IMPLANTAÇÃO DO DW NA ANVISA
|
|
- Giovanni Ferretti Cortês
- 8 Há anos
- Visualizações:
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. 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 maisData Warehouse. Debora Marrach Renata Miwa Tsuruda
Debora Marrach Renata Miwa Tsuruda Agenda Introdução Contexto corporativo Agenda Introdução Contexto corporativo Introdução O conceito de Data Warehouse surgiu da necessidade de integrar dados corporativos
Leia maisData Warehouse Processos e Arquitetura
Data Warehouse - definições: Coleção de dados orientada a assunto, integrada, não volátil e variável em relação ao tempo, que tem por objetivo dar apoio aos processos de tomada de decisão (Inmon, 1997)
Leia maisInteratividade 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 maisBanco de Dados - Senado
Banco de Dados - Senado Exercícios OLAP - CESPE Material preparado: Prof. Marcio Vitorino OLAP Material preparado: Prof. Marcio Vitorino Soluções MOLAP promovem maior independência de fornecedores de SGBDs
Leia maisResumo dos principais conceitos. Resumo dos principais conceitos. Business Intelligence. Business Intelligence
É um conjunto de conceitos e metodologias que, fazem uso de acontecimentos e sistemas e apoiam a tomada de decisões. Utilização de várias fontes de informação para se definir estratégias de competividade
Leia maisTópicos Avançados Business Intelligence. Banco de Dados Prof. Otacílio José Pereira. Unidade 10 Tópicos Avançados Business Inteligence.
Tópicos Avançados Business Intelligence Banco de Dados Prof. Otacílio José Pereira Unidade 10 Tópicos Avançados Business Inteligence Roteiro Introdução Níveis organizacionais na empresa Visão Geral das
Leia maisTÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE
TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE Engenharia de Computação Professor: Rosalvo Ferreira de Oliveira Neto OLPT x OLAP Roteiro OLTP Datawarehouse OLAP Operações OLAP Exemplo com Mondrian e Jpivot
Leia maisData Warehousing. Leonardo da Silva Leandro. CIn.ufpe.br
Data Warehousing Leonardo da Silva Leandro Agenda Conceito Elementos básicos de um DW Arquitetura do DW Top-Down Bottom-Up Distribuído Modelo de Dados Estrela Snowflake Aplicação Conceito Em português:
Leia maisAdriano Maranhão BUSINESS INTELLIGENCE (BI),
Adriano Maranhão BUSINESS INTELLIGENCE (BI), BUSINESS INTELLIGENCE (BI) O termo Business Intelligence (BI), popularizado por Howard Dresner do Gartner Group, é utilizado para definir sistemas orientados
Leia mais04/08/2012 MODELAGEM DE DADOS. PROF. RAFAEL DIAS RIBEIRO, M.Sc. @ribeirord MODELAGEM DE DADOS. Aula 1. Prof. Rafael Dias Ribeiro. M.Sc.
MODELAGEM DE DADOS PROF. RAFAEL DIAS RIBEIRO, M.Sc. @ribeirord MODELAGEM DE DADOS Aula 1 Prof. Rafael Dias Ribeiro. M.Sc. @ribeirord 1 Objetivos: Apresenta a diferença entre dado e informação e a importância
Leia maisPlanejamento 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 maisDATA WAREHOUSE NO APOIO À TOMADA DE DECISÕES
DATA WAREHOUSE NO APOIO À TOMADA DE DECISÕES Janaína Schwarzrock jana_100ideia@hotmail.com Prof. Leonardo W. Sommariva RESUMO: Este artigo trata da importância da informação na hora da tomada de decisão,
Leia maisAGILE 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 maissrbo@ufpa.br www.ufpa.br/srbo
CBSI Curso de Bacharelado em Sistemas de Informação BI Prof. Dr. Sandro Ronaldo Bezerra Oliveira srbo@ufpa.br www.ufpa.br/srbo Tópicos Especiais em Sistemas de Informação Faculdade de Computação Instituto
Leia maisUma 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 maisPLANO 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 maisA 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 maisDATA WAREHOUSE. Rafael Ervin Hass Raphael Laércio Zago
DATA WAREHOUSE Rafael Ervin Hass Raphael Laércio Zago Roteiro Introdução Aplicações Arquitetura Características Desenvolvimento Estudo de Caso Conclusão Introdução O conceito de "data warehousing" data
Leia maisComplemento 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 maisBanco de Dados I. Apresentação (mini-currículo) Conceitos. Disciplina Banco de Dados. Cont... Cont... Edson Thizon (edson@esucri.com.
