Data Warehouse a experiência da ANVISA

Tamanho: px
Começar a partir da página:

Download "Data Warehouse a experiência da ANVISA"

Transcrição

1 Data Warehouse a experiência da ANVISA Camilo Mussi, Denis Murahovschi, Giliana Bettni, Luiz Gustavo Kratz Assessoria da Presidência, Agência Nacional de Vigilância Sanitária (ANVISA), Brasil Resumo - O contexto em que se vive atualmente demanda das organizações uma capacidade de analisar, planejar e reagir rapidamente para poder acompanhar ou superar as exigências dos clientes. A todo o momento, uma grande quantidade de informações, sobre os mais variados aspectos dos negócios da empresa, é gerada, armazenada, passando a fazer parte da base de conhecimento. Entretanto, esses dados estão espalhados por vários sistemas de difícil integração, sem qualidade e indisponíveis para os gerentes e altos executivos que são os tomadores de decisões estratégicas das organizações. Para suprir essa deficiência surgiu o Data Warehouse (DW), que se constitui de um conjunto de arquiteturas e/ou sistemas de informação orientados a assunto que existem em plataformas segregadas do ambiente transacional, manipulando grande volume de dados, principalmente históricos, e dão origem a consultas invariavelmente não previsíveis, que tem por objetivo dar suporte a esses processos. O objetivo desse trabalho é apresentar como foi implementada esta tecnologia na Agência Nacional de Vigilância Sanitária (ANVISA), os principais conceitos e questões envolvidas, procurando enfatizar a importância de sua utilização para garantir agilidade e segurança na tomada de decisão na área da Saúde, definindo o caminho a ser desenvolvido desde a modelagem até a implantação de um DW. Palavras-chave: Data Warehouse, Sistemas de Apoio à Decisão, Sistemas de Informações Executivas. Abstract - O contexto em que se vive atualmente demanda das organizações uma capacidade de analisar, planejar e reagir rapidamente para poder acompanhar ou superar as exigências dos clientes. A todo o momento, uma grande quantidade de informações, sobre os mais variados aspectos dos negócios da empresa, é gerada, armazenada, passando a fazer parte da base de conhecimento. Entretanto, esses dados estão espalhados por vários sistemas de difícil integração, sem qualidade e indisponíveis para os gerentes e altos executivos que são os tomadores de decisões estratégicas das organizações. Para suprir essa deficiência surgiu o Data Warehouse (DW), que se constitui de um conjunto de arquiteturas e/ou sistemas de informação orientados a assunto que existem em plataformas segregadas do ambiente transacional, manipulando grande volume de dados, principalmente históricos, e dão origem a consultas invariavelmente não previsíveis, que tem por objetivo dar suporte a esses processos. O objetivo desse trabalho é apresentar como foi implementada esta tecnologia na Agência Nacional de Vigilância Sanitária (ANVISA), os principais conceitos e questões envolvidas, procurando enfatizar a importância de sua utilização para garantir agilidade e segurança na tomada de decisão na área da Saúde, definindo o caminho a ser desenvolvido desde a modelagem até a implantação de um DW. Key-words: Data Warehouse, Decision Support Systems, Executive Information Systems. Introdução O contexto em que se vive atualmente demanda das organizações uma capacidade de analisar, planejar e reagir rapidamente para poder acompanhar ou superar as exigências dos clientes e à ameaça da concorrência. Para que isto aconteça, é necessário que a organização tenha disponível, quando necessário, as informações que constituem a base para obtenção de vantagens competitivas e maior fidelidade dos clientes. As inovações tecnológicas que estão chegando ao mercado permitem que as informações que irão garantir a supremacia da organização nesse novo mercado sejam manipuladas a nível global e num grande volume. A todo o momento uma grande quantidade de informações, sobre os mais variados aspectos dos negócios da empresa, é gerada e armazenada, passando a fazer parte da base de conhecimento. Entretanto, esses dados estão, geralmente, espalhados por vários sistemas, de difícil integração, sem qualidade e indisponíveis para os gerentes e altos executivos que são os tomadores de decisões estratégicas das organizações. Para suprir essa deficiência surgiu o Data Warehouse (DW), que se constitui de um conjunto de arquiteturas e/ou sistemas de informação

2 orientados a assunto que existem em plataformas segregadas do ambiente transacional, manipulando grande volume de dados, principalmente históricos, e dão origem a consultas (read-only) invariavelmente não previsíveis, que tem por objetivo dar suporte a esses processos, segundo W. H. Inmon [1]. Nesse sentido, considerando a importância da informação em subsidiar à tomada de decisão, está sendo implantado um Data Warehouse para avaliação das áreas de atuação da Agência Nacional de Vigilância Sanitária (ANVISA). A ANVISA é uma autarquia sob regime especial, ou seja, uma agência reguladora caracterizada pela independência administrativa, autonomia financeira e estabilidade de seus dirigentes durante o período de mandato, vinculada ao Ministério da Saúde. A finalidade institucional da Agência é promover a proteção da saúde da população por intermédio do controle sanitário da produção e da comercialização de produtos e serviços submetidos à vigilância sanitária, inclusive dos ambientes, dos processos, dos insumos e das tecnologias a eles relacionados. Além disso, exerce o controle de portos, aeroportos e fronteiras e a interlocução junto ao Ministério das Relações Exteriores e instituições estrangeiras para tratar de assuntos internacionais na área de vigilância sanitária. Os sistemas operacionais existentes estão atendendo a ANVISA de forma satisfatória, porém, esse atendimento é direcionado aos usuários operacionais. Os módulos gerenciais dos sistemas existentes não atendem as demandas de informações não estruturadas para a tomada de decisão. Essas demandas são constantes e, na maioria das vezes, não é possível atender dentro da expectativa em relação ao prazo. Em muitos casos, quando a demanda é atendida, a decisão já tem sido tomada com a informação que o usuário dispunha. Em outros, após analisar o resultado, o usuário solicita modificações no mesmo, gerando nova demanda a qual passa a concorrer com outras que já estão na fila, enfim, não se consegue atender bem os clientes tomadores de decisão. Metodologia Em meados de 2002, para resolver este problema, a ANVISA tomou a decisão de adotar a tecnologia de Data Warehouse (DW). Começou então o desenvolvimento de um protótipo em uma área escolhida, levando-se em conta a complexidade e a importância da mesma para a missão da ANVISA, que foi a Avaliação de Serviços de Saúde. Novos temas foram desenvolvidos, posteriormente, no DW, como Recursos Humanos, Arrecadação e outros. A ANVISA tem desenvolvido o DW de forma corporativa e incremental. O fato é que o DW se tornou a solução proposta para apoiar o processo decisório na instituição. As principais fontes de dados do DW são os sistemas transacionais ou On-Line Transaction Processing (OLTP) que atendem aos usuários da ANVISA e do Ministério da Saúde. Esses sistemas possuem bases de dados relacionadas com o assunto de interesse e que estão disponíveis para os processos de extração, transformação e carga (ETC). A integração de várias fontes é feita por meio do compartilhamento do significado dos dados. É uma característica que permite que informações de fontes distintas possam ser vinculadas entre si e apresentadas com significado correto, lado a lado, no mesmo relatório. No caso do Tema Avaliação de Serviços de Saúde, a principal fonte de dados externos é o DATASUS, por meio dos diversos sistemas existentes. A metodologia de desenvolvimento do DW é baseada na proposta por Kimball [2] do ciclo de desenvolvimento do DW. Para a infra-estrutura de DW, foram adquiridos equipamentos com grande área de disco para armazenar o volume de dados e com processadores paralelos para proporcionar melhores tempos de resposta. Os processos de extração e de transformação são executados utilizando soluções próprias da ANVISA, por meio de ferramenta de programação, portanto, a Staging Área, para transformar e integrar os dados operacionais antes de serem carregadas para o DW, começa no próprio ambiente operacional. Os arquivos resultantes desses processos de extração e transformação, no ambiente operacional, são transportados para a plataforma onde se encontra o DW. Após o processo de transporte, ocorrem ainda processos de transformação onde os dados sofrem as últimas alterações e são carregados no DW, por meio das ferramentas do Sistema Gerenciador de Banco de Dados Oracle. Os dados do DW estão armazenados ao nível de granularidade mais atômico possível e de forma corporativa incremental. A modelagem dos dados é multidimensional, na visão estrela (star schema), documentada com o Software Power Designer. As principais questões observadas na modelagem, para que as consultas não produzissem resultados incorretos, foram:

