SIMPLIFICANDO O BUSINESS INTELLIGENCE. Andre de Freitas Tasca. Bacharel em Analise de Sistemas pela Unisinos. Diretor da empresa SoftSystem IT

Tamanho: px
Começar a partir da página:

Download "SIMPLIFICANDO O BUSINESS INTELLIGENCE. Andre de Freitas Tasca. Bacharel em Analise de Sistemas pela Unisinos. Diretor da empresa SoftSystem IT"

Transcrição

1 SIMPLIFICANDO O BUSINESS INTELLIGENCE Andre de Freitas Tasca Bacharel em Analise de Sistemas pela Unisinos Diretor da empresa SoftSystem IT Porto Alegre, 2013 Resumo Todos os dias são tomadas decisões para a condução dos mais diversos tipos de negócios. Os gestores das empresas são pressionados pela alta competitividade do mercado a oferecerem aos seus clientes produtos e serviços com qualidade e preços atrativos. A análise de dados de sistemas transacionais vem se tornando cada vez mais necessária para o entendimento das necessidades dos clientes direcionando produtos e serviços adequados a cada perfil. Essa análise tende a transformar dados em informação e informação em conhecimento para que as decisões sejam tomadas da forma mais acertada possível. O presente artigo tem como objetivo apresentar conceitos relacionados ao tema Business Intelligence e os itens importantes de sua arquitetura, trazendo a visão dos principais teóricos sobre os assuntos estudados e também uma comparação entre a abordagem tradicional de Business Intelligence versus uma nova abordagem chamada de associativa. Palavras-chave: Business Intelligence ETL Data Mart - Arquitetura 1. INTRODUÇÃO Ao contrário do que se possa imaginar, o conceito de Business Intelligence não é recente. Fenícios, persas, egípcios e outros povos do Oriente utilizavam esse princípio há milhares de anos, quando cruzavam informações obtidas junto à natureza em benefício próprio. Observar e analisar o comportamento das marés, os períodos de seca e de chuvas, a posição dos astros, entre outras, eram formas de obter informações que eram utilizadas para tomar as decisões que permitissem a melhoria de vida de suas respectivas comunidades (LOPES, 2006). Para que as empresas possam conhecer mais e assim administrar melhor seu negócio, elas estão dando maior importância às informações estratégicas que podem ser extraídas da base de dados gerada por um ERP ou Sistemas Integrados de Gestão. Significa dizer que toda a informação poderá ser tratada como objeto a ser arquivado, posteriormente consultado e analisado, permitindo que os executivos visualizem comportamentos, tendências e desvios de forma rápida, segura e confiável, possibilitando uma gestão aprimorada e eficiente. Afirma Reinhard (1996) que os dirigentes passaram a utilizar recursos de informática como ferramentas para tomada de decisões estratégicas, devido a muitas mudanças no ambiente externo e interno das empresas. A alta

