EXPERIÊNCIAS E RESULTADOS DO USO DE AGREGADOS EM DATA WAREHOUSES

Tamanho: px
Começar a partir da página:

Download "EXPERIÊNCIAS E RESULTADOS DO USO DE AGREGADOS EM DATA WAREHOUSES"

Transcrição

1 EXPERIÊNCIAS E RESULTADOS DO USO DE AGREGADOS EM DATA WAREHOUSES Celso Kopp Webber 1,2 MSc Cristiane Koehler 1,3, MSc Fabiane Barreto Vavassori 1,2, MSc Fernanda dos Santos Cunha 1,2, MEng Universidade Federal de Santa Catarina UFSC 1 Programa de Pós-Graduação em Engenharia de Produção/PPGEP Campus Universitário Trindade Cx. Postal Florianópolis SC Universidade do Vale do Itajaí UNIVALI 2 Universidade do Sul de Santa Catarina UNISUL 3 ABSTRACT: This works presents a practical demonstration of the use of aggregates in data warehouses. In order to accomplish that, a library loans database was used as a reference to build the data warehouse. Some strategical searches were run in the original database and data warehouse. The results were evaluated considering two effects: the sparsity failure and the aggregates explosion. KEYWORDS: data warehouse, aggregates, sparsity failure. RESUMO: Este trabalho apresenta uma demonstração prática da utilização dos agregados em data warehouses. Para tanto, utilizou-se uma base de dados referente a empréstimos em uma biblioteca e criou-se um data warehouse relativo. Algumas consultas estratégicas foram realizadas sobre a base de dados original e o data warehouse. Os resultados foram avaliados considerando dois efeitos: a dispersão e a explosão de agregados.

2 1. INTRODUÇÃO Segundo [KHA99], no contexto de data warehouse (DW) novos tipos de consultas surgiram. Enquanto se trabalha com aplicação operacional, as consultas estão limitadas a poucas linhas por vez. No entanto, quando se trabalha sobre um data warehouse, fala-se em informação intensiva (data-intensive). Desta forma, pode-se dividir as consultas de apoio à tomada de decisão em dois tipos: ƒ consultas data-intensive que acessam um grande número de linhas; ƒ consultas data-selective que atingem somente poucas linhas. Assim, é interessante notar como pessoas em posições diferentes no processo de tomada de decisão utilizam estes tipos de consultas (apresentadas na tabela que segue) : Posição Organizacional Foco da Decisão Tipo de Consulta Executivos Estratégica Data intensive Gerentes nível médio Estratégica/Tática Data intensive/selective Gerentes Operacionais Tática Data selective Tabela 1 Tipos de consultas utilizadas no processo decisório. Para a tomada de decisão estratégica faz-se necessário consultas data-intensive, pois os executivos, por exemplo, querem pressionar um botão e ver informações obtidas através de consultas ad-hoc expressas graficamente. Esta resposta, geralmente, necessita acionar um baixo nível de detalhe e deve ser gerada rapidamente. Um exemplo de consulta para a decisão estratégica (data intensive) solicitada por um executivo seria: Quantos drives nós remetemos para a Região Sul, no último trimestre, no qual a quantidade enviada foi maior que dez, e qual o lucro que obtivemos a partir destas vendas em relação às vendas com quantidade inferior a dez? Uma resposta a esta consulta necessitaria pesquisar todos os pedidos do último trimestre, resultando em várias linhas de resposta. Em um outro extremo encontram-se os gerentes operacionais, que utilizam consultas de seleção pois estão interessados num escopo mais estreito. Por exemplo, uma simples consulta: Mostrar o pedido número , assim pode-se verificar que este é o item a ser alterado, pois o gerente operacional conhece a chave primária (número do pedido) da linha de interesse. Esta pesquisa resulta apenas em uma linha de resposta.

3 Para atender as necessidades dos executivos gerar consultas data-intensive em tempo reduzido tem-se duas estratégicas básicas: ƒ particionamento: o qual reduz a quantidade de informações que o sistema precisa acessar; ƒ agregação: que pré-calcula as dimensões necessárias para que o sistema possa acessá-las em poucas linhas. Normalmente, estas estratégias são mutuamente exclusivas. Portanto, a seguir será detalhada a estratégia de agregação, por ser o enfoque estudado no presente artigo. 2. AGREGADOS Um agregado é um registro da tabela de fatos que representa o resumo dos registros de nível básico desta tabela, pois reduz o detalhamento das dimensões não importantes numa análise (resumindo estes dados), detalhando apenas as dimensões necessárias a uma determinada restrição. A utilização de agregados faz com que as consultas sejam mais rápidas. Porém, o grande aumento do espaço necessário para seu armazenamento e o efeito "dispersão" causador de um excesso de registros de agregados são dois pontos negativos desta utilização. Segundo [KIM96], "num ambiente de data warehouse que seja projetado apropriadamente, múltiplos conjuntos de agregados são construídos, representando níveis de agrupamento comuns entre as dimensões chave de um DW". Nessa afirmação, o autor assume que exista uma estrutura dimensional padrão (normalmente chamada esquema estrela figura 1), na qual uma grande tabela de fatos central é rodeada por tabelas de dimensão independentes. Estas dimensões, segundo [INM97], representam uma forma de se acessar e tratar os dados da tabela de fatos, além de prover informações complementares a títulos, cabeçalhos e relatórios. Figura 1 Esquema estrela.

