Cenário Atual. ... No coração deste ambiente está a idéia do
|
|
- Isaque Godoi Casado
- 8 Há anos
- Visualizações:
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.
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 maisSAD. 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 maisData 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 maisAdministração 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 maisDATA 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 maisDATA 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 maisTópicos 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 maisProf. 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 maisSistemas 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 maisPlanejamento 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 maisGBD PROF. ANDREZA S. AREÃO
GBD PROF. ANDREZA S. AREÃO Dado, Informação e Conhecimento DADO: Estímulos captados pelos sentidos humanos; Símbolos gráficos ou sonoros; Ocorrências registradas (em memória, papel, etc.); Indica uma situação
Leia maisData 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 maisResumo 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 maisSoluções 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 maisDisciplina 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 maisIdentificar 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 maisTencologia 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 maisData 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 maisMetadados. 1. Introdução. 2. O que são Metadados? 3. O Valor dos Metadados
1. Introdução O governo é um dos maiores detentores de recursos da informação. Consequentemente, tem sido o responsável por assegurar que tais recursos estejam agregando valor para os cidadãos, as empresas,
Leia maisCAPABILITY MATURITY MODEL FOR SOFTWARE. Eduardo Mayer Fagundes e-mail: eduardo@efagundes.com
CAPABILITY MATURITY MODEL FOR SOFTWARE Eduardo Mayer Fagundes e-mail: eduardo@efagundes.com 1. Introdução Após décadas de incontáveis promessas sobre como aumentar à produtividade e qualidade de software,
Leia maisUma 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 maisCurso 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 mais4. 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 maisGerenciamento 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 maisO 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 maisConceitos Básicos de Rede. Um manual para empresas com até 75 computadores
Conceitos Básicos de Rede Um manual para empresas com até 75 computadores 1 Conceitos Básicos de Rede Conceitos Básicos de Rede... 1 A Função de Uma Rede... 1 Introdução às Redes... 2 Mais Conceitos Básicos
Leia maisLOGÍSTICA Professor: Dr. Edwin B. Mitacc Meza
LOGÍSTICA Professor: Dr. Edwin B. Mitacc Meza edwin@engenharia-puro.com.br www.engenharia-puro.com.br/edwin Introdução A A logística sempre existiu e está presente no dia a dia de todos nós, nas mais diversas
Leia maisArquitetura 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 maisCUSTOS LOGÍSTICOS - UMA VISÃO GERENCIAL
CUSTOS LOGÍSTICOS - UMA VISÃO GERENCIAL Data: 10/12/1998 Maurício Lima INTRODUÇÃO Um dos principais desafios da logística moderna é conseguir gerenciar a relação entre custo e nível de serviço (trade-off).
Leia maisDados. 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 maisINSTITUTO 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 maisSistema de informação Leandro Salenave Gonçalves*
Sistema de informação Leandro Salenave Gonçalves* Possuir dados registrados, saber que possui informações disponíveis e conseguir extrair conhecimento dessas informações pode representar um valioso diferencial
Leia maisSAD 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 maisPlanejamento 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 maisDATA WAREHOUSE NO APOIO À TOMADA DE DECISÕES
