIENTE COD_CLI VENDAS REALIZADAS MÊS COD_PROD COD_CLI COD_REG VALOR VENDIDO QTDE VENDIDA PRODUTO COD_ PROD COD_CAT REGIÃO COD_REG PRODUTO CATEGORIA COD_ CAT Técnica de modelagem que consiste em normalizar uma tabela dimensão, ou seja, remover atributos do tipo texto de baixa cardinalidade das dimensões e colocá-los em dimensões secundárias, estabelecendo um relacionamento entre as mesmas

106 Opções do Modelo SnowFlake Recomendado quando: Representa uma redução considerável do espaço em disco ocupado Contribui para a estabilidade na manutenção de uma dimensão Não recomendado quando: Compromete a performance durante a navegação (browsing) pelo modelo Compromete a compreensão do modelo por parte do usuário final

107 Etapas da Modelagem Escolha o processo do negócio; Escolha o grão; Escolha as dimensões que serão aplicadas para cada registro da tabela de fatos; Escolha os fatos mensuráveis que irão popular cada registro da tabela de fatos.

108 DÚVIDAS

109 Bibliografia

110 Bibliografia SODRÉ, Eliana. Curso Implementação do Processo de Data Warehousing. Belo Horizonte, INMON, W.H., Como Construir o Data Warehouse. 2a. edição.ed. Campus.Rio de Janeiro PRODABEL, Metodologia para Projetos de Recuperação de Informações através da modelagem dimensional. Belo Horizonte, 2000.

111 Bibliografia CAMPOS, Maria Luiza; Filho, Arnaldo V. Rocha. Data warehouse (Tutorial). UFRJ [Online] [Capturado em out. 1999]. Disponível na Internet: tutorial.html.

Data Warehousing. Leonardo da Silva Leandro. CIn.ufpe.br

Data Warehousing. Leonardo da Silva Leandro. CIn.ufpe.br Data Warehousing Leonardo da Silva Leandro Agenda Conceito Elementos básicos de um DW Arquitetura do DW Top-Down Bottom-Up Distribuído Modelo de Dados Estrela Snowflake Aplicação Conceito Em português:

Leia mais

Complemento I - Noções Introdutórias em Data Warehouses

Complemento I - Noções Introdutórias em Data Warehouses Complemento I - Noções Introdutórias em Data Warehouses Esse documento é parte integrante do material fornecido pela WEB para a 2ª edição do livro Data Mining: Conceitos, técnicas, algoritmos, orientações

Leia mais

Data Warehouse Processos e Arquitetura

Data Warehouse Processos e Arquitetura Data Warehouse - definições: Coleção de dados orientada a assunto, integrada, não volátil e variável em relação ao tempo, que tem por objetivo dar apoio aos processos de tomada de decisão (Inmon, 1997)

Leia mais

Modelo de dados do Data Warehouse

Modelo de dados do Data Warehouse Modelo de dados do Data Warehouse Ricardo Andreatto O modelo de dados tem um papel fundamental para o desenvolvimento interativo do data warehouse. Quando os esforços de desenvolvimentos são baseados em

Leia mais

DATA WAREHOUSE. Rafael Ervin Hass Raphael Laércio Zago

DATA WAREHOUSE. Rafael Ervin Hass Raphael Laércio Zago DATA WAREHOUSE Rafael Ervin Hass Raphael Laércio Zago Roteiro Introdução Aplicações Arquitetura Características Desenvolvimento Estudo de Caso Conclusão Introdução O conceito de "data warehousing" data

Leia mais

Resumo dos principais conceitos. Resumo dos principais conceitos. Business Intelligence. Business Intelligence

Resumo dos principais conceitos. Resumo dos principais conceitos. Business Intelligence. Business Intelligence É um conjunto de conceitos e metodologias que, fazem uso de acontecimentos e sistemas e apoiam a tomada de decisões. Utilização de várias fontes de informação para se definir estratégias de competividade

Leia mais

Sistemas de Apoio à Decisão (SAD) - Senado

Sistemas de Apoio à Decisão (SAD) - Senado Sistemas de Apoio à Decisão (SAD) - Senado DW OLAP BI Ilka Kawashita Material preparado :Prof. Marcio Vitorino Sumário OLAP Data Warehouse (DW/ETL) Modelagem Multidimensional Data Mining BI - Business

Leia mais

SAD. Paulo Silva, Rodolfo Ribeiro, Vinicius Tavares

SAD. Paulo Silva, Rodolfo Ribeiro, Vinicius Tavares SAD Paulo Silva, Rodolfo Ribeiro, Vinicius Tavares DataWarehouse Armazena informações relativas a uma organização em BD Facilita tomada de decisões Dados são coletados de OLTP(séries históricas) Dados

Leia mais

Arquiteturas de DW e Abordagens de Implementação. Arquiteturas e Abordagens de Implementação

Arquiteturas de DW e Abordagens de Implementação. Arquiteturas e Abordagens de Implementação Curso de Dwing TecBD-DI PUC-Rio Prof. Rubens Melo Arquiteturas de DW e Abordagens de Implementação Arquiteturas e Abordagens de Implementação Arquitetura adequada é fundamental Infra-estrutura disponível

Leia mais

AULA 5 O E-BUSINESS E OS SISTEMAS DE APOIO ÀS DECISÕES E DE INFORMAÇÃO EXECUTIVA

AULA 5 O E-BUSINESS E OS SISTEMAS DE APOIO ÀS DECISÕES E DE INFORMAÇÃO EXECUTIVA AULA 5 O E-BUSINESS E OS SISTEMAS DE APOIO ÀS DECISÕES E DE INFORMAÇÃO EXECUTIVA APOIO ÀS DECISÕES DE E-BUSINESS E SISTEMAS DE APOIO ÀS DECISÕES Conceito O conceito básico de e-business é simples: negócios

Leia mais

Aplicação A. Aplicação B. Aplicação C. Aplicação D. Aplicação E. Aplicação F. Aplicação A REL 1 REL 2. Aplicação B REL 3.

