Uma Plataforma Analítica para Suporte à Gestão de Portos Marítimos

Tamanho: px
Começar a partir da página:

Download "Uma Plataforma Analítica para Suporte à Gestão de Portos Marítimos"

Transcrição

1 Uma Plataforma Analítica para Suporte à Gestão de Portos Marítimos Sandrina Maciel 1, Sónia Sousa 1 1 Mestrado de Informática, Departamento de Informática, Universidade do Minho, Campus de Gualtar, , Braga, Portugal Resumo. Os sistemas de data warehousing são apresentados aos executivos a partir de plataformas analíticas OLAP, oferecendo um suporte à tomada de decisão nas organizações. É com base nas ferramentas e tecnologias disponibilizadas pelos sistemas de data warehousing, que os agentes de tomada de decisão obtêm resultados que lhes permitem tomar opções acertadas, de forma rápida [1]. Os sistemas de data warehousing incluem ferramentas capazes de extrair dados de diversas fontes. Os dados passam por um processo de transformação antes de sua integração, feita de forma periódica, no sistema. Estes são agrupados por área de negócio e apresentam, desta forma, vistas multidimensionais sobre as diversas áreas contempladas pelo sistema. Os resultados obtidos são apresentados ao utilizador num ambiente poderoso com um interface agradável e de fácil manuseamento. O presente artigo descreve todo o processo de criação de uma plataforma analítica para a gestão de portos marítimos. Palavras-Chave: OLAP, Data Warehouse, Sistemas de Suporte à Decisão, ETL, Base de Dados relacionais. 1 Introdução A Lei de Modernização dos Portos (8630/93) tem trazido novos desafios à indústria marítima relacionados com o aumento de carga e congestionamento nos portos, o fluxo rodoviário e ferroviário, a utilização de navios de contentores e a busca de expansão da sua capacidade [12]. Tais desafios aumentam a complexidade da estrutura organizacional dos portos que se vêem na necessidade de controlar e aproveitar a informação que neles circula [2]. Uma solução para superar os desafios do sector passa pela implementação de um sistema de suporte à decisão que permita à gestão portuária medir os efeitos das mudanças de variáveis de capacidade operacional, tecnológica e de investimento e, assim, apoiar seus executivos no processo de tomada de decisão [13]. As plataformas analíticas OLAP (On-Line Analytical Processing) fazem parte da categoria dos sistemas de suporte à decisão e são vistas como ferramentas que

2 permitem aos analistas, gestores e administradores obter de uma forma rápida, eficiente e consistente, ganhos a partir dos dados presentes no seio da organização. As ferramentas OLAP apresentam ao utilizador diversas vistas sobre a realidade da organização [14]. As análises multidimensionais, que caracterizam as plataformas OLAP, permitem aos utilizadores efectuarem uma série de consultas e operações sobre os dados da organização, tais como cálculos sobre as dimensões consideradas ou análises temporais. Os resultados fornecidos pelas plataformas analíticas OLAP são obtidos pelo uso de modelos multidimensionais de armazenamento e apresentação da informação. Os dados são organizados em cubos, definidos por um espaço multidimensional e constituídos por várias dimensões que englobam um conjunto de níveis de agregação [14]. A materialização dos cubos é conseguida com recurso a sistemas de data warehousing que envolvem todo um processo de selecção e transformação prévia dos dados antes de seu carregamento para o cubo. São as ferramentas de ETL (Extract, Transform, Load) que impulsionam estes resultados já que são responsáveis pela extracção dos dados de uma ou diversas fontes, pela sua limpeza, pela sua padronização e inserção no sistema de data warehousing [7]. O projecto aqui apresentado inferiu na implementação de uma plataforma analítica como forma de suporte às actividades da gestão portuária, cujos dados em análise foram extraídos do sistema operacional de uma solução de gestão portuária. A plataforma foi desenvolvida recorrendo iniciando-se com a extracção dos dados em estudo pela ferramenta ETL e finalizando-se com a disponibilização de recursos para consultas e operações sobre os resultados obtidos. 1.1 Motivação Os sistemas operacionais que suportam a actividade de uma organização são utilizados para registar as inúmeras transacções que decorrem no dia-a-dia da organização. As transacções registadas são estruturadas, repetitivas e atómicas. Os sistemas operacionais estão preparados para responder a queries relativamente simples no mínimo de tempo possível de modo a facultar suporte à organização nas suas actividades diárias. Contrariamente, as plataformas analíticas são projectadas para dar suporte à decisão. Dados históricos, sumarizados e consolidados que possibilitam o entendimento das tendências e permitem fazer predições são, como tal, mais importantes do que registos detalhados e individuais. Os responsáveis pela gestão portuária, vulgo, as entidades da administração portuária, sentiram a necessidade de analisar a evolução da rentabilidade dos seus portos, assim como fazer previsões sobre possíveis acontecimentos. As respostas que eles precisavam teriam de lhes ser facultadas em tempo real e mediante as suas necessidades. Esta crescente necessidade por parte da gestão portuária justificou o desenvolvimento desta plataforma analítica descrita nas próximas secções deste artigo.

3 1.2 Objectivos O principal objectivo deste projecto incidiu na implementação de uma plataforma analítica para suporte à gestão portuária. Este sistema vai permitir aos administradores e gestores dos portos marítimos tomarem as decisões mais adequadas ao bom funcionamento do porto através de um controlo muito maior sobre a informação que nele circula. Toda a informação relativa aos navios tais como entradas, estadias, saídas será analisada e será possível saber qual a duração da estadia dos navios no porto ou ainda qual a altura do ano com mais movimento no porto. Da mesma forma, será possível saber qual o valor das mercadorias facturadas no porto, qual o peso dessas mercadorias, qual a altura do ano em que são facturadas mais mercadorias. Estes resultados serão obtidos devido às diversas características das plataformas analíticas: Elaborar previsões baseadas em dados históricos, nos desempenhos passados e actuais da organização. Criar cenários que evidenciam o impacto da alteração de diversas variáveis. Permitir o acesso ad-hoc aos dados para responder a questões não prédefinidas Analisar detalhadamente a organização, obtendo um conhecimento mais profundo da mesma [4]. Todo o processo de desenvolvimento da plataforma analítica será feito com recurso à ferramenta SQL Server 2005 Business Intelligence que contém todas as funcionalidades necessárias à construção da plataforma analítica. A ferramenta permite a integração de múltiplas fontes de dados através do módulo Integration Services, o enriquecimento de dados e a criação de complexos processos de análise empresarial através do Analysis Services, e finalmente a elaboração, gestão e disponibilização de relatórios optimizados através do módulo Reporting Services. Com todas estas respostas será disponibilizado um software, considerado como um apoio fundamental para a formulação de estratégias, maximizando os lucros que daí advêm e, por outro lado, visto como uma forma de ajuda para os gestores dos portos descobrirem ineficiências internas e oportunidades de inovação [4]. 2 Estrutura do Sistema Analítico Seguindo a metodologia de Kimball [6], procedeu-se à análise dos requisitos do módulo em estudo, do seu sistema operacional e do seu modelo de negócio. Esta análise levou à identificação de dois possíveis data marts, o data mart Navios e o data mart Mercadorias. O data mart Navios tem por objectivo descrever todo o processo de entradas, estadias e saídas dos navios no porto, enquanto o data mart Mercadorias tem como finalidade apresentar todas as transacções que envolvem as mercadorias. A organização dos dados nos data marts que compõem este projecto é representada por um esquema em estrela cujos dados em análise são agrupados numa tabela conhecida por tabela de factos, situada no centro da estrela e rodeada por tabelas, as chamadas dimensões, que possibilitam a análise à área de negócio [5]. A integridade