Sistemas da Informação Banco de Dados I Edson Thizon (edson@esucri.com.br) 2008 Apresentação (mini-currículo) Formação Acadêmica Mestrando em Ciência da Computação (UFSC/ ) Créditos Concluídos. Bacharel
Leia maisProgramação com acesso a BD. Prof.: Clayton Maciel Costa clayton.maciel@ifrn.edu.br
Programação com acesso a BD Prof.: Clayton Maciel Costa clayton.maciel@ifrn.edu.br 1 Introdução BD desempenha papel crítico em todas as áreas em que computadores são utilizados: Banco: Depositar ou retirar
Leia mais22/02/2009. Supply Chain Management. É a integração dos processos do negócio desde o usuário final até os fornecedores originais que
Supply Chain Management SUMÁRIO Gestão da Cadeia de Suprimentos (SCM) SCM X Logística Dinâmica Sugestões Definição Cadeia de Suprimentos É a integração dos processos do negócio desde o usuário final até
Leia maisThalita 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 maisCurso 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 maisDESENVOLVIMENTO 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 maisUniversidade Federal de Goiás UFG Campus Catalão CAC Departamento de Engenharia de Produção. Sistemas ERP. PCP 3 - Professor Muris Lage Junior
Sistemas ERP Introdução Sucesso para algumas empresas: acessar informações de forma rápida e confiável responder eficientemente ao mercado consumidor Conseguir não é tarefa simples Isso se deve ao fato
Leia maisBanco de Dados Aula 1 Introdução a Banco de Dados Introdução Sistema Gerenciador de Banco de Dados
Banco de Dados Aula 1 Introdução a Banco de Dados Introdução Um Sistema Gerenciador de Banco de Dados (SGBD) é constituído por um conjunto de dados associados a um conjunto de programas para acesso a esses
Leia maisCOMUNICAÇÃO DE PORTIFÓLIO UTILIZANDO DASHBOARDS EXTRAIDOS DO MICROSOFT PROJECT SERVER
COMUNICAÇÃO DE PORTIFÓLIO UTILIZANDO DASHBOARDS EXTRAIDOS DO MICROSOFT PROJECT SERVER Autor: RANGEL TORREZAN RESUMO 1. Gestão de Portfolio e suas vantagens. A gestão de portfólio de projetos estabelece
Leia maisSistemas de Informação I
+ Sistemas de Informação I Dimensões de análise dos SI Ricardo de Sousa Britto rbritto@ufpi.edu.br + Introdução n Os sistemas de informação são combinações das formas de trabalho, informações, pessoas
Leia maisUniversidade Federal de Santa Maria Curso de Arquivologia. Disciplina de Banco de Dados Aplicados à Arquivística. Versao 1.