Aplicação A. Aplicação B. Aplicação C. Aplicação D. Aplicação E. Aplicação F. Aplicação A REL 1 REL 2. Aplicação B REL 3. Sumário Data Warehouse Modelagem Multidimensional. Data Mining BI - Business Inteligence. 1 2 Introdução Aplicações do negócio: constituem as aplicações que dão suporte ao dia a dia do negócio da empresa,

Leia mais

Planejamento Estratégico de TI. Prof.: Fernando Ascani

Planejamento Estratégico de TI. Prof.: Fernando Ascani Planejamento Estratégico de TI Prof.: Fernando Ascani Data Warehouse - Conceitos Hoje em dia uma organização precisa utilizar toda informação disponível para criar e manter vantagem competitiva. Sai na

Leia mais

Tópicos Avançados Business Intelligence. Banco de Dados Prof. Otacílio José Pereira. Unidade 10 Tópicos Avançados Business Inteligence.

Tópicos Avançados Business Intelligence. Banco de Dados Prof. Otacílio José Pereira. Unidade 10 Tópicos Avançados Business Inteligence. Tópicos Avançados Business Intelligence Banco de Dados Prof. Otacílio José Pereira Unidade 10 Tópicos Avançados Business Inteligence Roteiro Introdução Níveis organizacionais na empresa Visão Geral das

Leia mais

Curso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan

Curso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan Faculdade INED Curso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan 1 Unidade 4.3 2 1 BI BUSINESS INTELLIGENCE BI CARLOS BARBIERI

Leia mais

Aline França a de Abreu, Ph.D

Aline França a de Abreu, Ph.D Aline França a de Abreu, Ph.D igti.eps.ufsc.br 07 / 10/ 04 Núcleo de estudos Criado em 1997 - UFSC/EPS Equipe multidisciplinar, com aproximadamente 20 integrantes OBJETIVO Gerar uma competência e uma base

Leia mais

FUNDAMENTOS DE SISTEMAS DE INFORMAÇÃO

FUNDAMENTOS DE SISTEMAS DE INFORMAÇÃO @ribeirord FUNDAMENTOS DE SISTEMAS DE INFORMAÇÃO Rafael D. Ribeiro, M.Sc,PMP. rafaeldiasribeiro@gmail.com http://www.rafaeldiasribeiro.com.br Lembrando... Aula 4 1 Lembrando... Aula 4 Sistemas de apoio

Leia mais

e-business A IBM definiu e-business como: GLOSSÁRIO

e-business A IBM definiu e-business como: GLOSSÁRIO Através do estudo dos sistemas do tipo ERP, foi possível verificar a natureza integradora, abrangente e operacional desta modalidade de sistema. Contudo, faz-se necessário compreender que estas soluções

Leia mais

DATA WAREHOUSE. Introdução

DATA WAREHOUSE. Introdução DATA WAREHOUSE Introdução O grande crescimento do ambiente de negócios, médias e grandes empresas armazenam também um alto volume de informações, onde que juntamente com a tecnologia da informação, a correta

Leia mais

Data Warehousing Visão Geral do Processo

Data Warehousing Visão Geral do Processo Data Warehousing Visão Geral do Processo Organizações continuamente coletam dados, informações e conhecimento em níveis cada vez maiores,, e os armazenam em sistemas informatizados O número de usuários

Leia mais

Administração de Sistemas de Informação I

Administração de Sistemas de Informação I Administração de Sistemas de Informação I Prof. Farinha Aula 04 Conceito Sistema de Informação é uma série de elementos ou componentes inter-relacionados que coletam (entrada), manipulam e armazenam (processo),

Leia mais

Data Warehouses Uma Introdução

Data Warehouses Uma Introdução Data Warehouses Uma Introdução Alex dos Santos Vieira, Renaldy Pereira Sousa, Ronaldo Ribeiro Goldschmidt 1. Motivação e Conceitos Básicos Com o advento da globalização, a competitividade entre as empresas

Leia mais

Modelando um Data Warehouse GRIMALDO OLIVEIRA

Modelando um Data Warehouse GRIMALDO OLIVEIRA Modelando um Data Warehouse GRIMALDO OLIVEIRA Sobre Grimaldo Grimaldo Oliveira grimaldo_lopes@hotmail.com Formação Mestre em Tecnologias Aplicadas a Educação pela Universidade do Estado da Bahia. Especialização

Leia mais

Professor: Disciplina:

Professor: Disciplina: Professor: Curso: Esp. Marcos Morais de Sousa marcosmoraisdesousa@gmail.com Sistemas de informação Disciplina: Introdução a SI Noções de sistemas de informação Turma: 01º semestre Prof. Esp. Marcos Morais

Leia mais

SUMÁRIO 1. INTRODUÇÃO... 2 2. O QUE É DATA WAREHOUSE?... 2 3. O QUE DATA WAREHOUSE NÃO É... 4 4. IMPORTANTE SABER SOBRE DATA WAREHOUSE... 5 4.

