Módulo 3. Desenhando uma solução OLAP
|
|
- Alexandre Cordeiro Lima
- 7 Há anos
- Visualizações:
Transcrição
1 Módulo 3. Desenhando uma solução OLAP Objetivos Compreender a formação da tabela de fatos Entender o que são as medidas Conhecer o que são as dimensões e como são organizadas Perceber a diferença entre os esquemas estrela e floco de neve Diferenciar as medidas naturais das calculadas Conteúdo do módulo 3.1 Introdução 3.2 Construindo o data mart 3.3 Esquema Estrela Tabela de Fatos Dimensões Relações e Estrutura de uma dimensão Esquema Estrela Esquema Floco de Neve Pai Filho (Parent- Child) Dimensões Virtuais A dimensão Tempo 3.4 Medidas Medidas Naturais Medidas Calculadas Página 1 de 22
2 3.1. Introdução Com o que vimos nos módulos anteriores, podemos começar a definir o desenho do nosso banco de dados OLAP. Neste módulo abordaremos o design das tabelas que formam o plano de um data mart (DM) que servirá de estrutura para a posterior montagem do cubo. No final deste módulo, o leitor compreenderá como definir a tabela de fatos, como podem ser organizadas as dimensões e o que são as medidas. A estrutura que forma a Tabela de Fatos e as Dimensões podem ser vista como o plano ou a visão detalhada do cubo. Página 2 de 22
3 Data Mart: são armazéns de dados com informações de interesse particular para um determinado setor da empresa. Data Warehousing: é o conjunto de armazéns de dados particulares (Data Mart) com informação de interesse para a empresa em geral. Cada um dos exemplos a seguir são Data Mart (DM) Vendas Recursos Humanos Produção O Data Warehousing é o conjunto desses DM s DM de Vendas + DM de Recursos Humanos + DM de Produção 3.2. Construindo o data mart Até agora analisamos os requerimentos do usuário e depuramos seus dados para a formação do data warehousing e neste módulo começaremos a desenhar o modelo do data mart. Este modelo será a etapa prévia à montagem do nosso banco de dados OLAP. Nesta etapa modelaremos as tabelas relacionais em uma grande estrutura não padronizada, formada por uma tabela de fatos e tabelas menores que definirão as n-dimensões ou aberturas do nosso cubo, chamadas tabelas de dimensões. Para isso, devemos primeiro conhecer alguns conceitos que devem ser levados em consideração na construção do modelo Esquema Estrela Para facilitar a análise, o data mart organiza os dados em uma estrutura chamada esquema estrela. Esta estrutura esta formada por uma tabela central - tabela de fatos - e um conjunto de tabelas organizadas ao redor dela, as tabelas de dimensões. Nas pontas da estrela estão as tabelas de dimensões que contém os atributos das aberturas que interessam ao negócio e que podem ser utilizadas como critérios de filtro e são relativamente pequenas. Cada tabela de dimensão está relacionada com a tabela de fatos por um identificador. As características de um esquema de estrela são: Página 3 de 22
4 O centro da estrela é a tabela de fatos. As pontas da estrela são as tabelas de dimensões. Cada esquema esta formado por apenas uma tabela de fatos. Geralmente é um esquema totalmente não padronizado e pode estar parcialmente padronizado nas tabelas de dimensões. No exemplo é apresentado um esquema estrela considerando a necessidade de analisar como evolui a Admissão de Pacientes (Fato) por serviço, pacientes e região geográfica ao longo do tempo. Dimensão Serviço Dimensão Paciente Tabela de Fatos Admissão Pacientes Dimensão Tempo Dimensão Região Geográfica Tabela de Fatos O modelo dimensional divide o mundo dos dados em dois grandes tipos: as medidas e as dimensões destas medidas. As medidas são sempre numéricas e são armazenadas nas tabelas de fatos e as dimensões contextuais são armazenadas nas tabelas de dimensões. A tabela de fatos é a tabela primária do modelo dimensional e contém os valores do negócio que deseja analisar. Página 4 de 22
5 Cada tabela de fatos contém as chaves externas que se relacionam com suas respectivas tabelas de dimensões e as colunas com os valores que serão analisados. Exemplos de Fatos Em um hospital: admissão de pacientes Em uma operadora telefônica: Tráfego telefônico Um fato é um conceito de interesse primário para o processo de tomada de decisões e corresponde aos eventos que ocorrem de forma dinâmica no negócio da empresa Dimensões Desenharemos e construiremos cada dimensão baseada nos processos de negócio definidos pelo cliente. As dimensões organizam os dados em função de uma área de interesse para os usuários. Cada dimensão descreve um aspecto do negócio e proporciona o acesso intuitivo e simples aos dados. Uma dimensão oferece ao usuário um grande número de combinações e intersecções para analisar dados. As tabelas de dimensões são as companheiras das tabelas de fatos. Cada dimensão é definida pela sua chave primária, que serve para manter a integridade referencial na tabela de fatos à qual está relacionada. Um cubo requer a definição de pelo menos uma dimensão no seu esquema Relações e Estrutura de uma dimensão Cada nível de uma dimensão deve ter correspondência com uma coluna na tabela da dimensão. Os níveis são ordenados por grau de detalhe e são organizados em uma estrutura hierárquica. Cada nível contém membros; os membros são os valores da coluna que define o nível. Entre os membros e entre os níveis de uma dimensão existem relações, estas podem ser entendidas como as relações que existem em uma árvore Página 5 de 22
6 genealógica onde os termos pai, filho, irmão, primo, etc. e indicam uma correspondência entre elementos da árvore; e os membros da dimensão se comportam como familiares dentro da árvore genealógica. Pai: É o membro do nível imediatamente superior que se relaciona com o membro selecionado. Cada elemento apresenta apenas um pai. Filho: São os elementos do nível inferior seguinte que se relacionam com o membro selecionado. Podem existir vários filhos para um mesmo membro. Irmão: São os membros que estão no mesmo nível do membro selecionado e apresentam o mesmo pai. Primo: São os membros que estão no mesmo nível do membro selecionado, porém apresentam diferentes pais. Os primos apresentam pais que são irmãos. Descendentes: São todos os membros que estão debaixo do nível do membro selecionado, independente da quantidade de níveis que os separem. Ancestrais: São todos os membros que estão acima do nível do membro selecionado. Um membro é independente das relações. Cada integrante da dimensão é membro dela. Página 6 de 22
