FACULDADE DE TECNOLOGIA DE SÃO JOSÉ DOS CAMPOS FERNANDO WILLIAM DE ANDRADE GABRIEL FERREIRA CABRAL

Tamanho: px
Começar a partir da página:

Download "FACULDADE DE TECNOLOGIA DE SÃO JOSÉ DOS CAMPOS FERNANDO WILLIAM DE ANDRADE GABRIEL FERREIRA CABRAL"

Transcrição

1 FACULDADE DE TECNOLOGIA DE SÃO JOSÉ DOS CAMPOS FERNANDO WILLIAM DE ANDRADE GABRIEL FERREIRA CABRAL DATA WAREHOUSE: EXTRAINDO CONHECIMENTO PARA TOMADA DE DECISÕES ESTRATÉGICAS EM PEQUENOS NEGÓCIOS SÃO JOSÉ DOS CAMPOS 2009

2 2 FERNANDO WILLIAM DE ANDRADE GABRIEL FERREIRA CABRAL DATA WAREHOUSE: EXTRAINDO CONHECIMENTO PARA TOMADA DE DECISÕES ESTRATÉGICAS EM PEQUENOS NEGÓCIOS Trabalho de conclusão de curso apresentado à Faculdade de Tecnologia de São José dos Campos, como parte dos requisitos necessários para obtenção do titulo de tecnólogo em informática com ênfase em banco de dados. Orientador: Prof. Carlos Garcia SÃO JOSÉ DOS CAMPOS 2009

3 3 FERNANDO WILLIAM DE ANDRADE GABRIEL FERREIRA CABRAL DATA WAREHOUSE: EXTRAINDO CONHECIMENTO PARA TOMADA DE DECISÕES ESTRATÉGICAS EM PEQUENOS NEGÓCIOS Trabalho de conclusão de curso apresentado à Faculdade de Tecnologia de São José dos Campos, como parte dos requisitos necessários para obtenção do titulo de tecnólogo em informática com ênfase em banco de dados. Orientador: Prof. Carlos Garcia MSc. FERNANDO MASANORI ASHIKAGA Dra. DANIELA LEAL MUSA MSc. CARLOS AUGUSTO LOMBARDI GARCIA / / DATA DE APROVAÇÃO

4 4 RESUMO No mercado econômico atual, onde as empresas precisam se destacar entre seus concorrentes, algum método diferencial deve ser implantado. Hoje em dia, a informação é a ferramenta mais poderosa e importante que uma organização pode ter. Portanto, deve-se saber explorá-la da forma mais inteligente possível para obter conhecimento sobre a própria empresa e tomar decisões estratégicas, visando a melhoria da organização e, consequentemente, ganhando destaque no mercado. Um sistema de Business Intelligence tem a função de fazer essa análise de dados e retornar resultados, utilizando ferramentas como o Data Warehouse. Muitas empresas de grande porte utilizam o Business Intelligence, mas poucas são as empresas de pequeno porte que fazem uso dessa tecnologia. Esse trabalho explica as ferramentas utilizadas em um ambiente de Business Inteligence, apresenta as formas de modelagem de um Data Warehouse a ser utilizado em micro e pequenas empresas e analisa a estrutura dos sistemas de algumas pequenas empresas, comparando com uma grande empresa que utiliza o Business Intelligence; a fim de mostrar a viabilidade da implantação desse sistema. Palavras-Chave: Inteligência de negócios. Data Warehouse. Modelagem multidimensional. Pequenas empresas.

5 5 ABSTRACT In the actual economic market, where companies need to standout from their competitors, different methods of drawing attention should be implanted. Nowadays, information is the most powerful and important key that an organization may have. Therefore, information should be used in the best possible way to obtain knowledge about the company itself, hence helping the company make strategic decisions to improve the organization, obtaining a noticeable position in the market. A Business Intelligence System can analyze this data and present the necessary results by using tools such as the Data Warehouse. Many big companies use the Business Intelligence System, but few are the small companies that take advantage of this technology. This project explains the tools used in the Business Intelligence environment, presents the modeling forms of a Data Warehouse system used in small companies, and analyzes the structure of a few small companies, comparing them to a big company which uses Business Intelligence, in order to show the viability of implementation of this system. Keywords: Business Intelligence. Data Warehouse. Multidimensional modeling. Small companies.

6 6 LISTA DE ILUSTRAÇÕES Figura 2.1 Ferramentas de um ambiente Business Intelligence...13 Figura 2.2 Funcionamento da ferramenta ETL...16 Figura 3.1 Infra-estrutura de uma pequena empresa utilizando DW Figura 3.2 Exemplo de entidades de uma pequena empresa Figura 3.3 Diagrama do Modelo Estrela Fato e Dimensões Figura 3.4 Modelo Estrela Fato Cliente e suas dimensões Figura 3.5 Particionamento do Data Warehouse em vários Data Mart s Figura 3.6 Arquitetura Top-Down Figura 3.7 Arquitetura Bottom-Up Figura 3.8 Cubo Multidimensional Figura 4.1 Diagrama da conexão entre os computadores nos Mercados Eleven e Yamashita Figura 4.2 Diagrama da conexão entre os computadores no Supermercado Patri Figura 4.3 Modelo estrela para a entidade Produto Figura 4.4 Talend Open Studio Figura 4.5 Mondrian e JPivot Figura 4.6 Médias de entrada e saída de produtos registrados nos sistemas OLTP s dos mercados Eleven e Yamashita Figura 4.7 Diferença entre as médias de entrada e saída de produtos registrados nos sistemas OLTP s dos mercados Eleven e Yamashita Figura 4.8 Vendas da seção de açougue do Supermercado Patri em Setembro/

7 7 LISTA DE ABREVIATURAS E SIGLAS BI Business Intelligence. DM Data Mining DW Data Warehouse. ETL Extraction, Transformation and Load MPEs Micro e Pequenas Empresas ODS Operational Data Store OLAP Online Analytical Processing OLTP On-Line Transaction Processing. SEBRAE Serviço Brasileiro de Apoio às Micro e Pequenas Empresas. SGBD Sistema de Gerenciamento de Banco de Dados