4 dos dados da tabela de factos é mantida através das ligações às dimensões, fazendo uso das regras de integridade referencial. Toda a informação necessária para dar resposta às necessidades dos agentes de decisão encontra-se disponível no sistema operacional que se traduz numa base de dados dividida em diferentes esquemas (schemas), dos quais se destacam o CDNM e TARIFARIO, que guardam toda a informação relativa ao módulo. O esquema CDNM armazena toda a informação relativa aos processos que afectam os navios e mercadorias. Por sua vez, o esquema TARIFARIO só intervém quando o processo de um navio é fechado, ou seja, quando é registada, pela administração portuária, a saída de um navio que tenha operado no Porto. Quando isso acontece, os processos encerrados estão prontos a ser taxados, sendo o esquema TARIFARIO a fonte de informação relativa às taxas. Na aplicação, estes processos quando taxados, são transformados em guias para criação de facturas. Fig. 1. Esquema em forma de estrela representativo do data mart Navios Após definir os data marts existentes, tornou-se necessário analisar a granularidade dos factos a serem armazenados. O grão é o nível de detalhe com que os factos são armazenados no data warehouse. É recomendado armazenar os factos no maior nível de detalhe disponível nos sistemas operacionais [6]. Com base na análise feita aos sistemas operacionais acima mencionados, conclui-se que o grão para o data mart Navios é o objecto Aviso de Chegada, já que ele representa todos os processos/documentos de navios que operam no porto de mar, definido na tabela A1_AVISO_CHEGADA. No entanto, apenas os processos fechados são alvo de análise. Por sua vez, o grão para o data mart Mercadorias é o objecto Manifesto, documento onde é registada toda a informação relativa às mercadorias transportadas por um navio registado como um processo/documento no Aviso de Chegada. Este objecto Manifesto é representado pela tabela B1_MANIF_DOC_MERC. Ambas as tabelas representativas dos grãos estão contidas no esquema CDNM.

5 Finalmente, a modelação da estrutura do sistema analítico passa pela definição das dimensões e seus atributos e, pela definição dos factos a serem armazenados de acordo com o grão definido [6]. O data mart Navios, representado pela Figura 1, é composto por quatro dimensões e uma tabela de factos. De acordo com o grão definido para este data mart, a escolha das dimensões foi bastante intuitiva. Como tal, inclui-se a dimensão DIM_AVISOCHEGADA que armazena os dados de cada aviso de chegada (processo) fechado. São igualmente incluídas a dimensão DIM_NAVIOS que guarda alguma informação relativa à ficha do navio, já que a linha de análise incide apenas sobre parte do conteúdo informativo de um navio, a dimensão DIM_TERMINAIS que permite obter dados sobre os terminais onde atracaram os navios no porto e, finalmente, a dimensão DIM_TEMPO que permite uma análise temporal sobre os dados, quer a nível da entrada do navio no porto como da sua saída. As dimensões do data mart Navios têm uma variação muito lenta, como tal os atributos que as compõem não têm nenhuma política de actualização. Independentemente disso, os atributos das dimensões podem sofrer alterações nas suas descrições no caso de erros ortográficos, e nesse caso o atributo é reescrito não guardando registo de valores anteriores. As tabelas que se seguem apresentam a informação relativa a cada atributo das dimensões e tabela de factos do data mart Navios. Tabela 1. Descrição detalhada da dimensão DIMNAVIOS NAVIO Código natural e unívoco de Não actualizável cada navio ID_NAVIO Identificação do Navio (Nº IMO) Não actualizável NOME_NAVIO Nome do navio Não actualizável GT Unidade de arqueação mínima Não actualizável CALADO Calado máximo Não actualizável COMPRIMENTO Comprimento fora a fora Não actualizável BANDEIRA País de origem do navio Não actualizável Tabela 2. Descrição detalhada da dimensão DIMAVISOCHEGADA AVISOCHEGADA Código natural e unívoco de Não actualizável cada aviso de chegada NUM_DOCUMENTO Número do documento Não actualizável apresentado ao utilizador NUM_PROCESSO Número do processo apresentado Não actualizável ao utilizador VERSAO Identifica a versão do documento Não actualizável

6 Tabela 3. Descrição detalhada da dimensão DIMTERMINAIS TERMINAL Código natural e unívoco de Não actualizável cada terminal ID_TERMINAL Código do terminal no sistema Não actualizável operacional DES_TERMINAL Descrição do terminal Reescrever (tipo1) Tabela 4. Descrição detalhada da dimensão DIMTEMPO TEMPO Código natural e unívoco de Não actualizável cada data DIA Dia do mês Não actualizável MES Mês Não actualizável TRIMESTRE Trimestre Não actualizável ANO Ano Não actualizável A tabela de factos é composta pelas chaves de cada uma das suas dimensões e pela medida N_DIAS_ESTADIA. Esta medida define o número de dias de uma estadia de um navio no porto. É, como tal, um número inteiro, calculado através de um somatório. O data mart Mercadorias, representado pela Figura 2, é composto por 7 dimensões e a tabela de factos. De acordo com o grão definido para este data mart, a escolha das dimensões foi bastante facilitada. Como tal, inclui-se a dimensão DIM_MERCADORIAS que armazena os dados de cada mercadoria. São igualmente incluídas a dimensão DIM_PORTOS que guarda a informação relativa aos portos de origem e destino das mercadorias, a dimensão DIM_ENTIDADES que permite obter dados sobre os as entidades que intervêm no processo das mercadorias tais como os clientes, a empresa de estiva ou o importador/exportador, a dimensão DIM_PROCESSOS que representa todos os processos fechados que envolvem mercadorias, a dimensão DIM_TERMINAIS que armazena informação sobre os terminais onde são carregadas e/ou descarregadas as mercadorias, a dimensão DIM_OPERACAO que indica se as mercadorias são cargas ou descargas e, finalmente, a dimensão DIM_TEMPO que permite uma análise temporal sobre os dados.