7 Exemplos de dimensão Dimensão região geográfica * PAÍS ARGENTINA BRASIL URUGUAI ** ESTADO BUENOS AIRES SÃO PAULO MINAS GERAIS MONTEVIDÉU *** CIDADE MAR del LA SÃO SORO BELO PLATA PLATA PAULO CABA HORIZONTE MONTEVIDÉU Exemplos de relações Em uma dimensão região geográfica teríamos as seguintes relações entres níveis e entre membros: Pai: Brasil é pai de São Paulo e Minas Gerais Filho: São Paulo e Minas Gerais são filhos de Brasil. Irmão: São Paulo e Minas Gerais são irmãos um do outro; Argentina, Brasil e Uruguai também são irmãos. Primo: Sorocaba é primo de Belo Horizonte. Descendente: Todos os membros que estiverem debaixo de Brasil são seus descendentes, por exemplo, São Paulo, Minas Gerais, Sorocaba e Belo Horizonte são alguns dos seus descendentes. Ancestral: Sorocaba apresenta dois antepassados: São Paulo e Brasil. As dimensões podem ser: Locais Compartilhadas As dimensões locais são aquelas definidas e utilizadas dentro de um mesmo cubo. As dimensões compartilhadas são as dimensões definidas independentemente dos cubos e podem ser utilizadas por vários deles. Vantagens das dimensões compartilhadas Página 7 de 22
8 Evitamos duplicar dimensões locais. Garantimos que os dados analisados estejam organizados da mesma forma em todos os cubos, que implica em um menor custo de manutenção. Desvantagens das dimensões compartilhadas Devem ser empregadas da mesma forma no cubos que as utilizarem. Uma mudança implica em que a dimensão deverá ser modificada em todos os cubos. Exemplos de Dimensão Compartilhada A dimensão Produto pode ser utilizada para o Data Mart Vendas e para o Data Mart Produção. Dessa forma, a dimensão produto é uma dimensão compartilhada pelos dois Data Marts. Ao definir uma dimensão, devemos prestar especial atenção aos requerimentos do cliente, pois uma definição equivocada da dimensão ou dos seus níveis pode implicar em não obter os resultados desejados. Se a definição das dimensões não for a correta, serão incorretas e inúteis as agrupações, as sumarizações ou os filtros. Provavelmente você acabará copiando dados para uma planilha de cálculo como se não existisse o DM. Riscos de Dimensões Compartilhadas É importante garantir que qualquer modificação ou mudança em uma dimensão compartilhada seja válida para todos os cubos que a utilizarem Dimensões: Esquema Estrela No esquema estrela cada dimensão está formada por apenas uma tabela não padronizada. O esquema é denominado assim devido à sua semelhança com uma estrela. Pelo fato das tabelas de dimensão não estarem padronizadas, conseguiremos uma menor quantidade de tabelas no modelo do data mart. Página 8 de 22
9 Este é um esquema onde as dimensões apresentam um esquema estrela. Dimensão Serviço Dimensão Paciente Tabela de Fatos Admissão Pacientes Dimensão Tempo Dimensão Região Geográfica Dimensões: Esquema Floco de Neve O esquema floco de neve é uma variação do esquema estrela onde alguma ponta da estrela explode em mais tabelas. O nome do esquema foi definido devido à sua semelhança com um floco de neve. Neste esquema, as tabelas de dimensão floco de neve estão padronizadas para eliminar redundância de dados. Diferente do esquema estrela, neste esquema os dados das dimensões são distribuídos em múltiplas tabelas. Como vantagem do esquema destaca-se a economia de espaço no armazenamento em disco, porém com um aumento na quantidade de tabelas. As características a seguir são parte de um esquema floco de neve: A dimensão esta padronizada Os diferentes níveis estão armazenados em tabelas separadas Verifica-se economia de espaço Página 9 de 22
10 A imagem abaixo mostra um esquema onde a dimensão região geográfica apresenta um esquema floco de neve. País Floco de neve Dimensão região Geográfica Estado Cidade Serviço Admissão Paciente Paciente Tempo Exemplo de Tabela Padronizada e Tabela Não Padronizada Na imagem podemos ver que na tabela padronizada os dados nome do país e nome do estado aparecerão apenas uma vez nas tabelas País e Estado respectivamente. Caso contrário, se a tabela não estiver padronizada, teremos redundância de dados, pois serão repetidos os dados do País e do Estado para cada Cidade. Padronizada Não Padronizada País ID_País País Estado ID_ Estado Estado ID_País Cidade ID_ Cidade Cidade ID_Estado Região Geográfica ID_País País ID_Estado Estado ID_Cidade Cidade Página 10 de 22
11 Quantidade de tabelas Menor Estrela Maior Floco de neve Melhora o desempenho Aumenta a quantidade de Consultas vínculos entre tabelas provocando redução do desempenho Armazenamento Aumenta o espaço Economiza espaço Dimensões: Pai Filho (Parent Child) Uma dimensão pai-filho é uma dimensão onde o dado do Pai se relaciona com o Filho e ambos estão na mesma tabela de dimensão, isto é, a dimensão se relaciona consigo mesma. Exemplos de Dimensão Pai - Filho A dimensão Conta Contábil onde uma conta imputável faz parte de um Subgrupo e o Subgrupo, por sua vez, faz parte de um Grupo. Estes dados estão em apenas um Plano de Contas. A conta Ativo, contém os grupos Investimentos, Créditos e Caixa e o grupo Caixa contém Caixa e Fundo Fixo Dimensões Virtuais As dimensões virtuais não precisam de um armazenamento físico no cubo e são avaliadas no momento da consulta. Funcionam de forma similar às dimensões reais e são transparentes para o usuário. Página 11 de 22
12 Exemplos de Dimensão Virtual Podemos ter uma dimensão Produto organizada da seguinte forma: Produto (Dimensão real) Fabricante Marca Tamanho Produto Se o usuário requer que suas análises de informação sejam realizadas por Marca, utilizando a dimensão Produto será necessário selecionar cada fabricante para obter a informação da marca. Para evitar isso, podemos criar uma dimensão virtual onde a ordem dos níveis Fabricante - Marca estejam invertidas e que permita ver seus dados por Marca sem a necessidade de selecionar todos os fabricantes. Esta dimensão será construída da seguinte forma: Produto_Marca (Dimensão virtual 1) Marca Fabricante Tamanho Produto Outra necessidade do usuário pode ser obter os totais ou filtros de tamanho sem importar a marca ou o fabricante, então deve ser construída uma dimensão virtual que contenha apenas a coluna tamanho. Tamanho (Dimensão virtual 2) Tamanho A dimensão Tempo Mencionamos esta dimensão pois ela ocupa um lugar especial em cada data mart. É importante lembrar que o tempo é parte implícita da informação contida no data mart. Esta dimensão pode ser definida dividindo-a em diferentes hierarquias de tempo: Ano Página 12 de 22