2 competitividade do mercado exige planejamento, coordenação e controle da empresa, além do acompanhamento do mercado em relação aos concorrentes, aos aspectos econômicos, legais, políticos e culturais em âmbito global. Segundo Porter (1986), a leitura dos sinais do mercado exige técnicas. É preciso determinar uma metodologia para a decisão sobre quais são os dados particularmente cruciais e sobre o modo como eles podem ser analisados. A análise que pode levar a uma compreensão mais profunda de um determinado segmento e de seus concorrentes exige um grande volume de dados, alguns dos quais sutis e de difícil obtenção. A compilação dos dados para uma análise sofisticada da concorrência exige mais do que um trabalho duro: exige um mecanismo organizado, algum tipo de sistema de inteligência. Na obra Estratégia Competitiva, o autor salienta que, qualquer que seja o mecanismo escolhido para coletar dados de inteligência sobre o concorrente, existem benefícios com um mecanismo que seja formal e envolva documentação. Desde a década de 80, o autor se preocupava em desenvolver uma metodologia para a análise da concorrência, tornando um dos temas principais da inteligência competitiva. A metodologia proposta por Porter envolve quatro momentos principais: 1) análise das necessidades, definição dos alvos; 2) coleta de informações após definição das fontes úteis; 3) análise e avaliação das informações com os especialistas da área; 4) difusão das informações aos decisores para a ação. Salientam-se algumas operações preliminares importantes, como a análise da posição da empresa no mercado e a determinação das necessidades de informações críticas da empresa para guiar a coleta, o tratamento e a difusão de informações. As informações críticas seriam aquelas áreas ou temas a vigiar de modo prioritário (PORTER, 1986). Decisões são tomadas a todo instante nas organizações. Existem instituições que utilizam sistemas de informações somente a nível operacional, não direcionando para o topo da hierarquia os dados colhidos pela própria organização. Para esses gestores, a maioria das decisões é tomada com base em conhecimento empírico adquirido com o passar dos tempos. Para Davenport e Marchand (2004) a aplicação e o uso do conhecimento envolvem diversas dimensões: uma delas é cultural. A empresa recompensa decisões tomadas com base em conhecimentos compartilhados ou fica satisfeita com as decisões e ações tomadas com base na intuição e adivinhação das pessoas com experiência e competência. O BI é uma metodologia que permite a extração e estruturação de informações dos sistemas operacionais para o processo decisório. Este artigo visa simplificar os conceitos de Business Intelligence. 2. BUSINESS INTELLIGENCE Para competir no mercado global de hoje, as empresas precisam deter mais conhecimento do que antigamente e, ainda, para obter sucesso, elas precisam saber mais sobre seus clientes, mercados, tecnologias e processos, e necessitam ter essas informações antes que seus concorrentes (HEINRICHS e LIM, 2003).

3 A essência do Business Intelligence supre as necessidades de quem está à procura de vantagem competitiva por meio da administração de dados e pode auxiliá-lo na construção de melhores relações comerciais e de sucesso (SERRA, 2002). Segundo Barbieri (2001), o conceito de BI começa a ganhar grande espessura no cenário de negócios. Ele pode ser entendido como um conjunto de conceitos que envolve Inteligência Competitiva (CI), Gerência de Conhecimentos (KMS), IBI (Internet Business Intelligence), pesquisa e análise de mercados, etc., tudo relativo à nova era da Economia da Informação, dedicada à captura dos dados, informações, e conhecimentos que permitam às empresas competirem com maior eficiência. O Autor afirma ainda que de forma mais ampla, pode ser entendido como a utilização de variadas fontes de informação para se definir estratégias de competitividade nos negócios da empresa. 2.1 Diferença entre Dados Operacionais e Informacionais Para diferenciar melhor os dados de natureza informacional e operacional, e estabelecer fontes importantes para o conceito de Business Intelligence, a Tabela 1 mostra algumas dessas diferenças: Tabela 1 - Diferença entre Dados Operacionais e Informacionais. Características Dados Operacionais Dados Informacionais Conteúdo Valores Correntes Valores Sumarizados, Calculados, Integrados de Várias Fontes Organização dos Dados Por Aplicação/sistema de informação Por Assuntos/Negócios Natureza dos Dados Formato das Estruturas Atualização dos Dados Uso Dinâmica Relacional, próprio para computação transacional Atualização campo a campo Altamente estruturado, processamento repetitivo Estática até a atualização dos dados Dimensional, simplificado, próprio para atividades analíticas Acesso, sem update Desestruturado, com processamento analítico/heurístico Tempo de Resposta Fonte: BARBIERI, 2001, p.47. Otimizado para 2 a 3 seg. Análises mais complexas, com tempos de respostas maiores

