IMPLANTAÇÃO DO DW NA ANVISA

Tamanho: px
Começar a partir da página:

Download "IMPLANTAÇÃO DO DW NA ANVISA"

Transcrição

1 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 Negócios está sendo utilizado cada dia mais pelas empresas para auxiliar nos processos de tomada de decisão, baseando-se no processo analítico de informações históricas oriundas de diversas fontes que são armazenadas no Data Warehouse (DW), precisando ter seus conceitos bem entendidos para que seus processos sejam bem desenvolvidos e implementados. No intuito de transformar dados em informações inteligentes, o BI oferece um conjunto de metodologias, processos e sistemas úteis não só para mapear as informações das mais variadas fontes, mas também para monitorar e gerenciar o desempenho de uma empresa. O objetivo desta pesquisa bibliográfica é mostrar o ciclo de desenvolvimento do DW dentro da Agencia Nacional da Vigilância Sanitária (ANVISA), utilizando como principal fonte de dados o Datasus, órgão responsável por coletar, processar e disseminar informações sobre saúde. Nesta pesquisa bibliográfica apresentaremos os principais conceitos do DW procurando mostrar 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 na Agencia Nacional da Vigilância Sanitária. Palavras chave: ANVISA. Business Intelligence. Datasus. Data Warehouse. 1. INTRODUÇÃO Nos dias atuais as empresas precisam ter uma capacidade maior de analisar, planejar e reagir rapidamente para acompanhar as exigências dos seus clientes, porque a 1 Graduando em Sistemas de Informação pela Faculdade Infórium de Tecnologia. 2 Especialista em Gestão da Informação pelo IEC PUC Minas. Analista de Business Intelligence há 12 anos. Professor da Pós-Graduação das Faculdades PUC Minas, Estácio e Infórium de Tecnologia. Professor da graduação das Faculdades Infórium de Tecnologia e Batista. 3 Professora da Faculdade Infórium de Tecnologia e Mestre em Psicologia. 4 Graduando em Sistemas de Informação pela Faculdade Infórium de Tecnologia.

2 2 todo o momento as organizações são bombardeadas com muitas informações referentes às regras de negócios das empresas, constituindo a base de dados da organização, estas informações fazem parte de vários sistemas de difícil integração sem qualidade e muitas vezes indisponível ou disponível com dados desatualizados. Atualmente várias empresas possuem muitos dados, mas poucas informações. Devido ao volume sempre crescentes desses dados e da forma que eles se encontram distribuídos na empresa, a dificuldade de se extrair informações gerenciais para a tomada de decisões é muito grande. Nesse cenário o principal desafio dos gestores é tomar decisões com rapidez e agilidade. Para que isso aconteça é necessário que as organizações tenham essas informações sempre disponíveis e atualizadas. Para suprir todas essas deficiências a Agencia Nacional de Vigilância Sanitária (ANVISA) decidiu implantar o Data Warehouse (DW) que segundo Primak (2008), um Data Warehouse é uma coleção de dados derivados dos dados operacionais para sistemas de suporte a decisão. Estes dados derivados são, muitas vezes, referidos como dados gerenciais, informacionais ou analíticos. O objetivo principal do nosso trabalho é apresentar a pesquisa bibliográfica referente a implantação do DW na (ANVISA), mostrando os principais conceitos e questões envolvidas no (DW), 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, introduzindo os principais conceitos na área, expondo a melhor forma de construí-lo. Datasus é o nome do departamento de informática do Sistema Único de Saúde do Brasil (SUS). Trata-se de um órgão da Secretaria de Gestão Estratégica e Participativa do Ministério da Saúde com a responsabilidade de colher as informações externas, processar e disseminar informações sobre saúde. Prover os órgãos do SUS de sistemas de informação e suporte de informática necessários ao processo de planejamento, operação e controle do (SUS), através da manutenção de bases de dados nacionais, apoio e consultoria na implantação de sistemas e coordenação das atividades de informática inerentes ao funcionamento integrado dos mesmos.

3 3 2. BUSINESS INTELLIGENCE (BI) Business Intelligence (BI) refere-se ao processo de coleta, organização, análise, compartilhamento e monitoramento de informações que oferecem suporte a gestão de negócios com mais mobilidade e agilidade o BI colabora com as empresas que atualmente possuem um grande problema, tem a sua disposição uma imensa quantidade de dados, no entanto sem organização nenhuma. As empresas possuem grande dificuldade de extrair destas montanhas de dados informações úteis para a tomada de decisão. Segundo Barbieri (2011) o (BI) é um processo transformador de dados em informações cujo objetivo é definir estratégias de competividade nas empresas com para transformar estes volumes de dados em depósitos estruturados de informação, independente da sua origem. O conceito de BI (Business Intelligence), de forma mais ampla, pode ser entendido como a utilização de variadas fontes de informação para definir estratégias de competitividade nos negócios da empresa. Podem ser incluídos nessa definição os conceitos de estruturas de dados, representadas pelos bancos de dados tradicionais, Data Warehouse e Data Marts, criados objetivando o tratamento relacional e dimensional de informações, bem como as técnicas de datamining aplicadas sobre elas, buscando correlações e fatos escondidos. (BARBIERI, 2011, p. 95). Atualmente com o grande volume de dados que as organizações produzem o BI é um grande aliado, porque tem a possibilidade de antecipar seus concorrentes, ter um relacionamento diferenciado com os clientes e diminuir gastos desnecessários aumentando assim os lucros, a utilização de variadas fontes de informação para definir estratégias de competitividade nos negócios da empresa para garantir agilidade e segurança dos dados. Barbieri (2001) O termo BI, segundo (Primak, 2008), faz referência ao processo inteligente de coleta, organização, análise, compartilhamento e monitoramento de dados contidos em um Data Warehouse/Data Mart (DW/DM), para gerar informações para o suporte à tomada de decisões no ambiente de negócio. Na visão de Primak (2008), DW é uma coleção de dados derivados dos dados operacionais para sistemas de apoio a decisão. O autor explica ainda que Data Warehouses são construídos para armazenar e acessar tais dados de forma que não estejam limitados por tabelas estritamente relacionais.