13 Semestre Mês Exemplos de Dimensão Tempo A definição da hierarquia será realizada levando em consideração as necessidades apresentadas pela empresa. Devem ser considerados os períodos de tempo pelos quais a informação precisa ser analisada e a regularidade da carga de dados no cubo. Considerações para esta dimensão: Nomes dos membros: Ao construir a dimensão tempo é conveniente que os nomes dos membros sejam únicos. Dessa forma, se utilizarmos uma nomenclatura para a hierarquia MÊS que for Mês Ano, quando procurarmos um período é necessário identificá-lo como Julho Assim não será necessário utilizar dois níveis da dimensão, conseguindo uma melhor qualidade nos relatórios. Caso contrário, se o nome da hierarquia MÊS estiver formado apenas pelo nome do mês, para identificar o período Julho de 2006, é necessário selecionar primeiro o nível Ano e depois o nível Mês. Pode existir mais de uma: É importante destacar que não necessariamente esta dimensão é única dentro do cubo, podendo ser necessário montar mais de uma dimensão Tempo. Se for necessário analisar a informação da empresa baseada no ano calendário e realizar outra análise baseada no ano fiscal (em empresas onde um é diferente do outro), será necessário construir duas dimensões de tempo para o mesmo data mart Medidas As medidas são os valores dos dados analisados. Uma medida é uma coluna quantitativa, numérica na tabela de fatos. As medidas representam os valores que são analisados, como quantidade de pacientes admitidos ou ligações realizadas. As medidas são: Página 13 de 22
14 Valores que permitem analisar os fatos. Valores numéricos, pois estes valores são as bases das quais o usuário pode realizar cálculos. Se a medida for um valor não numérico é necessário codificá-la para um valor numérico no processo de obtenção de dados e decodificá-la quando for necessário visualizar seu valor original. As características a seguir são algumas das características das medidas: Devem ser numéricas. Cruzam todas as dimensões em todos os níveis. As medidas podem ser classificadas em: Naturais Calculadas Exemplos de Medidas Em um hospital, onde o fato é Admissão de Pacientes as medidas podem ser: Pacientes Admitidos Pacientes Atendidos Em uma operadora telefônica, onde o fato é Tráfego Telefônico, as medidas podem ser: Ligações Quantidade Ligações Duração Exemplos de Medidas não numéricas Suponhamos o fato Recursos Humanos, onde podemos ter a medida Sexo tomando os valores F ou M. Estes valores devem ser codificados em valores numéricos durante o processo de transformação de dados (ETL). Dessa forma, por exemplo, temos 0= F e 1= M. Quando o usuário visualizar esta medida, os dados devem retornar aos seus valores originais (decodifica-los) para mostrar F ou M. Página 14 de 22
15 3.4.1 Medidas Naturais São as colunas numéricas que desejamos analisar provenientes diretamente dos sistemas OLTP. Ao definir uma medida é importante considerar qual será a forma de agregação (agrupação da mesma) ao subir pela estrutura dimensional. Estas formas de agregação podem ser: Soma: é a operação que soma os valores das colunas Contagem: realiza uma contagem dos valores Mínima: retorna um valor mínimo Máxima: proporciona o maior dos valores Contagem de Diferentes: conta os valores diferentes As agregações são resumos de dados pré-calculados que melhoram o tempo de resposta pelo simples motivo de ter as respostas prontas antes de receber as perguntas Medidas Calculadas São as medidas calculadas no cubo baseadas nos valores das medidas naturais. O sentido da expressão medidas calculadas é muito amplo e engloba qualquer manipulação das medidas naturais que facilitem a análise dos fatos. Em uma medida calculada é possível realizar Cálculos Matemáticos Expressões condicionais Alertas Estes três tipos (cálculos, condições e alertas) geralmente podem existir juntos dentro da mesma medida calculada. Página 15 de 22
16 Cálculo Matemático Em um sistema de RH, podemos desejar medir a média de horas extras por mês. Definimos a medida calculada Média de Horas Extras que será o resultado da realização de Horas Extras dividido por Dias Trabalhados. Expressões condicionais Para a medida calculada anteriormente, Média de Horas Extras, é necessário verificar a condição de numerador diferente de zero para evitar que a divisão apresente erro. Se Dias Trabalhados é diferente de zero, então Média de Horas Extras será igual a Horas Extras dividido por Dias Trabalhados. Se Dias Trabalhados é igual a zero, então Média de Horas Extras será vazio. Alertas Em um hospital, podemos definir a medida calculada Sobrecarga de Pacientes que assumirá o valor 1 se os Pacientes Admitidos (medida natural) é maior que 100, caso contrário permanecerá vazia. Podemos construir uma medida Cumprimento de Vendas que seja um alerta do tipo semáforo e indique Vermelho: Se as unidades vendidas são menores do que as unidades orçadas dividido por 5, isto é, foi vendido menos de 20 % do previsto. Amarelo: Se o valor das unidades vendidas está entre unidades orçadas dividido por 3 e unidades orçadas dividido por 5 (o valor vendido esta entre 20 % e 80 % do previsto). Verde: Se não for cumprida nenhuma das condições anteriores, isto é, foi vendido mais de 80 % do previsto. Página 16 de 22
17 Estudo de Caso Ilustraremos os conceitos aprendidos nesta unidade com o nosso exemplo da Contoso. Construiremos o modelo do data mart de vendas em três etapas: Etapa 1 Construção das Dimensões Etapa 2 Montagem da Tabela de Fatos Etapa 3 Definição das Medidas Construção das Dimensões Como primeiro passo, definiremos as dimensões pois elas oferecem as aberturas do cubo. Baseado nas definições surgidas nas reuniões de trabalho com os representantes da DLA, verificamos a necessidade de analisar seus dados de acordo com o seguinte quadro: Fato a medir: Venda de Produtos Dimensões Medidas Tempo Filial Vendedor Cliente Produto Vendas_Valor X X X X X Vendas_Custo X X X X X Vendas_Unidades X X X X X Vendas_ValorTotal X X X X X Vendas_Lucro X X X X X Vendas_Média X X X X X Se o trabalho for executado corretamente, deve existir uma coincidência exata entre a definição das dimensões e os dados retirados das fontes transacionais. Caso não ocorra essa coincidência, em alguma das duas etapas ocorreu um erro ou os dados de origem não estão corretos ou as dimensões foram mal definidas. Vamos começar pela Dimensão Tempo pois, como foi visto nesta unidade, é a mais importante dentro de qualquer data mart. Nosso cliente precisa analisar os seus dados diariamente, então é necessário definir os níveis: Página 17 de 22
18 Ano Semestre Trimestre Mês Dia A tabela de dimensão estará formada: Dimensão Tempo * Ano ** Semestre *** Trimestre **** Mês ***** Dia Dimensão Filial, usaremos um esquema estrela e a sua estrutura hierárquica será: Dimensão Filial * Filial ** Tipo Filial *** País **** Estado ***** Cidade Dimensão Vendedor, da mesma forma que a filial, terá um esquema estrela e estará definida pelos níveis: Dimensão Vendedor * Filial ** Seção *** Vendedor Dimensão Cliente, tendo todos os atributos de um cliente. Página 18 de 22