DATA WAREHOUSE NO APOIO À TOMADA DE DECISÕES Janaína Schwarzrock jana_100ideia@hotmail.com Prof. Leonardo W. Sommariva RESUMO: Este artigo trata da importância da informação na hora da tomada de decisão,
Leia maisObjetivos Específico
Banco de Dados Ementa (DBA) Conceitos Gerais sobre Banco de Dados Instalação e configuração da Ferramenta de Banco de Dados. Elaboração de projeto de Banco de Dados. Implementação do projeto de Banco de
Leia maisProf. Fernando Lopes. Unidade II. Administração de Cargos e
Prof. Fernando Lopes Unidade II Administração de Cargos e Salários Conforme Chiavenato (2004, p. 267), a avaliação de cargos visa a obtenção de dados que permitirão uma conclusão acerca do valor interno
Leia maisAULA 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 maisBanco 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 maisBanco de Dados Orientado a Objetos
Banco de Dados Orientado a Objetos MODELAGEM, ANÁLISE, PROJETO e CLASSIFICAÇÃO Interação combinando lógica, através de objetos que contém os dados. Estes divididos conforme seus tipos e métodos (classe),
Leia maisDESENVOLVENDO O SISTEMA
DESENVOLVENDO O SISTEMA Declaração da Necessidade O primeiro passo do processo de análise de sistema envolve a identificação da necessidade [Pressman-95]. Normalmente o analista reúne-se com o usuário
Leia maissrbo@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 maisMódulo 12 Gerenciamento Financeiro para Serviços de TI
Módulo 12 Gerenciamento Financeiro Módulo 12 Gerenciamento Financeiro para Serviços de TI Todos os direitos de cópia reservados. Não é permitida a distribuição física ou eletrônica deste material sem a
Leia maisIntrodução a Banco de Dados Aula 03. Prof. Silvestri www.eduardosilvestri.com.br
Introdução a Banco de Dados Aula 03 Prof. Silvestri www.eduardosilvestri.com.br Arquiteturas de Banco de Dados Arquiteturas de BD - Introdução Atualmente, devem-se considerar alguns aspectos relevantes
Leia maisUNIVERSIDADE FEDERAL DE SANTA MARIA CENTRO DE TECNOLOGIA AULA 14 PROFª BRUNO CALEGARO
UNIVERSIDADE FEDERAL DE SANTA MARIA CENTRO DE TECNOLOGIA AULA 14 PROFª BRUNO CALEGARO Santa Maria, 01 de Novembro de 2013. Revisão aula passada Projeto de Arquitetura Decisões de projeto de Arquitetura
Leia maisESTRUTURA DE GERENCIAMENTO DO RISCO OPERACIONAL DO BANCO COOPERATIVO SICREDI E EMPRESAS CONTROLADAS
ESTRUTURA DE GERENCIAMENTO DO RISCO OPERACIONAL DO BANCO COOPERATIVO SICREDI E EMPRESAS CONTROLADAS Versão : 31 de dezembro de 2008 CONTEÚDO 1. INTRODUÇÃO...3 2. ORGANIZAÇÃO DA GESTÃO DE RISCO OPERACIONAL...3
Leia maisModelo 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 maise-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 maisagility made possible
RESUMO DA SOLUÇÃO Utilitário ConfigXpress no CA IdentityMinder a minha solução de gerenciamento de identidades pode se adaptar rapidamente aos requisitos e processos de negócio em constante mudança? agility
Leia maisUNEMAT SISTEMA DE INFORMAÇÃO (SI) Professora: Priscila Pelegrini priscila_pelegrini@unemat-net.br
UNEMAT SISTEMA DE INFORMAÇÃO (SI) Professora: Priscila Pelegrini priscila_pelegrini@unemat-net.br SINOP MT 2015-1 COMO SÃO DESENVOLVIDOS OS SISTEMAS DE INFORMAÇÃO? São desenvolvimento como uma estrutura
Leia maisADMINISTRAÇÃO I. Família Pai, mãe, filhos. Criar condições para a perpetuação da espécie
1 INTRODUÇÃO 1.1 ORGANIZAÇÃO E PROCESSOS A administração está diretamente ligada às organizações e aos processos existentes nas mesmas. Portanto, para a melhor compreensão da Administração e sua importância
Leia maisEngenharia de Software II
Engenharia de Software II Aula 28 Revisão para a Prova 2 http://www.ic.uff.br/~bianca/engsoft2/ Aula 28-28/07/2006 1 Matéria para a Prova 2 Gestão de projetos de software Conceitos (Cap. 21) Métricas (Cap.
Leia maisGerenciamento do ciclo de vida de um documento Simone de Abreu
Gerenciamento do ciclo de vida de um documento Simone de Abreu É o gerenciamento do ciclo de vida de todos os registros, em todos os tipos de mídia, desde a criação até a destruição ou arquivo permanente.