7 Fig. 2. Esquema em forma de estrela representativo do data mart Mercadorias Tal como foi feito para o data mart Navios, as tabelas que se seguem vão descrever em pormenor os atributos que compõem as dimensões e tabela de factos do data mart Mercadorias. Tal como para o data mart Navios, as dimensões que compõem o data mart Mercadorias têm uma variação muito lenta porque na sua maioria, são resultantes de tabelas do sistema operacional com informação uniformizada, disponibilizada pelo Instituto Nacional de Estatística, como tal os atributos que as compõem não têm nenhuma política de actualização. Mesmo assim e tal como no data mart Navios, os atributos das dimensões podem sofrer alterações nas suas descrições em caso de erros ortográficos, e nesse caso o atributo é reescrito não guardando registo de valores anteriores. As dimensões DIM_TEMPO e DIM_TERMINAIS, visto serem idênticas às dimensões DIM_TEMPO e DIM_TERMINAIS do data mart Navios, não serão novamente detalhadas. Tabela 5. Descrição detalhada da dimensão DIM_MERCADORIAS MERCADORIA Código natural e unívoco de Não actualizável cada mercadoria ID_MERCADORIA Código da mercadoria no Não actualizável sistema opeacional DES_MERCADORIA Descrição da mercadoria Reescrever (tipo 1) ID_SUBTIP_CARGA Código do subtipo de carga Não actualizável DES_SUBTIP_CARGA Descrição do subtipo de Reescrever (tipo1) carga ID_TIPO_CARGA Código tipo de carga Não actualizável DES_TIPO_CARGA Descrição do tipo de carga Reescrever (tipo1)

8 Tabela 6. Descrição detalhada da dimensão DIM_PORTOS PORTO Código natural e unívoco de Não actualizável cada porto ID_PORTO Codigo do Porto no Sistema Não actualizável operacional DES_PORTO Descrição do porto Reescrever (tipo 1) PAIS Descrição do país Não actualizável Tabela 7. Descrição detalhada da dimensão DIM_ENTIDADES ENTIDADE Código natural e unívoco de Não actualizável cada entidade ID_ENTIDADE Código no sistema Não actualizável operacional NOME_ENTIDADE Nome da entidade Reescrever (tipo1) Tabela 8. Descrição detalhada da dimensão DIM_PROCESSOS PROCESSO Código natural e unívoco de Não actualizável cada processo NUM_DOCUMENTO Número do documento do Não actualizável Aviso de Chegada NUM_PROCESSO Número do processo Não actualizável ID_NAVIO Código do navio Nº IMO Não actualizável NOME_NAVIO Nome do navio Reescrever (tipo1) Tabela 9. Descrição detalhada da dimensão DIM_OPERACAO OPERACAO Código natural e unívoco de Não actualizável cada operação ID_OPERACAO Código da operação no Não actualizável sistema operacional DES_OPERACAO Designação da operação Reescrever (tipo1) A tabela de factos é composta pelas chaves de cada uma das dimensões e pelas medidas PESO e VALOR. A medida peso permite obter o peso total das mercadorias, é como tal um número decimal, representado pela unidade Quilogramas, e é calculada através de um somatório. Por sua vez, a medida valor permite saber o valor total das mercadorias com a taxa aplicada. É igualmente um número decimal, representado pela unidade euro, e calculado através de um somatório.

9 3 Definição e Caracterização do Sistema de Preparação e Povoamento 3.1 Definição Preliminar dos planos de Extracção, Transformação e Integração dos Dados A implementação de um sistema de data warehousing vê pelo menos um terço do seu orçamento gasto no desenvolvimento do ETL [7]. Tais dados evidenciam claramente a complexidade e sensibilidade do desenvolvimento do ETL na construção do sistema de data warehousing. De modo a evitar erros no processo, é necessário planear o processo de ETL revendo certos conceitos e apresentando decisões e técnicas a serem tidas em conta no processo de desenvolvimento. O processo de extracção dos dados das suas fontes pode revelar-se bastante consumidor de recursos computacionais e pode inviabilizar o bom funcionamento dos sistemas operacionais se não forem definidas as estratégias adequadas. Assim, idealmente, o processo de extracção deverá decorrer num horário em que a utilização do sistema operacional seja a mais reduzida possível. Mediante a iteração em que o processo de ETL é invocado (primeiro dia ou restantes), o processo de extracção irá decorrer de modo distinto. Assim, numa primeira invocação, o processo de extracção irá requisitar a totalidade dos dados contidos no sistema operacional. Nas fases seguintes, poderia cair-se na tentação de repetir este processo. No entanto, isto iria revelar-se extremamente ineficiente devido à quantidade enorme de dados a serem transferidos. Deste modo, na segunda fase apenas vão ser recolhidos os dados que foram recentemente actualizados ou adicionados. Esta distinção é conseguida recorrendo-se a tabelas de auditoria, que visto não existirem no actual sistema operacional, foram necessariamente criadas. O preenchimento das tabelas de auditoria é feito de forma automática por triggers que são automaticamente despoletados quando são inseridos ou alterados registos sobre as tabelas que povoam o data warehouse. Após extrair os dados, é necessário transformá-los antes de serem enviados para o data mart. Estas transformações vão ser feitas em tabelas auxiliares presentes na área de retenção que vão permitir, entre outras coisas, a execução de todos os cálculos necessários para obter o valor das mercadorias. Finalmente, surge a parte relativa ao povoamento dos data marts dividida em duas fases. A primeira fase envolve o povoamento da estrela pela primeira vez, enquanto a segunda fase abrange o povoamento dos restantes dias. O povoamento da estrela pela primeira vez obriga ao povoamento de todas as dimensões, enquanto os restantes povoamentos estão relacionados com mudanças no sistema operacional, isto significa que somente as dimensões que armazenam informação de tabelas que tenham sofrido alterações no sistema operacional são alteradas. Como tal, cada novo povoamento tem uma carga computacional diferente que varia consoante as alterações do sistema operacional. As dimensões apresentam diferentes características de povoamento. A dimensão DIM_TEMPO surge nos dois data marts e o seu comportamento é idêntico em ambos. O seu povoamento é efectuado uma única vez recorrendo a um script de geração de datas para um período de 20 anos. As restantes dimensões vão ser