SUMÁRIO 1. INTRODUÇÃO... 2 2. O QUE É DATA WAREHOUSE?... 2 3. O QUE DATA WAREHOUSE NÃO É... 4 4. IMPORTANTE SABER SOBRE DATA WAREHOUSE... 5 4. SUMÁRIO 1. INTRODUÇÃO... 2 2. O QUE É DATA WAREHOUSE?... 2 3. O QUE DATA WAREHOUSE NÃO É... 4 4. IMPORTANTE SABER SOBRE DATA WAREHOUSE... 5 4.1 Armazenamento... 5 4.2 Modelagem... 6 4.3 Metadado... 6 4.4

Leia mais

TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE

TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE Engenharia de Computação Professor: Rosalvo Ferreira de Oliveira Neto OLPT x OLAP Roteiro OLTP Datawarehouse OLAP Operações OLAP Exemplo com Mondrian e Jpivot

Leia mais

Identificar as mudanças que acontecem na forma e no uso de apoio à decisão em empreendimentos de e-business. Identificar o papel e alternativas de

Identificar as mudanças que acontecem na forma e no uso de apoio à decisão em empreendimentos de e-business. Identificar o papel e alternativas de 1 Identificar as mudanças que acontecem na forma e no uso de apoio à decisão em empreendimentos de e-business. Identificar o papel e alternativas de relatórios dos sistemas de informação gerencial. Descrever

Leia mais

Sobre o que falaremos nesta aula?

Sobre o que falaremos nesta aula? Business Intelligence - BI Inteligência de Negócios Prof. Ricardo José Pfitscher Elaborado com base no material de: José Luiz Mendes Gerson Volney Lagmman Introdução Sobre o que falaremos nesta aula? Ferramentas

Leia mais

5 Estudo de Caso. 5.1. Material selecionado para o estudo de caso

5 Estudo de Caso. 5.1. Material selecionado para o estudo de caso 5 Estudo de Caso De modo a ilustrar a estruturação e representação de conteúdos educacionais segundo a proposta apresentada nesta tese, neste capítulo apresentamos um estudo de caso que apresenta, para

Leia mais

Data Warehouse. Debora Marrach Renata Miwa Tsuruda

Data Warehouse. Debora Marrach Renata Miwa Tsuruda Debora Marrach Renata Miwa Tsuruda Agenda Introdução Contexto corporativo Agenda Introdução Contexto corporativo Introdução O conceito de Data Warehouse surgiu da necessidade de integrar dados corporativos

Leia mais

Sistemas de Informação

Sistemas de Informação Sistemas de Informação Prof. M.Sc. Diego Fernandes Emiliano Silva diego.femiliano@gmail.com Agenda Banco de dados Gerenciamento de banco de dados Sistemas de gerenciamento de banco de dados Como usar banco

Leia mais

Gerenciamento de Requisitos Gerenciamento de Requisitos

Gerenciamento de Requisitos Gerenciamento de Requisitos Gerenciamento de Requisitos Objetivos da disciplina Descrever o processo de Gerenciamento e Engenharia de Requisitos para projetos Treinar alunos no Gerenciamento de Requisitos Apresentar estudos de caso

Leia mais

UNIVERSIDADE CANDIDO MENDES INSTITUTO A VEZ DO MESTRE PÓS GRADUAÇÃO LATO SENSU

UNIVERSIDADE CANDIDO MENDES INSTITUTO A VEZ DO MESTRE PÓS GRADUAÇÃO LATO SENSU UNIVERSIDADE CANDIDO MENDES INSTITUTO A VEZ DO MESTRE PÓS GRADUAÇÃO LATO SENSU DATA WAREHOUSE: INFORMAÇÃO COM QUALIDADE PARA FACILITAR A GERAÇÃO DE ESTRATÉGIAS ALINE DE OLIVEIRA PRATA JAQUEIRA Orientadora:

Leia mais

KDD E MINERAÇÃO DE DADOS:

KDD E MINERAÇÃO DE DADOS: KDD E MINERAÇÃO DE DADOS: Revisão em Data Warehouses Prof. Ronaldo R. Goldschmidt ronaldo@de9.ime.eb.br rribeiro@univercidade.br geocities.yahoo.com.br/ronaldo_goldschmidt 1 DATA WAREHOUSES UMA VISÃO GERAL

Leia mais

Data Mining: Conceitos e Técnicas

Data Mining: Conceitos e Técnicas Data Mining: Conceitos e Técnicas DM, DW e OLAP Data Warehousing e OLAP para Data Mining O que é data warehouse? De data warehousing para data mining Data Warehousing e OLAP para Data Mining Data Warehouse:

Leia mais

IMPLANTAÇÃO DO DW NA ANVISA

IMPLANTAÇÃO DO DW NA ANVISA IMPLANTAÇÃO DO DW NA ANVISA Bruno Nascimento de Ávila 1 Rodrigo Vitorino Moravia 2 Maria Renata Furtado 3 Viviane Rodrigues Silva 4 RESUMO A tecnologia de Business Intelligenge (BI) ou Inteligência de

Leia mais

Tencologia em Análise e Desenvolvimento de Sistemas Disciplina: WEB I Conteúdo: Arquitetura de Software Aula 03

Tencologia em Análise e Desenvolvimento de Sistemas Disciplina: WEB I Conteúdo: Arquitetura de Software Aula 03 Tencologia em Análise e Desenvolvimento de Sistemas Disciplina: WEB I Conteúdo: Arquitetura de Software Aula 03 Agenda 1. Arquitetura de Software 1.1.Introdução 1.2.Vantagens da Arquitetura de Software