Leia maisFases 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 maisAdriano 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 maisADMINISTRAÇÃO GERAL GESTÃO DE PROCESSOS
ADMINISTRAÇÃO GERAL GESTÃO DE PROCESSOS Atualizado em 21/12/2015 GESTÃO DE PROCESSOS Um processo é um conjunto ou sequência de atividades interligadas, com começo, meio e fim. Por meio de processos, a
Leia mais4- PROJETO DE BANCO DE DADOS
4- PROJETO DE BANCO DE DADOS OBJETIVOS DE ENSINO: 4 - Empregar a técnica da modelagem de dados no projeto de banco de dados. OBJETIVOS OPERACIONAIS Ao final desta unidade o aluno será capaz de: 4.1 - Definir
Leia maisUNIVERSIDADE PAULISTA CURSO SUPERIOR DE TECNOLOGIA. Projeto Integrado Multidisciplinar I e II
UNIVERSIDADE PAULISTA CURSO SUPERIOR DE TECNOLOGIA Projeto Integrado Multidisciplinar I e II Manual de orientações - PIM Cursos superiores de Tecnologia em: Gestão Ambiental, Marketing, Processos Gerenciais
Leia maisProfessor: Conrado Frassini cfrassini@uol.com.br
Governança de TI e ISO20000 Quo Vadis TI? quinta-feira, 14 de agosto de 2008, 17h09 A área de Tecnologia da Informação vem sofrendo mudanças profundas e esse fenômeno aumentará nos próximos anos. Além
Leia maisMódulo 4. Construindo uma solução OLAP
Módulo 4. Construindo uma solução OLAP Objetivos Diferenciar as diversas formas de armazenamento Compreender o que é e como definir a porcentagem de agregação Conhecer a possibilidade da utilização de
Leia maisMódulo 9 A Avaliação de Desempenho faz parte do subsistema de aplicação de recursos humanos.
Módulo 9 A Avaliação de Desempenho faz parte do subsistema de aplicação de recursos humanos. 9.1 Explicações iniciais A avaliação é algo que faz parte de nossas vidas, mesmo antes de nascermos, se não
Leia maisMODELAGEM DE SISTEMAS DE INFORMAÇÃO
Unidade III MODELAGEM DE SISTEMAS DE INFORMAÇÃO Prof. Daniel Arthur Gennari Junior Sobre esta aula Ciclo de Vida de Sistemas Engenharia de Software Aplicações de Software Diagramação de Software Ciclo
Leia maisClassificação de Sistemas: Sistemas Empresariais
Universidade do Contestado Campus Concórdia Curso de Ciências Contábeis Prof.: Maico Petry Classificação de Sistemas: Sistemas Empresariais DISCIPLINA: Sistemas de Informação Gerencial O QI da empresa
Leia maisCA Mainframe Chorus for Storage Management Versão 2.0
FOLHA DO PRODUTO CA Mainframe Chorus for Storage Management CA Mainframe Chorus for Storage Management Versão 2.0 Simplifique e otimize suas tarefas de gerenciamento de armazenamento, aumente a produtividade
Leia maisAs principais características da abordagem de um banco de dados versus a abordagem de processamento de arquivos são as seguintes:
SGBD Características do Emprego de Bancos de Dados As principais características da abordagem de um banco de dados versus a abordagem de processamento de arquivos são as seguintes: Natureza autodescritiva
Leia maisGestão e estratégia de TI Conhecimento do negócio aliado à excelência em serviços de tecnologia
Gestão e estratégia de TI Conhecimento do negócio aliado à excelência em serviços de tecnologia Desafios a serem superados Nos últimos anos, executivos de Tecnologia de Informação (TI) esforçaram-se em
Leia maisEspecificação dos Requisitos do Software. Sistema de Controle e Gerenciamento de Loja de Vestuários e Acessórios
Especificação dos Requisitos do Software Sistema de Controle e Gerenciamento de Loja de Vestuários e Acessórios Autores: Guilherme Henrique Costa Reginaldo da Silva Alves Muzambinho/MG Outubro 2011 Aprovação
Leia maisAula 2 Revisão 1. Ciclo de Vida. Processo de Desenvolvimento de SW. Processo de Desenvolvimento de SW. Processo de Desenvolvimento de SW
Ciclo de Vida Aula 2 Revisão 1 Processo de Desenvolvimento de Software 1 O Processo de desenvolvimento de software é um conjunto de atividades, parcialmente ordenadas, com a finalidade de obter um produto
Leia maisTÓPICOS 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 maisCRM. Customer Relationship Management
CRM Customer Relationship Management CRM Uma estratégia de negócio para gerenciar e otimizar o relacionamento com o cliente a longo prazo Mercado CRM Uma ferramenta de CRM é um conjunto de processos e
Leia maisTodos nossos cursos são preparados por mestres e profissionais reconhecidos no mercado, com larga e comprovada experiência em suas áreas de atuação.