3 Atributos semi-aditivos e não aditivos: Uma operação não aditiva, como o cálculo da margem bruta, pode ser computada em qualquer plano da tabela de fatos, lembrando-se de calcular o quociente das somas, não a soma dos quocientes. Em outras palavras, o resultado deve ser a divisão das somas e não o inverso. Uma operação semi-aditiva não pode ser adicionada ao longo de todas as dimensões da tabela de fatos, deve-se limitar com isso a operação às dimensões válidas. Dimensões descaracterizadas: Números de controle de documentos, como números de autorizações ou números de controle, normalmente são representados como dimensões descaracterizadas (isto é, chaves de dimensão sem uma tabela correspondente) em tabelas de fatos em que o grão da tabela é o documento propriamente dito ou uma linha de item do documento. Dimensões derivadas que suportam agregados: Ë extremamente importante construir tabelas de fatos derivadas (resumidas) em vários níveis superiores de detalhe para melhorar o desempenho das consultas, que de outra forma apresentariam um grande número de registros. Existem muitas formas de agregados no DW, sendo as mais comuns: a. Cumulativa simples: as transações diárias são transportadas do ambiente operacional e resumidas em forma de registros no DW. O resumo pode ser feito por qualquer área de interesse, segundo a qual o DW esteja organizado. b. Resumo rotativo: os dados passam do ambiente operacional para o DW como mencionado anteriormente. A diferença está na forma como é agregado. Por exemplo, nesta estrutura, nos primeiros sete dias da semana a atividade é resumida em sete posições diárias. No oitavo dia, as sete posições diárias são acumuladas e colocadas na primeira posição semanal. No final do mês, as posições semanais são acumuladas e colocadas na primeira posição mensal. No final do ano, as posições mensais são acumuladas, e a primeira posição anual é carregada. Existem vantagens e desvantagens nesta abordagem com relação a anterior: Os dados podem ser processados para encontrar o ponto mais alto, mais baixo, a média, e assim por diante. A primeira e a última ocorrência de dados podem ser dispostas em um bloco. Dados de determinados tipos, inseridos nos limites de diversos parâmetros, podem ser mensurados. Dados válidos em relação a um determinado momento podem ser dispostos em um bloco. Os dados mais antigos e os mais recentes podem ser dispostos em um bloco. c. Dimensões grandes: não se devem desmembrar as dimensões, mesmo que elas sejam extensas, pois poderá causar um desempenho limitado. A melhor abordagem para rastrear modificações nessas tabelas é subdividi-las em minidimensões compostas por pequenos conjuntos de atributos estruturados para conter um número limitado de valores. d. Dimensões de modificação lenta: o DW deve representar de forma concreta o histórico passado, por isso não se pode considerar que as entidades não se modificam ao longo do tempo. Entretanto, a solução não será incluir tudo na tabela de fatos ou tornar cada dimensão dependente no tempo. Em vez disso, deve-se explorar o fato de que a maioria das dimensões é constante ao longo do tempo e que se pode preservar uma estrutura dimensional independente, incluindo relativamente poucas adições para capturar o aspecto temporal das modificações. Essas dimensões praticamente constantes são chamadas de dimensões de modificação lenta. Existem três opções de modificação destas dimensões, cada uma delas resultando em um diferente nível de rastreamento de modificações ao longo do tempo: Substituir os valores antigos dos registros da dimensão e, portanto, perder a capacidade de rastrear o histórico passado. Adicionar um registro à dimensão, contendo os novos valores do atributo no momento da mudança, para segmentar o histórico entre a descrição antiga e a nova descrição com muita precisão. Criar novos campos atuais no registro original da dimensão para incluir os novos valores do atributo, mantendo também seus valores originais, permitindo dessa forma descrever o histórico anterior e o posterior à mudança tanto em relação aos valores originais do atributo quanto aos valores atuais. e. Tabela de fatos sem fatos: alguns processos que são representados no DW produzem tabelas de fatos semelhantes às tabelas que foram construídas, mas que não contém fatos mensuráveis. São chamadas de tabelas de fatos sem fatos. As duas principais variações dessas tabelas são tabelas de rastreamento de eventos e tabelas de cobertura. Os eventos são geralmente modelados por uma tabela de fatos contendo algumas chaves, cada qual representando uma dimensão do evento, freqüentemente não estão associadas a fatos numéricos óbvios. As tabelas de