Leia mais

srbo@ufpa.br www.ufpa.br/srbo

srbo@ufpa.br www.ufpa.br/srbo CBSI Curso de Bacharelado em Sistemas de Informação BI Prof. Dr. Sandro Ronaldo Bezerra Oliveira srbo@ufpa.br www.ufpa.br/srbo Tópicos Especiais em Sistemas de Informação Faculdade de Computação Instituto

Leia mais

Business Intelligence: Desafios e Melhores Práticas

Business Intelligence: Desafios e Melhores Práticas Sucesu RJ - IV Congresso de Inteligência Competitiva Business Intelligence: Desafios e Melhores Práticas Eugenio Pedrosa Petrobras Roteiro Arquitetura de BI Evolução da BI nas Empresas Corporate Performance

Leia mais

Soluções de Inteligência de Negócio e Mercado

Soluções de Inteligência de Negócio e Mercado Soluções de Inteligência de Negócio e Mercado Fernando Garre e Majela Fortes Especialistas em consultoria de Business Intelligence / Data Warehouse Consultoria focada nas Soluções de Business Intelligence

Leia mais

Banco de Dados - Senado

Banco de Dados - Senado Banco de Dados - Senado Exercícios OLAP - CESPE Material preparado: Prof. Marcio Vitorino OLAP Material preparado: Prof. Marcio Vitorino Soluções MOLAP promovem maior independência de fornecedores de SGBDs

Leia mais

INTRODUÇÃO À MINERAÇÃO DE DADOS. Luis Paulo Vieira Braga. 1. Introdução. 2. KDD e mineração de dados. 3. Bancos de dados para mineração de dados

INTRODUÇÃO À MINERAÇÃO DE DADOS. Luis Paulo Vieira Braga. 1. Introdução. 2. KDD e mineração de dados. 3. Bancos de dados para mineração de dados INTRODUÇÃO À MINERAÇÃO DE DADOS Luis Paulo Vieira Braga 1. Introdução 2. KDD e mineração de dados 3. Bancos de dados para mineração de dados 4. A construção de modelos no processo KDD/DM 5. Tratamento

Leia mais

Sistemas de Informações Gerenciais

Sistemas de Informações Gerenciais Conteúdo Gerenciais Direcionadores de Arquitetura de TI Tipologia dos sistemas da informação Prof. Ms. Maria C. Lage marialage.prof@gmail.com As preocupações corporativas Gerenciar Mudanças Crescimento

Leia mais

Gerenciamento de Dados e Gestão do Conhecimento

Gerenciamento de Dados e Gestão do Conhecimento ELC1075 Introdução a Sistemas de Informação Gerenciamento de Dados e Gestão do Conhecimento Raul Ceretta Nunes CSI/UFSM Introdução Gerenciando dados A abordagem de banco de dados Sistemas de gerenciamento

Leia mais

Prof. Ronaldo R. Goldschmidt. ronaldo.rgold@gmail.com

Prof. Ronaldo R. Goldschmidt. ronaldo.rgold@gmail.com DATA WAREHOUSES UMA INTRODUÇÃO Prof. Ronaldo R. Goldschmidt ronaldo.rgold@gmail.com 1 DATA WAREHOUSES UMA INTRODUÇÃO Considerações Iniciais Conceitos Básicos Modelagem Multidimensional Projeto de Data

Leia mais

Fases para um Projeto de Data Warehouse. Fases para um Projeto de Data Warehouse. Fases para um Projeto de Data Warehouse

Fases para um Projeto de Data Warehouse. Fases para um Projeto de Data Warehouse. Fases para um Projeto de Data Warehouse Definição escopo do projeto (departamental, empresarial) Grau de redundância dos dados(ods, data staging) Tipo de usuário alvo (executivos, unidades) Definição do ambiente (relatórios e consultas préestruturadas

Leia mais

PLANO DE ENSINO PRÉ-REQUISITOS: ENS

PLANO DE ENSINO PRÉ-REQUISITOS: ENS UNIVERSIDADE DO ESTADO DE SANTA CATARINA UDESC CENTRO DE EDUCAÇÃO SUPERIOR DO ALTO VALE DO ITAJAÍ CEAVI PLANO DE ENSINO DEPARTAMENTO: DSI Departamento de Sistema de Informação DISCIPLINA: Data Warehouse

Leia mais

Capítulo 5. 5.1 Laudon, Cap. 5

Capítulo 5. 5.1 Laudon, Cap. 5 Capítulo 5 Fundamentos da Inteligência de Negócios: Gerenciamento da Informação e de Bancos de Dados 5.1 Laudon, Cap. 5 OBJETIVOS DE ESTUDO Descrever como um banco de dados relacional organiza os dados

Leia mais

4. SISTEMAS DE APOIO À DECISÃO

4. SISTEMAS DE APOIO À DECISÃO 1 4. SISTEMAS DE APOIO À DECISÃO A necessidade dos Sistemas de Apoio à Decisão (SAD) ou Sistemas de Suporte à Decisão (SSD) surgiu em decorrência de diversos fatores, como, por exemplo: Competição cada

Leia mais

Adriano Maranhão BUSINESS INTELLIGENCE (BI),

Adriano Maranhão BUSINESS INTELLIGENCE (BI), Adriano Maranhão BUSINESS INTELLIGENCE (BI), BUSINESS INTELLIGENCE (BI) O termo Business Intelligence (BI), popularizado por Howard Dresner do Gartner Group, é utilizado para definir sistemas orientados

Leia mais

Business Intelligence Um enfoque gerencial para a Inteligência do Negócio.Efrain Turban e outros.tradução. Bookman, 2009.