8 8 SUMÁRIO 1 INTRODUÇÃO Motivação Objetivos Metodologia Organização do trabalho DATA WAREHOUSE APLICADO ÀS PEQUENAS EMPRESAS Business Intelligence OLTP (On-Line Transaction Processing) ETL (Extraction, Transformation and Load) Metadados Data Warehouse Características do DW Passos para implantar um Data Warehouse Modelagem Multidimensional Data Mart OLAP (On-Line Analytical Processing) Considerações Finais MODELO DE DW PARA MICRO E PEQUENAS EMPRESAS Pequenas empresas e suas necessidades Infra-estrutura Levantamento das entidades globais Definindo Modelo Multidimensional Definindo granularidade Definindo critérios de particionamento Ciclicidade dos dados e dados instantâneos Escolha de uma arquitetura Popular o Data Warehouse Consulta Considerações Finais ANÁLISE DA ESTRUTURA DE PEQUENAS EMPRESAS Infra-estrutura Configuração dos computadores... 39

9 Comunicação entre os computadores Dia-a-dia na empresa Sistemas que compõem as empresas Linguagem e banco de dados O que acontece sem o conhecimento dos funcionários Nível de aprendizado Levantamento das entidades globais Volume dos dados Descobrindo as necessidades Definindo modelo multidimensional Definindo critérios de particionamento Ferramentas Ferramenta de ETL Ferramenta OLAP JPivot Sustentabilidade das ferramentas Análise dos dados Considerações finais VERIFICAÇÃO DE VIABILIDADE O caso Aurora Alimentos Comparação e conclusão do estudo de caso CONSIDERAÇÕES FINAIS Contribuições e conclusões Trabalhos futuros REFERÊNCIAS BIBLIOGRÁFICAS APÊNDICES... 74

10 10 1 INTRODUÇÃO 1.1 Motivação A maior parte das empresas estabelecidas no território brasileiro são micro e pequenas empresas (MPEs), representando uma fatia de 98% das 5.1 milhões existentes (SEBRAE/SP 2008). Além de contribuir, gerando renda para o país, as micro e pequenas empresas são responsáveis por 60% dos empregos com carteira assinada no país. Apesar de serem importantes para o desenvolvimento do país, cerca de 27% das MPEs morrem no primeiro ano e 60% delas não sobrevivem aos cinco primeiros anos, um fato negativo para o país. A cada ano, 267 mil ocupações deixam de existir, o que gera um prejuízo de 16 bilhões de reais. Segundo pesquisa feita pelo SEBRAE com os próprios empresários em 2004, aponta que de acordo com 49% dos entrevistados, para o sucesso, é necessário possuir um bom conhecimento de mercado na área em que atua; e 48% acham importante ter boas estratégias de vendas. 1.2 Objetivos O objetivo deste trabalho é mostrar a viabilidade da implantação de um sistema de Business Intelligence (BI) em micro e pequenas empresas, a partir de uma pesquisa ambiental realizada em diversos estabelecimentos pequenos em comparação a um estudo de caso de uma grande empresa que possui este tipo de sistema. 1.3 Metodologia

11 11 A pesquisa está organizada em camadas, levando em conta a dimensão do assunto tratado e o grau de importância do mesmo, e apresentado conforme a evolução histórica das ferramentas. O trabalho faz uma análise da estrutura de três supermercados de pequeno porte, inclusive dos sistemas automatizados implantados em cada um, e compara com um caso de uma empresa de grande porte que possui um sistema de BI, para analisar a viabilidade da implantação desse sistema nas pequenas empresas. 1.4 Organização do trabalho O segundo capítulo contem a fundamentação do trabalho, tratando de conceitos existentes e já aplicados no mercado, abordando desde a inteligência de negócios até as ferramentas de Data Warehouse, descrevendo suas características e funcionamento. No terceiro capítulo, são descritas as formas de modelagem de Data Warehouse voltada às pequenas empresas. Depois, no quarto capítulo, o trabalho apresenta a estrutura de algumas pequenas empresas, bem como os sistemas utilizados por elas. O quinto capítulo mostra a comparação feita entre uma grande empresa com sistema de BI e três pequenas empresas. O capítulo seis apresenta uma conclusão de todo o trabalho.

12 12 2 DATA WAREHOUSE APLICADO ÀS PEQUENAS EMPRESAS Este capítulo apresenta os conceitos e ferramentas que envolvem a inteligência de negócios. O foco principal é apresentar as características e funcionamento da ferramenta de Data Warehouse para extração de dados da organização, visando estabelecer estratégias para o sucesso de pequenas empresas. O capítulo está dividido em nove subtópicos, abordando os assuntos de Business Intelligence, OLTP, ETL, Metadados, Data Warehouse, Modelagem Multidimensional, Data Mart, OLAP e Conclusão sobre a ferramenta. 2.1 Business Intelligence O Business Intelligence ou Inteligência Empresarial é composto por processos, técnicas e ferramentas que visam orientar o gerenciamento de empresas. O principal objetivo do BI é transformar dados em informações; essas informações serão transformadas em conhecimento, e então, será possível fazer uso desse conhecimento no planejamento estratégico de mercado, compras, vendas, e permitir que os gerentes das empresas sejam capazes de atuar com rapidez e competência quando houver necessidade de tomar decisões cruciais (ECKERSON, 2002). O BI consiste, basicamente, em cada empresa examinar sua base de dados e analisar o que deve ser feito em termos de planejamento (AUDY; ENDRES; MALVEZZI, 2003). Ele pode ser implantado tanto em grandes quanto em pequenas e médias empresas (HABERMANN, 2006). Em relação à concorrência entre organizações, as que utilizam o BI em seu processo de gerenciamento levam vantagem no mercado competitivo, afinal, não é de hoje que as empresas competem umas com as outras para atingir um alto grau de qualidade, satisfazer as necessidades dos clientes e, consequentemente, obter maiores lucros. O sistema capitalista impõe essa competição e, para não sair perdendo, as empresas precisam realizar um bom planejamento estratégico focado principalmente na tomada de decisões (BARBIERI, 2001).