4 Como a maior parte das consultas de usuários está interessada apenas em um subconjunto das dimensões disponíveis, tornam-se evidentes as vantagens de usar agregados. Os dados das dimensões que não exigem detalhamento podem ser agregados, reduzindo consideravelmente o número de registros resultantes da consulta e o tempo do processamento, melhorando a precisão da consulta e o desempenho. Os agregados podem substituir os índices nas tabelas de fatos, que sobrecarregam o espaço de armazenamento. O Administrador de Banco de Dados pode reduzir muito a necessidade de construir estes índices, usando bons agregados no lugar de índices compostos MODOS DE UTILIZAÇÃO DE AGREGADOS McGuff [MCG98] comenta que há dois modos de utilizar agregados: a pré-agregação, onde o resultado dos agregados é previamente armazenado em disco, e a agregação dinâmica, onde os cálculos que geram os agregados são feitos no momento da consulta. A escolha da opção deve analisar o custo de criar e armazenar os agregados em relação ao custo de calcular dinamicamente os agregados PRÉ-AGREGAÇÃO A pré-agregação é a mais utilizada em projetos de data warehouse. Segundo [MCG98], se a tabela de fatos é relativamente pequena e a computação e estrutura complexas, então a pré-agregação é uma alternativa viável. O processo de pré-agregação inicia com a determinação de quais dimensões devem ser agregadas (se parte de uma dimensão deve ser agregada, então toda a dimensão deve ser agregada). Uma maneira prática de medir os benefícios de uma pré-agregação para uma determinada dimensão é determinar o fator de compressão para cada nível da dimensão. Este é o número de linhas produzidas por uma agregação divididas pelo número de linhas recuperadas. Este cálculo deve ser feito para todas as dimensões, usando-se dados reais, durante um longo período. Uma vez que se tenha estes resultados, pode-se avaliar quais dimensões devem ser pré-agregadas [MCG98], usando o seguinte critério: dimensões com menores fatores de compressão são melhores para serem agregadas AGREGAÇÃO DINÂMICA Para tabelas de fatos muito grandes, porém simples em termos de estrutura e cálculo, encontra-se casos em que a agregação dinâmica é preferível [MCG98]. A grande vantagem da agregação

5 dinâmica é economia de espaço de armazenamento. Porém, é fato que os meios de armazenamento vêm sendo barateados continuamente nos últimos anos TÉCNICAS DE ARMAZENAMENTO DE AGREGADOS Como já foi visto, um agregado é um registro da tabela de fatos representando um resumo dos registros de nível básico. Um registro da tabela de fatos agregados está sempre associado a um ou mais registros da tabela de dimensões agregadas. Portanto, além dos novos registros da tabela de fatos deve-se ter também entradas da tabela de dimensão agregadas [KIM96b]. Uma vez que se toma a decisão de pré-agregar os dados, então deve-se optar por uma das duas técnicas para armazenamento de registros adicionais das tabelas de fatos e de dimensão necessários aos agregados, apresentadas nas seções que seguem CRIAÇÃO DE NOVAS TABELAS DE FATOS Esta técnica requer a criação de uma tabela de fatos própria para cada conjunto de dados agregados (tabelas derivadas). Cada tabela de fatos deve estar vinculada a uma ou mais tabelas de dimensão derivadas. Por exemplo, considerando duas dimensões: obra, curso e tempo, pode-se criar os seguintes registros agregados: (a) totais por título na dimensão obra, (b) totais por turno na dimensão curso e (c) totais mensais na dimensão tempo. Usando esta técnica, pode-se obter vários tipos de registros agregados diferentes com tabelas de fatos próprias para cada tipo de registro (tabelas derivadas), como os apresentados abaixo: Tabela Tipo 1 Unidirecional empréstimo por dia 2 Bidirecional empréstimo por centro 3 Tridirecional empréstimo por área por centro por mês Tabela 2 Registros Agregados. Cada tabela de fatos derivada deve estar associada a uma ou mais tabelas de dimensão derivadas. Estas tabelas derivadas necessitam de chaves artificiais totalmente novas, que não constam da tabela de nível básico. A figura 2 mostra um exemplo deste esquema.

6 Centro Agregado Fatos Empréstimo chave_tempo chave_obra Centro centro Figura 2 Tabela de Fatos Agregados Empréstimos por Centro. A técnica de criação de novas tabelas de fatos vem sendo recomendada para projetos de data warehouse, apesar do elevado número de novas tabelas que ela implica, devido a algumas razões citadas por [KIM96b]: ƒ A administração dos agregados é mais modular e segmentada quando os agregados ocupam tabelas separadas. ƒ Existe uma solução bem estruturada para que o elevado número de tabelas a mais geradas pelas novas tabelas seja transparente para o usuário: o navegador de agregados. ƒ Elimina o risco de um usuário final contar duplamente, de forma acidental, totais de fatos, pois há tabelas de fatos separadas de acordo com a granularidade desejada. ƒ Se ocupassem uma só tabela, os resultados de determinados agregados exigiriam campos da tabela com tamanho maior para receberem valores muito elevados. Com a técnica de várias tabelas, os campos das tabelas de dimensão não precisam ser aumentados devido à possibilidade de ocorrência destes valores elevados (resultados de agregados). ƒ Com tabelas separadas, os agregados podem ser desenvolvidos de forma independente e separadamente, sem afetar os já existentes INSERÇÃO DE CAMPOS NÍVEL NA TABELA DE FATOS BÁSICA Nesta técnica, cria-se um novo campo denominado Nível em cada uma das tabelas de dimensão em questão. Dessa forma, os registros de fatos agregados podem residir na tabela de fatos original. Além do mesmo número de registros da primeira técnica, também devem ser geradas as mesmas chaves agregadas na tabela de fatos e nas tabelas de dimensão. O fato de compartilhar tabelas gera várias complicações, tais como a possibilidade de valores duplicados devido a existência numa mesma tabela de medidas diferentes para uma mesma dimensão; a administração destas tabelas que exige um acompanhamento de perto do administrador