19 Dimensão Cliente * País ** Estado *** Cidade **** Razão Social Dimensão Produto, sendo construída de acordo com um esquema floco de neve. Nestes casos é mantida a padronização dos sistemas OLTP. Cada tabela contém os dados iniciais e sua relação com o resto. A dimensão será padronizada pois usaremos mais tabelas para construí-la. Nosso cliente pode classificar seus produtos de acordo com a categoria, o departamento e a família de produto à qual pertence. Montagem da Tabela de Fatos Após definir as dimensões e seus níveis, realizaremos a montagem da tabela de Fatos. A tabela de fatos deve ter as colunas chave das tabelas de dimensões e as colunas de medidas. Primeiro devemos colocar as colunas chave da tabela em cada uma das tabelas de dimensões. Página 19 de 22
20 Fat_Vendas ID_Data ID_Produto ID_Cliente ID_Vendedor Definição das Medidas É importante lembrar que as medidas são os valores numéricos que o usuário deseja analisar. Vimos que o nosso cliente precisa medir: O custo incluído em cada unidade vendida O valor de venda de cada produto. O lucro obtido na venda de cada produto. Acrescentaremos as vendas na nossa tabela de fatos: Fat_Vendas ID_Data ID_Produto ID_Cliente ID_Vendedor Vendas_Valor Vendas_Custo Vendas_Unidades A medida lucro obtido na venda de cada produto não será acrescentada à tabela pois esta medida pode ser calculada a partir das medidas naturais vendas valor e vendas custo. Nosso modelo contará também com as medidas calculadas: Vendas_Lucro que terá a fórmula Vendas_Valor menos Vendas_Custo Vendas_Média que será o resultado da soma de Vendas_Unidades dividido por quantidade de dias, verificando a condição do numerador diferente de zero. Página 20 de 22
21 Realizadas estas três etapas, podemos ver o desenho completo do nosso data mart. Lições Aprendidas Um Data Mart adota um esquema estrela para maximizar o desempenho das consultas. As dimensões são categorias descritivas pelas quais as medidas podem ser separadas para análise. A dimensão Tempo esta implícita em todo o Data Mart. As medidas são os dados numéricos de interesse primário para o cliente. Com as medidas calculadas é possível construir alertas. Página 21 de 22
22 Perguntas de Reflexão Os requerimentos estão definidos claramente? Conhecemos os fatos que desejamos analisar, os indicadores e as aberturas pelas quais desejamos realizar a análise? Esta definição está de acordo com as tabelas auxiliares criadas e carregadas com dados dos sistemas OLTP? Sabemos se os usuários utilizarão as dimensões para navegar ou para filtrar? As dimensões desenhadas atendem as necessidades dos usuários de forma intuitiva e com facilidade de manipulação? Já temos todas as medidas naturais com as aberturas requeridas? Está definida a forma de agregação, ao sair da granularidade mínima, para todas as medidas naturais? Estão definidas as fórmulas ou critérios de todas as medidas calculadas? Estão documentadas corretamente todas as definições? Página 22 de 22
Aula 02. Evandro Deliberal
Aula 02 Evandro Deliberal evandro@deljoe.com.br https://www.linkedin.com/in/evandrodeliberal Data Warehouse; Ambiente de Data Warehouse; Processos e ferramentas envolvidas; Arquiteturas de DW; Granularidade;
Leia maisData Warehouse. Debora Marrach Renata Miwa Tsuruda
Debora Marrach Renata Miwa Tsuruda Agenda Passos para a Criação de um Modelo Dimensional Modelagem do Estudo de Caso de Vendas a Varejo Agenda Passos para a Criação de um Modelo Dimensional Modelagem do
Leia maisMotivação. Análise de Dados. BD x DW OLTP. Data Warehouse. Revisão Quais as diferenças entre as tecnologias de BD e DW? OLAP Modelos Multidimensionais
Data Warehouse Análise de Dados Motivação Revisão Quais as diferenças entre as tecnologias de BD e? Modelos Multidimensionais BD x OLTP dados volume dados granularidade dados atualização dados uso Característica
Leia maisInteligência de Negócios Profa.Denise
Inteligência de Negócios Profa.Denise Bancos de Dados Multidimensionais A finalidade de bases de dados multidimensionais (alguns autores chamam de dimensionais) é fornecer subsídio para realização de análises.
Leia mais30/10/2012. Prof. Luiz A. Nascimento
Prof. Luiz A. Nascimento OLAP pode ser definido como o processo interativo de criar, gerenciar, analisar e gerar relatórios sobre dados. Software que tem uma tecnologia que permite aos analistas de negócios,
Leia maisConceitos Básicos. Processamento Analítico de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri Prof. Dr. Ricardo Rodrigues Ciferri
Conceitos Básicos Processamento Analítico de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri Prof. Dr. Ricardo Rodrigues Ciferri Data Warehousing Engloba arquiteturas, algoritmos e ferramentas que possibilitam
Leia maisSumário. 1 Introdução 2 BD Orientado a Objetos 3 BD Objeto-Relacional 4 Noções Básicas de Data Warehouse 5 XML e BD XML. Motivação
Sumário 1 Introdução 2 BD Orientado a Objetos 3 BD Objeto-Relacional Noções Básicas de Data Warehouse 5 XML e BD XML Motivação Sistemas de Apoio à Decisão Objetivo análise de dados históricos da organização
Leia maisModelagem Multidimensional
Profa. Dra. Cristina Dutra de Aguiar Ciferri Prof. Dr. Ricardo Rodrigues Ciferri Análises dos usuários de SSD representam requisições multidimensionais aos dados do DW permitem a identificação de problemas
Leia maisTabelas Dinâmicas. 1º Passo Abrir o arquivo com a tabela que você deseja transformar em tabela dinâmica.
Tabelas Dinâmicas Ao utilizar o Excel para manipulação de Banco de Dados, é possível gerencia-las com o uso de tabelas dinâmicas para facilitar a comparação, elaboração de relatórios e acesso aos dados
Leia maisMAPEAMENTO OBJETO RELACIONAL
UNIDADEE Projeto de Banco de Dados Orientado a Objetos Unidade E 1. Introdução Ao concluir o estudo sobre BDOOs, você precisa ser capaz de implementar bancos de dados relacionais para aplicações que utilizam
Leia maisIntrodução à teoria de Data Warehouse. Prof. Rodrigo Leite Durães
Introdução à teoria de Data Warehouse Prof. Rodrigo Leite Durães rodrigo_l_d@yahoo.com.br Organizações: necessidade de INFORMAÇÃO para tomada de decisões Exemplos: FACULDADE - abertura de mais vagas para
Leia maisSistemas de Apoio a Decisão
Sistemas de Apoio a Decisão (Inteligência nos Negócios - Business Inteligente) Sistemas de Informação/Ciências da Computação Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 2) Apresentação A tecnologia
Leia maisInformática. Business Intelligence (BI), Data Warehouse, OLAP e Data Mining. Prof. Márcio Hunecke
Informática Business Intelligence (BI), Data Warehouse, OLAP e Data Mining Prof. Márcio Hunecke Conceitos de BI Conjunto de ferramentas e técnicas que objetivam dar suporte à tomada de decisão Refere-se
Leia maisOLAP. Rodrigo Leite Durães.