4 4 Um DW une bancos de dados de toda uma empresa. A proposta inicial de um DW é ser um sistema que armazena dados históricos usados nos processos decisórios e integrar os dados corporativos de uma empresa em um único repositório. O DW serve para criar uma visão única e centralizada dos dados que estão dispersos em vários bancos de dados. Permitem também que os usuários finais executem consultas, gerem relatórios e façam análises em um ambiente apartado, sem interferir na performance dos sistemas transacionais (operacionais) da empresa. O seu objetivo é armazenar os dados em vários níveis de sumarização e estes devem estar identificados, catalogados, coletados, disponibilizados e transformados. Porque um dos fatores que influenciam o sucesso dos DW é a questão da integridade dos dados, é fundamental que os dados estejam padronizados antes de serem carregados no DW, afim de que as respostas obtidas através de uma consulta no banco, não estejam inconsistentes. Os benefícios de sua utilização não dependem só de tecnologia aplicada mas também do potencial humano de fazer as análises e as interpretá-las. Os sistemas não são soluções, eles apenas fornecem informações para as pessoas usá-las de forma inteligente. Segundo Barbieri (2001) DW é definido como um banco de dados para sistemas de apoio de tomadas de decisão e cujo os dados foram armazenados em estruturas dimensionais possibilitando o processo por ferramentas especiais. O DW possibilita a análise de grandes volumes de dados, coletados dos sistemas transacionais. Por definição, os dados em um DW não são voláteis, ou seja, eles não mudam, exceto quando é necessário fazer correções de dados previamente carregados. Os dados então são somente para leitura e não podem ser alterados. As informações são armazenadas em estruturas multidimensionais, calculando previamente todas as combinações de todos os níveis de todas as aberturas de análise. O levantamento de necessidades uma das etapas do processo de um DW, é uma das mais importantes, pois nesta fase é possível identificar e priorizar as necessidades de informação que a organização necessita. É importante o envolvimento de analistas de sistemas, usuários, equipe de tecnologia da informação e DBAs durante esta fase (BARBIERI, 2001). O DW é utilizado para armazenar dados. Para recuperá-los e propiciar geração de informações, aplica-se em sua última etapa a utilização de ferramentas OLAP.

5 5 A sigla OLAP que quer dizer On-line Analytical Processing, de forma traduzida Processamento Analítico On-line, está relacionada à capacidade para manipular e analisar um grande volume de dados sob diversas formas. Barbieri (2001) explica que as técnicas de OLAP objetivam trabalhar os dados existentes, buscando consolidações em diversos níveis, trabalhando em dimensões variáveis. As aplicações baseadas em processamento analítico (OLAP) são comumente chamadas de aplicações sobre o negócio. As aplicações sobre o negócio analisam as informações obtidas através das aplicações operacionais, ajudando executivos e altos gerentes a interpretar mudanças na realidade de negócio e, assim, mudar as regras de negócio da empresa. Segundo (KIMBALL, 2002), OLAP é uma metodologia que proporciona acesso a um grande volume de dado de forma rápida e intuitiva, tornando-se assim uma alternativa aos sistemas transacionais. OLAP é uma ferramenta de BI utilizada para apoiar as empresas na análise de suas informações, em vários níveis estratégicos, visando obter novos conhecimentos que serão empregados na tomada de decisão. As ferramenta OLAP trabalham de modo interativo, permitindo que através de uma resposta o usuário façam outros questionamentos, ou seja, o usuário consegue analisar o porque dos resultados obtidos. Os sistemas OLAP possuem algumas características como bancos de dados com um esquema otimizado para que os resultados das consultas sejam entregues rapidamente. Cubos OLAP que armazenam vários níveis de dados formados por estruturas altamente otimizadas que atendem às expectativas de negócio da empresa, é preparado para realizar relatórios complexos de uma forma simples, é preparado para realizar relatórios complexos de uma forma simples, proporciona uma visão multidimensional dos dados. Os cubos oferecem uma visão multidimensional dos dados que vai além da análise de duas dimensões, oferecida por uma simples planilha de cálculo utilizada como tal e os usuários podem modificar facilmente as filas, as colunas e as páginas nos relatórios do OLAP, sendo possível visualizar a informação da forma que seja mais conveniente para análise. A funcionalidade de uma ferramenta OLAP é caracterizada pela análise multidimensional e dinâmica de dados. Primak (2008) explica que isso quer dizer que o próprio usuário gera as consultas de acordo com sua necessidade de cruzamento de