4 cobertura são, freqüentemente, tabelas de eventos que não ocorreram e, de modo geral, não contém fatos assim como as tabelas de rastreamento de eventos. Para acessar os dados do DW e realizar suas análises, os usuários finais utilizam a ferramenta On-Line Analytical Processing (OLAP) da Microstrategy. Os resumos e agregações são disponibilizados para acesso pelos usuários finais no mesmo ambiente do DW corporativo, podendo o usuário acessar, até mesmo, os dados mais atômicos, obedecendo à abrangência do Tema. Durante a implementação do DW foram identificadas as seguintes dificuldades: Falta de envolvimento/comprometimento de profissionais, com os perfis necessários. Para o desenvolvimento de um projeto de DW, é imprescindível que a equipe designada para o trabalho, além de estar envolvida e comprometida com o resultado deste trabalho, reúna, também, o domínio completo dos seguintes pontos: Conhecimento de modelagem multidimensional; Conhecimento do negócio do cliente; Conhecimento das necessidades do cliente; Conhecimento das bases e sistemas de origem (sistemas legados) esta dificuldade fez com que houvesse uma troca completa da equipe que iniciou o projeto, trazendo um atraso na implantação do DW; Falta de delimitação de um escopo para a primeira versão do projeto. O cliente tende a querer todas os dados existentes nos sistemas legados (fontes), desde a primeira versão. Isso, geralmente aumenta a complexidade do modelo, gerando dificuldade na utilização pelos usuários, o que leva ao desânimo e abandono, deixando a impressão de que DW é muito complicado e difícil de ser usado não se terminava o primeiro projeto porque não se sabia onde este era finalizado; Falta de uma previsão orçamentária compatível com o projeto a aquisição de equipamentos e software dependia de verba a ser alocada. Conforme a metodologia adotada, foram executados 11 (onze) processos para que fosse possível extrair os dados do banco de dados de produção e enviá-los para o DW. O conjunto desses processos é chamado, por Ralph Kimball [2], de Sistemas de Extração de Dados de Produção (SEDP) e são: 1. Extração primária; 2. Identificação dos registros modificados; 3. Generalização de chaves para dimensões em modificações; 4. Transformação em imagens de registros de carga; 5. Migração do sistema legado para o sistema DW; 6. Classificação e construção de agregados; 7. Generalização de chaves para agregados; 8. Carregamento; 9. Processamento de exceções; 10. Garantia de qualidade e 11. Publicação. Foi necessária a criação de rotinas de carga para atender determinadas situações que ocorreram. A catalogação dos sistemas de produção que alimentam o DW é de suma importância para identificação precisa da extração primária dos dados. Pode-se dizer que o processo de limpeza e transformação dos dados que foram carregados no DW serviu para corrigir algumas imperfeições contidas nas bases de dados transacionais, a fim de fornecer ao usuário do sistema analítico dados concisos e com uma qualidade que permitisse uma tomada de decisão baseada em valores mais próximos dos reais. Idealmente, pode-se imaginar que o dado deveria apenas ser convertido para padronização de medidas, porém existem valores incorretos nas bases de dados transacionais, os quais não podem ser propagados, principalmente no momento em que serão analisados, muitas vezes comparativamente. Como exemplo, existem campos de preenchimento obrigatório, com valores que não existem na tabela relacionada, como Município. Existem campos preenchidos, como o de Nascidos Vivos, que é previsto ser preenchido quando existe o nascimento de crianças, mas estão preenchidos para indivíduos do sexo masculino. Além disso, a limpeza é necessária porque os dados normalmente advêm de uma fonte muitas vezes desconhecida, concebida há muito tempo, contendo muito lixo e inconsistência, porque o interesse de cada usuário ao preencher os dados relativos a qualquer assunto é específico a este. Por isso, nessa fase do DW, fez-se a limpeza dos dados, para haver compatibilidade entre os mesmos. O processo de limpeza não estará completo sem que se possam livrar os dados de problemas que, por algum motivo, passaram despercebidos nos sistemas de origem, tais como: códigos inválidos e preenchimento de vários campos com valores incompatíveis entre si. A própria modelagem do sistema transacional pode conter pontos fracos que permitam, por assim dizer, a existência de dados inconsistentes, os quais podem e devem ser filtrados antes da carga no DW.

5 Pode-se e encontraram-se dados com os seguintes problemas: Diferenças de unidades: campos de idade dos pacientes em anos ou em meses, sendo necessário converter todas as medidas para qualquer uma das duas (ou todas em anos, ou todas em meses) ou, mantendo-as, entender como devem ser trabalhadas; Diferenças de precisão: alguns valores representados, por exemplo, com duas casas decimais em uma tabela e com quatro casas decimais em outra tabela, cabendo ao administrador do DW definir qual a precisão desejada; Diferenças de códigos ou expressões: em campos que são codificados nos sistemas transacionais a fim de reduzir o espaço de armazenamento, agilizar e padronizar a entrada de dados, para que não existam valores iguais com significados diferentes; Diferenças de granularidade: é o caso de um campo que totalize as horas despendidas para realizar uma determinada tarefa, como reuniões realizadas num mês que pode ser confundido com outro campo que totalize as horas gastas com reuniões numa semana, não sendo possível utilizar estes campos para realizar comparações ou totalizações sem as devidas conversões; Diferenças de abstração: no caso do campo de telefone ser armazenado com o DDD separado dos números normais em uma fonte enquanto que em outra fonte estes números estão combinados em um só campo. Normalmente as ações de correção das anomalias encontradas não se deram automaticamente com uma rotina específica, até porque isto poderia ter sido feito já na própria base transacional. O que se procurou é solucionar as pendências caso a caso, tentando corrigir inclusive a base original. O processo de transformação de dados no DW ocorreu porque as origens dos dados são de sistemas diferentes, sendo necessário padronizar os diferentes formatos. Por exemplo: em alguns sistemas a informação sobre o sexo do cliente pode estar armazenada no seguinte formato: M para Masculino e F para Feminino. Porém, em algum outro sistema pode estar armazenado como H para Masculino e M para Feminino e assim sucessivamente. Quando esses dados forem carregados para o DW, deve-se ter uma padronização deles, ou seja, quando o usuário for consultar o DW, ele não pode ver informações iguais em formatos diferentes [1]. A carga dos dados foi feita a partir de um sistema de banco de dados temporário, no qual os dados já passaram pelo processo de limpeza e integração (transformação). As tabelas que são atualizadas no sistema de DW foram montadas utilizando-se agregações, sumarizações e ordenações dos dados. A velocidade de carga influencia de forma drástica na performance do sistema. Muitas vezes são excluídos os índices de ordenação das tabelas com a finalidade de reduzir a quantidade de controles a serem monitorados pelo Sistema Gerenciador de Banco de Dados (SGBD), reconstruindo-as posteriormente, após a conclusão da carga. A todo o momento são realizadas alterações nas bases de dados transacionais. Estas modificações, inclusões de novos registros ou cadastro de novos dados, devem ser atualizadas para o DW a fim de que este esteja condizente com a atualidade das fontes de origem. Esta periodicidade deve ser determinada levando-se em conta o volume de dados e a necessidade dos usuários, podendo ser diária, semanal, mensal ou qualquer outro período determinado. Resultados Os estudos realizados até o presente momento mostram que é possível, a partir do DW implantado, no Tema Avaliação em Serviços de Saúde, executarem-se diversos relatórios gerenciais, com a especificidade de cada usuário, para que este possa tomar a melhor decisão. Existem dados relativos a Internações Hospitalares (AIH) desde janeiro de 2000 até dois meses anteriores ao atual. Em relação a Autorizações de Procedimentos de Alta Complexidade (APAC) existem dados desde janeiro de 1998 até um mês anterior ao atual e, em relação ao Cadastro Nacional de Estabelecimentos de Saúde (CNES), os dados são atualizados semanalmente. Todos estes dados podem ser cruzados em inúmeros relatórios. Podem-se executar relatórios gerenciais sobre qualquer uma das seguintes dimensões (pontos de vista do usuário), combinadas de qualquer modo, em relação, por exemplo, a AIH: Hospital; Município do Hospital; Unidade da Federação do Hospital; Natureza do Hospital; Tipo de AH; Especialidade; Caráter da Internação; Procedimento Solicitado; Procedimento Realizado; Diagnóstico Principal;