OLAP Rodrigo Leite Durães. rodrigo_l_d@yahoo.com.br OLAP Definição OLAP (Online analytical processing) é uma categoria de tecnologia de software que possibilita a visualização dos dados armazenados, segundo
Leia maisSistemas de Apoio a Decisão
Sistemas de Apoio a Decisão (Inteligência nos Negócios - Business Inteligente) Sistemas de Informação/Ciências da Computação Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 2) Apresentação A tecnologia
Leia maisAmbiente de Data Warehouse Para Imagens Médicas Baseado Em Similaridade
Universidade de São Paulo - USP Instituto de Ciências Matemáticas e de Computação - ICMC Programa de Pós-Graduação em Ciências da Computação e Matemática Computacional Ambiente de Data Warehouse Para Imagens
Leia maisBanco de Dados e Aplicações em Negócios: Introdução.
Banco de Dados e Aplicações em Negócios: Introdução evandro@usp.br Motivação Extenso uso de Banco de Dados (BD) no cotidiano Bancos, serviços, comércio em geral (comércio eletrônico) Web e seus serviços
Leia maisMapa Mental de Data Warehouse Definições e Características
Mapa Mental de Data Warehouse Definições e Características Um data warehouse (ou armazém de dados, ou depósito de dados no Brasil) é um sistema de computação utilizado para armazenar informações relativas
Leia maisProcesso de Criação de um Esquema Estrela
Processo de Criação de um Esquema Estrela Profa. Dra. Cristina Dutra de Aguiar Ciferri Prof. Dr. Ricardo Rodrigues Ciferri Etapas 1. Selecione o processo do negócio 2. Identifique o grão do processo do
Leia maisBancos de Dados IV. OLAP e Cubos de Dados. Rogério Costa
Bancos de Dados IV OLAP e Cubos de Dados Rogério Costa rogcosta@inf.puc-rio.br 1 OLAP Online Analytical Processing (OLAP) Análise interativa de dados, permitindo que dados sejam sumarizados e vistos de
Leia maisRoteiro da apresentação
Alexandre Schlöttgen Data Warehouse Curso de Pós Graduação em Ciência da Computação Tópicos Avançados em Modelos de Banco de Dados Profs: Clésio Santos e Nina Edelweiss Junho de 2003 Roteiro da apresentação
Leia maisIntrodução. Conceitos Básicos. Conceitos Básicos. Conceitos Básicos
Introdução Laboratório de Computação para Ciências Módulo II Prof. Guilherme Tavares de Assis Universidade Federal de Ouro Preto UFOP Instituto de Ciências Exatas e Biológicas ICEB Mestrado Profissional
Leia maisAdicionar, alterar, localizar ou limpar formatos condicionais
Página 1 de 24 Excel > Formatação condicional Adicionar, alterar, localizar ou limpar formatos condicionais Mostrar tudo Use um formato condicional para ajudar a explorar visualmente e a analisar os dados,
Leia maisRelatórios do Remark Quick Stats Avaliação de Teste
Relatórios do Remark Quick Stats Avaliação de Teste Relatórios do Remark Quick Stats - Avaliação de Teste O Remark Quick Stats é parte integrante dos produtos Remark e pode ser usado para a avaliação de
Leia maisIntrodução a Ciência da Computação Estrutura e Organização das Informações PROFESSORA CINTIA CAETANO
Introdução a Ciência da Computação Estrutura e Organização das Informações PROFESSORA CINTIA CAETANO Introdução A qualidade do armazenamento dos dados, permitem uma melhor extração de informações, e consequentemente,
Leia maisRevisando Banco de Dados. Modelo Relacional
: Revisando Banco de Dados Banco de Dados (BD) é o arquivo físico, em dispositivos periféricos, onde estão armazenados os dados de diversos sistemas, para consulta e atualização pelo usuário. Sistema Gerenciador
Leia maisBanco de Dados. Banco de Dados
Banco de Dados Banco de Dados Data Warehouse: banco de dados contendo dados extraídos do ambiente de produção da empresa, que foram selecionados e depurados, tendo sido otimizados para processamento de
Leia maisEstatísticas e Relatórios. Treinamento OTRS Help Desk
Estatísticas e Relatórios Treinamento OTRS Help Desk Sumário Estatística... 3 Visão Geral... 3 Gerando Relatórios... 4 Criação de Relatórios... 5 Lista de Chamado... 7 Acumulação de Chamados...10 Tempo
Leia maisSKATER. Esse arquivo deve conter as informações de cada área dispostas em uma linha, seguindo a estrutura abaixo:
SKATER 1) Arquivos de entrada: ======= = ====== Para fazer a análise espacial, o SKATER necessita de dois arquivos de entrada O primeiro deles, chamado de ARQUIVO DE COORDENADAS, deve conter os rótulos
Leia maisSISTEMAS DE APOIO À INTELIGÊNCIA DE NEGÓCIOS
SISTEMAS DE APOIO À INTELIGÊNCIA DE NEGÓCIOS http://www.uniriotec.br/~tanaka/sain tanaka@uniriotec.br Introdução a OLAP Material baseado em originais de Maria Luiza Campos NCE/UFRJ Atualizado com publicações
Leia maisModelos. Banco de dados. Professor: Jarbas Araújo CENTRO EDUCACIONAL RADIER.