10 povoadas totalmente na primeira iteracção. Nas seguintes elas serão preenchidas mediante um evento particular que, no caso do data mart Navios, será quando for registado o fecho do processo de um navio, por parte da Administração Portuária, ou quando um navio existente sofrer alguma alteração, enquanto no caso do data mart Mercadorias, será quando forem fechados processos que contenham documento de registo de mercadorias a operar (Manifesto). Todo o processo de Extracção, Transformação e Carregamento dos dados para o sistema de data warehousing será despoletado de 24 em 24 horas e, uma vez que o sistema operacional sofre menos alterações no período nocturno, o processo de ETL ocorrerá no inicio de cada dia extraindo do sistema operacional os dados inseridos ou alterados no dia anterior. 3.2 Os Processos de ETL Tendo em vista o povoamento do data warehouse, torna-se necessário criar uma área intermédia, designada por área de retenção (staging area), que auxiliará o ETL durante todo o seu processo. O papel da área de retenção é versátil e engloba funções tais como realizar todas as transformações e limpezas necessárias sobre os dados, evitar que a fonte de dados realize essas tarefas, agir como moderador do sistema de data warehousing no caso de este não conseguir lidar com o tráfego vindo da fonte de dados, ou realizar várias tarefas como resumir a preparação do ETL e gerir a qualidade do serviço [8]. É, como tal, necessário projectar e desenvolver uma base de dados auxiliar para conter as estruturas necessárias para apoiar o processo de povoamento dos data marts. Sendo a primeira etapa do processo de ETL a extracção dos dados das suas fontes, torna-se necessário armazená-los em tabelas temporárias que permitam evitar suas repetidas extracções em caso de falha do processo. Estas tabelas permitem, deste modo, extrair apenas os dados que ainda não o tinham sido previamente. Para isso, além dos atributos que permitem armazenar os dados extraídos e que devem ter os mesmos tipos de dados dos atributos das tabelas do sistema operacional, é também necessário adicionar a estas tabelas atributos que permitam identificar o tipo de operação, inserção ou actualização, que foi realizada sobre os dados. A Figura 3 apresenta as tabelas que auxiliam o processo de extracção dos dados do sistema operacional para o data mart Navios.

11 Fig. 3. Tabelas que auxiliam a fase de extracção dos dados do sistema operacional O sistema operacional possui uma cópia das tabelas presentes na Figura 3, assim como as tabelas que auxiliam a extracção dos dados para o data mart Mercadorias. Estas tabelas são preenchidas através da execução de triggers e que são activados quando é despoletada uma acção pré-definida. Após a fase da extracção dos dados surge a fase de transformação destes. Os dados que vão povoar o data mart Navios são coerentes e como tal não necessitam de passar por nenhuma transformação de maior complexidade, indo directamente das tabelas de auditoria do sistema operacional para o data mart. Embora haja a necessidade do cálculo do número de dias da estadia de um navio/processo, este valor pode ser calculado de forma rápida e armazenado na tabela de auditoria aquando o despoletar do trigger sem fazer uso de tabelas auxiliares. Por sua vez, existem dados que vão ser carregados para o data mart Mercadorias sofrendo certas transformações para permitir efectuar os cálculos sobre o valor das mercadorias. Vão, como tal, ser armazenados numa tabela auxiliar na área de retenção de modo a passar por todas as transformações necessárias antes de povoarem o data mart. A etapa que se segue refere-se ao povoamento dos data marts. Como já foi referido este processo divide-se em duas fases, o povoamento do primeiro dia e o povoamento dos restantes. Visto os dois data marts possuírem duas dimensões idênticas, a dimensão DIM_TEMPO e a dimensão DIM_TERMINAIS, o povoamento dos dois data marts vai ser feito em simultâneo. Para mais fácil entendimento do processo de povoamento, a explicação de ambas as fases vai ser apresentada numa secção separada. Povoamento dos Data Marts: 1º dia Este processo vai decorrer apenas uma vez, o data warehouse vai ser preenchido com toda a informação útil existente no sistema operacional.

12 O povoamento da dimensão DIM_TEMPO, partilhada por ambos os data marts, é distinto do povoamento das restantes dimensões. O seu povoamento é feito com recurso a um script SQL que gera datas diárias para um período de 20 anos, iniciando esse periodo a dia 1 de Agosto de 2008 visto ser nessa data que a aplicação para apoio à gestao portuária ficou disponível, e as insere na dimensão DIM_TEMPO. No primeiro dia, as dimensões de ambos os data marts são preenchidas com os dados vindos das tabelas do sistema operacional. Após povoar as dimensões são povoadas ambas as tabelas de factos. A Figura 4 apresenta os fluxos de dados do data mart Navios e do data mart Mercadorias no seu primeiro povoamento. Fig. 4. Fluxo de dados no 1º povoamento dos data marts Navios e Mercadorias Povoamento dos Data Marts: Restantes Dias O povoamento dos data marts nos restantes dias tem por objectivo actualizar o data warehouse de acordo com as ocorrências dos sistemas ao longo do dia. Assim no final do dia é extraída toda a informação das tabelas de auditoria existentes no sistema operacional, que são diariamente alimentadas por triggers, para, após serem realizadas todas as transformações necessárias sobre os dados, estes preencherem o data warehouse usando as técnicas descritas nos capítulos anteriores. No final do processo, torna-se necessário limpar todas as tabelas auxiliares, para no dia seguinte conterem apenas novos registos. A grande diferença entre estes povoamentos e o ocorrido no primeiro dia resulta na quantidade de dados bem menor a ser processada. A dimensão DIM_TEMPO é povoada totalmente no primeiro dia, não precisando como tal de ser alterada nos restantes povoamentos. A Figura 5 ilustra os fluxos de dados dos dois data marts no povoamento dos restantes dias.

13 Fig. 5. Fluxo de dados nos restantes dias do povoamento dos data marts 4 Ambiente de Exploração das Ferramentas Utilizadas Nas secções anteriores foram apresentadas e descritas as etapas para o povoamento do sistema de data warehousing. Nesta fase, os dados obtidos estão armazenados nos chamados cubos presentes no sistema. Um cubo de dados, em termos técnicos, não é mais do que uma projecção multidimensional redundante de uma relação, tendo sido proposto como uma generalização do operador SQL Group-By [10]. Um cubo pode ser visualizado como uma grelha multidimensional construída a partir dos valores das dimensões. O processamento analítico on-line (OLAP Online Analytical Processing) permite analisar informação de um cubo dimensional em vários níveis de foco e agregação. Existem quatro tipos de operações mais usuais utilizadas para analisar dados nas ferramentas OLAP. Estas operações são drill-down, roll-up e slice and dice [11]. A estrutura do cubo Navios, representada pela Figura 1, identifica quatro dimensões: DIM_TEMPO (com hierarquia ANO TRIMESTRE MES DIA), DIM_NAVIOS (com as hierarquias ID_NAVIO VERSAO NOME_NAVIO, GT ID_NAVIO VERSAO NOME_NAVIO, CALADO ID_NAVIO VERSAO NOME_NAVIO e COMPRIMENTO ID_NAVIO VERSAO NOME_NAVIO), DIM_AVISOCHEGADA (com as hierarquias: NUM_DOCUMENTO VERSAO e NUM_PROCESSO VERSAO) e DIM_TERMINAIS. A medida associada a esse cubo é N_DIAS_ESTADIA que representa o número de dias que um navio está atracado no porto. Ao processar o cubo é possível obter resultados em relação às diversas dimensões em análise. É possível, por exemplo saber o número de dias que um determinado navio ficou num