Business Intelligence Um enfoque gerencial para a Inteligência do Negócio.Efrain Turban e outros.tradução. Bookman, 2009. REFERÊNCIAS o o Business Intelligence Um enfoque gerencial para a Inteligência do Negócio.Efrain Turban e outros.tradução. Bookman, 2009. Competição Analítica - Vencendo Através da Nova Ciência Davenport,

Leia mais

Kimball University: As 10 Regras Essenciais para a Modelagem de Dados Dimensional

Kimball University: As 10 Regras Essenciais para a Modelagem de Dados Dimensional Kimball University: As 10 Regras Essenciais para a Modelagem de Dados Dimensional Margy Ross Presidente Kimball Group Maio de 2009, Intelligent Enterprise.com Tradução livre para a língua portuguesa por

Leia mais

Business Intelligence Conceitos, Metodologia de Desenvolvimento e Exemplos de BI

Business Intelligence Conceitos, Metodologia de Desenvolvimento e Exemplos de BI Matriz: Av. Caçapava, 527 CEP 90.460-130 Tecnopuc: Av. Ipiranga, 6681 Prédio 32 Sala 109 CEP 90.619-900 Porto Alegre - RS, Brasil Contate-nos: +55 (51) 3330.7777 contato@dbccompany.com.br www.dbccompany.com.br

Leia mais

Faculdade Pitágoras PROJETO DE DW FASES FCS-EM PROJETOS DE DW 08/02/2012. Unidade 2.1. Curso Superior de Tecnologia: Banco de Dados

Faculdade Pitágoras PROJETO DE DW FASES FCS-EM PROJETOS DE DW 08/02/2012. Unidade 2.1. Curso Superior de Tecnologia: Banco de Dados Faculdade Pitágoras Curso Superior de Tecnologia: Banco de Dados Disciplina: Ferramentaspara Tomada de Decisão 2 DataWarehouse Unidade 2.1 2.1 Conceitos fundamentais e Cubos Prof.: Fernando Hadad Zaidan

Leia mais

Modelação Dimensional 4

Modelação Dimensional 4 INTEGRAÇÃO E PROCESSAMENTO ANALÍTICO DE INFORMAÇÃO Modelação Dimensional 4 António Manuel Silva Ferreira UNIVERSIDADE DE LISBOA FACULDADE DE CIÊNCIAS DEPARTAMENTO DE INFORMÁTICA asfe@di.fc.ul.pt Sumário

Leia mais

Uma peça estratégica para o seu negócio

Uma peça estratégica para o seu negócio Uma peça estratégica para o seu negócio INFORMAÇÃO GERAL DA EMPRESA CASO DE SUCESSO EM IMPLEMENTAÇÃO BI PERGUNTAS E RESPOSTAS Fundada em 1997, Habber Tec é uma empresa especializada na oferta de soluções

Leia mais

Chapter 3. Análise de Negócios e Visualização de Dados

Chapter 3. Análise de Negócios e Visualização de Dados Chapter 3 Análise de Negócios e Visualização de Dados Objetivos de Aprendizado Descrever a análise de negócios (BA) e sua importância par as organizações Listar e descrever brevemente os principais métodos

Leia mais

Checklist de Projeto de Data Warehouse

Checklist de Projeto de Data Warehouse Checklist de Projeto de Data Warehouse Prof. Dr. Jorge Rady de Almeida Jr. Escola Politécnica da USP F/1 Revisão de Projeto Design Review Após uma área de interesse tenha sido projetada e posta em operação

Leia mais

SAD orientado a DADOS

SAD orientado a DADOS Universidade do Contestado Campus Concórdia Curso de Sistemas de Informação Prof.: Maico Petry SAD orientado a DADOS DISCIPLINA: Sistemas de Apoio a Decisão SAD orientado a dados Utilizam grandes repositórios

Leia mais

CLOUD COMPUTING NAS EMPRESAS: NUVEM PÚBLICA OU NUVEM PRIVADA? nubeliu.com

CLOUD COMPUTING NAS EMPRESAS: NUVEM PÚBLICA OU NUVEM PRIVADA? nubeliu.com CLOUD COMPUTING NAS EMPRESAS: NUVEM PÚBLICA OU NUVEM PRIVADA? nubeliu.com SUMÁRIO Introdução... 4 Nuvem pública: quando ela é ideal... 9 Nuvem privada: quando utilizá-la... 12 Alternativas de sistemas

Leia mais

Arquitetura física de um Data Warehouse

Arquitetura física de um Data Warehouse É um modo de representar a macroestrutura de, comunicação, processamento e existentes para usuários finais dentro da empresa. Operacionais origem Data / Arquitetura física Serviços Armazenamento de Área

Leia mais

Curso Data warehouse e Business Intelligence Fundamentos, Metodologia e Arquitetura

Curso Data warehouse e Business Intelligence Fundamentos, Metodologia e Arquitetura Curso Data warehouse e Business Intelligence Fundamentos, Metodologia e Arquitetura Apresentação Os projetos de Data Warehouse e Business Intelligence são dos mais interessantes e complexos de desenvolver