Modelos Banco de dados Professor: Jarbas Araújo professorjarbasaraujo@gmail.com CENTRO EDUCACIONAL RADIER Projeto de banco de dados Todo bom sistema de banco de dados deve apresentar um projeto, que visa
Leia maisIntrodução. Conceitos Básicos. Conceitos Básicos. Conceitos Básicos
Conceitos Básicos Introdução Tópicos Especiais Modelagem de Dados Prof. Guilherme Tavares de Assis Universidade Federal de Ouro Preto UFOP Instituto de Ciências Exatas e Biológicas ICEB Mestrado Profissional
Leia maisModelagem Multidimensional
Modelagem Multidimensional Processamento Analítico de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri Prof. Dr. Ricardo Rodrigues Ciferri Modelagem Multidimensional Análises dos usuários de SSD representam
Leia maisUniversidade Federal da Paraíba CCEN Departamento de Informática Disciplina: Banco de Dados. Aula 1 Introdução a Banco de Dados
Universidade Federal da Paraíba CCEN Departamento de Informática Disciplina: Banco de Dados Aula 1 Introdução a Banco de Dados 1. Introdução Um Sistema Gerenciador de Banco de Dados (SGBD) é constituído
Leia maisModelagem Multidimensional - Nível Físico -
Modelagem Multidimensional - Nível Físico - Processamento Analítico de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri Arquitetura de 3 Camadas esquema operações conceitual metáfora do cubo de dados
Leia mais!" # Modelos de dados. 1ª geração. 2ª geração. 3ª geração. Modelo Hierárquico Modelo Rede. Modelo Relacional
Nuno Melo e Castro !" # Modelos de dados 1ª geração Modelo Hierárquico Modelo Rede 2ª geração Modelo Relacional 3ª geração Extensões ao modelo relacional Modelo lógico-dedutivo Modelo orientado a objectos
Leia maisBANCO DE DADOS - MODELAGEM DE DADOS
Colégio Estadual João Manoel Mondrone Ensino Fundamental, Médio, Profissional e Normal Técnico em Informática BANCO DE DADOS - MODELAGEM DE DADOS Profª Ana Paula Mandelli O QUE É MODELAGEM DE DADOS? Significa
Leia maisLÓGICA DE PROGRAMAÇÃO. Algoritmos Computacionais. Sérgio Carlos Portari Júnior
LÓGICA DE PROGRAMAÇÃO Algoritmos Computacionais Sérgio Carlos Portari Júnior portari.uemgfrutal@gmail.com Tópicos abordados Algoritmos Computacionais Estrutura de Dados Tipos Primitivos Constantes Variáveis
Leia maisModelagem Multidimensional - Nível Físico -
Modelagem Multidimensional - Nível Físico - Processamento Analítico de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri Prof. Dr. Ricardo Rodrigues Ciferri Arquitetura de 3 Camadas esquema operações
Leia mais5. Expressões aritméticas
5. Expressões aritméticas 5.1. Conceito de Expressão O conceito de expressão em termos computacionais está intimamente ligado ao conceito de expressão (ou fórmula) matemática, onde um conjunto de variáveis
Leia maisBem-vindo ao tópico sobre valores definidos pelo usuário.
Bem-vindo ao tópico sobre valores definidos pelo usuário. 1 Após a conclusão deste tópico, você estará apto a adicionar valores definidos pelo usuário a campos de formulário para automatizar a entrada
Leia maisSQL. Processamento Analítico de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri Prof. Dr. Ricardo Rodrigues Ciferri
SQL Processamento Analítico de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri Prof. Dr. Ricardo Rodrigues Ciferri Arquitetura de 3 Camadas esquema operações conceitual metáfora do cubo de dados Cube
Leia mais1ª Forma Normal. Uma relação está na 1ª Forma normal se todos os seus atributos são valores escalares.
Cláu Antunes 2006 Base de Dados Operacional uma colecção de dados, que descreve as actividades de uma ou mais organizações, relacionadas entre si suportar a realização das operações diárias das organizações
Leia maisInteligência nos Negócios (Business Inteligente)
Inteligência nos Negócios (Business Inteligente) Sistemas de Informação Sistemas de Apoio a Decisão Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 4: OLAP) Fundamentação da disciplina Analise de dados
Leia maisConceito de Campos e Tabelas
Aula 04 Conceito de Campos e Tabelas Tabelas É um conjunto de registros de um mesmo tipo onde cada linha é composta por um campo que recebe um valor de atributo. Em um Banco de Dados poderá existir uma
Leia maisNormalização de dados
1 Normalização de dados Vantagens da normalização A normalização permite: Agrupar os atributos de uma entidade de forma a reduzir o número de dependências funcionais existentes entre os dados numa base
Leia maisSistema de Marcação de Consulta
Sistema de Marcação de Consulta Sumário 1. CADASTRO 2 a. CADASTRO DE HOSPITAL i. HOSPITAL ii. IMAGEM iii. JUNTA MÉDICA b. CADASTRO DE PLANO DE SAÚDE c. CADASTRO DE ESPECIALIDADE d. CADASTRO DE MÉDICO i.
Leia maisAulão - Estatística Ministério da Fazenda Professor: Ronilton Loyola 1. Conceito de Estatística É uma técnica científica, uma metodologia adotada para se trabalhar com dados, com elementos de pesquisa.
Leia maisTIPOS DE AMOSTRAGEM Amostragem Probabilística e Não-Probabilística. Amostragem PROBABILÍSTICA: Amostragem Aleatória Simples: VANTAGENS:
TIPOS DE AMOSTRAGEM Amostragem Probabilística e Não-Probabilística. Amostragem PROBABILÍSTICA: Técnicas de amostragem em que a seleção é aleatória de tal forma que cada elemento tem igual probabilidade
Leia maisMODULARIZAÇÃO - PARTE 1
AULA 27 MODULARIZAÇÃO - PARTE 1 Os algoritmos que temos construído até então são muito simples, pois resolvem problemas simples e apresentam apenas os componentes mais elementares dos algoritmos: constantes,
Leia maisInteligência nos Negócios (Business Inteligente)
Inteligência nos Negócios (Business Inteligente) Sistemas de Informação Sistemas de Apoio a Decisão Aran Bey Tcholakian Morales, Dr. Eng. (Apostila 4: OLAP) Fundamentação da disciplina Analise de dados
Leia maisComputação Gráfica. Engenharia de Computação. CEFET/RJ campus Petrópolis. Prof. Luis Retondaro. Aula 7. Iluminação
Computação Gráfica Engenharia de Computação CEFET/RJ campus Petrópolis Prof. Luis Retondaro Aula 7 Iluminação Histórico Modelagem por arames (wireframes). Representa os objetos por arestas e pontos sobre
Leia maisBancos de Dados IV. Data Warehouse Conceitos. Rogério Costa