13 13 A Figura 2.1 mostra as ferramentas de um ambiente Business Intelligence. Figura 2.1 Ferramentas de um ambiente Business Intelligence Fonte: Adaptação do autor segundo (BARBIERI, 2001). A figura 2.1 apresenta as ferramentas de um ambiente Business Intelligence. As fontes de dados representam os bancos de dados transacionais de uma organização. Estes dados são extraídos e transformados pela ferramenta de ETL, e após serem padronizados, são carregados no Data Warehouse, que é o banco de dados histórico, onde todas as transações e atualizações realizadas nos bancos de dados transacionais são armazenadas. Os Data Mart s são partes do Data Warehouse, como se fosse um data warehouse específico para cada seção de uma empresa. As ferramentas de OLAP são utilizadas para a realização de análises aos dados armazenados no Data Warehouse. Qualquer organização, seja qual for seu porte, possui dados que guardam várias informações estratégicas. No entanto, estas informações precisam estar disponíveis para as pessoas certas e tratadas de forma correta, para que se possa realizar uma análise eficaz, resultando na extração de conhecimento (HABERMANN, 2006). Uma simples análise das vendas do último mês, do produto mais vendido e do menos vendido ou até dos produtos comprados pelo consumidor mais assíduo em um determinado intervalo

14 14 de tempo, podem ser fontes de informações para uma pequena empresa reconhecer se o planejamento realizado está surtindo efeito ou se mudanças devem ser iniciadas. Ou seja, essas informações auxiliarão as empresas a se adequarem conforme as necessidades dos seus clientes. Muitas empresas de pequeno e médio porte ainda organizam seus dados em planilhas, pois acreditam não ser capazes de sustentar financeiramente a implantação de aplicações de BI. Porém, nem todos os projetos de Business Intelligence começam com um alto custo. O capital a ser investido aumenta com o tempo, de acordo com a necessidade e com o crescimento da empresa (HABERMANN, 2006). Para que estratégias de mercado e planejamento sejam postas em prática em pequenas e médias empresas, mudanças são necessárias, e elas devem ser efetuadas aos poucos, incorporando inicialmente um sistema de automação na empresa, o qual deverá ser usado de modo a tornar o controle de mercadorias mais rígido, além de organizar melhor as informações e torná-las disponíveis mais facilmente para os próprios empresários. Toda organização interessada em aplicar o BI deve olhar o negócio como um investimento a se fazer para obter resultados a médio e longo prazo (SERAIN, 2007). Feito isso, poderá iniciar-se o processo de implantação de uma estratégia mais forte, como o Business Intelligence, fazendo com que essas empresas tenham cada vez mais visão de mercado e consigam adequar-se ao contexto em que atuam. Nenhuma empresa pequena deve esperar seu crescimento para definir um planejamento estratégico. Muito pelo contrário. As empresas de pequeno e médio porte precisam, desde sua criação, trabalhar sobre este assunto para tornarem-se grandes organizações. Inicialmente, os processos de planejamento nestas empresas são incompletos e irregulares, mas, se trabalhados corretamente e com seriedade, eles serão de extrema utilidade para auxiliar na tomada de decisões da empresa (PRIMAK, 2009). Diversas ferramentas podem ser utilizadas na implantação de uma aplicação de BI; como ferramentas OLAP, Data Mining(DM), Data Warehouse(DW), por exemplo.

15 OLTP (On-Line Transaction Processing) Online Transaction Processing (OLTP) - ou Processamento de Transações em Tempo-Real - são sistemas que se encarregam de registrar todas as transações contidas em uma determinada operação organizacional. São os bancos de dados convencionais e eles não são capazes de gerar relatórios para uma possível análise de dados da empresa, por isso, faz-se necessária a criação do Data Warehouse (KIMBALL, 1996). Os sistemas OLTP permitem a inserção, atualização, consulta e deleção de dados e são orientados aos processos desenvolvidos na empresa, como Pedido, Pagamento, Nota e, diferente do DW, são voláteis, pois os dados passam por constantes modificações (KIMBALL, 1996). É justamente desses bancos que os dados são extraídos para compor o Data Warehouse. Portanto, o DW é composto por vários dados extraídos de diversos bancos que a organização possui, através do processo de ETL. 2.3 ETL (Extraction, Transformation and Load) Os dados que compõem as diversas OLTP s da organização não seguem um padrão de formatação, impedindo sua análise direta. É necessário, portanto, padronizar esses dados através da ferramenta ETL, que extrai, limpa, transforma e carrega dados para um Data Warehouse. A ETL é um dos fatores mais críticos e importantes dentro de um DW, pois segundo Inmon (2002 apud CRAMER, 2006, p. 21): "O processo de integração e transformação de dados, tipicamente, consome até 80% dos recursos de desenvolvimento". Na Figura 2.2, é mostrado o funcionamento de uma ferramenta ETL.

16 16 Figura 2.2 Funcionamento da ferramenta ETL Fonte: Adaptação do autor segundo (PEREIRA, 2000). As bases de dados das fontes OLTP são os bancos transacionais de uma organização. Seus dados são extraídos pela ferramenta de ETL e então, são transformados seguindo um padrão definido. Após a validação destes dados padronizados, eles são enviados ao Data Warehouse para a realização de análises. A primeira coisa a se fazer em um processo ETL é definir de que locais os dados serão extraídos. Várias origens diferentes podem armazenar esses dados, e elas podem possuir formatos distintos, podendo ser um robusto SGBD ou até mesmo um simples arquivo texto ou arquivos DBF, entre outros possíveis (KIMBALL e ROSS, 2002). Com as origens definidas, o próximo passo é extrair os dados dos bancos de dados transacionais, registro a registro, para serem carregados no aplicativo de solicitação, também é gerado um catálogo desses dados para controle do sistema. Como os dados são extraídos de diferentes sistemas, é comum haver incompatibilidade e inconsistência. Por isso, o processo de limpeza é necessário para corrigir as imperfeições dos dados contidos na base de dados transacional que, por algum motivo, passaram despercebidos nos sistemas de origem ou foram criados há muito tempo, podendo conter lixo, tais como códigos inválidos e preenchimento de vários campos com valores incompatíveis entre si. Após a limpeza, os dados devem passar por uma transformação. Ela é responsável pela