14 determinado terminal em todo o período em análise (desde o início até à data), agrupando estes resultados por trimestres. Mas pode-se, por exemplo, aplicar slice no cubo e determinar que a mesma análise vai ser feita somente no ano É possível, igualmente, fazer drill-down sobre a hierarquia da dimensão DIM_TEMPO e obter os resultados por mês. Inversamente, aplicando roll-up na hierarquia da dimensão DIM_TEMPO, é possível obter os mesmos resultados agrupados por ano. Por sua vez, a estrutura do cubo Mercadorias, evidenciada pela Figura 2, apresenta seis dimensões DIM_TEMPO (ANO TRIMESTRE MES DIA), DIM_PORTOS (com a hierarquia: PAIS DES_PORTO), DIM_ENTIDADES, DIM_MERCADORIAS (com hierarquia DES_TIPO_CARGA DES_SUBTIP_CARGA DES_MERCADORIA), DIM_PROCESSOS e DIM_TERMINAIS. Por sua vez, existem duas medidas, PESO e VALOR, associadas a este cubo. Processando os dados do cubo Mercadorias, é possível obter respostas a perguntas tais como qual o valor das mercadorias facturadas, por tipo de carga, no Porto x até à data?, qual o valor das mercadorias facturadas, por tipo de carga, no Terminal y até à data?, ou ainda aplicar essas questões relativamente ao peso total das mercadorias. Aplicando o slice no cubo, é possível igualmente restringir os resultados ao ano de 2009, agrupando estes por mês. Pode-se, igualmente, fazer drilldown sobre a hierarquia da dimensão DIM_MERCADORIAS e obter os resultados por subtipo de carga ou ainda fazer roll-up sobre a hierarquia da dimensão DIM_TEMPO e agrupar os resultados por trimestre. Os resultados obtidos com o processamento dos cubos são apresentados aos utilizadores sob forma de gráficos, tabelas ou relatórios manipuláveis mediante as necessidades do utilizador como evidenciado pelas figuras 6 e 7. Fig. 6. Gráfico que apresenta o peso total das mercadorias em diversos terminais

15 Fig. 7. Tabela que apresenta o valor/peso das mercadorias facturadas para um certo cliente 5 Conclusões Apesar da plataforma analítica ter sido implementada, o desenvolvimento do projecto nem sempre decorreu como o que era pretendido. O sistema operacional do qual extraímos os dados é armazenado no sistema de gestão de base de dados da Oracle, como tal e para obter uma melhor integração dos dados avançamos com o desenvolvimento do sistema de data warehousing recorrendo às ferramentas disponibilizadas pelo mesmo fabricante (Oracle Warehouse Builder). Porém, por falta de formação, tivemos de desistir dessa ferramenta já numa fase bastante avançada do projecto, já que está à partida seria pouco intuitiva para um manuseamento satisfatório, e optamos pelo SQL Server 2005 Business Intelligence com o qual já tinhámos desenvolvido um projecto no âmbito académico. Este obstáculo dificultou e atrasou bastante o desenvolvimento do projecto. Podemos igualmente salientar que mais data marts poderiam ter sido desenvolvidos. Ou seja, a plataforma desenvolvida não está completa pois pelo menos mais um data mart foi identificado. Porém devido às limitações de tempo impostas pelo projecto optamos por não desenvolver mais do que os dois data marts apresentados neste artigo. Futuramente, poderão ser desenvolvidos os restantes data marts identificados de modo a completar a solução. Finalmente, esta plataforma foi desenvolvida num ambiente real, todos os dados utilizados existem de facto. Tivemos algum problema em obter a informação necessária à elaboração deste projecto atempadamente que atrasou ainda mais a obtenção dos resultados finais. Por outro lado, outro entrave para uma melhor perspectiva de funcionamento da nossa plataforma, é a escassez de informação.

OLAP em âmbito hospitalar: Transformação de dados de enfermagem para análise multidimensional

OLAP em âmbito hospitalar: Transformação de dados de enfermagem para análise multidimensional OLAP em âmbito hospitalar: Transformação de dados de enfermagem para análise multidimensional João Silva and José Saias m5672@alunos.uevora.pt, jsaias@di.uevora.pt Mestrado em Engenharia Informática, Universidade

Leia mais

SUMÁRIO 1. INTRODUÇÃO... 2 2. O QUE É DATA WAREHOUSE?... 2 3. O QUE DATA WAREHOUSE NÃO É... 4 4. IMPORTANTE SABER SOBRE DATA WAREHOUSE... 5 4.

SUMÁRIO 1. INTRODUÇÃO... 2 2. O QUE É DATA WAREHOUSE?... 2 3. O QUE DATA WAREHOUSE NÃO É... 4 4. IMPORTANTE SABER SOBRE DATA WAREHOUSE... 5 4. SUMÁRIO 1. INTRODUÇÃO... 2 2. O QUE É DATA WAREHOUSE?... 2 3. O QUE DATA WAREHOUSE NÃO É... 4 4. IMPORTANTE SABER SOBRE DATA WAREHOUSE... 5 4.1 Armazenamento... 5 4.2 Modelagem... 6 4.3 Metadado... 6 4.4

Leia mais

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

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

Leia mais

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

Data Warehousing e OLAP

Data Warehousing e OLAP Data Warehousing e OLAP Jornadas de Engenharia Informática Instituto Politécnico da Guarda Henrique Madeira Departamento de Engenharia Informática Faculdade de Ciências e Tecnologia Universidade de Coimbra

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

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

Fundamentos da Análise Multidimensional

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

Leia mais

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

Uma peça estratégica para o seu negócio

Uma peça estratégica para o seu negócio Uma peça estratégica para o seu negócio INFORMAÇÃO GERAL DA EMPRESA CASO DE SUCESSO EM IMPLEMENTAÇÃO BI PERGUNTAS E RESPOSTAS Fundada em 1997, Habber Tec é uma empresa especializada na oferta de soluções

Leia 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

DATA WAREHOUSE. Introdução

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

Leia mais

Adriano Maranhão BUSINESS INTELLIGENCE (BI),

Adriano Maranhão BUSINESS INTELLIGENCE (BI), Adriano Maranhão BUSINESS INTELLIGENCE (BI), BUSINESS INTELLIGENCE (BI) O termo Business Intelligence (BI), popularizado por Howard Dresner do Gartner Group, é utilizado para definir sistemas orientados

Leia mais

Uma Arquitetura de Gestão de Dados em Ambiente Data Warehouse

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

Leia mais

Tópicos Avançados Business Intelligence. Banco de Dados Prof. Otacílio José Pereira. Unidade 10 Tópicos Avançados Business Inteligence.