Bancos de Dados IV Data Warehouse Conceitos Rogério Costa rogcosta@inf.puc-rio.br 1 Data Warehouse - O que é? Conjunto de dados orientados por assunto, integrado, variável com o tempo e nãovolátil Orientado
Leia maisMAPEAMENTO OBJETO RELACIONAL. Professora Lucélia Oliveira
MAPEAMENTO OBJETO RELACIONAL Professora Lucélia Oliveira OS PROBLEMAS A Tecnologia orientada a objetos se consolidou como forma usual para desenvolver sistemas de software. A tecnologia de banco de dados
Leia maisFerramenta para geração de relatórios e gráficos, vinculados ao Cybersul Solution3. Relatórios personalizados. Gráficos personalizados
Ferramenta para geração de relatórios e gráficos, vinculados ao Cybersul Solution3 Relatórios personalizados Gráficos personalizados Conceito de tabelas O CyberPreview utiliza um sistema de montagem de
Leia maisORGANIZANDO DADOS E INFORMAÇÕES: Bancos de Dados
ORGANIZANDO DADOS E INFORMAÇÕES: Bancos de Dados Gestão da Informação (07182) Instituto de Ciências Econ., Adm. e Contábeis (ICEAC) Universidade Federal do Rio Grande (FURG) Gestão de Dados As organizações
Leia maisImportador de Notas Fiscais Eletrônicas
Importador de Notas Fiscais Eletrônicas Introdução O Processo ele funciona de acordo com uma nota técnica da SEFAZ (Nota Técnica 2014/002) que tem por finalidade importar no sistema automaticamente todas
Leia maisPC Polícia Civil do Estado de São Paulo PAPILOSCOPISTA
PC Polícia Civil do Estado de São Paulo PAPILOSCOPISTA Concurso Público 2016 Conteúdo Teoria dos conjuntos. Razão e proporção. Grandezas proporcionais. Porcentagem. Regras de três simples. Conjuntos numéricos
Leia maisCurso: Banco de Dados I. Conceitos Iniciais
Curso: Conceitos Iniciais Discussão inicial O que são Bancos de Dados? Quais os programas de Bancos de Dados mais conhecidos no mercado? Quais as vantagens do uso de Bancos de Dados nas empresas? Como
Leia maisSQL. Processamento Analítico de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri Prof. Dr. Ricardo Rodrigues Ciferri
SQL Processamento Analítico de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri Prof. Dr. Ricardo Rodrigues Ciferri Arquitetura de 3 Camadas esquema operações conceitual metáfora do cubo de dados Cube
Leia maisPadrões para Elaboração de Documentos da Base de Conhecimento Sistema de Gestão da Qualidade
Página 1 de 7 Sumário 1. DEFINIÇÃO... 2 1.1. PROBLEMA/DÚVIDA... 2 1.2. SOLUÇÃO... 2 2.1. INFORMAÇÕES QUE REFORÇAM A ESTRUTURA DA SOLUÇÃO... 4 2.2. TIPOS DE ARTIGOS... 5 Página 2 de 7 1. DEFINIÇÃO 1.1.
Leia maisFinanças do Infor LN Guia do usuário para controladoria
Finanças do Infor LN Guia do usuário para controladoria Copyright 2017 Infor Todos os direitos reservados. As marcas e logomarcas definidas aqui são marcas comerciais e/ou marcas comerciais registradas
Leia maisA formatação condicional, usando cores no Excel é, sem dúvidas, um recurso que facilita muito a interpretação de planilhas.
Este conteúdo faz parte da série: Excel Dicas Avançadas Ver 11 posts dessa série A formatação condicional, usando cores no Excel é, sem dúvidas, um recurso que facilita muito a interpretação de planilhas.
Leia maisAula 4 Introdução ao C
Considere o nosso MSC. O Processador Central, entende o conjunto de instruções, leia, imprima, atribuição e condicional e com ela resolvemos vários problemas, construindo vários algoritmos. As instruções
Leia maisBanco de Dados Modelagem e Normalização
Técnico em Informática Banco de Dados Modelagem e Normalização Profª Ana Paula Mandelli BANCO DE DADOS RELACIONAL De forma mais detalhada, um Banco de Dados Relacional é um conceito abstrato que define
Leia maisMódulo Agenda 1 Permissões para a visualização de Agendas.
Módulo Agenda Neste tutorial, irei mostrar todos os passos possíveis diante do Módulo Agenda. E para isso, dividimos em 3 tópicos este assunto para que tenha melhor entendimento. Então, iremos começar
Leia maisSISTEMA GUARDIÃO. Manual de Usuário
SISTEMA GUARDIÃO Manual de Usuário Resumo Neste documento é apresentada uma breve descrição das funcionalidades e da utilização do sistema integrado de detecção de anomalias em redes GUARDIÃO. Versão 1.0
Leia maisConceitos, Arquitetura e Design
capítulo 1 Conceitos, Arquitetura e Design 1.1 O que são os serviços de diretórios? Segundo a Wikipédia: Um serviço de diretório é um software que armazena e organiza informações sobre os recursos e os
Leia maisTópicos Especiais em Informática Fatec Indaiatuba
Inteligência de Negócios Fatec Indaiatuba Prof. Piva Compreender as definições e conceitos básicos do Data Warehouse (DW) Entender as arquiteturas do DW Descrever os processos utilizados no desenvolvimento
Leia maisOBJETIVOS Selecionar dados aplicando AutoFiltro. Classificar dados por uma ou mais chaves. Aplicar o Filtro Avançado.
OBJETIVOS Selecionar dados aplicando AutoFiltro. Classificar dados por uma ou mais chaves. Aplicar o Filtro Avançado. Senac São Paulo 107 108 Senac São Paulo Filtrando e classificando no Excel Neste capítulo
Leia maisControle de Produtividade
Controle de Produtividade 1.- Introdução A idéia de se produzir um programa que pudesse ser uma ferramenta para medição de produtividade surgiu em uma reunião do Subgrupo Revestimentos da Comunidade da
Leia maisAula 01 Conceito de Banco de Dados e SGBD
Aula 01 Conceito de Banco de Dados e SGBD Dado: conjunto de símbolos arranjados a fim de representar a informação fora da mente humana. Elemento de Dado: subconjunto de símbolos que compõem um dado com
Leia mais1. INTRODUÇÃO A MODELAGEM DE DADOS
1. INTRODUÇÃO A MODELAGEM DE DADOS Para se construir uma casa ou um prédio de qualidade, é essencial fazer um planejamento detalhado, com a finalidade de pensar sobre as formas de construção, fazer estimativas
Leia maisInformática II Cap. 5-1 Modelo Relacional, Normalização e Diagramas E-R
Cap. 5-1 Modelo Relacional, Normalização e Diagramas E-R 1 Programa Chaves Relacionamentos Modelo de Dados relacional Integridade Normalização: 1.ª, 2.ª e 3.ª Forma Normal Diagramas E-R 2 1 Conceito de
Leia maisBase de Dados. Sistemas de Informação. Base de Dados - Índice Introdução Componentes Base de Dados. Introdução. Introdução. Introdução.