17 17 padronização dos dados, pois estes podem vir com formatação diferente dos diversos OLTP s, como no caso do ano que pode ser representado com dois ou quatro dígitos, permitindo uma análise concisa. Outro exemplo seria um sistema ter a definição do sexo de uma pessoa como M para Masculino e F para Feminino e outro sistema ter M para Feminino e H para Masculino. Neste caso, o processo de transformação do ETL teria que padronizar os dados para enviá-los ao Data Warehouse, para não haver informações iguais em formatos distintos quando o usuário estiver realizando uma análise (CIELO, 2006). Após serem padronizados, os dados são carregados no Data Warehouse pelo ETL, a partir de um sistema de banco de dados temporário. E as tabelas que serão atualizadas no sistema de DW devem ser montadas utilizando-se agregações, sumarizações e ordenação dos dados. Constantemente, os bancos de dados transacionais sofrem atualizações, sendo necessário enviá-las ao DW. Elas devem ser adicionadas de acordo com a data em que os dados foram modificados. Outra funcionalidade do processo de ETL é a extração de informações sobre os próprios dados dos bancos transacionais, gerando uma documentação que contém os metadados. 2.4 Metadados As informações que descrevem os dados de uma empresa são chamadas de metadados. São as informações de um DW que não são os próprios dados do banco. Os metadados atuam como uma enciclopédia para o data warehouse (KIMBALL e ROSS, 2002). Em um sistema OLTP bancos de dados transacionais gera-se documentação apenas sobre o levantamento dos dados, o banco de dados em si e o sistema que o alimenta. No Data Warehouse, a complexidade aumenta, pois além do levantamento de dados e do banco, a documentação também envolve o levantamento de relatórios a serem gerados, a origem dos dados que vão alimentar o DW, os processos de extração, tratamento e carga de dados (ETL), entre outros (INMON, 1997).

18 18 Metadados também podem ser gerados por todas as mudanças sofridas pelas regras de negócio da empresa, além da frequência de acesso aos dados. Com as informações obtidas pelos metadados, os usuários tornam comuns os cruzamentos entre os dados para identificar informações que não eram vistas nos sistemas transacionais (INMON, 1997). Existem três tipos de metadados: os de nível operacional são aqueles existentes nos modelos de dados dos sistemas transacionais; os de nível warehouse são orientados por assunto e informam as transformações executadas sobre os dados; e os de nível do negócio representam as informações disponíveis para análise dos usuários (SEN e VARGHESE, 1998). Entre alguns exemplos de metadados estão as informações sobre transformações dos dados, tabelas, colunas, agregações, índices, regras de transformação dos dados, os nomes dos atributos, os domínios dos valores, os tipos de dados, as tabelas ou arquivos onde são extraídos os dados, o mapeamento dos campos das tabelas físicas do DW, entre outros. 2.5 Data Warehouse Data Warehouse, também chamado de armazém de dados ou repositório de dados, é uma ferramenta de apoio à tomada de decisão estratégica utilizada pelas empresas. Ele é um banco de dados estruturado, de forma a facilitar a análise dos dados, a geração de relatórios e a apresentação de resultados, o qual permite que empresas extraiam informações sobre seus próprios dados e, assim, possam planejar novas estratégias para o futuro. Para Kimball (1998 apud COME, 2001, p. 2), DW é o lugar onde as pessoas podem acessar seus dados. O DW geralmente utiliza um histórico de informações pelo período de cinco a dez anos. Ele sempre conterá uma tabela armazenando o elemento tempo (hora, dia, semana, mês, semestre, ano) para registrar quando uma transição foi realizada (INMON, 1997) Características do DW

19 19 Na maioria dos bancos, é necessário um maior controle na entrada de dados, pois estes estão sendo constantemente modificados, adicionados e removidos pelas transações efetuadas na organização. Já no Data Warehouse, a preocupação não é com a entrada de dados, mas com a saída, extração e apresentação dos dados, pois serão os resultados analisados nele que definirão novas estratégias. E para garantir a eficiência na saída de informações, os DW s possuem algumas características: Orientado por assunto: Os dados de uma empresa são organizados por assuntos de seu interesse, sendo que estes levam a um assunto principal, que seria o foco central da empresa, como por exemplo, análise de vendas, análise de segmentos de clientes (INMON, 1997). Integrado: No Data Warehouse, os dados devem possuir formatos comuns de medida, para que possa viabilizar uma análise eficiente. E para que um padrão seja aplicado aos dados, estes passam por uma fase de transformação chamada ETL (INMON, 1997). Variável no tempo: A análise dos dados em um Data Warehouse ocorre em função do tempo, para que seja possível visualizar as mudanças que ocorreram na organização. Por isso, a cada modificação no banco de dados transacional da empresa, uma nova entrada é criada no DW e os dados deste nunca serão modificados, para que seja possível a análise de todo o histórico armazenado (INMON, 1997). Não Volátil: Os dados de um DW nunca poderão ser modificados, o usuário poderá apenas consultar e gerar relatórios, para garantir o registro das mudanças com o decorrer do tempo (INMON, 1997) Passos para implantar um Data Warehouse O Data Warehouse deve ser implantado aos poucos dentro de uma organização. Primeiramente, devem ser criados todos os Data Mart s necessários, um para cada departamento da empresa, e então, chegar ao desenvolvimento de um DW em nível corporativo. Sete etapas devem ser seguidas para implantação de um DW (FERNANDES et al., 2006).

20 20 Etapa 1 Atingir resultados em curto prazo: Toda e qualquer organização precisa desenvolver estratégias em um curto prazo, por isso, é necessário definir etapas específicas de construção, para minimizar os riscos e custo do negócio. Etapa 2 Integrar sistemas: É necessário integrar os diversos sistemas da empresa, onde todos os dados de produção e das fontes externas precisam ser mapeados para o modelo de dados do DW. Esse processo deve ser sincronizado para evitar problemas de acesso aos dados. Etapa 3 Escolher o SGBD: É necessário escolher, cuidadosamente, um bom sistema gerenciador de banco de dados de suporte ao DW, em relação ao nível do desempenho na carga e indexação dos dados, tempo de resposta, capacidade de armazenamento, paralelismo, escalabilidade. Etapa 4 Escolher as ferramentas: A escolha das ferramentas a serem utilizadas é um passo muito importante, pois acarretará diretamente no desempenho do sistema. Deve-se considerar as ferramentas disponíveis no mercado. Elas devem fornecer interfaces amigáveis, geração de relatórios, análises multidimensionais, acesso via web, Data Mining, entre outros requisitos. Etapa 5 - Construção visando expansão: É necessário construir um Data Warehouse flexível, que possa ser expandido; podendo manter níveis de desempenho mesmo atingindo petabytes em seu tamanho. Etapa 6 - Manter o sistema aberto para mudanças: O ambiente DW deve ser aberto para permitir que as ferramentas escolhidas no início da implantação do sistema possam ser substituídas por outras mais atuais e eficientes. Etapa 7 - Disponibilizar os equipamentos adequados: Bons equipamentos devem ser levados em consideração para a implantação de um sistema DW. É importante conservar o sistema de armazenamento, que gerencia o tráfego, alocação, backup e a restauração dos dados. 2.6 Modelagem Multidimensional