6 6 dados com emprego de métodos diferentes dos usuais que os levama obter as respostas desejadas. Conforme Barbieri (2001), as ferramentas OLAP tem operações para analisar os dados, sendo que as principais são: Drill-down que permite a movimentação da visão dos dados ao longo dos níveis hierárquicos de uma dimensão, permitindo navegação do nível mais alto até o dado detalhado; Drill-up que permite a navegação inversa dos dados, ou seja, navega do nível de dados mais detalhado até o nível mais alto; Drillacross: permite a navegação da tabela dimensão passando de um nível para outro sem passar pelos níveis intermediários; Drill-through que é quando há necessidade de uma informação em um nível de detalhe menor do que aquele armazenado na tabela fato, ou seja, é a operação que busca a informação além do nível de granularidade existente na estrutura dimensional. Os dados usados por essas aplicações são chamados de dados analíticos. Os dados analíticos são nada mais que dados operacionais otimizados para a consulta e análise,e não para transações. 2.1 Extração, Transformação e Carga (ETL) De acordo com Barbieri (2001), o ETL é responsável pela coleta, limpeza, preparação e carga dos dados operacionais para o DW.Esse processo tem como objetivo filtrar os dados para eliminar dados indesejáveis, integrar os dados de diferentes fontes distintas em uma única fonte e reduzir o volume dos dados visando obter informações resumidas e sumarizadas, bem como a derivação de dados através de fórmulas para produzir dados virtuais a partir de dados já existentes. A etapa de ETL é uma das mais críticas de um projeto de Data Warehouse (DW). As ferramentas utilizadas para esse fim podem ser desenvolvidas pela própria empresa ou adquiridas dos fornecedores, dependendo do projeto (PRIMAK,2008). É uma das fases mais delicadas de um data warehouse, pois envolve a fase de movimentação dos dados. O processo ETL é o mais complexo e demorado na construção do DW, o qual será explicado posteriormente. Depois da limpeza e padronização dos dados, eles serão carregados para uma única fonte de dados consolidada, o DW, facilitando e tornando as consultas mais confiáveis e eficientes.

7 7 Segundo Barbieri (2001) o processo de ETL se resume basicamente em 5 passos: Identificação da origem dos dados a serem coletados, sendo que as fontes podem estar espalhadas em diversos sistemas transacionais e banco de dados da organização. Realizar a limpeza dos dados para possibilitar posterior transformação, e nesta etapa ocorre os ajustes nos dados, com o intuito de corrigir imperfeições com o objetivo de oferecer um melhor resultado para o usuário final. A terceira etapa é de transformação dos dados e tem por objetivo fazer a padronização dos dados em um único formato. A fase seguinte é de carga dos dados para o DW. Por fim, existe a etapa de atualização dos dados no DW (refresh), realizada a partir das alterações sofridas. A qualidade dos dados é extremamente importante, porque o resultado do processo de extração será utilizado em um processo de tomada de decisão. Os processos de ETL são executados utilizando soluções próprias da ANVISA, por meio de ferramenta de programação integrando os dados operacionais antes de serem carregadas para o DW, pois começam 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. 2.2 Ferramenta Case Power Designer As ferramentas Case ou Computer-Aided Software Engineering foram criadas para auxiliar os desenvolvedores dos sistemas, tendo o objetivo de aumentar a produtividade no processo de software e melhorar a qualidade dos softwares. A Ferramenta Case Power Designer foi criada na França pela empresa SDP Technologies em 1983 como o nome de AMC Designor na França e desenvolvida inicialmente para o SGBD Oracle, mas vendo a necessidade de suportar todos os SGBDs foi atualizado e ficou conhecido em todo o mundo como S-Designor.