6 Diagnóstico Secundário; Motivo de Cobrança; Tipo de UTI; Sexo; Nacionalidade; Município do Paciente; Unidade da Federação do Paciente; Idade de Internação do Paciente; Idade de Saída do Paciente; Data de Internação; Data de Saída; Data de Emissão e outras. Pode-se também cruzar com dados do CNES, como: Fluxo de clientela; Equipamentos; Níveis de Hierarquia; Município do Paciente; Tipo de Unidade; Atendimento Prestado; Leitos; Serviços Especializados; Habilitações e outras. Também dados da APAC podem ser utilizados. Os valores, a partir das dimensões anteriores, que podem ser visualizados são: Quantidade de AIH s; Idade média, máxima ou mínima (de internação e saída); Total de óbitos; Total de nascidos vivos; Total de saídas; Total por qualquer uma das dimensões; e diversos outros. Discussão e Conclusões A implantação da tecnologia de Data Warehouse, em uma instituição de saúde, de qualquer porte, possibilita a busca e interpretação de informações armazenadas, garantindo maior acuricidade nas tomadas de decisão; permite estabelecer uma aproximação integrada e colaborativa para capturar, criar, organizar e usar todos os ativos de informação de uma empresa; consegue antecipar as mudanças bruscas no mercado; conhecer o negócio; ter uma visão clara sobre novos negócios; auxilia na implementação de novas ferramentas gerenciais; ter conhecimento sobre novas tecnologias, produtos ou serviços que possam afetar direta e indiretamente o seu negócio. Deve-se atentar para os possíveis erros na implantação de um DW que, segundo o Data Warehousing Institute [3] são: 1. Começar o projeto com o tipo errado de patrocínio; 2. Gerar expectativas que não podem ser satisfeitas, frustrando os executivos quando da utilização do DW; 3. Dizer: Isto vai ajudar os gerentes a tomar decisões melhores e outras informações politicamente ingênuas; 4. Carregar o DW com informações só porque estavam disponíveis ; 5. Falhar no objetivo de acrescentar valor ao dada por meio de mecanismos de desnormalização, categorização e navegação assistida; 6. Escolher um gerente que seja voltado para a tecnologia e não para o usuário; 7. Focalizar em dados tradicionais internos orientados a registro e ignorar o valor potencial de dados textuais, imagem, som, vídeo e dados externos; 8. Fornecer dados com definições confusas e sobrepostas; 9. Acreditar nas promessas de desempenho, capacidade e escalabilidade dos vendedores de produtos e 10. Usar o DW como justificativa para modelagem de dados e uso de ferramentas case. A ANVISA pode e propõe-se a disponibilizar, a todos os órgãos interessados, o modelo de dados que implantou e que possibilitará, aos usuários, neste primeiro momento, da AIH, APAC e CNES partir de um ponto mais avançado visando implantar um sistema de suporte à decisão, utilizando a tecnologia de um DW. Este trabalho serve também para despertar o interesse para a área de suporte à decisão, uma área que pode e deve disponibilizar as informações necessárias, consolidadas e, principalmente, em tempo hábil aos tomadores de decisão. Referências [1] Inmon, W.H. (1997), Como Construir o Data Warehouse, Rio de Janeiro: Campus. [2] Kimbal, Ralph (1998), Data Warehouse Toolkit, Rio de Janeiro: Makron Books. [3] Singh, H. S. (2001), Data Warehouse: conceitos, tecnologias, implantação e gerenciamento, Rio de Janeiro: Makron Books. Contato Camilo Mussi (61)

Ferramentas de Back End

Ferramentas de Back End Ferramentas de Back End Por Eliane Martins de Sousa, pós-graduada em Sistemas de Informações Inteligentes pelo CRRM - Université Aix-Marseille III, (Fr) e Analista de Sistemas da Caixa Econômica Federal

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

DATA WAREHOUSING. Data Warehousing

DATA WAREHOUSING. Data Warehousing DATA WAREHOUSING Data Warehousing Sumário Conceitos / Autores chave... 3 1. Introdução... 3 2. Modelos de Data Warehouse... 4 3. Processo de Extração, Transformação e Carga de Dados... 6 4. Data Mart versus

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

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

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

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

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

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

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

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

CONSIDERAÇÕES SOBRE ATIVIDADES DE IDENTIFICAÇÃO, LOCALIZAÇÃO E TRATAMENTO DE DADOS NA CONSTRUÇÃO DE UM DATA WAREHOUSE

CONSIDERAÇÕES SOBRE ATIVIDADES DE IDENTIFICAÇÃO, LOCALIZAÇÃO E TRATAMENTO DE DADOS NA CONSTRUÇÃO DE UM DATA WAREHOUSE CONSIDERAÇÕES SOBRE ATIVIDADES DE IDENTIFICAÇÃO, LOCALIZAÇÃO E TRATAMENTO DE DADOS NA CONSTRUÇÃO DE UM DATA WAREHOUSE Fabio Favaretto Professor adjunto - Programa de Pós Graduação em Engenharia de Produção