21 21 Segundo Imhoff, Galemmo e Geiger (2003 apud CRAMER, 2006, p. 24), um modelo dimensional é uma forma de modelagem de dados que acondiciona os dados de acordo com consultas e processos específicos do negócio. Os objetivos são tornar os esquemas de dados compreensíveis aos usuários e aumentar o desempenho através de consultas multidimensionais. O modelo multidimensional permite que o Data Warehouse seja desenvolvido por partes e distribuído em toda organização através do uso de dimensões e fatos conforme as bases lógicas do sistema (KIMBALL, 1998). Este assunto será abordado com mais detalhes no próximo capítulo. 2.7 Data Mart Um Data Mart é uma divisão lógica de um Data Warehouse, que atende uma área específica da organização. Por isso, os DW s são comumente orientados por assunto. Os Data Mart s pertencem às áreas específicas da empresa contabilidade, finanças, vendas e etc. E são modelados de acordo com as especificações de cada departamento, possuindo assim, design único (INMON; TEDERMAN; IMHOFF, 2001). O objetivo do Data Mart é aumentar a velocidade na consulta de informações, pois possui um escopo menor de informações e, como é segmentado para uma determinada área, possibilita a análise multidimensional, com os cruzamentos e visões previamente calculadas. Os Data Mart s podem ser independentes quando os dados de um departamento não se comunicam com os de outros departamentos. Neste caso, existem muitas redundâncias de dados, pois cada departamento possui seus próprios modelos, porém, a aplicação destes dados torna-se mais fácil.

22 22 Mas em um ambiente ideal, os Data Mart s são integrados, onde existe comunicação entre departamentos, e os dados possuem um formato mais próximo da realidade da empresa. Porém, o tempo para seu desenvolvimento é maior. A seguir, algumas diferenças entre Data Mart e Data Warehouse são apresentadas. Tabela 1 Diferenças entre Data Mart e Data Warehouse DATA MART DATA WAREHOUSE Departamental Corporativo Pequena quantidade de dados históricos Grande quantidade de dados históricos Tecnologia otimizada para acesso e análise Tecnologia otimizada para armazenamento e gerenciamento de grandes volumes de dados Cada departamento possui uma estrutura Estrutura adequada ao entendimento diferente corporativo de dados Altamente indexado Levemente indexado Fonte: Adaptação do autor segundo Inmon (1999, p.4). Independente se os dados estão armazenados em um Data Warehouse ou em um Data Mart, eles serão buscados e analisados através de ferramentas OLAP. 2.8 OLAP (On-Line Analytical Processing) Criado em 1993, por Edgar F. Codd, o OLAP (Online Analytical Processing) - Processamento Analítico em Tempo Real é uma ferramenta que promove a busca de informações dentro de um DW, devolvendo-as ao usuário, permitindo traçar metas estratégicas para a empresa (CRAMER, 2006). O THE OLAP COUNCIL(1995), um conselho para padronizar a tecnologia OLAP (CRAMER, 2006), define o termo como: uma tecnologia de software que possibilita que os analistas, gerentes e executivos tenham entendimento sobre os dados de forma rápida, consistente, e com acesso interativo a uma ampla variedade de visões possíveis de informações que foram

23 23 transformadas a partir de dados brutos para refletir a dimensionalidade real da empresa como entendida pelo usuário. Segundo Codd, as ferramentas de consulta e geração de relatórios da época não permitiam uma visualização e análise de dados de acordo com múltiplas dimensões de maneira que fizesse sentido para os analistas em um determinado tempo. A ferramenta OLAP foi criada justamente para promover a interação entre as várias dimensões, pois é uma tecnologia projetada para análise de modelos multidimensionais. O usuário pode fazer uma busca em diferentes níveis de profundidade, dependendo do que ele queira analisar, e quanto menor for o grau de detalhamento da pesquisa, mais rápida será a obtenção de resultados. A base de dados OLAP fornece um método para acessar, visualizar e analisar dados corporativos com alta flexibilidade e desempenho via um modelo de dados natural e intuitivo. Existem quatro arquiteturas diferentes de OLAP que classificam-se em ROLAP, MOLAP, HOLAP e DOLAP. ROLAP - Relational On Line Analytical Processing: Nesta arquitetura, os dados do DW são armazenados nos próprios SGBD s relacionais dos bancos de dados fontes, em que as tabelas são implementadas com estruturas relacionais clássicas, ou seja, a consulta é enviada ao servidor do banco de dados, onde é processada (CARVALHO, 2004). MOLAP - Multidimensional On Line Analytical Processing: A requisição é feita pelo usuário diretamente ao servidor de banco de dados multidimensionais que possuem um tratamento dimensional nativo. Portanto, a manipulação dos dados também ocorre diretamente no servidor, obtendo um ganho de desempenho (CARVALHO, 2004). HOLAP - Hybrid On Line Analytical Processing: É a combinação entre ROLAP e MOLAP, ele permite a análise multidimensional de dados tanto armazenados em um banco de dados multidimensional como em um SGBD relacional. Os dados de maior granularidade são armazenados em estruturas relacionais e os de menor granularidade em estruturas dimensionais nativas, obtendo a escalabilidade do ROLAP e o alto desempenho do MOLAP (THOMSEN, 2002).