8 8 3. MODELAGEM DIMENSIONAL A Modelagem Dimensional de dados é uma técnica de projeto que traz os dados para uma forma próxima do entendimento do usuário, onde o modelo dimensional é formado por informações que poderão vir de diversas fontes de dados. Essa técnica nasceu para modificar alguns conceitos cristalizados nos projetos tradicionais de Bancos de Dados, principalmente após a fase relacional. O produto final da Modelagem Dimensional é a produção de um modelo conceitual dimensional, formado de tabelas Fato e tabelas Dimensão (Barbieri, 2001). A estrutura dimensional modifica a ordem da distribuição de campos das tabelas, possibilitando uma estrutura voltada para os diversos pontos de entradas as chamadas dimensões. Uma característica importante do modelo dimensional são as tabelas recebem o nome de tabelas Fato que é o "detalhe" da informação que será armazenada. que As tabelas Fato servem para armazenar medidas numéricas associadas a eventos de negócio. Uma tabela Fato contém vários fatos, correspondentes a cada uma de suas linhas. Cada fato pode armazenar um ou mais medidas numéricas, que constituem os valores objetos da análise dimensional. Possuem como chaveprimária, normalmente um campo multi-key, formado pelas chaves-primárias das dimensões que com ela se relacionam. Normalmente armazenam muito mais linhas que as tabelas Dimensão, e merecem cuidado especial em função ao seu alto volume. Contém dados normalmente aditivos (manipulados por soma, média, etc.) e relativamente estáticos. As tabelas Dimensão representam entidades de negócios e constituem as estruturas de entradas que servem para armazenar informações como tempo, geografia, produto, cliente, etc. As tabelas Dimensão têm uma relação 1:N com a tabela Fato, e possuem um número significativamente menor de linhas do que as tabelas Fato. Possuem múltiplas colunas de informação, algumas das quais representam sua hierarquia. Apresentam sempre uma chave primária, que lhes confere unicidade, chave essa que participa das tabelas Fato, como parte da sua chave múltipla. Devem ser entendidas como as tabelas que realizam os filtros de valores aplicados na manipulação dos fatos e por onde as consultas entram no ambiente do DW/DM. (BARBIERI, 2011, p.161). Segundo Kimball as tabelas de fatos são as principais tabelas em uma Modelagem Dimensional nela são guardadas a medida numérica mais importante do processo de negócio. Exemplos como o valor de faturamento, a quantidade produtos entregues e a quantidade de entregas são os tipos de dados que estão alocados nesta tabela, ou seja, está geralmente guarda informações referente as transações ou eventos de negócios. Segundo Barbieri (2011), as tabelas fato são compostas obrigatoriamente por uma chave primária composta pelas chaves primárias das tabelas que contêm as

9 9 descrições do fato, as de dimensão. Além desta chave composta uma tabela fato contêm medidas que variam de numéricas ou sem medida e neste contexto tempos três tipos de tabela fato com métricas: aditivas que são numéricas e são somadas com relação as dimensões existentes, por exemplo: quantidade, valor total dos itens; semi-aditivas que são aquelas que só pode ser adicionado ao longo de algumas dimensões, o que restringe o número de consultas apenas àquelas dimensões em que o fato pode ser adicionado; não-aditivas que são aquelas que não pode ser adicionado a qualquer dimensão. Para este tipo só pode resumir registros através de contagens ou então consultar um a um. Todos os três tipos de métricas foram adotadas no projeto da ANVISA. De acordo com Barbieri (2011), a colocação das métricas dentro de uma tabela fato deve ser com muito cuidado, porque pode implicar de resultados errados, quando manipulados por operadores indevidos. 3.1 Tabela Dimensão As tabelas dimensão são compostas pelas informações complementares as tabelas fato. Estas tabelas são compostas basicamente por colunas que contêm elementos textuais que descrevem o negócio e uma chave primária que irá compor a chave composta de sua tabela fato. Segundo Barbieri (2001), as tabelas de dimensão têm uma relação de 1:N com a tabela de fatos, logo, possuem um número de registros bem menor. Possuem inúmeras colunas de informação e uma chave primária, que acaba participando das tabelas de fatos, como parte de sua chave múltipla. 3.2 Star Schema ou Esquema em Estrela Para facilitar a análise do DW a Anvisa utilizou a modelagem de dados conhecida como Star schema ou esquema em estrela onde os dados são modelados em tabela dimensionais ligadas a tabela fatos. Essa estrutura é formada por uma tabela central (tabela de Fatos) é um conjunto de tabelas organizadas ao seu redor (tabelas de Dimensões). Algumas características desse esquema são: o centro da estrela é a tabela de fatos, as pontas da estrela são as tabelas de dimensões, cada esquema está formado por

10 10 apenas uma tabela de fatos, geralmente é um esquema totalmente não normalizado e pode estar parcialmente normalizado nas tabelas de Dimensões. A ANVISA adotou a modelagem dos na visão estrela (star schema), documentada com o Software Power Designer, que será tratado posteriormente. 4. ARQUITETURAS DO DW Existem duas abordagens de implementações principais para desenvolvimento de um DW, são elas: Top Down e Bottom Up. Top Down foi a primeira arquitetura proposta para o desenvolvimento em um ambiente de DW. Também é conhecida como arquitetura padrão. Consiste na extração dos dados do DW geral para os Data Mart (DM) setoriais, necessitando de que sua escolha seja definida no início do projeto e precisa ter um conhecimento da visão geral da empresa. Segundo Machado (2004) essa arquitetura inicia o seu processo com a extração, a transformação e a integração dos dados externos ou bancos independentes. Conforme Mahado ( 2004) a implementação top dow é conhecida como padrão inicial do conceito de DW, nela o processo se inicia com a extração, transformação e a integração das informações dos sistemas operativos e dados externos para o ODS (Operational Data Stor) ou diretamente das fontes operacionais, posteriormente os dados e metadados são transferidos para o DW. As vantagens neste tipo de implementação são observadas na necessidade da organização definir as regras do seu negócio, na visão completa que o usuário possui da organização, na manutenção do ambiente que é mais simples, já que o repositório de dados é centralizado e na existência de um único conjunto de aplicações para extração, limpeza e integração dos dados. Em oposição às vantagens apresentadas, a implementação top down apresenta desvantagens como o longo tempo de implementação exigido, a alta taxa de risco de insucesso, a necessidade de pessoas altamente capacitadas e a criação de expectativas em relação ao ambiente a ser construído, já que a implementação e a obtenção de resultados é demorada. (Machado, 2004).