4 3. DATA WAREHOUSE E DATA MARTS Inmon (1996), afirma que o Data Warehouse é uma coleção de dados não voláteis, crescente no tempo, integrada e orientada ao negócio para dar suporte às informações gerenciais. É a fonte de dados para consulta da organização (KIMBALL, 1998). Ele possui as seguintes características (BERSON e SMITH, 1997): É um banco de dados projetado para análise, que usa dados de várias aplicações; É projetado para um pequeno número de usuários com iterações longas; É usado basicamente para leitura; É atualizado periodicamente, principalmente para adição de dados; Contêm dados atualizados e históricos para fornecer informações do fluxo do negócio no tempo; É formado por poucas e grandes tabelas; Destina-se à realização de consultas que resultam em um conjunto grande de dados e geralmente devolvem leitura de tabelas inteiras e vários relacionamentos. O Data Warehouse deve ter os seguintes objetivos (KIMBALL, 1998): Tornar a informação mais acessível; Tornar a informação mais consistente, ou seja, informação de qualidade em toda a organização. Os termos usados em uma parte da empresa devem ter o mesmo significado em toda empresa; Ser uma fonte de informação adaptável e maleável. Deve ser projetado para mudança constante sem que todo sistema tenha que ser alterado; Ser uma fonte segura para proteger a informação da empresa; Deve ser a base para a tomada de decisão. O Data Mart possui definições diferentes junto aos autores, especialmente Kimbal e Inmon (1996). Segundo Inmon (1996), o Data Mart é uma coleção de dados relacionados à área da empresa, organizados para dar suporte à decisão e baseados nas necessidades de um determinado departamento ou processo, podendo ser de uma determinada área da empresa. Ele afirma que um conjunto de Data Marts dificilmente pode ser integrado, e mesmo que for não resultará em um Data Warehouse (INMON,1998). Para Inmon (1998), o Data Mart é derivado do Data Warehouse. Sob a ótica de Kimball (1998), o Data Mart é como um subconjunto lógico do Data Warehouse, e o Data Warehouse é a união de todos os Data Marts. Essa diferença de opiniões se reflete em diferentes formas de implantação. Kimball (1998) propõe a implantação de um Data Mart por vez desde que seja feito uma prévia modelagem da organização. Já Inmon (1996) propõe que o sistema comece pequeno e vá evoluindo progressivamente em espaços curtos de tempo. Ambos concordam que a implantação completa é muito complexa para ser feita de uma vez, e que a sustentação do projeto

5 5 depende da entrega rápida de uma solução parcial que agrade os usuários e justifique o investimento. 4. ETL EXTRAÇÃO, TRANSFORMAÇÃO E CARGA DE DADOS 4.1 Extração de Dados A extração dos dados se faz a partir das mais diversas fontes de dados, que podem ter os mais variados formatos, em diferentes plataformas. Para isso, é necessário uma fonte de dados temporária com padronização de ambiente de desenvolvimento que permita a recepção dos dados das diferentes bases, sendo que as configurações das tecnologias de hardware, sistema operacional e banco de dados sejam o primeiro padrão a ser aplicado ao DW em construção (LELES, 2004). KIM (1995), prevê que para possibilitar o acesso a dados de diversas fontes heterogêneas, é previsto que a integração seja feita em um novo banco de dados. Essa consolidação geralmente é feita através de Interfaces padrão do tipo ODBC (Open Data Base Conectivity) padrão para acesso a BDs do SQL Access Group Consortium adotado pela Microsoft, ou outras. Ainda segundo o autor, existem outros tipos de abordagens, os quais propõem a integração dos dados e das bases de dados apenas durante o processamento das consultas, somente selecionando resultados vindos destas consultas, sem materialização, isto é, sem a criação de réplicas dos repositórios locais integrados. Conforme Silberschatz (1999), os dados de um SGDB podem ser extraídos para um arquivo por meio de ferramentas de aplicação utilizando a linguagem SQL, pois ela utiliza uma combinação de construtores em álgebra e cálculo relacional para a manipulação de dados em BD s, possuindo recursos para: consulta, modificação, definição da estrutura de dados e especificação de restrições de segurança. Entretanto, se a formatação dos arquivos não é conhecida é necessário geração de relatório ou criação de arquivo para descarregar os dados do sistema de produção. 4.2 Transformação dos Dados Essa etapa consiste em retirar redundâncias e inconsistências advindas dos vários formatos que podem existir nas fontes de dados. As rotinas de limpeza e transformações de dados são necessárias e as suas características devem ser armazenadas e documentadas como metadados 1 (LELES, 2004). Para melhor entender esse processo, um exemplo simples de incompatibilidade de dados é a codificação para gênero feminino e masculino. Em uma base de dados, a entrada deste dado pode estar codificada em m/f e em outra base de dados em 0/1, para que fique transparente para o usuário, é 1 Qualquer dado mantido para sustentar as operações ou a utilização de um data warehouse; funciona como uma enciclopédia para o data warehouse.