Tópicos Avançados Business Intelligence. Banco de Dados Prof. Otacílio José Pereira. Unidade 10 Tópicos Avançados Business Inteligence. Tópicos Avançados Business Intelligence Banco de Dados Prof. Otacílio José Pereira Unidade 10 Tópicos Avançados Business Inteligence Roteiro Introdução Níveis organizacionais na empresa Visão Geral das

Leia mais

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

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

Curso de Engenharia de Sistemas e Informática - 5º Ano. Ficha T. Prática n.º 1

Curso de Engenharia de Sistemas e Informática - 5º Ano. Ficha T. Prática n.º 1 Análise Inteligente de Dados Objectivo: Curso de Engenharia de Sistemas e Informática - 5º Ano Ficha T. Prática n.º 1 Estudo do paradigma multidimensional com introdução de uma extensão ao diagrama E/R

Leia mais

Como tornar o seu. Maribel Yasmina* Isabel Ramos*

Como tornar o seu. Maribel Yasmina* Isabel Ramos* Os sistemas de Business Intelligence são imprescindíveis a decisores dinâmicos e motivados para aproveitar as oportunidades que uma sociedade em transformação rápida pode oferecer Maribel Yasmina* Como

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

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

Projecto Final de Licenciatura Engenharia Informática - Computadores e Sistemas. elaborado por: Filipe Manuel Marques Pinto Pinheiro

Projecto Final de Licenciatura Engenharia Informática - Computadores e Sistemas. elaborado por: Filipe Manuel Marques Pinto Pinheiro OLAP (ONLINE ANALYTICAL PROCESSING) Projecto Final de Licenciatura Engenharia Informática - Computadores e Sistemas elaborado por: Filipe Manuel Marques Pinto Pinheiro orientado por: Engº Paulo Alexandre

Leia mais

Professor: Disciplina:

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

Leia mais

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

A versão básica disponibiliza a informação criada no Microsoft Navision em unidades de informação

A versão básica disponibiliza a informação criada no Microsoft Navision em unidades de informação O Business Analytics for Microsoft Business Solutions Navision ajuda-o a ter maior controlo do seu negócio, tomar rapidamente melhores decisões e equipar os seus funcionários para que estes possam contribuir

Leia mais

geral@centroatlantico.pt www.centroatlantico.pt Impressão e acabamento: Inova 1ª edição: Outubro de 2003 ISBN: 972-8426-76-3 Depósito legal: 202574/03

geral@centroatlantico.pt www.centroatlantico.pt Impressão e acabamento: Inova 1ª edição: Outubro de 2003 ISBN: 972-8426-76-3 Depósito legal: 202574/03 FICHEIROS COM EXEMPLOS Envie um e-mail* para software@centroatlantico.pt para conhecer os endereços de Internet de onde poderá fazer o download dos ficheiros com os exemplos deste livro. * O leitor consente,

Leia mais

Data Warehousing. Leonardo da Silva Leandro. CIn.ufpe.br

Data Warehousing. Leonardo da Silva Leandro. CIn.ufpe.br Data Warehousing Leonardo da Silva Leandro Agenda Conceito Elementos básicos de um DW Arquitetura do DW Top-Down Bottom-Up Distribuído Modelo de Dados Estrela Snowflake Aplicação Conceito Em português:

Leia mais

Business Intelligence e ferramentas de suporte

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

Leia mais

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

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

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

Interatividade aliada a Análise de Negócios

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

Leia mais

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

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

Relatório Técnico do projecto ARIADNE. Interface de utilizador do NewsSearch

Relatório Técnico do projecto ARIADNE. Interface de utilizador do NewsSearch Relatório Técnico do projecto ARIADNE Praxis XXI Interface de utilizador do NewsSearch Carlos Correia Norman Noronha Daniel Gomes Junho de 2000 Índice 1. INTRODUÇÃO...3 1.1 MOTIVAÇÃO...3 1.2 PROPOSTO...3

Leia mais

Extracto on Line Aplicação Local Guia do Utilizador

Extracto on Line Aplicação Local Guia do Utilizador Extracto on Line Aplicação Local Guia do Utilizador Índice 1. Sobre o Guia... 4 1.1 Objectivo... 4 1.2 Utilização do Guia... 4 1.3 Acrónimos e Abreviações... 4 2. Introdução ao Extracto on Line Aplicação

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

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

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

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

foram previstas inicia-se um círculo vicioso em que é feito um pedido aos informáticos, esse pedido entra na «linha de montagem» das queries, e num

foram previstas inicia-se um círculo vicioso em que é feito um pedido aos informáticos, esse pedido entra na «linha de montagem» das queries, e num PREFÁCIO Actualmente estamos confrontados com um mundo fascinante em que todos os dias surgem novidades no universo das novas tecnologias da informação, mas em que velhos problemas no que concerne à falta

Leia mais

Business Intelligence Framework

Business Intelligence Framework Business Intelligence Framework José Peixoto and Júlio Lopes Departamento de Informática Universidade do Minho Abstract. Este artigo apresenta os elementos que constituem a Framework desenvolvida, bem

Leia mais

Data Warehouse. Debora Marrach Renata Miwa Tsuruda

Data Warehouse. Debora Marrach Renata Miwa Tsuruda Debora Marrach Renata Miwa Tsuruda Agenda Introdução Contexto corporativo Agenda Introdução Contexto corporativo Introdução O conceito de Data Warehouse surgiu da necessidade de integrar dados corporativos

Leia mais

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

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

Leia mais

Data 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

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

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

Leia mais

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

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

Leia mais

TECNOLOGIAS DE INFORMAÇÃO E COMUNICAÇÃO

TECNOLOGIAS DE INFORMAÇÃO E COMUNICAÇÃO TECNOLOGIAS DE INFORMAÇÃO E COMUNICAÇÃO ACCESS 2010 Conceitos Básicos Ficha Informativa Professor : Vanda Pereira módulo didáctico Conceitos Básicos Necessidade das base de dados Permite guardar dados

Leia mais

O Processo ETL em Sistemas Data Warehouse

O Processo ETL em Sistemas Data Warehouse O Processo ETL em Sistemas Data Warehouse João Ferreira, Miguel Miranda, António Abelha e José Machado Universidade do Minho, Departamento de Informática, Braga, Portugal tiago_jtx@hotmail.com {miranda,abelha,jmac}@di.uminho.pt