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

Uma Arquitetura de Gestão de Dados em Ambiente Data Warehouse

Uma Arquitetura de Gestão de Dados em Ambiente Data Warehouse Uma Arquitetura de Gestão de Dados em Ambiente Data Warehouse Alcione Benacchio (UFPR) E mail: alcione@inf.ufpr.br Maria Salete Marcon Gomes Vaz (UEPG, UFPR) E mail: salete@uepg.br Resumo: O ambiente de

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

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

DESENVOLVIMENTO DE PLUG-INS KETTLE PARA GERAÇÃO DE MONDRIAN SCHEMA A PARTIR DE BASES RELACIONAIS, UTILIZANDO A METODOLOGIA AGILE ROLAP.

DESENVOLVIMENTO DE PLUG-INS KETTLE PARA GERAÇÃO DE MONDRIAN SCHEMA A PARTIR DE BASES RELACIONAIS, UTILIZANDO A METODOLOGIA AGILE ROLAP. DESENVOLVIMENTO DE PLUG-INS KETTLE PARA GERAÇÃO DE MONDRIAN SCHEMA A PARTIR DE BASES RELACIONAIS, UTILIZANDO A METODOLOGIA AGILE ROLAP. Eduardo Cristovo de Freitas Aguiar (PIBIC/CNPq), André Luís Andrade

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

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

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

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

UNG CIC Tópicos Especiais de TI. Aula 13

UNG CIC Tópicos Especiais de TI. Aula 13 Aula 13 1. Data Warehouse Armazém de Dados (Continuação) 1 Erros na implantação de um Data Warehouse Segundo o Data Warehousing Institute existem dez erros mais comuns na implantação de um Data Warehouse

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

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

DESMISTIFICANDO O CONCEITO DE ETL

DESMISTIFICANDO O CONCEITO DE ETL DESMISTIFICANDO O CONCEITO DE ETL Fábio Silva Gomes da Gama e Abreu- FSMA Resumo Este artigo aborda os conceitos de ETL (Extract, Transform and Load ou Extração, Transformação e Carga) com o objetivo de

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

18. Qualidade de Dados em Data Warehouse - Objetivos e Sucesso

18. Qualidade de Dados em Data Warehouse - Objetivos e Sucesso 18. Qualidade de Dados em Data Warehouse - Objetivos e Sucesso Uma das características das Ciências Exatas é a precisão das informações obtidas; a segurança dos dados extraídos nos processos usados. Cálculos

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

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

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

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

Uma Ferramenta Web para BI focada no Gestor de Informação

Uma Ferramenta Web para BI focada no Gestor de Informação Uma Ferramenta Web para BI focada no Gestor de Informação Mikael de Souza Fernandes 1, Gustavo Zanini Kantorski 12 mikael@cpd.ufsm.br, gustavoz@cpd.ufsm.br 1 Curso de Sistemas de Informação, Universidade

Leia mais

ARMAZÉM DE DADOS SOBRE A ASSISTÊNCIA ONCOLÓGIA AMBULATORIAL DO SISTEMA ÚNICO DE SAÚDE

ARMAZÉM DE DADOS SOBRE A ASSISTÊNCIA ONCOLÓGIA AMBULATORIAL DO SISTEMA ÚNICO DE SAÚDE ARMAZÉM DE DADOS SOBRE A ASSISTÊNCIA ONCOLÓGIA AMBULATORIAL DO SISTEMA ÚNICO DE SAÚDE Rômulo Cristovão de Souza 1, Sergio Miranda Freire 1, Rosimary Terezinha de Almeida 2 1 Departamento de Tecnologia

Leia mais

A importância da. nas Organizações de Saúde

A importância da. nas Organizações de Saúde A importância da Gestão por Informações nas Organizações de Saúde Jorge Antônio Pinheiro Machado Filho Consultor de Negócios www.bmpro.com.br jorge@bmpro.com.br 1. Situação nas Empresas 2. A Importância

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

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

Data Warehouse: uma classificação de seus Custos e Benefícios

Data Warehouse: uma classificação de seus Custos e Benefícios Data Warehouse: uma classificação de seus Custos e Benefícios Marcos Paulo Kohler Caldas (CEFET-ES/CEFET-PR) marcospaulo@cefetes.br Prof. Dr. Luciano Scandelari (CEFET-PR) luciano@cefetpr.br Prof. Dr.

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

Uma análise multidimensional dos dados estratégicos da empresa usando o recurso OLAP do Microsoft Excel

Uma análise multidimensional dos dados estratégicos da empresa usando o recurso OLAP do Microsoft Excel Uma análise multidimensional dos dados estratégicos da empresa usando o recurso OLAP do Microsoft Excel Carlos Alberto Ferreira Bispo (AFA) cafbispo@siteplanet.com.br Daniela Gibertoni (FATECTQ) daniela@fatectq.com.br

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

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

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

Trata-se de uma estratégia de negócio, em primeira linha, que posteriormente se consubstancia em soluções tecnológicas.

Trata-se de uma estratégia de negócio, em primeira linha, que posteriormente se consubstancia em soluções tecnológicas. CUSTOMER RELATIONSHIP MANAGEMENT Customer Relationship Management CRM ou Gestão de Relacionamento com o Cliente é uma abordagem que coloca o cliente no centro dos processos do negócio, sendo desenhado

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

INDICE 3.APLICAÇÕES QUE PODEM SER DESENVOLVIDAS COM O USO DO SAXES

INDICE 3.APLICAÇÕES QUE PODEM SER DESENVOLVIDAS COM O USO DO SAXES w w w. i d e a l o g i c. c o m. b r INDICE 1.APRESENTAÇÃO 2.ESPECIFICAÇÃO DOS RECURSOS DO SOFTWARE SAXES 2.1. Funcionalidades comuns a outras ferramentas similares 2.2. Funcionalidades próprias do software

Leia mais

CONHECIMENTOS ESPECÍFICOS

CONHECIMENTOS ESPECÍFICOS CONHECIMENTOS ESPECÍFICOS Acerca dos conceitos básicos de gerenciamento de projetos e considerando o PMBOK, julgue os itens a seguir. 51 No gerenciamento de um projeto, deve-se utilizar não apenas as ferramentas