7 para aumentar o tamanho dos campos das tabelas de acordo com a necessidade ou para acrescentar ou excluir agregados, de acordo com a demanda de consultas dos usuários. Comparando-se estas duas técnicas, nota-se que a única diferença existente está relacionada com o local de armazenamento dos registros de dimensão agregados e os registros de fatos agregados. Enquanto que na técnica de criação de novas tabelas de fatos gera-se um grande número de novas tabelas, na técnica de inserção de campos Nível todos os novos registros agregados são armazenados na tabela de fatos e na tabela de dimensão originais e não em novas tabelas DISPERSÃO E EXPLOSÃO DE AGREGADOS O planejamento do tamanho das tabelas pode ser difícil em virtude da dispersão. Sabemos que a tabela de fatos de nível básico é normalmente bastante dispersa na localização das chaves. Entretanto, na construção de agregados, a taxa de ocupação do banco de dados aumenta drasticamente, podendo aumentar mais de 400%. No entanto, projetando-se tabelas de agregados de forma que uma consulta possa ser satisfeita através de uma tabela de agregados hierarquicamente inferior, pode-se alcançar uma solução para este problema. Por exemplo, totais anuais podem ser obtidos a partir de totais mensais, ao invés de partir de uma tabela anual, eliminando assim algumas tabelas agregadas em favor de outras. Para visualizar como a explosão de agregados ocorre, pode-se tomar o exemplo da rede de mercados (Grocery), apresentado por [KIM96b]. A tabela 3 apresenta dados sobre o problema. Tabela Produto Loja Tempo Dispersão Nº Registros Base: produto por loja por dia % 100 milhões Unidirecional: categoria por loja por dia % 100 milhões Unidirecional: produto por distrito por dia % 50 milhões Unidirecional: produto por loja por mês % 150 milhões Bidirecional: categoria por distrito por dia % 16 milhões Bidirecional: categoria por loja por mês % 48 milhões Bidirecional: produto por distrito por mês % 24 milhões Tridirecional: categoria por distrito por mês % 6 milhões TOTAL GERAL 494 milhões Tabela 3 Dados sobre o problema Rede de Mercados. Comparando os dados acima, tem-se para o primeiro agregado, unidirecional, Categoria por loja por dia, embora apenas 10% dos produtos de nível básico sejam vendidos em uma determinada loja

8 em um determinado dia, a representação do nível Categoria em uma loja em um dia será muito maior. Pode-se facilmente encontrar 50% das categorias nos dados diários de uma loja em oposição aos 10% de produtos individuais. A dispersão é ainda mais drástica para agregados bidirecionais. A expectativa é encontrar 80% das Categorias vendidas no nível Distrito a cada dia. E para o agregado tridimensional obtêm-se 100% das Categorias vendidas no nível Distrito Mensalmente. O banco de dados original cresceu de 100 milhões de registros básicos para 494 milhões de registros com agregados, aumentando 394%, apesar de nenhuma das dimensões ter aumentado mais de 30%. Talvez seja difícil prever a dispersão de forma exata, mas ela certamente ocorrerá em alguma proporção na construção de agregados. 3. EXPERIMENTO O problema escolhido para avaliar as influências (positiva e negativa) do uso de agregados foi a parte de empréstimos de livros em uma biblioteca. A partir de uma base de dados existente, cuja modelagem suporta todos os processos realizados naquele setor, criou-se um esquema estrela composto por uma tabela de fatos Empréstimo e três tabelas de dimensão: Obra, Curso e Tempo. A figura 3 apresenta o esquema estrela, bem como a estrutura de cada tabela. A granularidade utilizada no experimento é diária. Obra chave_obratitul o subtítulo autor cdu cutter volume tipo_obra Tabela de Fatos Empréstimo chave_tempo chave_obra chave_curso Curso chave_curso nome centro campus turno habilitação Tempo chave_tempo dia mes ano dia_ano dia_semana semestre periodo_prova Figura 3 Esquema estrela do problema.

9 As informações referentes aos empréstimos de livros podem auxiliar na tomada de decisões quanto à aquisição de livros, por exemplo. Respostas à questões como Qual a quantidade de títulos emprestados aos alunos de determinado curso no 1º semestre? dão subsídios para verificação de quais livros são mais usados pelos alunos. Como conseqüencia, este livro é um candidato a ser adquirido pelo setor (principalmente se houver pequeno número de exemplares). Para a realização do experimento, foram construídos alguns agregados uni, bi e tridimensionais relativos à questões estratégicas. Estes agregados alteram o esquema estrela do DW (figura 4), pois para cada agregado foram geradas duas ou mais novas tabelas conforme o nº de dimensões envolvidas no processo. As técnicas utilizadas nesta construção foram a pré-agregação e a criação de novas tabelas de fatos. Mês_Centro Agregado Fatos Empréstimo chave_mês chave_obra Centro Agregado Fatos Empréstimo chave_tempo chave_obra Mês chave_mês mês Mês Agregado Fatos Empréstimo chave_mês chave_obra chave_curso Área_Mês_Centro Agregado Fatos Empréstimo chave_mês chave_área Área chave_área área Semestre chave_semestre semestre Centro centro campus Semestre_Centro Agregado Fatos Empréstimo chave_obra chave_semestre Figura 4 Esquema estrela com as tabelas derivadas.