Leia mais

DATA WAREHOUSE. Data Warehouse

DATA WAREHOUSE. Data Warehouse DATA WAREHOUSE Data Warehouse Sumário Conceitos / Autores chave... 3 1. Introdução... 5 2. Características de um Data Warehouse... 6 3. Arquitetura de Data Wirehouse... 8 4. Conclusões... 10 Materiais

Leia mais

Curso Data warehouse e Business Intelligence

Curso Data warehouse e Business Intelligence Curso Data warehouse e Business Intelligence Fundamentos, Metodologia e Arquitetura Apresentação Os projetos de Data Warehouse e Business Intelligence são dos mais interessantes e complexos de desenvolver

Leia mais

BANCO DE DADOS DISTRIBUÍDOS e DATAWAREHOUSING

BANCO DE DADOS DISTRIBUÍDOS e DATAWAREHOUSING BANCO DE DADOS DISTRIBUÍDOS e DATAWAREHOUSING http://www.uniriotec.br/~tanaka/tin0036 tanaka@uniriotec.br Introdução a Data Warehousing e OLAP Introdução a Data Warehouse e Modelagem Dimensional Visão

Leia mais

Gestão de Performance por KPIs

Gestão de Performance por KPIs Gestão de Performance por KPIs Henrique Brodbeck Diretor, Brodbeck Consultores em Informática Henrique Brodbeck Brodbeck Consultores em Informática e UFRGS Business Intelligence - BI Termo guarda-chuva

Leia mais

Conhecendo o Business Intelligence (BI)

Conhecendo o Business Intelligence (BI) (BI) Uma Ferramenta de Auxílio à Tomada de Decisão Ricardo Adriano Antonelli Resumo: A necessidade por informações úteis para auxílio à tomada de decisão perante as organizações tem aumentado exponencialmente

Leia mais

Estrutura Hierárquica de Planejamento e Controle da Produção Estratégico Entradas Ações Saídas Fonte

Estrutura Hierárquica de Planejamento e Controle da Produção Estratégico Entradas Ações Saídas Fonte Estratégico Previsão do Negócio Estrutura Hierárquica de Planejamento e Controle da Produção Estratégico Entradas Ações Saídas Fonte Mercados e demandas de longo prazo. Competidores. Fatores econômicos,

Leia mais

Bloco Administrativo

Bloco Administrativo Bloco Administrativo BI Business Intelligence Objetivo O objetivo deste artigo é dar uma visão geral sobre o Módulo Business Intelligence, que se encontra no Bloco Administrativo. Todas informações aqui

Leia mais

Módulo 2. Definindo Soluções OLAP

Módulo 2. Definindo Soluções OLAP Módulo 2. Definindo Soluções OLAP Objetivos Ao finalizar este módulo o participante: Recordará os conceitos básicos de um sistema OLTP com seus exemplos. Compreenderá as características de um Data Warehouse

Leia mais

O Que é Data Warehouse

O Que é Data Warehouse O Que é Data Warehouse Escrito por Carlos Alberto Sowek Buscando dar uma melhor visão sobre uma proposta de arquitetura de um Data Warehouse para a Celepar, bem como para os clientes da Celepar, sentimos

Leia mais

Capítulo 1 - A revolução dos dados, da informação e do conhecimento 1 B12 4

Capítulo 1 - A revolução dos dados, da informação e do conhecimento 1 B12 4 Sumário Capítulo 1 - A revolução dos dados, da informação e do conhecimento 1 B12 4 Capítulo 2 - Reputação corporativa e uma nova ordem empresarial 7 Inovação e virtualidade 9 Coopetição 10 Modelos plurais

Leia mais

Planejamento Estratégico de TI. Prof.: Fernando Ascani

Planejamento Estratégico de TI. Prof.: Fernando Ascani Planejamento Estratégico de TI Prof.: Fernando Ascani Data Mining Os métodos tradicionais de Data Mining são: Classificação Associa ou classifica um item a uma ou várias classes categóricas pré-definidas.

Leia mais

INSTITUTO TECNOLÓGICO DE AERONÁUTICA DIVISÃO DE ENGENHARIA ELETRÔNICA LABORATÓRIO DE GUERRA ELETRÔNICA

INSTITUTO TECNOLÓGICO DE AERONÁUTICA DIVISÃO DE ENGENHARIA ELETRÔNICA LABORATÓRIO DE GUERRA ELETRÔNICA INSTITUTO TECNOLÓGICO DE AERONÁUTICA DIVISÃO DE ENGENHARIA ELETRÔNICA LABORATÓRIO DE GUERRA ELETRÔNICA CURSO DE ESPECIALIZAÇÃO EM ANÁLISE DE AMBIENTE ELETROMAGNÉTICO CEAAE /2008 DISCIPLINA EE-09: Inteligência

Leia mais

Disciplina de Banco de Dados Introdução

Disciplina de Banco de Dados Introdução Disciplina de Banco de Dados Introdução Prof. Elisa Maria Pivetta CAFW - UFSM Banco de Dados: Conceitos A empresa JJ. Gomes tem uma lista com mais ou menos 4.000 nomes de clientes bem como seus dados pessoais.