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

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

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

Sistema de Informação Gerencial baseado em Data Warehouse aplicado a uma software house

Sistema de Informação Gerencial baseado em Data Warehouse aplicado a uma software house Universidade Regional de Blumenau Centro de Ciências Exatas e Naturais Curso de Sistemas de Informação (Bacharelado) Sistema de Informação Gerencial baseado em Data Warehouse aplicado a uma software house

Leia mais

CobiT 4.01 OBJETIVOS DE CONTROLE PARA INFORMAÇÃO E TECNOLOGIAS RELACIONADAS

CobiT 4.01 OBJETIVOS DE CONTROLE PARA INFORMAÇÃO E TECNOLOGIAS RELACIONADAS CobiT 4.01 OBJETIVOS DE CONTROLE PARA INFORMAÇÃO E TECNOLOGIAS RELACIONADAS METODOLOGIA DE AUDITORIA PARA AVALIAÇÃO DE CONTROLES E CUMPRIMENTO DE PROCESSOS DE TI NARDON, NASI AUDITORES E CONSULTORES CobiT

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

Empresa de Informática e Informação do Município de Belo Horizonte S/A PRODABEL

Empresa de Informática e Informação do Município de Belo Horizonte S/A PRODABEL Empresa de Informática e Informação do Município de Belo Horizonte S/A PRODABEL Diretoria de Sistema - DS Superintendência de Arquitetura de Sistemas - SAS Gerência de Arquitetura de Informação - GAAS

Leia mais

IBM Cognos Business Intelligence Scorecarding

IBM Cognos Business Intelligence Scorecarding IBM Cognos Business Intelligence Scorecarding Unindo a estratégia às operações com sucesso Visão Geral O Scorecarding oferece uma abordagem comprovada para comunicar a estratégia de negócios por toda a

Leia mais

Aula 15. Tópicos Especiais I Sistemas de Informação. Prof. Dr. Dilermando Piva Jr.

Aula 15. Tópicos Especiais I Sistemas de Informação. Prof. Dr. Dilermando Piva Jr. 15 Aula 15 Tópicos Especiais I Sistemas de Informação Prof. Dr. Dilermando Piva Jr. Site Disciplina: http://fundti.blogspot.com.br/ Conceitos básicos sobre Sistemas de Informação Conceitos sobre Sistemas

Leia mais

Medição de tamanho para Sistemas de Data Mart

Medição de tamanho para Sistemas de Data Mart 1 Universidade Católica de Brasília Programa de Pós-Graduação em Gestão do Conhecimento e Tecnologia da Informação Medição de tamanho para Sistemas de Data Mart Angélica Toffano Seidel Calazans Orientadores:

Leia mais

Integração Access-Excel para produzir um sistema de apoio a decisão que simula um Data Warehouse e OLAP

Integração Access-Excel para produzir um sistema de apoio a decisão que simula um Data Warehouse e OLAP Integração Access-Excel para produzir um sistema de apoio a decisão que simula um Data Warehouse e OLAP Wílson Luiz Vinci (Faculdades IPEP) wilson@cnptia.embrapa.br Marcelo Gonçalves Narciso (Embrapa Informática

Leia mais

Como Configurar Tabelas Básicas do OASIS (Informações Básicas)

Como Configurar Tabelas Básicas do OASIS (Informações Básicas) Como Configurar Tabelas Básicas do OASIS (Informações Básicas) O OASIS foi desenvolvido de forma parametrizada para poder atender às diversas particularidades de cada usuário. No OASIS também, foi estabelecido

Leia mais

IF685 Gerenciamento de Dados e Informação - Prof. Robson Fidalgo 1

IF685 Gerenciamento de Dados e Informação - Prof. Robson Fidalgo 1 IF685 Gerenciamento de Dados e Informação - Prof. Robson Fidalgo 1 Banco de Dados Introdução Por: Robson do Nascimento Fidalgo rdnf@cin.ufpe.br IF685 Gerenciamento de Dados e Informação - Prof. Robson

Leia mais

SISTEMA DE INFORMAÇÃO APLICADO NA ÁREA DE ADMINISTRAÇÃO DE MATERIAIS BASEADO EM DATA WAREHOUSE

SISTEMA DE INFORMAÇÃO APLICADO NA ÁREA DE ADMINISTRAÇÃO DE MATERIAIS BASEADO EM DATA WAREHOUSE SISTEMA DE INFORMAÇÃO APLICADO NA ÁREA DE ADMINISTRAÇÃO DE MATERIAIS BASEADO EM DATA WAREHOUSE OSCAR DALFOVO, M.A. dalfovo@furb.rct-sc.br Professor da Universidade Regional de Blumenau Rua: Antônio da

Leia mais

Módulo 4: Gerenciamento de Dados

Módulo 4: Gerenciamento de Dados Módulo 4: Gerenciamento de Dados 1 1. CONCEITOS Os dados são um recurso organizacional decisivo que precisa ser administrado como outros importantes ativos das empresas. A maioria das organizações não

Leia mais

A evolução da tecnologia da informação nos últimos 45 anos

A evolução da tecnologia da informação nos últimos 45 anos A evolução da tecnologia da informação nos últimos 45 anos Denis Alcides Rezende Do processamento de dados a TI Na década de 1960, o tema tecnológico que rondava as organizações era o processamento de

Leia mais

Aplicação de Data Warehousing no Cadastro de Ficha Limpa do TSE

Aplicação de Data Warehousing no Cadastro de Ficha Limpa do TSE Aplicação de Data Warehousing no Cadastro de Ficha Limpa do TSE Mateus Ferreira Silva, Luís Gustavo Corrêa Lira, Marcelo Fernandes Antunes, Tatiana Escovedo, Rubens N. Melo mateusferreiras@gmail.com, gustavolira@ymail.com,

Leia mais

Criação e uso da Inteligência e Governança do BI

Criação e uso da Inteligência e Governança do BI Criação e uso da Inteligência e Governança do BI Criação e uso da Inteligência e Governança do BI Governança do BI O processo geral de criação de inteligência começa pela identificação e priorização de

Leia mais

Business Intelligence e ferramentas de suporte

Business Intelligence e ferramentas de suporte O modelo apresentado na figura procura enfatizar dois aspectos: o primeiro é sobre os aplicativos que cobrem os sistemas que são executados baseados no conhecimento do negócio; sendo assim, o SCM faz o

Leia mais

Processo Decisório, OLAP e Relatórios Corporativos OLAP E RELATÓRIOS CORPORATIVOS

Processo Decisório, OLAP e Relatórios Corporativos OLAP E RELATÓRIOS CORPORATIVOS Processo Decisório, OLAP e Relatórios Corporativos OLAP E RELATÓRIOS CORPORATIVOS Sumário Conceitos/Autores chave... 3 1. Introdução... 5 2. OLAP... 6 3. Operações em OLAP... 8 4. Arquiteturas em OLAP...