Universidade Federal de Santa Maria Curso de Arquivologia Disciplina de Banco de Dados Aplicados à Arquivística Prof. Andre Zanki Cordenonsi Versao 1.0 Março de 2008 Tópicos Abordados Conceitos sobre Banco
Leia mais05/06/2012. Banco de Dados. Gerenciamento de Arquivos. Gerenciamento de Arquivos Sistema Gerenciador de Banco de Dados Modelos de Dados
Banco de Dados Gerenciamento de Arquivos Sistema Gerenciador de Banco de Dados Modelos de Dados Gerenciamento de Arquivos Gerenciamento de Arquivos 1 Gerenciamento de Arquivos Em uma indústria são executadas
Leia maisINSTRUÇÃO DE TRABALHO PARA INFORMAÇÕES GERENCIAIS
INSTRUÇÃO DE TRABALHO PARA INFORMAÇÕES GERENCIAIS Asia Shipping Transportes Internacionais Ltda. como cópia não controlada P á g i n a 1 7 ÍNDICE NR TÓPICO PÁG. 1 Introdução & Política 2 Objetivo 3 Responsabilidade
Leia maisUNIVERSIDADE 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 maisArquitetura física de um Data Warehouse
É um modo de representar a macroestrutura de, comunicação, processamento e existentes para usuários finais dentro da empresa. Operacionais origem Data / Arquitetura física Serviços Armazenamento de Área
Leia maisKimball 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 maisGestão de Relacionamento com o Cliente CRM
Gestão de Relacionamento com o Cliente CRM Fábio Pires 1, Wyllian Fressatti 1 Universidade Paranaense (Unipar) Paranavaí PR Brasil pires_fabin@hotmail.com wyllian@unipar.br RESUMO. O projeto destaca-se
Leia maisMódulo 15 Resumo. Módulo I Cultura da Informação
Módulo 15 Resumo Neste módulo vamos dar uma explanação geral sobre os pontos que foram trabalhados ao longo desta disciplina. Os pontos abordados nesta disciplina foram: Fundamentos teóricos de sistemas
Leia maisMINISTÉRIO DA EDUCAÇÃO FUNDO NACIONAL DE DESENVOLVIMENTO DA EDUCAÇÃO TERMO DE REFERÊNCIA PARA CONTRATAÇÃO DE PESSOA FÍSICA - CONSULTOR POR PRODUTO
MINISTÉRIO DA EDUCAÇÃO FUNDO NACIONAL DE DESENVOLVIMENTO DA EDUCAÇÃO TERMO DE REFERÊNCIA PARA CONTRATAÇÃO DE PESSOA FÍSICA - CONSULTOR POR PRODUTO Analista Desenvolvedor de ETL OEI/TOR/FNDE/CGETI Nº /09
Leia maisHoje é inegável que a sobrevivência das organizações depende de dados precisos e atualizados.
BANCO DE DADOS Universidade do Estado de Santa Catarina Centro de Ciências Tecnológicas Departamento de Ciência da Computação Prof. Alexandre Veloso de Matos alexandre.matos@udesc.br INTRODUÇÃO Hoje é
Leia maisData 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 maisFornecendo Inteligência, para todo o mundo, a mais de 20 anos.
Fornecendo Inteligência, para todo o mundo, a mais de 20 anos. Fundada em 1989, a MicroStrategy é fornecedora líder Mundial de plataformas de software empresarial. A missão é fornecer as plataformas mais
Leia maisCurso 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 maisSAD orientado a DADOS
Universidade do Contestado Campus Concórdia Curso de Sistemas de Informação Prof.: Maico Petry SAD orientado a DADOS DISCIPLINA: Sistemas de Apoio a Decisão SAD orientado a dados Utilizam grandes repositórios
Leia maisBusiness 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 maisPlataformas de BI Qual é a mais adequada para o meu negócio?
Plataformas de BI Qual é a mais adequada para o meu negócio? Comparativo prático para escolher a ferramenta perfeita para a sua empresa Faça nosso Quiz e veja as opções que combinam com o seu perfil ÍNDICE
Leia maisCurso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan
Faculdade INED Curso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan 1 Unidade 4.3 2 1 BI BUSINESS INTELLIGENCE BI CARLOS BARBIERI
Leia maisTI em Números Como identificar e mostrar o real valor da TI
TI em Números Como identificar e mostrar o real valor da TI João Maldonado / Victor Costa 15, Outubro de 2013 Agenda Sobre os Palestrantes Sobre a SOLVIX Contextualização Drivers de Custo Modelo de Invenstimento
Leia maisINTRODUÇÃO A PORTAIS CORPORATIVOS
INTRODUÇÃO A PORTAIS CORPORATIVOS Conectt i3 Portais Corporativos Há cinco anos, as empresas vêm apostando em Intranet. Hoje estão na terceira geração, a mais interativa de todas. Souvenir Zalla Revista
Leia maisTERMO DE REFERÊNCIA Nº 4031 PARA CONTRATAÇÃO DE PESSOA FÍSICA PROCESSO DE SELEÇÃO - EDITAL Nº
Impresso por: RAFAEL DE SOUZA RODRIGUES DOS SANTOS Data da impressão: 10/08/015-14:4:5 SIGOEI - Sistema de Informações Gerenciais da OEI TERMO DE REFERÊNCIA Nº 401 PARA CONTRATAÇÃO DE PESSOA FÍSICA PROCESSO
Leia maisSISTEMAS DE GESTÃO São Paulo, Janeiro de 2005
SISTEMAS DE GESTÃO São Paulo, Janeiro de 2005 ÍNDICE Introdução...3 A Necessidade do Gerenciamento e Controle das Informações...3 Benefícios de um Sistema de Gestão da Albi Informática...4 A Ferramenta...5
Leia maisERP Enterprise Resource Planning
ERP Enterprise Resource Planning Sistemas Integrados de Gestão Evolução dos SI s CRM OPERACIONAL TÁTICO OPERACIONAL ESTRATÉGICO TÁTICO ESTRATÉGICO OPERACIONAL TÁTICO ESTRATÉGICO SIT SIG SAE SAD ES EIS
Leia maisSUMÁRIO 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 maisPalavras-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 maisMódulo 4. Construindo uma solução OLAP
Módulo 4. Construindo uma solução OLAP Objetivos Diferenciar as diversas formas de armazenamento Compreender o que é e como definir a porcentagem de agregação Conhecer a possibilidade da utilização de
Leia maisData 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 maisSAD. Paulo Silva, Rodolfo Ribeiro, Vinicius Tavares
SAD Paulo Silva, Rodolfo Ribeiro, Vinicius Tavares DataWarehouse Armazena informações relativas a uma organização em BD Facilita tomada de decisões Dados são coletados de OLTP(séries históricas) Dados
Leia maisAUTOR(ES): IANKSAN SILVA PEREIRA, ALINE GRAZIELE CARDOSO FEITOSA, DANIELE TAMIE HAYASAKA, GABRIELA LOPES COELHO, MARIA LETICIA VIEIRA DE SOUSA
Anais do Conic-Semesp. Volume 1, 2013 - Faculdade Anhanguera de Campinas - Unidade 3. ISSN 2357-8904 TÍTULO: TECNOLOGIA E SUA INFLUÊNCIA NA QUALIDADE DA GESTÃO CONTÁBIL. CATEGORIA: EM ANDAMENTO ÁREA: CIÊNCIAS
Leia maisIntrodução à Banco de Dados. Definição
Universidade Federal da Bahia Departamento de Ciência da Computação (DCC) Disciplina: Banco de Dados Profª. Daniela Barreiro Claro Introdução à Banco de Dados Definição Um banco de dados é uma coleção
Leia maisGovernança de TI. ITIL v.2&3. parte 1
Governança de TI ITIL v.2&3 parte 1 Prof. Luís Fernando Garcia LUIS@GARCIA.PRO.BR ITIL 1 1 ITIL Gerenciamento de Serviços 2 2 Gerenciamento de Serviços Gerenciamento de Serviços 3 3 Gerenciamento de Serviços
Leia maisSolução em Software e Automação Comercial
Solução em Software e Automação Comercial EMPRESA A Aps Informática é uma empresa de desenvolvimento de sistemas voltados para a gestão empresarial localizada em Recife, Pernambuco. Desde 1992 no mercado,
Leia maisADMINISTRAÇÃO DOS RECURSOS DE DADOS
Capítulo 7 ADMINISTRAÇÃO DOS RECURSOS DE DADOS 7.1 2003 by Prentice Hall OBJETIVOS Por que as empresas sentem dificuldades para descobrir que tipo de informação precisam ter em seus sistemas de informação?