Leia mais

ERP. Enterprise Resource Planning. Planejamento de recursos empresariais

ERP. Enterprise Resource Planning. Planejamento de recursos empresariais ERP Enterprise Resource Planning Planejamento de recursos empresariais O que é ERP Os ERPs em termos gerais, são uma plataforma de software desenvolvida para integrar os diversos departamentos de uma empresa,

Leia mais

Business Intelligence. Business Intelligence. Business Intelligence. Business Intelligence. Business Intelligence

Business Intelligence. Business Intelligence. Business Intelligence. Business Intelligence. Business Intelligence Juntamente com o desenvolvimento desses aplicativos surgiram os problemas: & Data Warehouse July Any Rizzo Oswaldo Filho Década de 70: alguns produtos de BI Intensa e exaustiva programação Informação em

Leia mais

Prof. Antonio Almeida de Barros Jr. Prof. Antonio Almeida de Barros Junior

Prof. Antonio Almeida de Barros Jr. Prof. Antonio Almeida de Barros Junior Prof. Antonio Almeida de Barros Jr. Introdução Dados Informações Banco de Dados Conceitos Básicos em Bancos de Dados Definição BD - Banco de Dados SGBD - Sistema de Gerenciamento de BD Programa de Aplicação

Leia mais

LIÇÕES-CHAVE PARA AUMENTAR A RENTABILIDADE DO SEU E-COMMERCE

LIÇÕES-CHAVE PARA AUMENTAR A RENTABILIDADE DO SEU E-COMMERCE LIÇÕES-CHAVE PARA AUMENTAR A RENTABILIDADE DO SEU E-COMMERCE SAMUEL GONSALES SHOPPING SALE PREMIUM OFFER -75% PREMIUM OFFER -75% COPYRIGHT Copyright 2016 Samuel Gonsales Todos os direitos reservados Nenhuma

Leia mais

CEFET.PHB - PI. Plano de Ensino. Banco de Dados. Plano de Ensino. Plano de Ensino. Plano de Ensino - Conteúdo. Plano de Ensino - Conteúdo

CEFET.PHB - PI. Plano de Ensino. Banco de Dados. Plano de Ensino. Plano de Ensino. Plano de Ensino - Conteúdo. Plano de Ensino - Conteúdo CEFET.PHB - PI Plano de Ensino Banco de Dados Prof. Jefferson Silva Sistema de Banco de Dados Objetivos Vantagens e Desvantagens Conceitos básicos de BD e de SGBD Abstração de Dados Linguagem de Definição

Leia mais

MSc. Daniele Carvalho Oliveira

MSc. Daniele Carvalho Oliveira MSc. Daniele Carvalho Oliveira AULA 2 Administração de Banco de Dados: MSc. Daniele Oliveira 2 CONCEITOS FUNDAMENTAIS DE BANCO DE DADOS Administração de Banco de Dados: MSc. Daniele Oliveira 3 Conceitos

Leia mais

O T I M I ZA ÇÃO DO CONTA S A RECEBER

O T I M I ZA ÇÃO DO CONTA S A RECEBER O T I M I ZA ÇÃO DO CONTA S A RECEBER A parcela do Contas a Receber vencida há mais de 60 dias (Over60) já representava 15% do total e com tendência a aumentar. No entanto as normas corporativas estipulavam

Leia mais

Percio Alexandre de Oliveira Prof. Maurício Capobianco Lopes - Orientador

Percio Alexandre de Oliveira Prof. Maurício Capobianco Lopes - Orientador Percio Alexandre de Oliveira Prof. Maurício Capobianco Lopes - Orientador Índice Introdução Objetivos Data Warehouse Estrutura Interna Características Principais elementos: ETC, Metadados e Modelagem Dimensional

Leia mais

Compartilhe. Desmistificando o BI Conceitos, estruturas e principais ferramentas

Compartilhe. Desmistificando o BI Conceitos, estruturas e principais ferramentas Desmistificando o BI Conceitos, estruturas e principais ferramentas INTRODUÇÃO Compartilhe Este e-book tem a intenção de trazer algumas informações básicas sobre BI, características de tipos de arquitetura,

Leia mais

Disciplina: GESTÃO DE PROCESSOS E QUALIDADE Prof. Afonso Celso M. Madeira

Disciplina: GESTÃO DE PROCESSOS E QUALIDADE Prof. Afonso Celso M. Madeira Disciplina: GESTÃO DE PROCESSOS E QUALIDADE Prof. Afonso Celso M. Madeira 3º semestre CONCEITOS CONCEITOS Atividade Ação executada que tem por finalidade dar suporte aos objetivos da organização. Correspondem

Leia mais

Data Warehouses. Alunos: Diego Antônio Cotta Silveira Filipe Augusto Rodrigues Nepomuceno Marcos Bastos Silva Roger Rezende Ribeiro Santos

Data Warehouses. Alunos: Diego Antônio Cotta Silveira Filipe Augusto Rodrigues Nepomuceno Marcos Bastos Silva Roger Rezende Ribeiro Santos Data Warehouses Alunos: Diego Antônio Cotta Silveira Filipe Augusto Rodrigues Nepomuceno Marcos Bastos Silva Roger Rezende Ribeiro Santos Conceitos Básicos Data Warehouse(DW) Banco de Dados voltado para

Leia mais

Qualidade de Dados e Segurança da Informação QUALIDADE DE DADOS

Qualidade de Dados e Segurança da Informação QUALIDADE DE DADOS Qualidade de Dados e Segurança da Informação QUALIDADE DE DADOS Sumário Conceitos / Autores chave... 3 1. Introdução... 4 2. Qualidade de dados... 5 3. Métricas para avaliar a qualidade da informação...