- Índice Componentes Sistemas de Informação Vitor Vaz da Silva Vitor Vaz da Silva - SI http://tektonia.com 2 Vitor Vaz da Silva - SI http://tektonia.com 3 Vitor Vaz da Silva - SI http://tektonia.com 4
Leia maisAVALIAÇÃO DE DESEMPENHO DE DIVISÕES B R I C K L E Y, S M I T H E Z I M M E R M A N
AVALIAÇÃO DE DESEMPENHO DE DIVISÕES B R I C K L E Y, S M I T H E Z I M M E R M A N Avaliação de desempenho de divisões ORGANIZAÇÕES podem ser divididas em sub unidades, que possuem alguns direitos de decisão
Leia maisCOMO PARTICIPAR DO CURSO
COMO PARTICIPAR DO CURSO Ao selecionar o seu curso, aparecerá a página principal contendo as informações e as atividades disponíveis. Na parte superior da tela há uma barra de navegação que indica sua
Leia maisO usuário pode restringir dados a um determinado tipo, como números inteiros, números decimais ou texto, e definir limites para as entradas válidas.
, %&!', A Validação de Dados permite que você determine condições para restringir os dados a serem digitados numa ou mais células. Dessa forma, tornando sempre válidas as informações numa planilha. O usuário
Leia maisRelatórios. Uso, comportamento e interpretação de relatórios no sistema. CTe - Notas emitidas por parceiro - sistema básico
Relatórios Uso, comportamento e interpretação de relatórios no sistema. CTe - Notas emitidas por parceiro - sistema básico Relatório de Faturas em Aberto Ticket Médio de Vendas DRE - Demonstração do resultado
Leia maisMétodos de Ordenação Parte I
Estrutura de Dados II Métodos de Ordenação Parte I Prof a Márcio Bueno ed2tarde@marciobueno.com / ed2noite@marciobueno.com Material baseado nos materiais da Prof a Ana Eliza e Prof. Robson Lins Rearranjar
Leia maisGESTÃO DE DADOS NAS ORGANIZAÇÕES. Prof. Robson Almeida
GESTÃO DE DADOS NAS ORGANIZAÇÕES Prof. Robson Almeida INFRA-ESTRUTURA DE SISTEMAS DE INFORMAÇÃO 3 CONCEITOS Bit: Menor unidade de dados; dígito binário (0,1) Byte: Grupo de bits que representa um único
Leia maisCenso da Educação Superior - Módulo Migração
Censo da Educação Superior - Módulo Migração Introdução O módulo Migração permite que as IES enviem os dados de preenchimento do Censo de forma mais prática para os módulos Aluno, Docente, Curso e Justificar
Leia maisVisão geral dos relatórios de tabela dinâmica e de gráfico dinâmico
Página 1 de 8 Excel > Analisando dados > Relatórios da Tabela Dinâmica > Fundamentos da Tabela Dinâmica Visão geral dos relatórios de tabela dinâmica e de gráfico dinâmico Mostrar tudo Um relatório de
Leia maisBanco de Dados 30/04/2012 1
Banco de Dados Representa o arquivo físico de dados, armazenado em dispositivos periféricos, para consulta e atualização pelo usuário. Possui uma série de informações relacionadas a um determinado assunto.
Leia maisBIOESTATISTICA. Unidade IV - Probabilidades
BIOESTATISTICA Unidade IV - Probabilidades 0 PROBABILIDADE E DISTRIBUIÇÃO DE FREQUÊNCIAS COMO ESTIMATIVA DA PROBABILIDADE Noções de Probabilidade Após realizar a descrição dos eventos utilizando gráficos,
Leia maisAPRESENTAÇÃO DE DADOS EM TABELAS E GRÁFICOS 1
APRESENTAÇÃO DE DADOS EM TABELAS E GRÁFICOS 1 A. Tabelas Para que seja possível conhecer onde ocorre a maior incidência ou prevalência de determinadas doenças e o momento em que elas ocorrem, podem-se
Leia maisExemplo de Rel. Condicional
Material baseado nas notas de aula: Maria Luiza M. Campos IME/2005 Carlos Heuser - livro Projeto de Banco de Dados Casaova / PUC/RJ Prof. MSc. Edilberto Silva edilms@yahoo.com Sistemas de Informação Brasília/DF
Leia maisModelagem Multidimensional - Nível Lógico -
Modelagem Multidimensional - Nível Lógico - Processamento Analítico de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri Prof. Dr. Ricardo Rodrigues Ciferri Arquitetura de 3 Camadas esquema operações
Leia maisBoletim Técnico. Plano de Desenvolvimento Individual (PDI) Desenvolvimento/Procedimento. Produto : Totvs Gestão de Pessoas Versão 12.1.
Plano de Desenvolvimento Individual (PDI) Produto : Totvs Gestão de Pessoas Processo : Plano de Desenvolvimento Individual Subprocesso : Plano de Desenvolvimento Individual Data publicação da : 15/10/2014
Leia maisNotas. MT Última Atualização 01/03/2018
Notas MT-43-2-00031-3 Última Atualização 01/03/2018 I. Objetivos Após este módulo de capacitação você será capaz de: 1. Consultar o relatório de notas e seus comentários; 2. Identificar o status da(s)
Leia maisSistema de Informação e Coordenação - SIC
Sistema de Informação e Coordenação - SIC Tópicos 1- Sistema de Informação e Coordenação - SIC 2- Modelo 3- Tecnologias Usadas 4- Projeto Estrutura 5- Fluxo de Atividades 1- Sistema de Informação e Coordenação
Leia maisParte SISTEMAS DE GERÊNCIA DE BANCO DE DADOS 2.1 CARACTERÍSTICAS DE UM BANCO DE DADOS
Parte 2 ara entender os Sistemas Gerenciadores de Banco de Dados é importante conhecer Palguns conceitos básicos. A primeira definição é relativa aos conceitos de dados e informação. Dados são fatos em
Leia mais4.1 Preliminares. No exemplo acima: Dom(R 1 ) = e Im(R 1 ) = Dom(R 2 ) = e Im(R 2 ) = Dom(R 3 ) = e Im(R 3 ) = Diagrama de Venn
4 Relações 4.1 Preliminares Definição 4.1. Sejam A e B conjuntos. Uma relação binária, R, de A em B é um subconjunto de A B. (R A B) Dizemos que a A está relacionado com b B sss (a, b) R. Notação: arb.
Leia maisSEFAZ INFORMÁTICA Olap Prof. Márcio Hunecke
SEFAZ INFORMÁTICA Olap Prof. Márcio Hunecke www.acasadoconcurseiro.com.br Informática OLAP Partindo dos primórdios da informatização, quando um sistema que gerava relatórios era a principal fonte de dados
Leia maisJoana Simon Orientador: Prof. Oscar Dalfovo, Doutor
Joana Simon Orientador: Prof. Oscar Dalfovo, Doutor Introdução Objetivos Fundamentação teórica Especificações da ferramenta Desenvolvimento da ferramenta Operacionalidade da ferramenta Resultados e discussões
Leia mais