10 As questões referentes aos agregados citados acima são apresentadas pela Tabela 4. Questões deste tipo foram utilizadas para realizar o experimento alvo deste trabalho. Questão Dimensões Agregadas 1. Quantos empréstimos são feitos por centro? Curso 2. Quantos usuários de cada curso efetuam empréstimos por mês? Tempo 3. Quantas unidades são emprestadas por mês por centro? Tempo e Curso 4. Quantos usuários de cada curso efetuam empréstimos por semestre por centro? Tempo e Curso 5. Quantas unidades são emprestadas por mês por centro por área? Tempo, Curso e Obra Tabela 4 Agregações realizadas. O banco de dados original tinha cerca de 80 MB de tamanho. A inserção das tabelas referentes ao esquema estrela apresentado na figura 3 fez com que este banco aumentasse seu tamanho em 7,82 MB (um crescimento de 9,72%). Já os agregados impuseram um crescimento de 11,61% ao banco (aumentando-o em 9,34 MB). Para comprovação da melhoria no tempo de processamento de uma consulta, foram realizadas várias queries SQL sobre o banco de dados e, em seguida, sobre a versão modificada do banco agregados. Ao final de cada uma, o tempo de execução era observado. Para esta comparação, foi utilizado um microcomputador Pentium 200, 48 MB de RAM, 2.1 GB de disco, isolado da rede, e sem aplicativos adicionais executando, para não influenciar os resultados. O sistema operacional utilizado foi o Windows NT 4.0 Service Pack 3. O status do equipamento é mostrado na figura 5. Figura 5 Status do equipamento.

11 A tabela 5 apresenta os resultados referentes a três das consultas realizadas, para que se possa compará-los. Cada consulta se refere a um tipo de agregado formado (uni, bi e tridimensional). Query SQL: Quantos empréstimos são feitos pelo Centro de Ciências da Saúde? Itens BD sem agregação BD com agregação Registros na Tabela de Fatos Registros Resultantes da Query Tempo de Execução do SQL ms ms % Ganho de Tempo de Execução 50 % Query SQL: Quantas unidades foram emprestados ao Centro de Ciências da Saúde em 06/99? Itens BD sem agregação BD com agregação Registros na Tabela de Fatos Registros Resultantes da Query Tempo de Execução do SQL ms 741 ms % Ganho de Tempo de Execução 85 % Query SQL: Quantos empréstimos da Saúde são feitos pelo Centro de Ciências da Saúde em 06/99? Itens BD sem agregação BD com agregação Registros na Tabela de Fatos Registros Resultantes da Query 1 1 Tempo de Execução do SQL ms 60 ms % Ganho de Tempo de Execução 99 % Tabela 5 Resultados obtidos. 4. CONCLUSÃO É fato que o uso generalizado de agregados impacta o banco de dados quanto ao seu tamanho (efeito de dispersão e explosão de agregados). Porém, viu-se que neste exemplo não houve um crescimento exagerado do banco de dados. Isto deve ter ocorrido em virtude do pequeno número de registros, da simplicidade do banco de dados utilizado e, também, da qualidade das informações. Uma comprovação alcançada neste experimentos foi quanto ao fato de que alguns agregados elevam o tamanho do banco sem necessidade, pois suas respostas podem ser obtidas a partir de outros agregados menores existentes. A resposta para a quarta questão da tabela 4, que manipula valores semestrais, pode ser facilmente obtida pela soma dos registros agregados pela questão 3 daquela mesma tabela, cujos valores estão identificados mensalmente.

12 Em contrapartida, alguns agregados podem gerar apenas novas tabelas de fatos agregados. Isto ocorre quando as dimensões relacionadas a presente consulta já foram agregadas da mesma forma para outras queries. Um exemplo desta situação é dado pela terceira questão da tabela 4, onde as agregações por mês e centro já tinham sido utilizadas para as questões 1 e 2 da mesma tabela. Portanto, os agregados devem ser projetados considerando esta possibilidade, e vantagem, de reaproveitamento. Quanto a dispersão dos dados, para o primeiro agregado, unidirecional, empréstimos por Centro por dia, foram encontrados pelo menos 50% das centros nos dados diários. A dispersão foi bem mais forte para agregados bidirecionais e tridimensionais, pois obteve-se cerca de 100% dos valores relacionados. Quanto ao desempenho das consultas, vê-se uma melhora muito grande. Quanto mais dimensões agregadas envolvidas na query mais rápida será a obtenção da resposta. Claro que a montagem do esquema estrela agregado leva um tempo considerável pois há o resumo das informações. Logo, deve-se agregar dinamicamente aquelas consultas mais elaboradas e que são utilizadas com uma certa freqüencia, agilizando o processo decisório da empresa ou setor. 5. REFERÊNCIAS BIBLIOGRÁFICAS [INM97] INMON, W.H. Como construir um data warehouse. Rio de Janeiro, ISBN p. [KHA99] KHADER, A.; MEREDITH, M.E. Divide and Aggregate: Designing Large Warehouses. Database Programming & Design On-Line. Documento on-line disponível na Internet. <http://www.db.pd.com/vault/khader.htm>, Maio, [KIM96] KIMBALL, R. The Aggregate Navigator. Coluna Data Warehouse Architect. Revista DBMS. Novembro, [KIM96b] KIMBALL, R. The Data Warehouse Toolkit. New York: John Wiley & Sons, Inc., [MCG99] MCGUFF, F. Data Modeling for Data Warehouse. Documento on-line disponível na Internet. <http://members.aol.com/fmcguff/dwmodel/part10.htm>, Março, 1999.