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 Uma Introdução

Data Warehouses Uma Introdução Data Warehouses Uma Introdução Alex dos Santos Vieira, Renaldy Pereira Sousa, Ronaldo Ribeiro Goldschmidt 1. Motivação e Conceitos Básicos Com o advento da globalização, a competitividade entre as empresas

Leia mais

Sistemas de Apoio à Decisão (SAD) - Senado

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

Leia mais

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

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

Leia mais

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

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

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

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

Banco de Dados - Senado

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

Leia mais

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

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

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

Leia mais

Data Warehouses. 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

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

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

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

Planejamento Estratégico de TI. Prof.: Fernando Ascani

Planejamento Estratégico de TI. Prof.: Fernando Ascani Planejamento Estratégico de TI Prof.: Fernando Ascani Data Warehouse - Conceitos Hoje em dia uma organização precisa utilizar toda informação disponível para criar e manter vantagem competitiva. Sai na

Leia mais

Business Intelligence. Business Intelligence. Business Intelligence. Business Intelligence. Business Intelligence

Business Intelligence. Business Intelligence. Business Intelligence. Business Intelligence. Business Intelligence Juntamente com o desenvolvimento desses aplicativos surgiram os problemas: & Data Warehouse July Any Rizzo Oswaldo Filho Década de 70: alguns produtos de BI Intensa e exaustiva programação Informação em

Leia mais

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

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

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

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

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

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

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

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

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

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

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

Plataforma de Business Intelligence

Plataforma de Business Intelligence Plataforma de Business Intelligence ASTEN TECNOLOGIA DA INFORMAÇÃO A Asten é uma empresa do ramo da tecnologia da informação (TI) que tem seu foco na busca por soluções inovadoras. Nosso slogan criando

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

Business Intelligence

Business Intelligence 1/ 24 Business Intelligence Felipe Ferreira 1 Nossa empresa Jornal O Globo Jornais Populares Parcerias Grupo Folha Grupo Estado 2 1 Fundada em 1925 3100 funcionários 2 Parques Gráficos e SP Globo: 220

Leia mais

Data Warehousing Visão Geral do Processo

Data Warehousing Visão Geral do Processo Data Warehousing Visão Geral do Processo Organizações continuamente coletam dados, informações e conhecimento em níveis cada vez maiores,, e os armazenam em sistemas informatizados O número de usuários

Leia mais

FUNDAMENTOS DE SISTEMAS DE INFORMAÇÃO

FUNDAMENTOS DE SISTEMAS DE INFORMAÇÃO @ribeirord FUNDAMENTOS DE SISTEMAS DE INFORMAÇÃO Rafael D. Ribeiro, M.Sc,PMP. rafaeldiasribeiro@gmail.com http://www.rafaeldiasribeiro.com.br Lembrando... Aula 4 1 Lembrando... Aula 4 Sistemas de apoio

Leia mais

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

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

Leia mais

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

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

Leia mais

Palavras-chave: On-line Analytical Processing, Data Warehouse, Web mining.

Palavras-chave: On-line Analytical Processing, Data Warehouse, Web mining. BUSINESS INTELLIGENCE COM DADOS EXTRAÍDOS DO FACEBOOK UTILIZANDO A SUÍTE PENTAHO Francy H. Silva de Almeida 1 ; Maycon Henrique Trindade 2 ; Everton Castelão Tetila 3 UFGD/FACET Caixa Postal 364, 79.804-970

Leia mais

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

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

Complemento I - Noções Introdutórias em Data Warehouses

Complemento I - Noções Introdutórias em Data Warehouses Complemento I - Noções Introdutórias em Data Warehouses Esse documento é parte integrante do material fornecido pela WEB para a 2ª edição do livro Data Mining: Conceitos, técnicas, algoritmos, orientações

Leia mais

Aline França a de Abreu, Ph.D

Aline França a de Abreu, Ph.D Aline França a de Abreu, Ph.D igti.eps.ufsc.br 07 / 10/ 04 Núcleo de estudos Criado em 1997 - UFSC/EPS Equipe multidisciplinar, com aproximadamente 20 integrantes OBJETIVO Gerar uma competência e uma base

Leia mais

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

DESMISTIFICANDO O CONCEITO DE ETL

DESMISTIFICANDO O CONCEITO DE ETL DESMISTIFICANDO O CONCEITO DE ETL Fábio Silva Gomes da Gama e Abreu- FSMA Resumo Este artigo aborda os conceitos de ETL (Extract, Transform and Load ou Extração, Transformação e Carga) com o objetivo de

Leia mais

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

Business Intelligence Um enfoque gerencial para a Inteligência do Negócio.Efrain Turban e outros.tradução. Bookman, 2009.

Business Intelligence Um enfoque gerencial para a Inteligência do Negócio.Efrain Turban e outros.tradução. Bookman, 2009. REFERÊNCIAS o o Business Intelligence Um enfoque gerencial para a Inteligência do Negócio.Efrain Turban e outros.tradução. Bookman, 2009. Competição Analítica - Vencendo Através da Nova Ciência Davenport,

Leia mais

KDD E MINERAÇÃO DE DADOS:

KDD E MINERAÇÃO DE DADOS: KDD E MINERAÇÃO DE DADOS: Revisão em Data Warehouses Prof. Ronaldo R. Goldschmidt ronaldo@de9.ime.eb.br rribeiro@univercidade.br geocities.yahoo.com.br/ronaldo_goldschmidt 1 DATA WAREHOUSES UMA VISÃO GERAL

Leia mais

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

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

Prof. Ronaldo R. Goldschmidt. ronaldo.rgold@gmail.com

Prof. Ronaldo R. Goldschmidt. ronaldo.rgold@gmail.com DATA WAREHOUSES UMA INTRODUÇÃO Prof. Ronaldo R. Goldschmidt ronaldo.rgold@gmail.com 1 DATA WAREHOUSES UMA INTRODUÇÃO Considerações Iniciais Conceitos Básicos Modelagem Multidimensional Projeto de Data

Leia mais

Data Warehouse. Diogo Matos da Silva 1. Universidade Federal de Ouro Preto, Ouro Preto, MG, Brasil. Banco de Dados II

Data Warehouse. Diogo Matos da Silva 1. Universidade Federal de Ouro Preto, Ouro Preto, MG, Brasil. Banco de Dados II Data Warehouse Diogo Matos da Silva 1 1 Departamento de Computação Universidade Federal de Ouro Preto, Ouro Preto, MG, Brasil Banco de Dados II Diogo Matos (DECOM - UFOP) Banco de Dados II Jun 2013 1 /