Leia mais

É uma parte fundamental de um software; É a parte do sistema visível para o usuário, através da qual, ele se comunica para realizar suas tarefas;

É uma parte fundamental de um software; É a parte do sistema visível para o usuário, através da qual, ele se comunica para realizar suas tarefas; Revisão 2 É uma parte fundamental de um software; É a parte do sistema visível para o usuário, através da qual, ele se comunica para realizar suas tarefas; Texto, Imagens, Sons, Cores são utilizados para

Leia mais

Administração de Sistemas de Informação Gerenciais UNIDADE IV: Fundamentos da Inteligência de Negócios: Gestão da Informação e de Banco de Dados Um banco de dados é um conjunto de arquivos relacionados

Leia mais

ADMINISTRAÇÃO E SERVIÇOS DE REDE

ADMINISTRAÇÃO E SERVIÇOS DE REDE ADMINISTRAÇÃO E SERVIÇOS DE REDE Introdução O administrador de redes geovanegriesang@ifsul.edu.br www.geovanegriesang.com Gerenciamento de redes Gerenciamento de rede é o ato de iniciar, monitorar e modificar

Leia mais

05/06/2012. Banco de Dados. Gerenciamento de Arquivos. Gerenciamento de Arquivos Sistema Gerenciador de Banco de Dados Modelos de Dados

05/06/2012. Banco de Dados. Gerenciamento de Arquivos. Gerenciamento de Arquivos Sistema Gerenciador de Banco de Dados Modelos de Dados Banco de Dados Gerenciamento de Arquivos Sistema Gerenciador de Banco de Dados Modelos de Dados Gerenciamento de Arquivos Gerenciamento de Arquivos 1 Gerenciamento de Arquivos Em uma indústria são executadas

Leia mais

Data Warehouse. Diogo Matos da Silva 1. Universidade Federal de Ouro Preto, Ouro Preto, MG, Brasil. Banco de Dados II

Data Warehouse. Diogo Matos da Silva 1. Universidade Federal de Ouro Preto, Ouro Preto, MG, Brasil. Banco de Dados II Data Warehouse Diogo Matos da Silva 1 1 Departamento de Computação Universidade Federal de Ouro Preto, Ouro Preto, MG, Brasil Banco de Dados II Diogo Matos (DECOM - UFOP) Banco de Dados II Jun 2013 1 /

Leia mais

Aula 03-04: Modelos de Sistemas Distribuídos

Aula 03-04: Modelos de Sistemas Distribuídos UNIVERSIDADE Computação Aula 03-04: Modelos de Sistemas Distribuídos 2o. Semestre / 2014 Prof. Jesus Principais questões no projeto de um sistema distribuído (SD) Questão de acesso (como sist. será acessado)

Leia mais

Curso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan

Curso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan Faculdade INED Curso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan 1 Unidade 4.2 2 1 BI BUSINESS INTELLIGENCE BI CARLOS BARBIERI

Leia mais

SISTEMAS DE APOIO À DECISÃO SAD

SISTEMAS DE APOIO À DECISÃO SAD SISTEMAS DE APOIO À DECISÃO SAD Conceitos introdutórios Decisão Escolha feita entre duas ou mais alternativas. Tomada de decisão típica em organizações: Solução de problemas Exploração de oportunidades

Leia mais

Arquitetura de Disseminação de Informações baseada em Datawarehouse 05/04/2006

Arquitetura de Disseminação de Informações baseada em Datawarehouse 05/04/2006 Arquitetura de Disseminação de Informações baseada em Datawarehouse 05/04/2006 Agenda A Informal Perspectiva Histórica Modelos de Arquitetura Benefícios para Gestão Caso de Referência Agenda A Informal

Leia mais

perspectivas e abordagens típicas de campos de investigação (Senra & Camargo, 2010).

perspectivas e abordagens típicas de campos de investigação (Senra & Camargo, 2010). 1 Introdução Os avanços na tecnologia da informação, bem como o crescimento da sociedade da informação através do uso da Internet, obrigaram os governos de inúmeros países, em seus mais variados níveis,

Leia mais

APLICATIVOS CORPORATIVOS

APLICATIVOS CORPORATIVOS Sistema de Informação e Tecnologia FEQ 0411 Prof Luciel Henrique de Oliveira luciel@uol.com.br Capítulo 3 APLICATIVOS CORPORATIVOS PRADO, Edmir P.V.; SOUZA, Cesar A. de. (org). Fundamentos de Sistemas

Leia mais

Empresas que atuavam fora do Brasil, começam a olhar para o nosso mercado e investem na busca de crescer a sua base de clientes, tais como:

Empresas que atuavam fora do Brasil, começam a olhar para o nosso mercado e investem na busca de crescer a sua base de clientes, tais como: TENDÊNCIAS 1. Globalização Empresas que atuavam fora do Brasil, começam a olhar para o nosso mercado e investem na busca de crescer a sua base de clientes, tais como: Grupo Casino Carrefour Wal-Mart C&A

Leia mais

Business Intelligence

Business Intelligence e-book Senior Business Intelligence 1 Índice 03 05 08 14 17 20 22 Introdução Agilize a tomada de decisão e saia à frente da concorrência Capítulo 1 O que é Business Intelligence? Capítulo 2 Quatro grandes

Leia mais

Dados. Qualquer elemento (aspecto, fato, medida etc.) representativo, disponível e coletável na realidade. fatos no estado bruto, conforme Platão;

Dados. Qualquer elemento (aspecto, fato, medida etc.) representativo, disponível e coletável na realidade. fatos no estado bruto, conforme Platão; Dados Os Dados são os fatos em sua forma primária, como observamos no mundo. Qualquer elemento (aspecto, fato, medida etc.) representativo, disponível e coletável na realidade. fatos no estado bruto, conforme

Leia mais