Leia mais

TECNOLOGIAS DA INFORMAÇÃO E COMUNICAÇÃO. SISTEMAS DE GESTÃO DE BASE DE DADOS Microsoft Access TECNOLOGIAS DA INFORMAÇÃO E COMUNICAÇÃO

TECNOLOGIAS DA INFORMAÇÃO E COMUNICAÇÃO. SISTEMAS DE GESTÃO DE BASE DE DADOS Microsoft Access TECNOLOGIAS DA INFORMAÇÃO E COMUNICAÇÃO TECNOLOGIAS DA INFORMAÇÃO E COMUNICAÇÃO Microsoft Access TECNOLOGIAS DA INFORMAÇÃO E COMUNICAÇÃO CONCEITOS BÁSICOS 1 Necessidade das base de dados Permite guardar dados dos mais variados tipos; Permite

Leia mais

Uma aplicação de Data Warehouse para apoiar negócios

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

Leia mais

PROPOSTA DE GERENCIAMENTO LOGÍSTICO BASEADO NA INTEGRAÇÃO DE SISTEMAS ATRAVÉS DE UM DATA WAREHOUSE

PROPOSTA DE GERENCIAMENTO LOGÍSTICO BASEADO NA INTEGRAÇÃO DE SISTEMAS ATRAVÉS DE UM DATA WAREHOUSE PROPOSTA DE GERENCIAMENTO LOGÍSTICO BASEADO NA INTEGRAÇÃO DE SISTEMAS ATRAVÉS DE UM DATA WAREHOUSE Fabio Favaretto Professor adjunto - Programa de Pós Graduação em Engenharia de Produção e Sistemas Pontifícia

Leia mais

A importância da. nas Organizações de Saúde

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

Leia mais

Curso Data warehouse e Business Intelligence Fundamentos, Metodologia e Arquitetura

Curso Data warehouse e Business Intelligence Fundamentos, Metodologia e Arquitetura Curso Data warehouse e Business Intelligence Fundamentos, Metodologia e Arquitetura Apresentação Os projetos de Data Warehouse e Business Intelligence são dos mais interessantes e complexos de desenvolver

Leia mais

Uma Ferramenta WEB para apoio à Decisão em Ambiente Hospitalar

Uma Ferramenta WEB para apoio à Decisão em Ambiente Hospitalar Uma Ferramenta WEB para apoio à Decisão em Ambiente Hospitalar 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 Warehouse Processos e Arquitetura

Data Warehouse Processos e Arquitetura Data Warehouse - definições: Coleção de dados orientada a assunto, integrada, não volátil e variável em relação ao tempo, que tem por objetivo dar apoio aos processos de tomada de decisão (Inmon, 1997)

Leia mais

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

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

Leia mais

Fundamentos da inteligência de negócios: gestão da informação e de bancos de dados

Fundamentos da inteligência de negócios: gestão da informação e de bancos de dados Fundamentos da inteligência de negócios: gestão da informação e de bancos de dados slide 1 1 Copyright 2011 Pearson Education, Inc. publishing as Prentice Hall Objetivos de estudo Como um banco de dados

Leia mais

Curriculum DeGóis Guia de preenchimento do Curriculum Vitae (Informação mínima necessária)

Curriculum DeGóis Guia de preenchimento do Curriculum Vitae (Informação mínima necessária) Curriculum DeGóis Guia de preenchimento do Curriculum Vitae (Informação mínima necessária) /curriculum Julho de 2008 Versão 1.1 1 Introdução O objectivo deste guia é auxiliar o utilizador da Plataforma

Leia mais

E se conseguisse reduzir os seus custos de energia até 20%?

E se conseguisse reduzir os seus custos de energia até 20%? E se conseguisse reduzir os seus custos de energia até 20%? Uma solução eficaz de Gestão Energética para o Retalho Eficiência Energética no Retalho Será que está a gastar mais em energia do que necessita?

Leia mais

BUSINESS INTELLIGENCE -Inteligência nos Negócios-

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

Leia mais

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

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

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

Leia mais

PHC TeamControl CS. A gestão de equipas e de departamentos

PHC TeamControl CS. A gestão de equipas e de departamentos PHC TeamControl CS A gestão de equipas e de departamentos A solução que permite concretizar projectos no tempo previsto e nos valores orçamentados contemplando: planeamento; gestão; coordenação; colaboração

Leia mais

Um Armazém de Dados para o arquivo e pesquisa de informação sobre uma Universidade. Marco Nunes marco@fe.up.pt Supervisor: Gabriel David gtd@fe.up.

Um Armazém de Dados para o arquivo e pesquisa de informação sobre uma Universidade. Marco Nunes marco@fe.up.pt Supervisor: Gabriel David gtd@fe.up. Um Armazém de Dados para o arquivo e pesquisa de informação sobre uma Universidade Marco Nunes marco@fe.up.pt Supervisor: Gabriel David gtd@fe.up.pt Índice Objectivos Matriz de data marts vs dimensões

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

Curso Data warehouse e Business Intelligence

Curso Data warehouse e Business Intelligence Curso Data warehouse e Business Intelligence Fundamentos, Metodologia e Arquitetura Apresentação Os projetos de Data Warehouse e Business Intelligence são dos mais interessantes e complexos de desenvolver

Leia mais

Apresentação DAMARECE

Apresentação DAMARECE Apresentação DAMARECE Madrid 24 Abril 2007 F E D E R Levantamento processos Key User Ana Teresa Duarte Filipe Fátima Enes Wanda Bizarro Glória Fidalgo Isabel Almeida João Valente Manuel Melo Augusto Elavai

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

Sistema de Business Intelligence no suporte à Gestão Estratégica. Resumo

Sistema de Business Intelligence no suporte à Gestão Estratégica. Resumo Sistema de Business Intelligence no suporte à Gestão Estratégica Caso prático no comércio de equipamentos eletrónicos Sérgio Costa 1, Maribel Yasmina Santos 2 1) Centro de Investigação ALGORITMI, Universidade

Leia mais

Sobre o que falaremos nesta aula?