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

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

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

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

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

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

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

Módulo 4. Construindo uma solução OLAP

Módulo 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 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

SISTEMAS DE APOIO À INTELIGÊNCIA DE NEGÓCIOS Asterio K. Tanaka http://www.uniriotec.br/~tanaka/sain tanaka@uniriotec.br

SISTEMAS DE APOIO À INTELIGÊNCIA DE NEGÓCIOS Asterio K. Tanaka http://www.uniriotec.br/~tanaka/sain tanaka@uniriotec.br SISTEMAS DE APOIO À INTELIGÊNCIA DE NEGÓCIOS Asterio K. Tanaka http://www.uniriotec.br/~tanaka/sain tanaka@uniriotec.br Glossário de Modelagem Dimensional Kimball, Ralph; Ross, Margy. The Data Warehouse

Leia mais

Data Warehouse. Compras. Caroline B. Perlin

Data Warehouse. Compras. Caroline B. Perlin Data Warehouse Compras Caroline B. Perlin Agenda O processo de compra Requisitos de compras Transações de compra Tabela de fatos Slowly Changing Dimensions (SCD) Técnicas para lidar com SCD Abordagens

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

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

Autor: Júlio Battisti www.juliobattisti.com.br

Autor: Júlio Battisti www.juliobattisti.com.br Autor: Júlio Battisti www.juliobattisti.com.br Livro: Aprenda com Júlio Battisti: Excel 2010 Avançado, Análise de Dados e Cenários, Tabelas e Gráficos Dinâmicos, Macros e Programação VBA - Através de Exemplos

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

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

Conceitos. - Sistema de Informação, Estruturas e Classificação. - Dados x Informações. Edson Almeida Junior www.edsonalmeidajunior.com.

Conceitos. - Sistema de Informação, Estruturas e Classificação. - Dados x Informações. Edson Almeida Junior www.edsonalmeidajunior.com. Conceitos - Sistema de Informação, Estruturas e Classificação - Dados x Informações Edson Almeida Junior www.edsonalmeidajunior.com.br Definição de Sistema Uma coleção de objetos unidos por alguma forma

Leia mais

ATENÇÃO: ESTE ARTIGO NÃO PODERÁ SER UTILIZADO PARA FINS COMERCIAIS. DEVERÁ OBRIGATORIAMENTE SER REFERENCIADO COMO:

ATENÇÃO: ESTE ARTIGO NÃO PODERÁ SER UTILIZADO PARA FINS COMERCIAIS. DEVERÁ OBRIGATORIAMENTE SER REFERENCIADO COMO: ATENÇÃO: ESTE ARTIGO NÃO PODERÁ SER UTILIZADO PARA FINS COMERCIAIS. DEVERÁ OBRIGATORIAMENTE SER REFERENCIADO COMO: Fabre, Jorge Leandro; Carvalho, José Oscar Fontanini de. (2004). Uma Taxonomia para Informações

Leia mais

Aplicação de Data Warehousing no Cadastro de Ficha Limpa do TSE

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

Leia mais

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

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

Leia mais

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

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

Leia mais

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

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

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

Planejamento operacional e sistemas automatizados de gestão de recursos organizacionais. Prof. Gilberto Porto porto@gilbertoporto.com.

Planejamento operacional e sistemas automatizados de gestão de recursos organizacionais. Prof. Gilberto Porto porto@gilbertoporto.com. Planejamento operacional e sistemas automatizados de gestão de recursos organizacionais Prof. Gilberto Porto porto@gilbertoporto.com.br Sistemas de Informação SE SSD/ SAE Estratégico Tipos de decisão Não

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

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

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

Banco de Dados. Aula 1 - Prof. Bruno Moreno 16/08/2011

Banco de Dados. Aula 1 - Prof. Bruno Moreno 16/08/2011 Banco de Dados Aula 1 - Prof. Bruno Moreno 16/08/2011 Roteiro Apresentação do professor e disciplina Definição de Banco de Dados Sistema de BD vs Tradicional Principais características de BD Natureza autodescritiva

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

TECNOLOGIA DA INFORMAÇÃO - TI Elaborado e adaptado por: Prof.Mestra Rosimeire Ayres

TECNOLOGIA 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 mais

EXCEL TABELAS DINÂMICAS

EXCEL TABELAS DINÂMICAS Informática II Gestão Comercial e da Produção EXCEL TABELAS DINÂMICAS (TÓPICOS ABORDADOS NAS AULAS DE INFORMÁTICA II) Curso de Gestão Comercial e da Produção Ano Lectivo 2002/2003 Por: Cristina Wanzeller

Leia mais

Mineração e Armazenamento de Dados

Mineração e Armazenamento de Dados Mineração e Armazenamento de Dados Carlos P. Caldeira Departamento de Informática Universidade de Évora ccaldeira@di.uevora.pt http://www.di.uevora.pt/~ccaldeira Modelo dimensional Modelo dimensional Modelo

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

MANUAL DO ADMINISTRADOR DO MÓDULO

MANUAL DO ADMINISTRADOR DO MÓDULO MANUAL DO ADMINISTRADOR DO MÓDULO ÍNDICE Relatórios Dinâmicos... 3 Requisitos de Sistema... 4 Estrutura de Dados... 5 Operadores... 6 Tabelas... 7 Tabelas x Campos... 9 Temas... 13 Hierarquia Relacionamento...