Leia mais

Planejamento e Orçamento

Planejamento e Orçamento Planejamento e Orçamento O SIPLAG Sistema Integrado de Planejamento, Orçamento e Gestão, é um sistema voltado à gestão governamental, permitindo a elaboração do Plano Plurianual, da Lei Orçamentária Anual,

Leia mais

Prof. Marcelo Machado Cunha www.marcelomachado.com mcelobr@yahoo.com.br

Prof. Marcelo Machado Cunha www.marcelomachado.com mcelobr@yahoo.com.br Prof. Marcelo Machado Cunha www.marcelomachado.com mcelobr@yahoo.com.br Ementa Introdução a Banco de Dados (Conceito, propriedades), Arquivos de dados x Bancos de dados, Profissionais de Banco de dados,

Leia mais

Assessoria Técnica de Tecnologia da Informação - ATTI SIGA SAÚDE - BUSINESS INTELLIGENCE BI SIGA-SP. Manual de Orientação

Assessoria Técnica de Tecnologia da Informação - ATTI SIGA SAÚDE - BUSINESS INTELLIGENCE BI SIGA-SP. Manual de Orientação Assessoria Técnica de Tecnologia da Informação - ATTI SIGA SAÚDE - BUSINESS INTELLIGENCE BI SIGA-SP Versão 1 Manual de Orientação Conteúdo 1. Introdução 3 2. Abrangência 4 3. Vagas 5 4. Fila de Espera

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

Sistemas de Informação Aplicados a AgroIndústria Utilizando DataWarehouse/DataWebhouse

Sistemas de Informação Aplicados a AgroIndústria Utilizando DataWarehouse/DataWebhouse Sistemas de Informação Aplicados a AgroIndústria Utilizando DataWarehouse/DataWebhouse Prof. Dr. Oscar Dalfovo Universidade Regional de Blumenau - FURB, Blumenau, Brasil dalfovo@furb.br Prof. Dr. Juarez

Leia mais

BUSINESS INTELLIGENCE -Inteligência nos Negócios-

BUSINESS INTELLIGENCE -Inteligência nos Negócios- UNIVERSIDADE SÃO FRANCISCO CENTRO DE CIÊNCIAS JURÍDICAS, HUMANAS E SOCIAIS BUSINESS INTELLIGENCE -Inteligência nos Negócios- Curso: Administração Hab. Sistemas de Informações Disciplina: Gestão de Tecnologia

Leia mais

Construção de um Sistema de Informações Estratégicas, Integrando Conhecimento, Inteligência e Estratégia.

Construção de um Sistema de Informações Estratégicas, Integrando Conhecimento, Inteligência e Estratégia. Construção de um Sistema de Informações Estratégicas, Integrando Conhecimento, Inteligência e Estratégia. Introdução Sávio Marcos Garbin Considerando-se que no contexto atual a turbulência é a normalidade,

Leia mais

Modelagem de Sistemas de Informação

Modelagem de Sistemas de Informação Modelagem de Sistemas de Informação Professora conteudista: Gislaine Stachissini Sumário Modelagem de Sistemas de Informação Unidade I 1 SISTEMAS DE INFORMAÇÃO...1 1.1 Conceitos...2 1.2 Objetivo...3 1.3

Leia mais

Padrões de Contagem de Pontos de Função

Padrões de Contagem de Pontos de Função Padrões de Contagem de Pontos de Função Contexto Versão: 1.0.0 Objetivo O propósito deste documento é apresentar os padrões estabelecidos para utilização da técnica de Análise de Pontos de Função no ambiente

Leia mais

Interatividade aliada a Análise de Negócios

Interatividade aliada a Análise de Negócios Interatividade aliada a Análise de Negócios Na era digital, a quase totalidade das organizações necessita da análise de seus negócios de forma ágil e segura - relatórios interativos, análise de gráficos,

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

Uma aplicação de Data Warehouse para apoiar negócios

Uma aplicação de Data Warehouse para apoiar negócios Uma aplicação de Data Warehouse para apoiar negócios André Vinicius Gouvêa Monteiro Marcos Paulo Oliveira Pinto Rosa Maria E. Moreira da Costa Universidade do Estado do Rio de Janeiro - UERJ IME - Dept

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

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 4.4 2 1 BI BUSINESS INTELLIGENCE BI CARLOS BARBIERI

Leia mais

Planejamento Estratégico de TI. Prof.: Fernando Ascani

Planejamento Estratégico de TI. Prof.: Fernando Ascani Planejamento Estratégico de TI Prof.: Fernando Ascani BI Business Intelligence A inteligência Empresarial, ou Business Intelligence, é um termo do Gartner Group. O conceito surgiu na década de 80 e descreve

Leia mais

MBA Inteligência Competitiva Com ênfase em BI/CPM. Metadados

MBA Inteligência Competitiva Com ênfase em BI/CPM. Metadados MBA Inteligência Competitiva BI/CPM 1 Data Warehousing PÓS-GRADUAÇÃO MBA Inteligência Competitiva Com ênfase em BI/CPM Metadados Andréa Cristina Montefusco (36927) Hermes Abreu Mattos (36768) Robson Pereira

Leia mais

Armazém de Informações - SIAD. Sistema Integrado de Administração de Material e Serviço. Módulo Execução de Compras

Armazém de Informações - SIAD. Sistema Integrado de Administração de Material e Serviço. Módulo Execução de Compras Armazém de Informações - SIAD Sistema Integrado de Administração de Material e Serviço Módulo Execução de Compras A definição... Um Armazém de Informações é (Data Warehouse) um conjunto de dados construído

Leia mais

01/12/2009 BUSINESS INTELLIGENCE. Agenda. Conceito. Segurança da Informação. Histórico Conceito Diferencial Competitivo Investimento.