6 6 necessária a padronização da entrada deste dado de forma coerente como, por exemplo, especificando a codificação como M/F (LELES, 2004). 4.3 Carga de Dados Neste processo, os dados padronizados na etapa de transformação são transferidos para o DW, e serão utilizados para a montagem das análises que serão disponibilizadas aos gestores. Existem três desafios para a carga dos dados do ambiente operacional para DW (INMON, 1997): I) Frequência de carregamento dos dados históricos; II) Carga dos dados do valor corrente do ambiente operacional; III) Carga dos dados depois de ter ocorrido atualizações dos dados no ambiente transacional. No item I, o autor afirma que o desafio é menor, pois a carga não é feita com muita frequência. O item II, também não representa muito problema, pois essa carga é feita somente uma vez. O item III, é considerado pelo autor o mais difícil, devido a dificuldade de rastreabilidade das alterações. 5. OLAP A análise multidimensional para OLAP surgiu após a publicação de A Programming Language (Ken Iverson,1962). Com base nessas ideias a IBM desenvolveu e implementou a primeira linguagem com análise multidimensional, no final da década de 60, chamada de APL. Definida matematicamente, baseada em símbolos gregos, utilizadas por usuários finais e grande consumidora de recursos computacionais, foi amplamente utilizada nas décadas de 80 e 90 em aplicações de negócio. Acompanhando a evolução dos sistemas, na década de 90, introduziu-se uma nova classe de ferramentas no mercado, que foi chamada de OLAP. As ferramentas de OLAP possuem a maioria dos conceitos introduzidos pela linguagem APL, porém, com maior integração na utilização dos dados fontes. Existe um grupo de empresas que desenvolveu e ainda desenvolve ferramentas OLAP e arquiteturas nela baseada como a IBM, a Computer Associates, MicroSoft, MicroStrategy, Cognos, IRI, Oracle, entre outras (ANZANELLO, 2002). Segundo Anzanello (2002), a aplicação OLAP oferece visualizações das informações de negócio a partir de muitas perspectivas diferentes por manter uma estrutura adequada e eficiente. Os dados são armazenados na forma dimensional, e as dimensões podem ser hierárquicas. Sua finalidade é apoiar os executivos em suas decisões estratégicas. Thomsen (1997) demonstra que utilizando somente consultas SQL e planilhas eletrônicas é difícil consultar e disponibilizar as informações analíticas do DW. Para suprir estas necessidades surgiram os softwares multidimensionais, também conhecidos como ferramentas OLAP. Ele define algumas funcionalidades para trabalhar com dados não estruturados como: Associação de fórmulas nas dimensões;