Leia mais

OS SISTEMAS DE APOIO À DECISÃO A SERVIÇO DO PROCESSO DE AVALIAÇÃO INSTITUCIONAL Estudo de Caso da Universidade do Vale do Itajaí

OS SISTEMAS DE APOIO À DECISÃO A SERVIÇO DO PROCESSO DE AVALIAÇÃO INSTITUCIONAL Estudo de Caso da Universidade do Vale do Itajaí OS SISTEMAS DE APOIO À DECISÃO A SERVIÇO DO PROCESSO DE AVALIAÇÃO INSTITUCIONAL Estudo de Caso da Universidade do Vale do Itajaí José Leomar Todesco, Dr Universidade do Vale Itajaí UNIVALI Rua Uruguai,

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

MSc. Daniele Carvalho Oliveira

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

Leia mais

Criação de Consultas e Relatórios no Access CRIAÇÃO DE CONSULTAS E RELATÓRIOS NO ACCESS

Criação de Consultas e Relatórios no Access CRIAÇÃO DE CONSULTAS E RELATÓRIOS NO ACCESS Criação de Consultas e Relatórios no Access CRIAÇÃO DE CONSULTAS E RELATÓRIOS NO ACCESS Sumário Conceitos / Autores chave... 3 1. Introdução... 4 2. Consultas... 5 3. Relatórios... 8 4. Conclusões... 11

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

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

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

PowerPivot FÁBIO ÁVILA / THIAGO CARVALHO

PowerPivot FÁBIO ÁVILA / THIAGO CARVALHO PowerPivot FÁBIO ÁVILA / THIAGO CARVALHO Definição 2 O PowerPivot é um suplemento do Microsoft Excel que permite importar milhões de linhas de dados de várias fontes para uma única pasta de trabalho do

Leia mais

DESCRITIVO TÉCNICO - VERSÃO DESKTOP

DESCRITIVO TÉCNICO - VERSÃO DESKTOP sistema para gerenciamento de instituições de ensino DESCRITIVO TÉCNICO - VERSÃO DESKTOP Nossa Empresa A Sponte Informática é uma empresa brasileira, localizada em Pato Branco, cidade considerada pólo

Leia mais

Introdução. Formação Informática Para Estatísticos Na DPINE. Formação Informática Para Estatísticos Na DPINE. Usar Tabelas Dinâmicas em EXCEL

Introdução. Formação Informática Para Estatísticos Na DPINE. Formação Informática Para Estatísticos Na DPINE. Usar Tabelas Dinâmicas em EXCEL Usar Tabelas Dinâmicas em EXCEL Introdução Neste Módulo aprendemos o importante recurso de Tabelas Dinâmicas e Gráficos Dinâmicos. Aprendemos a criar tabelas dinâmicas, a aplicar filtros e a fazer análise

Leia mais

EndNote Web. Quick Reference Card THOMSON SCIENTIFIC

EndNote Web. Quick Reference Card THOMSON SCIENTIFIC THOMSON SCIENTIFIC EndNote Web Quick Reference Card Web é um serviço através da Web projetado para auxiliar estudantes e pesquisadores no processo de elaboração de artigos de pesquisa. ISI Web of Knowledge,

Leia mais

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

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

Leia mais

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

Data Mining: Conceitos e Técnicas

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

Leia mais

SISTEMAS DE INFORMAÇÃO APLICADO AO SISTEMA DE GESTÃO AMBIENTAL

SISTEMAS DE INFORMAÇÃO APLICADO AO SISTEMA DE GESTÃO AMBIENTAL UNIVERSIDADE REGIONAL DE BLUMENAU Centro de ciências exatas e naturais Curso de ciências da computação (Bacharelado) Trabalho de Conclusão de Curso SISTEMAS DE INFORMAÇÃO APLICADO AO SISTEMA DE GESTÃO

Leia mais

Guia de Introdução ao Windows SharePoint Services

Guia de Introdução ao Windows SharePoint Services Guia de Introdução ao Windows SharePoint Services - Windows SharePoint Services... Page 1 of 11 Windows SharePoint Services Guia de Introdução ao Windows SharePoint Services Ocultar tudo O Microsoft Windows

Leia mais

Fábio Ávila Thiago Carvalho POWERPIVOT

Fábio Ávila Thiago Carvalho POWERPIVOT Fábio Ávila Thiago Carvalho POWERPIVOT PowerPivot - Introdução Permite a construção de um modelo de dados Como um Data Mart Elemento Central para construção de Self-Service BI Evolução da tabela dinâmica

Leia mais

Modelagem Multidimensional: Esquema Estrela

Modelagem Multidimensional: Esquema Estrela BANCO DE DADOS DISTRIBUÍDOS e DATAWAREHOUSING http://www.uniriotec.br/~tanaka/tin0036 tanaka@uniriotec.br Modelagem Dimensional Conceitos Básicos Modelagem Multidimensional: Esquema Estrela Proposto por

Leia mais

A R P O BPMN++ MODELER KLUG PROCESSO PARA DOWNLOAD E INSTALAÇÃO VERSÃO FREEWARE. Verificar requisitos para instalação. Testar instalação do software

A R P O BPMN++ MODELER KLUG PROCESSO PARA DOWNLOAD E INSTALAÇÃO VERSÃO FREEWARE. Verificar requisitos para instalação. Testar instalação do software A R P O KLUG BPMN++ MODELER PROCESSO PARA DOWNLOAD E INSTALAÇÃO VERSÃO FREEWARE Verificar requisitos para instalação Iniciar procedimento de instalação Executar procedimento de instalação Efetuar primeiro

Leia mais

Consultas (Queries) ou Interrogações

Consultas (Queries) ou Interrogações Consultas (Queries) ou Interrogações Principal finalidade das interrogações: Extracção, manipulação (inserção, alteração e remoção) e definição de dados. As interrogações mais comuns destinam-se a pesquisar

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

GUIA DE FUNCIONAMENTO DA UNIDADE CURRICULAR

GUIA DE FUNCIONAMENTO DA UNIDADE CURRICULAR Curso Engenharia Informática Ano letivo 2012/13 Unidade Curricular Bases de Dados II ECTS 6 Regime Obrigatório Ano 2º Semestre 1º sem Horas de trabalho globais Docente (s) José Carlos Fonseca Total 168