11 11 A arquitetura Botton Up proposta de Kimball, chamada de Bottom Up, começa com a extração, transformação e a integração dos dados para um ou mais DMs, sendo estes DMs modelados, normalmente através de um modelo dimensional. Os projetos serão menores, independentes, focando áreas ou assuntos específicos. Este tipo de implementação permite que o planejamento do desenho dos DMs possam ser realizados sem esperar que seja definida uma infraestrutura corporativa para DW na empresa. Esta infraestrutura não deixará de existir, só que ela poderá ser implementada de forma incremental conforme forem sendo realizados os DMs. Esta arquitetura vem se tornando mais popular devido a implementação Top Dow ser cara e politicamente difícil de ser definida, necessitando de um tempo maior para implementação, investimento e não apresenta um retorno rápido. Esta arquitetura permite que o planejamento e o desenho do DM possam ser realizados sem esperar que seja definida uma infraestrutura corporativa para DW na empresa; isso não quer dizer que não existirá a infraestrutura, apenas que ela poderá ser implementada incrementalmente conforme forem realizados os DM. Não sendo diferente dos outros métodos, este tipo de implementação também possui suas vantagens e desvantagens. Apresenta como pontos positivos, a rápida implementação; a agilidade na apresentação dos resultados e a possibilidade de enfatizar primeiramente os principais setores do negócio. A principal desvantagem encontrada é a falta de padronização dos data mart s que pode acarretar em redundância e dados inconsistentes. (MACHADO, 2004). A ANVISA tem desenvolvido o DW de forma corporativa e incremental. 5. ESTUDO DE CASO ANVISA Para ilustrar nossa pesquisa utilizamos o estudo de caso criando pela ANVISA cuja sua finalidade institucional 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, aborda a importância da tomada de decisão nas organizações que a todo o momento manipulam um grande volume de dados, mas normalmente se encontram indisponíveis e sem qualidade. Para suprir esta

12 12 deficiência a ANVISA passa a adotar o DW que é constituído por sistemas de informação orientados a assunto que visa manipular grande volume de dados das organizações. A implantação do DW na ANVISA foi motivada pela necessidade de tomada de decisão dos gerentes, que com o sistema de extração de dados anterior, obtinham dificuldades de extração de dados, não atendendo as demandas existentes para tomada de decisão. Após a implantação do DW os gerentes da ANVISA extraem diversos relatórios gerenciais atualizados podendo ainda combinar vários sistemas para tomada de decisão e antecipar as mudanças bruscas do mercado. 6. CONCLUSÃO Este artigo tem como foco principal o tratamento da tecnologia DW que desempenha um papel fundamental para a tomada de decisão, juntamente com o BI que proporciona a visualização das informações em vários níveis de detalhamento, possibilitando a empresa um maior controle de seus negócios, podendo tomar decisões mais rápidas e seguras. Dentre os principais conceito de BI abordado nesse trabalho, pode-se destacar as principais características do BI que são: extrair e integrar dados de múltiplas fontes; fazer uso da experiência, trabalhar com hipóteses e simulações, procurar relações de causa e efeito e transformar os registros obtidos em informação útil para o conhecimento da organização Ao longo deste artigo foram abordadas as metodologias e os conceitos de BI utilizados pelo setor Datasus, responsável por gerenciar e coletar os dados da ANVISA criado após a necessidade de extração de um grande volume de dados, permitindo constatar que as grandes empresas necessitam de informações disponíveis e atualizadas para a tomada de decisão com rapidez e agilidade. Esse trabalho é apenas uma breve síntese de um estudo realizado em uma adoção do DW. Há outros aspectos inerentes neste estudo ou em outros adotados por grandes empresas, sejam elas públicas ou privadas, que poderiam ser abordados em trabalhos futuros, desta forma reforçando as grandes vantagens em se adotar estes sistemas de apoio à tomada de decisão.

13 13 REFERÊNCIAS BARBIERI, Carlos. BI Business Intelligence: Modelagem e Tecnologia, 1ª Ed, Axcel Books, BARBIERI, Carlos. BI2 Business Intelligence: Modelagem & Qualidade. Rio de Janeiro: Editora Elsevier, INMON, W. H.; WELCH, J. D.; GLASSEY, K. L. Gerenciando Data Warehouse. São Paulo: Makron Books, KIMBALL, Ralph; ROSS, Margy. The Data Warehouse Toolkit: Guia completo para modelagem dimensional. Tradução Ana Beatriz Tavares, Daniela Lacerda. 2 ed. Rio de Janeiro: Campus, p. Tradução de: The Data Warehouse Toolkit. MACHADO, Felipe Nery Rodrigues. Tecnologia e projeto de Data Warehouse.São Paulo: Editora Érica, PRIMAK, Fábio Vinícius. Decisões com B.I Business Intelligence 1ª Ed. Rio de Janeiro: Editora Ciência Moderna Ltda, 2008.