Leia mais

Faculdade Pitágoras Curso Superior de Tecnologia: Banco de Dados

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

Leia mais

A importância da. nas Organizações de Saúde

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

Leia mais

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

Administração estratégica da Informação: definição, controle estratégias de mercado Prof. MSc Hugo Vieira L. Souza

Administração estratégica da Informação: definição, controle estratégias de mercado Prof. MSc Hugo Vieira L. Souza Administração estratégica da Informação: definição, controle estratégias de mercado Prof. MSc Hugo Vieira L. Souza Este documento está sujeito a copyright. Todos os direitos estão reservados para o todo

Leia mais

SAD orientado a DADOS

SAD orientado a DADOS Universidade do Contestado Campus Concórdia Curso de Sistemas de Informação Prof.: Maico Petry SAD orientado a DADOS DISCIPLINA: Sistemas de Apoio a Decisão SAD orientado a dados Utilizam grandes repositórios

Leia mais

BANCO DE DADOS DISTRIBUÍDOS e DATAWAREHOUSING

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

Leia mais

Requisitos de business intelligence para TI: O que todo gerente de TI deve saber sobre as necessidades reais de usuários comerciais para BI

Requisitos de business intelligence para TI: O que todo gerente de TI deve saber sobre as necessidades reais de usuários comerciais para BI Requisitos de business intelligence para TI: O que todo gerente de TI deve saber sobre as necessidades reais de usuários comerciais para BI Janeiro de 2011 p2 Usuários comerciais e organizações precisam

Leia mais

Sistemas de Informações Transacionais SIT Sistemas de Informações Gerenciais SIG. Ana Clara Araújo Gomes da Silva araujo.anaclara@gmail.

Sistemas de Informações Transacionais SIT Sistemas de Informações Gerenciais SIG. Ana Clara Araújo Gomes da Silva araujo.anaclara@gmail. Sistemas de Informações Transacionais SIT Sistemas de Informações Gerenciais SIG Ana Clara Araújo Gomes da Silva araujo.anaclara@gmail.com Papéis fundamentais dos SI Os SI desempenham 3 papéis vitais em

Leia mais

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

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

Leia mais

Curso Data warehouse e Business Intelligence Fundamentos, Metodologia e Arquitetura

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

Leia mais

BUSINESS INTELLIGENCE BI Aplicado à Gestão das Águas Subterrâneas. Frederico Cláudio Peixinho Flávio Luis de Mello 23 a 26 de Outubro de 2012

BUSINESS INTELLIGENCE BI Aplicado à Gestão das Águas Subterrâneas. Frederico Cláudio Peixinho Flávio Luis de Mello 23 a 26 de Outubro de 2012 XVII Congresso Brasileiro de Águas Subterrâneas Bonito - MT Serviço Geológico do Brasil CPRM BUSINESS INTELLIGENCE BI Aplicado à Gestão das Águas Subterrâneas Frederico Cláudio Peixinho Flávio Luis de

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

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

MSc. Daniele Carvalho Oliveira

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

Leia mais

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

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

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

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

A evolução da tecnologia da informação nos últimos 45 anos

A evolução da tecnologia da informação nos últimos 45 anos A evolução da tecnologia da informação nos últimos 45 anos Denis Alcides Rezende Do processamento de dados a TI Na década de 1960, o tema tecnológico que rondava as organizações era o processamento de

Leia mais

DATA WAREHOUSE. Data Warehouse

DATA WAREHOUSE. Data Warehouse DATA WAREHOUSE Data Warehouse Sumário Conceitos / Autores chave... 3 1. Introdução... 5 2. Características de um Data Warehouse... 6 3. Arquitetura de Data Wirehouse... 8 4. Conclusões... 10 Materiais

Leia mais

Bloco Administrativo

Bloco Administrativo Bloco Administrativo BI Business Intelligence Objetivo O objetivo deste artigo é dar uma visão geral sobre o Módulo Business Intelligence, que se encontra no Bloco Administrativo. Todas informações aqui

Leia mais

Planejamento Estratégico de TI. Prof.: Fernando Ascani

Planejamento Estratégico de TI. Prof.: Fernando Ascani Planejamento Estratégico de TI Prof.: Fernando Ascani BI Business Intelligence A inteligência Empresarial, ou Business Intelligence, é um termo do Gartner Group. O conceito surgiu na década de 80 e descreve

Leia mais

ESTUDO ANALÍTICO DE FERRAMENTAS OPEN SOURCE

ESTUDO ANALÍTICO DE FERRAMENTAS OPEN SOURCE UNIVERSIDADE DO EXTREMO SUL CATARINENSE - UNESC CURSO DE PÓS-GRADUAÇÃO ESPECIALIZAÇÃO EM MBA GERENCIAMENTO DE BANCO DE DADOS RENATO CRAMER ESTUDO ANALÍTICO DE FERRAMENTAS OPEN SOURCE PARA AMBIENTES OLAP

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

OLAP: Características, Arquitetura e Ferramentas

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

Leia mais

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

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

Curso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan Faculdade INED Curso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan 1 Unidade 4.2 2 1 BI BUSINESS INTELLIGENCE BI CARLOS BARBIERI

Leia mais

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

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

Leia mais

Criação e uso da Inteligência e Governança do BI

Criação e uso da Inteligência e Governança do BI Criação e uso da Inteligência e Governança do BI Criação e uso da Inteligência e Governança do BI Governança do BI O processo geral de criação de inteligência começa pela identificação e priorização de

Leia mais

Thalita Moraes PPGI Novembro 2007

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

Leia mais

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

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

Leia mais

Business Intelligence para Computação TítuloForense. Tiago Schettini Batista

Business Intelligence para Computação TítuloForense. Tiago Schettini Batista Business Intelligence para Computação TítuloForense Tiago Schettini Batista Agenda Empresa; Crescimento de Dados; Business Intelligence; Exemplos (CGU, B2T) A empresa Empresa fundada em 2003 especializada

Leia mais

CENTRO UNIVERSITÁRIO FEEVALE EDMILSON J. W. FELBER

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

Leia mais

01/12/2009 BUSINESS INTELLIGENCE. Agenda. Conceito. Segurança da Informação. Histórico Conceito Diferencial Competitivo Investimento.