Curso Formação Efetiva de Analístas de Processos Curso Gerenciamento da Qualidade Curso Como implantar um sistema de Gestão de Qualidade ISO 9001 Formação Profissional em Auditoria de Qualidade 24 horas
Leia maisSISTEMAS DE INFORMAÇÃO GERENCIAIS
SISTEMAS DE INFORMAÇÃO GERENCIAIS Aluno: Luiza Cavalcanti Marques Orientador: Silvio Hamacher Introdução A modelagem e a utilização de bancos de dados em atividades gerenciais têm sofrido um aumento significativo
Leia maisLISTA DE VERIFICAÇAO DO SISTEMA DE GESTAO DA QUALIDADE
Questionamento a alta direção: 1. Quais os objetivos e metas da organização? 2. quais os principais Produtos e/ou serviços da organização? 3. Qual o escopo da certificação? 4. qual é a Visão e Missão?
Leia maisBem-vindo ao tópico Múltiplas filiais.
Bem-vindo ao tópico Múltiplas filiais. 1 Ao final deste tópico, você estará apto a: Explicar as opções disponibilizadas com o recurso Múltiplas filiais. Definir as configurações necessárias para trabalhar
Leia maisAdministração de Sistemas de Informação
Administração de Sistemas de Informação Aula 3 - Princípios da Teoria de Sistemas e Classificação dos Recursos de um SI Fonte: Luciene Marin Componentes de um Sistema de Informação: Modelo de SI: Um SI
Leia maisConceitos de Banco de Dados
Conceitos de Banco de Dados Autor: Luiz Antonio Junior 1 INTRODUÇÃO Objetivos Introduzir conceitos básicos de Modelo de dados Introduzir conceitos básicos de Banco de dados Capacitar o aluno a construir
Leia maisSistemas Operacionais. Prof. André Y. Kusumoto andrekusumoto.unip@gmail.com
Sistemas Operacionais Prof. André Y. Kusumoto andrekusumoto.unip@gmail.com Estruturas de Sistemas Operacionais Um sistema operacional fornece o ambiente no qual os programas são executados. Internamente,
Leia maisELABORAÇÃO DE PROJETOS
Unidade II ELABORAÇÃO DE PROJETOS DE PESQUISA Profa. Eliane Gomes Rocha Pesquisa em Serviço Social As metodologias qualitativas de pesquisa são utilizadas nas Ciências Sociais e também no Serviço Social,
Leia maisITIL v3 - Operação de Serviço - Parte 1
ITIL v3 - Operação de Serviço - Parte 1 É na Operação de Serviço que se coordena e realiza as atividades e processos necessários para fornecer e gerenciar serviços em níveis acordados com o usuário e clientes
Leia maisADMINISTRAÇÃO 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 maisCopyright Proibida Reprodução. Prof. Éder Clementino dos Santos
NOÇÕES DE OHSAS 18001:2007 CONCEITOS ELEMENTARES SISTEMA DE GESTÃO DE SSO OHSAS 18001:2007? FERRAMENTA ELEMENTAR CICLO DE PDCA (OHSAS 18001:2007) 4.6 ANÁLISE CRÍTICA 4.3 PLANEJAMENTO A P C D 4.5 VERIFICAÇÃO
Leia maisAline 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 maisGuia de utilização da notação BPMN
1 Guia de utilização da notação BPMN Agosto 2011 2 Sumário de Informações do Documento Documento: Guia_de_utilização_da_notação_BPMN.odt Número de páginas: 31 Versão Data Mudanças Autor 1.0 15/09/11 Criação
Leia maisNORMA TÉCNICA PARA IMPLANTAÇÃO DE NOVOS SISTEMAS OU APLICAÇÕES NO BANCO DE DADOS CORPORATIVO
NORMA TÉCNICA PARA IMPLANTAÇÃO DE NOVOS SISTEMAS OU APLICAÇÕES NO BANCO DE DADOS CORPORATIVO Referência: NT-AI.04.02.01 http://www.unesp.br/ai/pdf/nt-ai.04.02.01.pdf Data: 27/07/2000 STATUS: EM VIGOR A
Leia maisTecnologia da Informação
UNIDADE XI Sistema De Apoio à Gestão Empresarial Professor : Hiarly Alves www.har-ti.com Fortaleza - 2014 Tópicos Conceitos de software de gestão administrativas Principais softwares de gestão do mercado