Sobre o que falaremos nesta aula? Business Intelligence - BI Inteligência de Negócios Prof. Ricardo José Pfitscher Elaborado com base no material de: José Luiz Mendes Gerson Volney Lagmman Introdução Sobre o que falaremos nesta aula? Ferramentas

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

Base de dados I. Base de dados II

Base de dados I. Base de dados II Base de dados I O que é? Uma base de dados é um simples repositório de informação, relacionada com um determinado assunto ou finalidade, armazenada em computador em forma de ficheiros Para que serve? Serve

Leia mais

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

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

Leia mais

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

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

Leia mais

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

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

Leia mais

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

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

Leia mais

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

Gestão Total da Manutenção: Sistema GTM

Gestão Total da Manutenção: Sistema GTM Gestão Total da Manutenção: Sistema GTM por Engº João Barata (jbarata@ctcv.pt), CTCV Inovação Centro Tecnológico da Cerâmica e do Vidro 1. - INTRODUÇÃO Os sub-sistemas de gestão, qualquer que seja o seu

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

Decisão Suporte: Warehousing, OLAP e Data Mining

Decisão Suporte: Warehousing, OLAP e Data Mining Decisão Suporte: Warehousing, OLAP e Data Mining 7-1 Introdução Cada vez mais, organizações estão analizando dados correntes e históricos para identificar padrões úteis e suporte a estratégias de negócios.

Leia mais

Decisão Suporte: Warehousing, OLAP e Data Mining

Decisão Suporte: Warehousing, OLAP e Data Mining Decisão Suporte: Warehousing, OLAP e Data Mining 7-1 Introdução Cada vez mais, organizações estão analizando dados correntes e históricos para identificar padrões úteis e suporte a estratégias de negócios.

Leia mais

3. Engenharia de Requisitos

3. Engenharia de Requisitos Engenharia de Software 3. Engenharia de Requisitos Nuno Miguel Gil Fonseca nuno.fonseca@estgoh.ipc.pt Fases do desenvolvimento de software que mais erros originam (fonte: "Software Testing", Ron Patton)

Leia mais

COMO IMPLEMENTAR UM SISTEMA DE BI

COMO IMPLEMENTAR UM SISTEMA DE BI Data Science FEUP 19 maio 2014 COMO IMPLEMENTAR UM SISTEMA DE BI Rui Afeiteira Gestor de projeto, BI4ALL Rui Afeiteira Gestor de projeto Business Intelligence Experiência Relevante Bacardi - Reengenharia

Leia mais

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

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

Leia mais

Intranet Domus: Ambiente virtual de aprendizagem e de gestão administrativa

Intranet Domus: Ambiente virtual de aprendizagem e de gestão administrativa Intranet Domus: Ambiente virtual de aprendizagem e de gestão administrativa Alves P.A. 1, Pires J. A. 1, Amaral L. 2 1 Instituto Politécnico de Bragança, Bragança, Portugal 2 Universidade do Minho, Guimarães,

Leia mais

Base de Dados para Administrações de Condomínios

Base de Dados para Administrações de Condomínios Base de Dados para Administrações de Condomínios José Pedro Gaiolas de Sousa Pinto: ei03069@fe.up.pt Marco António Sousa Nunes Fernandes Silva: ei03121@fe.up.pt Pedro Miguel Rosário Alves: alves.pedro@fe.up.pt

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

ILM e as Arquitecturas Empresariais por Pedro Sousa

ILM e as Arquitecturas Empresariais por Pedro Sousa ILM e as Arquitecturas Empresariais por Pedro Sousa Neste artigo clarifica-se os objectivos do ILM (Information Life Cycle Management) e mostra-se como estes estão dependentes da realização e manutenção

Leia mais

MICROSOFT POWERPOINT

MICROSOFT POWERPOINT MICROSOFT POWERPOINT CRIAÇÃO DE APRESENTAÇÕES. O QUE É O POWERPOINT? O Microsoft PowerPoint é uma aplicação que permite a criação de slides de ecrã, com cores, imagens, e objectos de outras aplicações,

Leia mais

Informática. Conceitos Básicos. Informação e Sistemas de Informação. Aula 3. Introdução aos Sistemas

Informática. Conceitos Básicos. Informação e Sistemas de Informação. Aula 3. Introdução aos Sistemas Informática Aula 3 Conceitos Básicos. Informação e Sistemas de Informação Comunicação Empresarial 2º Ano Ano lectivo 2003-2004 Introdução aos Sistemas A Teoria dos Sistemas proporciona um meio poderoso

Leia mais

1. Introdução ao. Crystal Reports

1. Introdução ao. Crystal Reports 1. Introdução ao Crystal Reports Como é sabido e geralmente aceite por todos nós, vivemos um período onde a complexidade dos negócios é cada vez maior, tal como o prova a intensificação da concorrência,

Leia mais

Business Intelligence Conceitos, Metodologia de Desenvolvimento e Exemplos de BI

Business Intelligence Conceitos, Metodologia de Desenvolvimento e Exemplos de BI Matriz: Av. Caçapava, 527 CEP 90.460-130 Tecnopuc: Av. Ipiranga, 6681 Prédio 32 Sala 109 CEP 90.619-900 Porto Alegre - RS, Brasil Contate-nos: +55 (51) 3330.7777 contato@dbccompany.com.br www.dbccompany.com.br

Leia mais

Logística e Gestão da Distribuição

Logística e Gestão da Distribuição Logística e Gestão da Distribuição Depositos e política de localização (Porto, 1995) Luís Manuel Borges Gouveia 1 1 Depositos e politica de localização necessidade de considerar qual o papel dos depositos

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

- A crescente necessidade de sistemas inteligentes e de aquisição de conhecimento levaram à necessidade de implementação de Data Warehouses.

- A crescente necessidade de sistemas inteligentes e de aquisição de conhecimento levaram à necessidade de implementação de Data Warehouses. - A crescente necessidade de sistemas inteligentes e de aquisição de conhecimento levaram à necessidade de implementação de. - O que é uma Data Warehouse? - Colecção de bases de dados orientadas por assunto

Leia mais

Definição de Contratos de Informação em Sistemas de Data Warehousing Baseados em Agentes

Definição de Contratos de Informação em Sistemas de Data Warehousing Baseados em Agentes Definição de Contratos de Informação em Sistemas de Data Warehousing Baseados em Agentes Orlando Belo e Alcino Cunha Departamento de Informática Escola de Engenharia Universidade do Minho Largo do Paço,

Leia mais

Business Intelligence & Performance Management

Business Intelligence & Performance Management Como medir a evolução do meu negócio? Tenho informação para esta decisão? A medição da performance é uma dimensão fundamental para qualquer actividade de gestão. Recorrentemente, qualquer gestor vê-se

Leia mais

Uma Base de Dados é uma colecção de dados partilhados, interrelacionados e usados para múltiplos objectivos.

Uma Base de Dados é uma colecção de dados partilhados, interrelacionados e usados para múltiplos objectivos. 1. Introdução aos Sistemas de Bases de Dados Uma Base de Dados é uma colecção de dados partilhados, interrelacionados e usados para múltiplos objectivos. O conceito de base de dados faz hoje parte do nosso

Leia mais