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

Proposta de Implantação do Software MULTIACERVO no Arquivo do DEINFRA

Proposta de Implantação do Software MULTIACERVO no Arquivo do DEINFRA Proposta de Implantação do Software MULTIACERVO no Arquivo do DEINFRA Acadêmicos: CÁSSIA REGINA BATISTA - cassiareginabatista@grad.ufsc.br CLARISSA KELLERMANN clarissakel@gmail.com IVAN MÁRIO DA SILVEIRA

Leia mais

ALÉM DO BUG TRACKING : GERENCIANDO O SETOR DE SUPORTE COM O MANTISBT

ALÉM DO BUG TRACKING : GERENCIANDO O SETOR DE SUPORTE COM O MANTISBT ALÉM DO BUG TRACKING : GERENCIANDO O SETOR DE SUPORTE COM O MANTISBT Juliano Flores Prof. Lucas Plautz Prestes Centro Universitário Leonardo da Vinci - UNIASSELVI Gestão de Tecnologia da Informação (GTI034)

Leia mais

Impressão e Fotolito Oficina Gráfica da EDITORA VIENA. Todos os direitos reservados pela EDITORA VIENA LTDA

Impressão e Fotolito Oficina Gráfica da EDITORA VIENA. Todos os direitos reservados pela EDITORA VIENA LTDA Autores Karina de Oliveira Wellington da Silva Rehder Consultores em Informática Editora Viena Rua Regente Feijó, 621 - Centro - Santa Cruz do Rio Pardo - SP CEP 18.900-000 Central de Atendimento (0XX14)

Leia mais

SISTEMA DE BANCO DE DADOS. Banco e Modelagem de dados

SISTEMA DE BANCO DE DADOS. Banco e Modelagem de dados SISTEMA DE BANCO DE DADOS Banco e Modelagem de dados Sumário Conceitos/Autores chave... 3 1. Introdução... 4 2. Arquiteturas de um Sistema Gerenciador... 5 3. Componentes de um Sistema... 8 4. Vantagens

Leia mais

MODELAGEM DIMENSIONAL

MODELAGEM DIMENSIONAL CENTRO UNIVERSITÁRIO DO TRIÂNGULO INSTITUTO DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE CIÊNCIA DA COMPUTAÇÃO MODELAGEM DIMENSIONAL HELOISA MENDES LOPES Uberlândia, dezembro de 2000 CENTRO UNIVERSITÁRIO

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

FERRAMENTA CASE PARA GERENCIAMENTO DE PROJETOS E MÉTRICAS DE SOFTWARE

FERRAMENTA CASE PARA GERENCIAMENTO DE PROJETOS E MÉTRICAS DE SOFTWARE FERRAMENTA CASE PARA GERENCIAMENTO DE PROJETOS E MÉTRICAS DE SOFTWARE 1 UNIVERSIDADE DO VALE DO ITAJAÍ Centro de Ciências Tecnológicas da Terra e do Mar Rua Uruguai, 458 Centro Itajaí(SC) CEP: 88.302-202

Leia mais

Microsoft Analysis Service

Microsoft Analysis Service Microsoft Analysis Service Neste capítulo você verá: BI Development Studio Analysis Services e Cubos Microsoft Analysis Services é um conjunto de serviços que são usados para gerenciar os dados que são

Leia mais

PROPOSTA DE IMPLANTAÇÃO DO SOFTWARE PERGAMUM NA ESCOLA BÁSICA Dr. PAULO FONTES

PROPOSTA DE IMPLANTAÇÃO DO SOFTWARE PERGAMUM NA ESCOLA BÁSICA Dr. PAULO FONTES Universidade Federal de Santa Catarina Centro de Ciências da Educação Curso de Biblioteconomia CIN5018 Informatização em Unidades de Informação Professora: Ursula Blattmann PROPOSTA DE IMPLANTAÇÃO DO SOFTWARE

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

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

PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO GRANDE DO SUL FACULDADE DE INFORMÁTICA EDITOR DE HELP MANUAL DO USUÁRIO

PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO GRANDE DO SUL FACULDADE DE INFORMÁTICA EDITOR DE HELP MANUAL DO USUÁRIO PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO GRANDE DO SUL FACULDADE DE INFORMÁTICA EDITOR DE HELP MANUAL DO USUÁRIO ANA PAULA CARVALHO LORENZONI MICHELINE PARIZOTTO PROFESSORA. MILENE SELBACH SILVEIRA ORIENTADORA

Leia mais

Documento de Requisitos Projeto SisVendas Sistema de Controle de Vendas para Loja de Informática.

Documento de Requisitos Projeto SisVendas Sistema de Controle de Vendas para Loja de Informática. Documento de Requisitos Projeto SisVendas Sistema de Controle de Vendas para Loja de Informática. 1 Introdução 1.1 Propósito O propósito deste documento de especificação de requisitos é definir os requisitos

Leia mais

CENTRO UNIVERSITÁRIO GERALDO DI BIASE

CENTRO UNIVERSITÁRIO GERALDO DI BIASE CENTRO UNIVERSITÁRIO GERALDO DI BIASE Life Sistemas Manual do Professor 1. Introdução O Centro Universitário Geraldo Di Biase apresenta, neste manual, os serviços do Sistema Life Educacional que você,

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

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

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

Módulo 4: Gerenciamento de Dados

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

Leia mais

Unified Modeling Language UML - Notações

Unified Modeling Language UML - Notações Unified Modeling Language UML - Notações Prof. Ms. Elvio Gilberto da Silva elvio@fmr.edu.br UML Ponto de Vista É gerada com propósito geral de uma linguagem de modelagem visual usada para especificar,

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

PAV - PORTAL DO AGENTE DE VENDAS AGL Versão 2.0.6. Manual de Instalação e Demonstração AGL Sistemas Corporativos

PAV - PORTAL DO AGENTE DE VENDAS AGL Versão 2.0.6. Manual de Instalação e Demonstração AGL Sistemas Corporativos PAV - PORTAL DO AGENTE DE VENDAS AGL Versão 2.0.6 Manual de Instalação e Demonstração AGL Sistemas Corporativos Add-on responsável pela integração do SAP Business One com o setor comercial através da internet.