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

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

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

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

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

Leia mais

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

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

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

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

Leia mais

Sistemas de Apoio à Decisão (SAD) - Senado

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

Leia mais

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

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

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

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

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

Data Warehouse a experiência da ANVISA

Data Warehouse a experiência da ANVISA 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 -

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

DATA WAREHOUSE. Introdução

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

Leia mais

DATA 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

PLANO DE ENSINO PRÉ-REQUISITOS: ENS

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

Leia mais

DESENVOLVIMENTO DA SOLUÇÃO DE BUSINESS INTELLIGENCE EM UMA UNIVERSIDADE ESTADUAL, UTILIZANDO A FERRAMENTA EXCEL PARA MANIPULAÇÃO DOS DADOS

DESENVOLVIMENTO DA SOLUÇÃO DE BUSINESS INTELLIGENCE EM UMA UNIVERSIDADE ESTADUAL, UTILIZANDO A FERRAMENTA EXCEL PARA MANIPULAÇÃO DOS DADOS DESENVOLVIMENTO DA SOLUÇÃO DE BUSINESS INTELLIGENCE EM UMA UNIVERSIDADE ESTADUAL, UTILIZANDO A FERRAMENTA EXCEL PARA MANIPULAÇÃO DOS DADOS Flávio Augusto Lacerda de Farias Rogério Tronco Vassoler ** Resumo

Leia mais

Data Warehouse. Djenane Cristina Silveira dos Santos¹, Felipe Gomes do Prado¹, José Justino Neto¹, Márcia Taliene Alves de Paiva¹

Data Warehouse. Djenane Cristina Silveira dos Santos¹, Felipe Gomes do Prado¹, José Justino Neto¹, Márcia Taliene Alves de Paiva¹ Data Warehouse. Djenane Cristina Silveira dos Santos¹, Felipe Gomes do Prado¹, José Justino Neto¹, Márcia Taliene Alves de Paiva¹ ¹Ciência da Computação Universidade Federal de Itajubá (UNIFEI) MG Brasil

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

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

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

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

Aplicando Técnicas de Business Intelligence sobre dados de desempenho Acadêmico: Um estudo de caso

Aplicando Técnicas de Business Intelligence sobre dados de desempenho Acadêmico: Um estudo de caso Aplicando Técnicas de Business Intelligence sobre dados de desempenho Acadêmico: Um estudo de caso Ana Magela Rodriguez Almeida 1, Sandro da Silva Camargo 1 1 Curso Engenharia de Computação Universidade

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

Business Intelligence aplicado a área da saúde: potencializando a tomada de decisão

Business Intelligence aplicado a área da saúde: potencializando a tomada de decisão Business Intelligence aplicado a área da saúde: potencializando a tomada de decisão Daiane Kelly de Oliveira 1, Dorirley Rodrigo Alves 1 1 Instituto de Ciências Exatas e Informática PUC Minas Campus Guanhães

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

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

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

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

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

ACOMPANHAMENTO TESTE 6. Fonte: Carlos Barbieri. Fonte: Carlos Barbieri PÓS-GRADUAÇÃO LATO SENSU Curso: Banco de Dados Disciplina: Data Warehouse e Business Intelligence Professor: Fernando Zaidan Unidade 2.1 - Cubos 2012 ACOMPANHAMENTO IMPLEMENTAÇÃO 8 7 9 TESTE 6 CONSTRUÇÃO

Leia mais

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

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

Leia mais

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

Banco de Dados - Senado

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

Leia mais

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

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

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

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

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

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

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

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

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

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

Business Intelligence

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

Leia mais

Data Warehouse Granularidade. rogerioaraujo.wordpress.com twitter: @rgildoaraujo - rgildoaraujo@gmail.com 1

Data Warehouse Granularidade. rogerioaraujo.wordpress.com twitter: @rgildoaraujo - rgildoaraujo@gmail.com 1 Data Warehouse Granularidade rogerioaraujo.wordpress.com twitter: @rgildoaraujo - rgildoaraujo@gmail.com 1 Granularidade A granularidade de dados refere-se ao nível de sumarização dos elementos e de detalhe

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

Prova INSS RJ - 2007 cargo: Fiscal de Rendas

Prova INSS RJ - 2007 cargo: Fiscal de Rendas Prova INSS RJ - 2007 cargo: Fiscal de Rendas Material de Apoio de Informática - Prof(a) Ana Lucia 53. Uma rede de microcomputadores acessa os recursos da Internet e utiliza o endereço IP 138.159.0.0/16,

Leia mais

BANCO DE DADOS DISTRIBUÍDOS e DATAWAREHOUSING

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

Leia mais

Módulo 5. Implementando Cubos OLAP

Módulo 5. Implementando Cubos OLAP Módulo 5. Implementando Cubos OLAP Objetivos Compreender a importância da manipulação correta da segurança nos dados. Conhecer as operações que podem ser realizadas na consulta de um cubo. Entender o uso