Leia maisASPECTOS CONCEITUAIS OBJETIVOS planejamento tomada de decisão
FACULDADES INTEGRADAS DO TAPAJÓS DISCIPLINA: CONTABILIDADE GERENCIAL PROFESSOR: JOSÉ DE JESUS PINHEIRO NETO ASSUNTO: REVISÃO CONCEITUAL EM CONTABILIDADE DE CUSTOS ASPECTOS CONCEITUAIS A Contabilidade de
Leia maisIntrodução. Uso do disco Vantagens Desvantagens Baixo custo, facilidade de manutenção do software e do hardware, simetria e flexibilidade
Introdução É sabido que os processos rodam em processadores. Nos sistemas tradicionais existe somente um único processador, de forma que não há dúvida a respeito de como ele deve ser usado. Em um sistema
Leia maisBanco de Dados I. Construindo modelos de dados confiáveis
Banco de Dados I Construindo modelos de dados confiáveis SILBERSCHATZ et al, Sistemas de Banco de Dados Editora Campus, Rio de Janeiro, 2006, 3ª impressão. DATE, C J., Introdução a sistemas de banco de
Leia mais4 Metodologia. 4.1. Tipo de pesquisa
4 Metodologia Este capítulo descreve a metodologia adotada na execução do trabalho de pesquisa: definição da variável alvo, delimitação da população, processo de seleção da amostra, técnicas e procedimentos
Leia mais04/08/2012 MODELAGEM DE DADOS. PROF. RAFAEL DIAS RIBEIRO, M.Sc. @ribeirord MODELAGEM DE DADOS. Aula 1. Prof. Rafael Dias Ribeiro. M.Sc.
MODELAGEM DE DADOS PROF. RAFAEL DIAS RIBEIRO, M.Sc. @ribeirord MODELAGEM DE DADOS Aula 1 Prof. Rafael Dias Ribeiro. M.Sc. @ribeirord 1 Objetivos: Apresenta a diferença entre dado e informação e a importância
Leia maisCEFET.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 maisGerenciamento de Projetos. Faculdade Unisaber 2º Sem 2009
Semana de Tecnologia Gerenciamento de Projetos Faculdade Unisaber 2º Sem 2009 ferreiradasilva.celio@gmail.com O que é um Projeto? Projeto é um "esforço temporário empreendido para criar um produto, serviço
Leia maisMODELAGEM E SIMULAÇÃO
MODELAGEM E SIMULAÇÃO Professor: Dr. Edwin B. Mitacc Meza edwin@engenharia-puro.com.br www.engenharia-puro.com.br/edwin Terminologia Básica Utilizada em de Sistemas Terminologia Básica Uma série de termos
Leia maisO modelo Entidade-Relacionamento. Agenda: -Modelagem de dados utilizando O Modelo Entidade-Relacionamento
O modelo Entidade-Relacionamento Agenda: -Modelagem de dados utilizando O Modelo Entidade-Relacionamento 1 Antes de começarmos: A modelagem conceitual é uma fase muito importante no plamejamento de um
Leia maisEngenharia de Software e Gerência de Projetos Prof. Esp. André Luís Belini Bacharel em Sistemas de Informações MBA em Gestão Estratégica de Negócios
Engenharia de Software e Gerência de Projetos Prof. Esp. André Luís Belini Bacharel em Sistemas de Informações MBA em Gestão Estratégica de Negócios Cronograma das Aulas. Hoje você está na aula Semana
Leia maisESTRUTURA DE GERENCIAMENTO DO RISCO OPERACIONAL
ESTRUTURA DE GERENCIAMENTO DO RISCO OPERACIONAL 1. INTRODUÇÃO: O Banco Pottencial, considera a gestão de riscos como um instrumento essencial para maximização da eficiência no uso do capital e para escolha
Leia maisIntrodução. Escritório de projetos
Introdução O Guia do Conhecimento em Gerenciamento de Projetos (Guia PMBOK ) é uma norma reconhecida para a profissão de gerenciamento de projetos. Um padrão é um documento formal que descreve normas,
Leia mais5o ENCONTRO DE USUÁRIOS DE BI
5o ENCONTRO DE USUÁRIOS DE BI Contextualizando Para o quinto Encontro de Usuários de BI, o tema escolhido foi a importância de adotar uma Arquitetura de Referência em projetos de BI. Durante os encontros
Leia mais