Leia maisConceitos de Banco de Dados
Conceitos de Banco de Dados Autor: Luiz Antonio Junior 1 INTRODUÇÃO Objetivos Introduzir conceitos básicos de Modelo de dados Introduzir conceitos básicos de Banco de dados Capacitar o aluno a construir
Leia maisFases para um Projeto de Data Warehouse. Fases para um Projeto de Data Warehouse. Fases para um Projeto de Data Warehouse
Definição escopo do projeto (departamental, empresarial) Grau de redundância dos dados(ods, data staging) Tipo de usuário alvo (executivos, unidades) Definição do ambiente (relatórios e consultas préestruturadas
Leia maisSISTEMA GERENCIADOR DE BANCO DE DADOS
BANCO DE DADOS Universidade do Estado de Santa Catarina Centro de Ciências Tecnológicas Departamento de Ciência da Computação Prof. Alexandre Veloso de Matos alexandre.matos@udesc.br SISTEMA GERENCIADOR
Leia maisInteligência Empresarial. BI Business Intelligence. Business Intelligence 22/2/2011. Prof. Luiz A. Nascimento
Inteligência Empresarial Prof. Luiz A. Nascimento BI Pode-se traduzir informalmente Business Intelligence como o uso de sistemas inteligentes em negócios. É uma forma de agregar a inteligência humana à
Leia maisCapítulo 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 maisCapítulo 2 Data Warehousing
Capítulo 2 Data Warehousing Objetivos de Aprendizado Compreender as definições e os conceitos básicos dos data warehouses Compreender as arquiteturas de data warehousing Descrever os processos usados no
Leia maisCurso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan
Faculdade INED Curso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan 1 Unidade 4.1 2 1 Material usado na montagem dos Slides BARBIERI,
Leia maisBanco de Dados. Introdução. João Eduardo Ferreira Osvaldo Kotaro Takai. jef@ime.usp.br DCC-IME-USP
Banco de Dados Introdução João Eduardo Ferreira Osvaldo Kotaro Takai jef@ime.usp.br DCC-IME-USP Importância dos Bancos de Dados A competitividade das empresas depende de dados precisos e atualizados. Conforme
Leia maisRESUMO DA SOLUÇÃO CA ERwin Modeling. Como eu posso gerenciar a complexidade dos dados e aumentar a agilidade dos negócios?
RESUMO DA SOLUÇÃO CA ERwin Modeling Como eu posso gerenciar a complexidade dos dados e aumentar a agilidade dos negócios? O CA ERwin Modeling fornece uma visão centralizada das principais definições de
Leia maisISO/IEC 12207: Gerência de Configuração
ISO/IEC 12207: Gerência de Configuração Durante o processo de desenvolvimento de um software, é produzida uma grande quantidade de itens de informação que podem ser alterados durante o processo Para que
Leia mais04/08/2012 MODELAGEM DE DADOS. PROF. RAFAEL DIAS RIBEIRO, M.Sc. @ribeirord MODELAGEM DE DADOS. Aula 2. Prof. Rafael Dias Ribeiro. M.Sc.
MODELAGEM DE DADOS PROF. RAFAEL DIAS RIBEIRO, M.Sc. @ribeirord MODELAGEM DE DADOS Aula 2 Prof. Rafael Dias Ribeiro. M.Sc. @ribeirord 1 Objetivos: Revisão sobre Banco de Dados e SGBDs Aprender as principais
Leia maisUNG 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 maisIdentificar as mudanças que acontecem na forma e no uso de apoio à decisão em empreendimentos de e-business. Identificar o papel e alternativas de
1 Identificar as mudanças que acontecem na forma e no uso de apoio à decisão em empreendimentos de e-business. Identificar o papel e alternativas de relatórios dos sistemas de informação gerencial. Descrever
Leia maisMódulo 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 maise-business A IBM definiu e-business como: GLOSSÁRIO
Através do estudo dos sistemas do tipo ERP, foi possível verificar a natureza integradora, abrangente e operacional desta modalidade de sistema. Contudo, faz-se necessário compreender que estas soluções
Leia maisPara construção dos modelos físicos, será estudado o modelo Relacional como originalmente proposto por Codd.
Apresentação Este curso tem como objetivo, oferecer uma noção geral sobre a construção de sistemas de banco de dados. Para isto, é necessário estudar modelos para a construção de projetos lógicos de bancos
Leia maisTECNOLOGIA DA INFORMAÇÃO - TI Elaborado e adaptado por: Prof.Mestra Rosimeire Ayres
TECNOLOGIA DA INFORMAÇÃO - TI Elaborado e adaptado por: Prof.Mestra Rosimeire Ayres Aula 6 Fazendo BI NO EXCEL USANDO TABELA DINÂMICA EXCEL PARA TOMADA DE DECISÕES A ferramenta é nada, o talento é tudo.
Leia maisNo mundo atual, globalizado e competitivo, as organizações têm buscado cada vez mais, meios de se destacar no mercado. Uma estratégia para o
DATABASE MARKETING No mundo atual, globalizado e competitivo, as organizações têm buscado cada vez mais, meios de se destacar no mercado. Uma estratégia para o empresário obter sucesso em seu negócio é
Leia maisProf. 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 maisPLANOS DE CONTINGÊNCIAS
PLANOS DE CONTINGÊNCIAS ARAÚJO GOMES Capitão SC PMSC ARAÚJO GOMES defesacivilgomes@yahoo.com.br PLANO DE CONTINGÊNCIA O planejamento para emergências é complexo por suas características intrínsecas. Como
Leia maisGestão do Conhecimento A Chave para o Sucesso Empresarial. José Renato Sátiro Santiago Jr.