Leia mais

Faculdade Pitágoras Curso Superior de Tecnologia: Banco de Dados

Faculdade Pitágoras Curso Superior de Tecnologia: Banco de Dados Faculdade Pitágoras Curso Superior de Tecnologia: Banco de Dados Disciplina: Ferramentaspara Tomadade Decisão Prof.: Fernando Hadad Zaidan Unidade 1.2 1 Conceitos Iniciais Tomada de Decisão, Modelagem

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

Edgar Luiz de Lima Júnior 1 Fabrício Pires Vasconcellos 2 Rodrigo Vitorino Moravia 3

Edgar Luiz de Lima Júnior 1 Fabrício Pires Vasconcellos 2 Rodrigo Vitorino Moravia 3 Implantação de um Data Warehouse para Acompanhamento de Desempenho dos Cursos em uma Instituição de Ensino Superior Deploying a Data Warehouse for Performance Monitoring Course in an Institution of Higher

Leia mais

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

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

Leia mais

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

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

Leia mais

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

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

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

Conversão de Base de Dados Relacional para Dimensional para Business Intelligence Utilizando Banco de Dados Mysql

Conversão de Base de Dados Relacional para Dimensional para Business Intelligence Utilizando Banco de Dados Mysql Conversão de Base de Dados Relacional para Dimensional para Business Intelligence Utilizando Banco de Dados Mysql Carlos H. Cardoso 1, Roberto D Nebo 1, Luis A. da Silva 1 1 Curso de Tecnologia em Banco

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

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

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

MODELAGEM GRÁFICA DE DATA WAREHOUSES E DATA MARTS USANDO UML

MODELAGEM GRÁFICA DE DATA WAREHOUSES E DATA MARTS USANDO UML 1 MODELAGEM GRÁFICA DE DATA WAREHOUSES E DATA MARTS USANDO UML JOANA SCHEEREN Porto Alegre 2009 2 JOANA SCHEEREN MODELAGEM GRÁFICA DE DATA WAREHOUSES E DATA MARTS USANDO UML Trabalho de Conclusão de Curso

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

Conhecendo o Business Intelligence (BI)

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

Leia mais

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

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

Business Intelligence. BI CEOsoftware Partner YellowFin

Business Intelligence. BI CEOsoftware Partner YellowFin Business Intelligence BI CEOsoftware Partner YellowFin O que é Business Intelligence Business Intelligence (BI) é a utilização de uma série de ferramentas para coletar, analisar e extrair informações,

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

INTELIGÊNCIA COMPETITIVA. Transformando dados em decisões estratégicas

INTELIGÊNCIA COMPETITIVA. Transformando dados em decisões estratégicas INTELIGÊNCIA COMPETITIVA Transformando dados em decisões estratégicas Primeiramente, qual a diferença? DADOS INFORMAÇÃO CONHECIMENTO CONHECIMENTO Conjunto de informações analisadas INFORMAÇÃO Conjunto

Leia mais

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

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

Leia mais

CENTRO UNIVERSITÁRIO FEEVALE EDMILSON J. W. FELBER

CENTRO UNIVERSITÁRIO FEEVALE EDMILSON J. W. FELBER CENTRO UNIVERSITÁRIO FEEVALE EDMILSON J. W. FELBER PROPOSTA DE UMA FERRAMENTA OLAP EM UM DATA MART COMERCIAL: UMA APLICAÇÃO PRÁTICA NA INDÚSTRIA CALÇADISTA Novo Hamburgo, novembro de 2005. EDMILSON J.

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

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. 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

Tópicos Avançados de Banco de Dados (Business Intelligence)

Tópicos Avançados de Banco de Dados (Business Intelligence) Tópicos Avançados de Banco de Dados (Business Intelligence) http://www.uniriotec.br/~tanaka/sain tanaka@uniriotec.br Modelagem Dimensional Conceitos Básicos Material baseado em originais de Maria Luiza

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

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

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

KÊNIA DIAS ZORZIN IMPLEMENTAÇÃO DE UM DATA WAREHOUSE PARA AUXILIAR NAS TOMADAS DE DECISÕES DO HEMOCENTRO COORDENADOR DE PALMAS

KÊNIA DIAS ZORZIN IMPLEMENTAÇÃO DE UM DATA WAREHOUSE PARA AUXILIAR NAS TOMADAS DE DECISÕES DO HEMOCENTRO COORDENADOR DE PALMAS KÊNIA DIAS ZORZIN IMPLEMENTAÇÃO DE UM DATA WAREHOUSE PARA AUXILIAR NAS TOMADAS DE DECISÕES DO HEMOCENTRO COORDENADOR DE PALMAS Palmas 2006 ii KÊNIA DIAS ZORZIN IMPLEMENTAÇÃO DE UM DATA WAREHOUSE PARA AUXILIAR

Leia mais

Diferença Entre Banco de Dados Relacional e Banco de Dados Dimensional. Difference Between Relational Database and Dimensional Database

Diferença Entre Banco de Dados Relacional e Banco de Dados Dimensional. Difference Between Relational Database and Dimensional Database Diferença Entre Banco de Dados Relacional e Banco de Dados Dimensional Difference Between Relational Database and Dimensional Database Edgar Silveira Jardim 1 Marcus Vinícius Abreu de Oliveira 2 Rodrigo

Leia mais

AGILE ROLAP - UMA METODOLOGIA ÁGIL PARA IMPLEMENTAÇÃO DE AMBIENTES DE NEGÓCIOS BASEADO EM SERVIDORES OLAP.