01/12/2009 BUSINESS INTELLIGENCE. Agenda. Conceito. Segurança da Informação. Histórico Conceito Diferencial Competitivo Investimento. BUSINESS INTELLIGENCE Agenda BI Histórico Conceito Diferencial Competitivo Investimento Segurança da Objetivo Áreas Conceito O conceito de Business Intelligencenão é recente: Fenícios, persas, egípcios

Leia mais

Governança de TI. Por que a Governança de TI é vista como fator chave para criação de valor para o Negócio? Conhecimento em Tecnologia da Informação

Governança de TI. Por que a Governança de TI é vista como fator chave para criação de valor para o Negócio? Conhecimento em Tecnologia da Informação Conhecimento em Tecnologia da Informação Governança de TI Por que a Governança de TI é vista como fator chave para criação de valor para o Negócio? 2010 Bridge Consulting Apresentação A Governança de Tecnologia

Leia mais

Nutrição e dietética:

Nutrição e dietética: O sistema permite o cadastro de vários almoxarifados, e controla os estoques separadamente de cada um, bem como o cadastro de grupos de estocagem, visando o agrupamento dos insumos estocáveis, classificados

Leia mais

CURSO DE DATAWAREHOUSE TRABALHO FINAL

CURSO DE DATAWAREHOUSE TRABALHO FINAL CURSO DE DATAWAREHOUSE TRABALHO FINAL GRUPO I &- COMMERCE 1 REVISÃO 2 1/6/2000 Foram revistos os itens : Introdução Problemas e soluções propostas REVISÃO 3/4 19/6/2000 E 27/04/2000 versão final Foram

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

PÓS-GRADUAÇÃO Lato Sensu. Gestão e Tecnologia da Informação

PÓS-GRADUAÇÃO Lato Sensu. Gestão e Tecnologia da Informação IETEC - INSTITUTO DE EDUCAÇÃO TECNOLÓGICA PÓS-GRADUAÇÃO Lato Sensu Gestão e Tecnologia da Informação BAM: Analisando Negócios e Serviços em Tempo Real Daniel Leôncio Domingos Fernando Silva Guimarães Resumo

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

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

PLANO DE ENSINO DO 2º SEMESTRE LETIVO DE 2012

PLANO DE ENSINO DO 2º SEMESTRE LETIVO DE 2012 PLANO DE ENSINO DO 2º SEMESTRE LETIVO DE 2012 Curso: TECNOLOGIA EM GESTÃO COMERCIAL Habilitação: TECNÓLOGO Disciplina: NEGÓCIOS INTELIGENTES (BUSINESS INTELLIGENCE) Período: M V N 4º semestre do Curso

Leia mais

Administração estratégica da Informação: definição, controle estratégias de mercado Prof. MSc Hugo Vieira L. Souza

Administração estratégica da Informação: definição, controle estratégias de mercado Prof. MSc Hugo Vieira L. Souza Administração estratégica da Informação: definição, controle estratégias de mercado Prof. MSc Hugo Vieira L. Souza Este documento está sujeito a copyright. Todos os direitos estão reservados para o todo

Leia mais

Sistemas de Informação James A. O Brien Editora Saraiva Capítulo 5

Sistemas de Informação James A. O Brien Editora Saraiva Capítulo 5 Para entender bancos de dados, é útil ter em mente que os elementos de dados que os compõem são divididos em níveis hierárquicos. Esses elementos de dados lógicos constituem os conceitos de dados básicos

Leia mais

Palavras-chave: On-line Analytical Processing, Data Warehouse, Web mining.

Palavras-chave: On-line Analytical Processing, Data Warehouse, Web mining. BUSINESS INTELLIGENCE COM DADOS EXTRAÍDOS DO FACEBOOK UTILIZANDO A SUÍTE PENTAHO Francy H. Silva de Almeida 1 ; Maycon Henrique Trindade 2 ; Everton Castelão Tetila 3 UFGD/FACET Caixa Postal 364, 79.804-970

Leia mais

Exemplo de Plano para Desenvolvimento de Software

Exemplo de Plano para Desenvolvimento de Software Universidade Salgado de Oliveira Especialização em Tecnologia da Informação Qualidade em Engenharia de Software Exemplo de Plano para Desenvolvimento de Software Prof. Msc. Edigar Antônio Diniz Júnior

Leia mais

Thiago Locatelli de OLIVEIRA, Thaynara de Assis Machado de JESUS; Fernando José BRAZ Bolsistas CNPq; Orientador IFC Campus Araquari

Thiago Locatelli de OLIVEIRA, Thaynara de Assis Machado de JESUS; Fernando José BRAZ Bolsistas CNPq; Orientador IFC Campus Araquari DESENVOLVIMENTO DE AMBIENTE PARA A GESTÃO DO CONHECIMENTO RELACIONADO AOS DADOS PRODUZIDOS PELO SISTEMA DE GERENCIAMENTO DE TRANSITO DA CIDADE DE JOINVILLE/SC PARTE I Thiago Locatelli de OLIVEIRA, Thaynara

Leia mais

UNIVERSIDADE REGIONAL DE BLUMENAU CENTRO DE CIÊNCIAS EXATAS E NATURAIS CURSO DE CIÊNCIAS DA COMPUTAÇÃO (Bacharelado)

UNIVERSIDADE REGIONAL DE BLUMENAU CENTRO DE CIÊNCIAS EXATAS E NATURAIS CURSO DE CIÊNCIAS DA COMPUTAÇÃO (Bacharelado) UNIVERSIDADE REGIONAL DE BLUMENAU CENTRO DE CIÊNCIAS EXATAS E NATURAIS CURSO DE CIÊNCIAS DA COMPUTAÇÃO (Bacharelado) SISTEMA INTERNO INTEGRADO PARA CONTROLE DE TAREFAS INTERNAS DE UMA EMPRESA DE DESENVOLVIMENTO

Leia mais

Gerenciamento de Redes

Gerenciamento de Redes Gerenciamento de Redes As redes de computadores atuais são compostas por uma grande variedade de dispositivos que devem se comunicar e compartilhar recursos. Na maioria dos casos, a eficiência dos serviços

Leia mais

FERRAMENTAS PARA DESENVOLVIMENTO EM C#

FERRAMENTAS PARA DESENVOLVIMENTO EM C# FERRAMENTAS PARA DESENVOLVIMENTO EM C# Camila Sanches Navarro 1,2, Wyllian Fressatti 2 ¹Universidade paranaense (Unipar) Paranavaí PR Brasil sanchesnavarro@gmail.com wyllian@unipar.br Resumo. Este artigo

Leia mais