01/12/2009 BUSINESS INTELLIGENCE. Agenda. Conceito. Segurança da Informação. Histórico Conceito Diferencial Competitivo Investimento. BUSINESS INTELLIGENCE Agenda BI Histórico Conceito Diferencial Competitivo Investimento Segurança da Objetivo Áreas Conceito O conceito de Business Intelligencenão é recente: Fenícios, persas, egípcios

Leia mais

Ferramentas de Back End

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

Leia mais

ESCOLA SUPERIOR ABERTA DO BRASIL ESAB CURSO DE ENGENHARIA DE SISTEMAS RACHEL TEREZA MENEGAZZO

ESCOLA SUPERIOR ABERTA DO BRASIL ESAB CURSO DE ENGENHARIA DE SISTEMAS RACHEL TEREZA MENEGAZZO ESCOLA SUPERIOR ABERTA DO BRASIL ESAB CURSO DE ENGENHARIA DE SISTEMAS RACHEL TEREZA MENEGAZZO IMPLEMENTANDO UMA SOLUÇÃO OLAP UTILIZANDO SOFTWARE LIVRE CURITIBA PR 2009 RACHEL TEREZA MENEGAZZO IMPLEMENANDO

Leia mais

Analysis Services. Manual Básico

Analysis Services. Manual Básico Analysis Services Manual Básico Construindo um Banco de Dados OLAP... 2 Criando a origem de dados... 3 Definindo as dimensões... 5 Níveis de dimensão e membros... 8 Construindo o cubo... 11 Tabela de fatos...12

Leia mais

04/08/2012 MODELAGEM DE DADOS. PROF. RAFAEL DIAS RIBEIRO, M.Sc. @ribeirord MODELAGEM DE DADOS. Aula 1. Prof. Rafael Dias Ribeiro. M.Sc.

04/08/2012 MODELAGEM DE DADOS. PROF. RAFAEL DIAS RIBEIRO, M.Sc. @ribeirord MODELAGEM DE DADOS. Aula 1. Prof. Rafael Dias Ribeiro. M.Sc. MODELAGEM DE DADOS PROF. RAFAEL DIAS RIBEIRO, M.Sc. @ribeirord MODELAGEM DE DADOS Aula 1 Prof. Rafael Dias Ribeiro. M.Sc. @ribeirord 1 Objetivos: Apresenta a diferença entre dado e informação e a importância

Leia mais

Data Warehouse: uma classificação de seus Custos e Benefícios

Data Warehouse: uma classificação de seus Custos e Benefícios Data Warehouse: uma classificação de seus Custos e Benefícios Marcos Paulo Kohler Caldas (CEFET-ES/CEFET-PR) marcospaulo@cefetes.br Prof. Dr. Luciano Scandelari (CEFET-PR) luciano@cefetpr.br Prof. Dr.

Leia mais

No mundo atual, globalizado e competitivo, as organizações têm buscado cada vez mais, meios de se destacar no mercado. Uma estratégia para o

No mundo atual, globalizado e competitivo, as organizações têm buscado cada vez mais, meios de se destacar no mercado. Uma estratégia para o DATABASE MARKETING No mundo atual, globalizado e competitivo, as organizações têm buscado cada vez mais, meios de se destacar no mercado. Uma estratégia para o empresário obter sucesso em seu negócio é

Leia 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

PROPOSTA DE UMA ARQUITETURA PARA CONSTRUÇÃO DE UM DATA WAREHOUSE PARA GESTÃO DA SAÚDE PÚBLICA DE UM MUNICÍPIO DO VALE DO ITAJAÍ

PROPOSTA DE UMA ARQUITETURA PARA CONSTRUÇÃO DE UM DATA WAREHOUSE PARA GESTÃO DA SAÚDE PÚBLICA DE UM MUNICÍPIO DO VALE DO ITAJAÍ PROPOSTA DE UMA ARQUITETURA PARA CONSTRUÇÃO DE UM DATA WAREHOUSE PARA GESTÃO DA SAÚDE PÚBLICA DE UM MUNICÍPIO DO VALE DO ITAJAÍ Renan Felipe dos Santos Prof. Alexander Roberto Valdameri,Orientador ROTEIRO

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

DATA WAREHOUSING. Data Warehousing

DATA WAREHOUSING. Data Warehousing DATA WAREHOUSING Data Warehousing Sumário Conceitos / Autores chave... 3 1. Introdução... 3 2. Modelos de Data Warehouse... 4 3. Processo de Extração, Transformação e Carga de Dados... 6 4. Data Mart versus

Leia mais

Sistemas de Informações Gerenciais

Sistemas de Informações Gerenciais Sistemas de Informações Gerenciais Aula 4 Sistema de Informação SI baseado em computadores Organização, administração e estratégia Professora: Cintia Caetano INTRODUÇÃO Sistemas de Informação são parte

Leia mais

Sistemas de Informação I

Sistemas de Informação I + Sistemas de Informação I Tipos de SI Ricardo de Sousa Britto rbritto@ufpi.edu.br + Introdução 2 n As organizações modernas competem entre si para satisfazer as necessidades dos seus clientes de um modo

Leia mais

Arquitetura física de um Data Warehouse

Arquitetura física de um Data Warehouse É um modo de representar a macroestrutura de, comunicação, processamento e existentes para usuários finais dentro da empresa. Operacionais origem Data / Arquitetura física Serviços Armazenamento de Área

Leia mais

MODELAGEM GRÁFICA DE DATA WAREHOUSES E DATA MARTS USANDO UML

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

Leia mais

APLICAÇÃO DA FERRAMENTA OLAP EM DIFERENTES MÓDULOS DE UM SISTEMA ERP MELHORANDO A TOMADA DE DECISÃO. Henrique César Gouveia 1 gouveia.henriq@gmail.

APLICAÇÃO DA FERRAMENTA OLAP EM DIFERENTES MÓDULOS DE UM SISTEMA ERP MELHORANDO A TOMADA DE DECISÃO. Henrique César Gouveia 1 gouveia.henriq@gmail. APLICAÇÃO DA FERRAMENTA OLAP EM DIFERENTES MÓDULOS DE UM SISTEMA ERP MELHORANDO A TOMADA DE DECISÃO Henrique César Gouveia 1 gouveia.henriq@gmail.com Muller Marciel Melo 2 muller_melo@hotmail.com Pedro

Leia mais

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