Leia mais

Objetivos. Engenharia de Software. O Estudo de Viabilidade. Fase do Estudo de Viabilidade. Idéias chave. O que Estudar? O que concluir?

Objetivos. Engenharia de Software. O Estudo de Viabilidade. Fase do Estudo de Viabilidade. Idéias chave. O que Estudar? O que concluir? Engenharia de Software O Estudo de Viabilidade Objetivos O que é um estudo de viabilidade? O que estudar e concluir? Benefícios e custos Análise de Custo/Benefício Alternativas de comparação 1 2 Idéias

Leia mais

Pós-Graduação MBA em Inteligência Competitiva com Business Intelligence(BI) Banco de Dados para BI 2011-11

Pós-Graduação MBA em Inteligência Competitiva com Business Intelligence(BI) Banco de Dados para BI 2011-11 Pós-Graduação MBA em Inteligência Competitiva com Business Intelligence(BI) Banco de Dados para BI 2011-11 Apresentação José Roberto Escodeiro Formação Acadêmica Mestre, Eng. de Produção, Ufscar, 2009,

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

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

Sistemas Gerenciadores de Bancos de Dados. / NT Editora. -- Brasília: 2013. 94p. : il. ; 21,0 X 29,7 cm.

Sistemas Gerenciadores de Bancos de Dados. / NT Editora. -- Brasília: 2013. 94p. : il. ; 21,0 X 29,7 cm. Autor Ismael Sousa Araujo Pós-graduado em Gerência de Projetos PMBOK UNICESP. Graduado em Tecnologia em Segurança da Informação UNICESP. Professor de concurso da área de informática e consultor em EAD.

Leia mais

Noções de. Microsoft SQL Server. Microsoft SQL Server

Noções de. Microsoft SQL Server. Microsoft SQL Server Noções de 1 Considerações Iniciais Basicamente existem dois tipos de usuários do SQL Server: Implementadores Administradores 2 1 Implementadores Utilizam o SQL Server para criar e alterar base de dados

Leia mais

Banco de Dados I. Apresentação (mini-currículo) Conceitos. Disciplina Banco de Dados. Cont... Cont... Edson Thizon (edson@esucri.com.

Banco 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 mais

Multiplexador. Permitem que vários equipamentos compartilhem um único canal de comunicação

Multiplexador. Permitem que vários equipamentos compartilhem um único canal de comunicação Multiplexadores Permitem que vários equipamentos compartilhem um único canal de comunicação Transmissor 1 Receptor 1 Transmissor 2 Multiplexador Multiplexador Receptor 2 Transmissor 3 Receptor 3 Economia

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

Seu dia é mais inteligente

Seu dia é mais inteligente Seu dia é mais inteligente O 2007 Microsoft Office system é uma plataforma de soluções inteligentes para tarefas operacionais, estratégicas e organizacionais. O conjunto de aplicativos e servidores e a

Leia mais

Introdução ao Delphi. Introdução. Edições do Software. Capítulo 1. InforBRás - Informática Brasileira Ltda. O Que é o Delphi.

Introdução ao Delphi. Introdução. Edições do Software. Capítulo 1. InforBRás - Informática Brasileira Ltda. O Que é o Delphi. Capítulo 1 O Que é o Delphi Diferenças entre Delphi Client/Server do Delphi for Windows Características que compõem o Integrated Development Invironment (IDE) Como o Delphi se encaixa na família Borland

Leia mais

Modelagem de Requisitos com Casos de Uso. Descrever em detalhe a técnica de Modelagem com Use Cases

Modelagem de Requisitos com Casos de Uso. Descrever em detalhe a técnica de Modelagem com Use Cases Engenharia de Software Modelagem de Requisitos com Casos de Uso 1 Objetivos Descrever em detalhe a técnica de Modelagem com Use Cases 2 1 Use Case É uma forma específica de uso do sistema através da execução

Leia mais

Capítulo 5. 5.1 Laudon, Cap. 5

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

Leia mais

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

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

Microsoft Access: Criar relações para um novo banco de dados. Vitor Valerio de Souza Campos

Microsoft Access: Criar relações para um novo banco de dados. Vitor Valerio de Souza Campos Microsoft Access: Criar relações para um novo banco de Vitor Valerio de Souza Campos Conteúdo do curso Visão geral: relações são essenciais Lição: inclui oito seções Tarefas práticas sugeridas Teste Cartão

Leia mais

IMPLANTAÇÃO DO DW NA ANVISA

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

Leia mais

Codificar Sistemas Tecnológicos

Codificar Sistemas Tecnológicos Codificar Sistemas Tecnológicos Especificação dos Requisitos do Software Sistema de gestão para a Empresa Cliente SlimSys Autor: Equipe Codificar Belo Horizonte MG Especificação dos Requisitos do Software

Leia mais

Ferramentas de Back End

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

Leia mais

Análise de Desempenho de um SGBD para Aglomerado de Computadores

Análise de Desempenho de um SGBD para Aglomerado de Computadores Análise de Desempenho de um SGBD para Aglomerado de Computadores Diego Luís Kreutz, Gabriela Jacques da Silva, Hélio Antônio Miranda da Silva, João Carlos Damasceno Lima Curso de Ciência da Computação

Leia mais