AGILE ROLAP - UMA METODOLOGIA ÁGIL PARA IMPLEMENTAÇÃO DE AMBIENTES DE NEGÓCIOS BASEADO EM SERVIDORES OLAP. AGILE ROLAP - UMA METODOLOGIA ÁGIL PARA IMPLEMENTAÇÃO DE AMBIENTES DE NEGÓCIOS BASEADO EM SERVIDORES OLAP. Luan de Souza Melo (Fundação Araucária), André Luís Andrade Menolli (Orientador), Ricardo G. Coelho

Leia mais

A aplicação do Business Intelligence no segmento de Saúde Pública Ambulatorial

A aplicação do Business Intelligence no segmento de Saúde Pública Ambulatorial A aplicação do Business Intelligence no segmento de Saúde Pública Ambulatorial Gilberto Capatina Valente 1, Newton Naoki Ahagon 1 1 Atech Tecnologias Críticas, São Paulo, SP Resumo Este artigo descreve

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

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

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

Leia mais

Thalita Moraes PPGI Novembro 2007

Thalita Moraes PPGI Novembro 2007 Thalita Moraes PPGI Novembro 2007 A capacidade dos portais corporativos em capturar, organizar e compartilhar informação e conhecimento explícito é interessante especialmente para empresas intensivas

Leia mais

Fundamentos da Análise Multidimensional

Fundamentos da Análise Multidimensional Universidade Técnica de Lisboa INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Informática e Sistemas de Informação Aplicados em Economia Fundamentos da Análise Multidimensional Fundamentos da Análise Multidimensional

Leia mais

BUSINESS INTELLIGENCE, O ELEMENTO CHAVE PARA O SUCESSO DAS ORGANIZAÇÕES.

BUSINESS INTELLIGENCE, O ELEMENTO CHAVE PARA O SUCESSO DAS ORGANIZAÇÕES. Encontro de Ensino, Pesquisa e Extensão, Presidente Prudente, 22 a 25 de outubro, 2012 88 BUSINESS INTELLIGENCE, O ELEMENTO CHAVE PARA O SUCESSO DAS ORGANIZAÇÕES. Andrios Robert Silva Pereira, Renato Zanutto

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 4.1 2 1 Material usado na montagem dos Slides BARBIERI,

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

Business Intelligence: um sistema de apoio a decisões gerenciais

Business Intelligence: um sistema de apoio a decisões gerenciais Business Intelligence: um sistema de apoio a decisões gerenciais André Amaral Muszinski, Silvia de Castro Bertagnolli Faculdade de Informática Curso de Bacharelado em Sistemas de Informação Centro Universitário

Leia mais

Projeto de Data Warehousing sobre Informações em Saúde para dar Suporte a Análise de Faturamento Hospitalar

Projeto de Data Warehousing sobre Informações em Saúde para dar Suporte a Análise de Faturamento Hospitalar Projeto de Data Warehousing sobre Informações em Saúde para dar Suporte a Análise de Faturamento Hospitalar Newton Shydeo Brandão Miyoshi Joaquim Cezar Felipe Grupo de Informática Biomédica Departamento

Leia mais

Professor: Disciplina:

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

Leia mais

Chapter 3. Análise de Negócios e Visualização de Dados

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

Leia mais

O BUSINESS INTELLIGENCE SALTA PARA OS DISPOSITIVOS MÓVEIS E ACELERA OS NEGÓCIOS

O BUSINESS INTELLIGENCE SALTA PARA OS DISPOSITIVOS MÓVEIS E ACELERA OS NEGÓCIOS LUÍS ANTÔNIO DE FARIA O BUSINESS INTELLIGENCE SALTA PARA OS DISPOSITIVOS MÓVEIS E ACELERA OS NEGÓCIOS BELO HORIZONTE 2012 LUÍS ANTÔNIO DE FARIA O BUSINESS INTELLIGENCE SALTA PARA OS DISPOSITIVOS MÓVEIS

Leia mais

Sistemas de Apoio à Inteligência do Negócio

Sistemas de Apoio à Inteligência do Negócio Sistemas de Apoio à Inteligência do Negócio http://www.uniriotec.br/~tanaka/sain tanaka@uniriotec.br Visão Geral de Business Intelligence Evolução dos Sistemas de Informação (computadorizados) 1950 s:

Leia mais

OLAP: Características, Arquitetura e Ferramentas

OLAP: Características, Arquitetura e Ferramentas INSTITUTO VIANNA JÚNIOR FACULDADES INTEGRADAS VIANNA JÚNIOR OLAP: Características, Arquitetura e Ferramentas Erika Maria Teixeira Araújo 1 Mônica de Lourdes Souza Batista 2 Teresinha Moreira de Magalhães

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