A Chave para o Sucesso Empresarial José Renato Sátiro Santiago Jr. Capítulo 1 O Novo Cenário Corporativo O cenário organizacional, sem dúvida alguma, sofreu muitas alterações nos últimos anos. Estas mudanças
Leia maisUma análise de ferramentas de modelagem e gerência de metadados aplicadas ao projeto de BI/DW-UFBA
Universidade Federal da Bahia Instituto de Matemática Departamento de Ciência da Computação MATA67 Projeto Final II Uma análise de ferramentas de modelagem e gerência de metadados aplicadas ao projeto
Leia maisBancoEstado ganha eficiência de dados e mais rapidez no desenvolvimento de sistemas com CA ERwin
CUSTOMER SUCCESS STORY BancoEstado ganha eficiência de dados e mais rapidez no desenvolvimento de sistemas com CA ERwin PERFIL DO CLIENTE Setor: Serviços Financeiros Organização: BancoEstado de Chile Funcionários:
Leia maisRequisitos de business intelligence para TI: O que todo gerente de TI deve saber sobre as necessidades reais de usuários comerciais para BI
Requisitos de business intelligence para TI: O que todo gerente de TI deve saber sobre as necessidades reais de usuários comerciais para BI Janeiro de 2011 p2 Usuários comerciais e organizações precisam
Leia maisSERVIÇO DE ANÁLISE DE REDES DE TELECOMUNICAÇÕES APLICABILIDADE PARA CALL-CENTERS VISÃO DA EMPRESA
SERVIÇO DE ANÁLISE DE REDES DE TELECOMUNICAÇÕES APLICABILIDADE PARA CALL-CENTERS VISÃO DA EMPRESA Muitas organizações terceirizam o transporte das chamadas em seus call-centers, dependendo inteiramente
Leia maisPlano de Gerenciamento do Projeto
Projeto para Soluções Contábeis 2015 Plano de Gerenciamento do Projeto Baseado na 5ª edição do Guia PMBOK Brendon Genssinger o e Elcimar Silva Higor Muniz Juliermes Henrique 23/11/2015 1 Histórico de alterações
Leia maisDado: Fatos conhecidos que podem ser registrados e têm um significado implícito. Banco de Dados:
MC536 Introdução Sumário Conceitos preliminares Funcionalidades Características principais Usuários Vantagens do uso de BDs Tendências mais recentes em SGBDs Algumas desvantagens Modelos de dados Classificação
Leia maisCONSIDERAÇÕES 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 maisProposta de Avaliação de Empresas para o uso do SAAS
1 INSTITUTO DE EDUCAÇÃO TECNOLÓGICA PÓS-GRADUAÇÃO Gestão e Tecnologia da Informação/ IFTI 1402 Turma 25 09 de abril de 2015 Proposta de Avaliação de Empresas para o uso do SAAS Raphael Henrique Duarte
Leia maisMelhores práticas no planejamento de recursos humanos
Melhores práticas no planejamento de recursos humanos Planejamento Performance Dashboard Plano de ação Relatórios Indicadores Preparando a força de trabalho para o futuro Planejamento de recursos humanos
Leia maisPlanejando o aplicativo
Um aplicativo do Visual FoxPro geralmente inclui um ou mais bancos de dados, um programa principal que configura o ambiente de sistema do aplicativo, além de uma interface com os usuários composta por
Leia maisDashboards dinâmicos para executivos
dos produtos SAP Soluções SAP Crystal SAP Crystal Dashboard Design Objetivos Dashboards dinâmicos para executivos Transforme dados complexos em dashboards atraentes e interativos Transforme dados complexos
Leia maisDisciplina de Banco de Dados Introdução
Disciplina de Banco de Dados Introdução Prof. Elisa Maria Pivetta CAFW - UFSM Banco de Dados: Conceitos A empresa JJ. Gomes tem uma lista com mais ou menos 4.000 nomes de clientes bem como seus dados pessoais.
Leia mais