7 7 Exibição das dimensões do modelo em qualquer configuração tridimensional composta de linhas colunas e páginas; Habilidade de lidar com a natureza hierárquica das dimensões. O conceito de hypercubo, cubo com mais de três dimensões, é a base da abordagem das ferramentas OLAP que podem utilizar SGBD s relacionais dando a eles um sabor dimensional (ROLAP) ou usar tecnologias proprietárias de banco de dados multidimensionais (MOLAP) (KIMBALL, 1998). Barbieri (2001) nota que na modelagem dimensional as informações residem na interseção de várias dimensões. Os valores dos fatos residem na interseção das diversas dimensões que formam um ponto no hypercubo. O hypercubo pode ser fatiado (slice) isolando uma ou mais dimensões. O pivotamento (rotação) permite girar o hypercubo com a mudança do eixo de dimensões analisado. O conceito de dicing permite a criação de hypercubos menores restringindo as ocorrências de interesse em cada dimensão. Evidentemente, esses conceitos são mais facilmente demonstrados quando consideramos um cubo com três dimensões, mas na maioria das consultas aos data marts mais de três dimensões são utilizadas. 5.1 Arquiteturas Segundo Nigel Pendse (2002), conforme o método de armazenamento de dados utilizado para uma aplicação OLAP, será elaborada a arquitetura da aplicação. Os métodos de armazenamento de dados são MOLAP, ROLAP, DOLAP e HOLAP. Cada um deles tem uma função específica e deve ser utilizada quando melhor atender às necessidades de análise pela ferramenta de OLAP. Anzanello (2002), afirma que no MOLAP (Multidimensional On-Line Analytical Processing) os dados são armazenados de forma multidimensional, sua implementação varia de acordo com a sua ferramenta de OLAP, mas é freqüentemente implementado em um banco de dados relacional, porém não na terceira forma normal. Além disto, o acesso aos dados ocorre diretamente no banco de dados do servidor multidimensional. Os gerenciadores de banco de dados têm um limite prático quanto ao tamanho físico de dados que eles podem manipular. As restrições de armazenamento e desempenho limitarão o tamanho do banco de dados, não esquecendo o limite das dimensões que também restringem sua manipulação. A complexidade que existe no processo de carga de um banco de dados multidimensional, pode acarretar a demora no processo. O processo de carga é complexo devido à série de cálculos que devem ser realizados para agregar os dados às dimensões e preencher as estruturas do banco. Depois do processo concluído, ainda é realizado uma série de mecanismos para melhorar a capacidade de pesquisa. Já no ROLAP (Relational On-Line Analytical Processing) os dados são armazenados no modelo relacional como também suas consultas são processadas pelo gerenciador do banco relacional (ANZANELLO, 2002). Por outro lado, o DOLAP (Desktop On-Line Analytical Processing) é uma variação que existe para fornecer portabilidade dos dados. A vantagem que oferece esta arquitetura é a redução do tráfico na rede (ANZANELLO, 2002).

8 8 A arquitetura mais recente é a HOLAP (Hybrid On-Line Analytical Processing), na qual ocorre uma combinação entre ROLAP e MOLAP. A vantagem é que com a mistura de tecnologias pode-se extrair o que há de melhor de cada uma, a alta performance do MOLAP e a escalabilidade do ROLAP (ANZANELLO, 2002). 5.2 Ferramentas OLAP A grande maioria dos softwares oferecidos no mercado trabalha, no mínimo, sob duas abordagens: A ferramenta de desenvolvimento, que é utilizada para a montagem do modelo dimensional de negócios e a interface de iteração com o usuário, e a ferramenta de visualização e análise dos dados destinada ao usuário final. Algumas características dessas ferramentas são: Consultas ad-hoc: são consultas geradas pelos usuários finais através do cruzamento de informações que os levem a encontrar tendências, padrões e comportamentos sob os itens analisados de uma forma não vista. Segundo Inmom (2002), são consultas com acesso casual único e tratamento de dados segundo parâmetros nunca antes utilizados de forma iterativa e heurística. Slice and Dice: possibilita a alteração da perspectiva de visão. Serve para modificar a posição de uma informação, trocar linhas por colunas de maneira facilitar a compreensão dos usuários e girar o cubo sempre que houver necessidade (ANZANELLO, 2002). Drill down/up: consiste em realizar exploração em diferentes níveis de detalhes da informação. Com drill down divide-se um item de resumo em seus componentes detalhados, como por exemplo, ano, semestre, trimestre, mensal e diário. Além das principais características apresentadas é necessário que estas aplicações forneçam vários modelos de visualização em uma variedade de formatos, e não apenas em simples tabelas, sendo muitas vezes apresentados através de gráficos (ANZANELLO, 2002). Devido suas características e funcionalidades, as ferramentas constituem parte importante em uma estrutura de Business Intelligence, pois elas permitem que as informações do DW sejam exploradas de maneira eficiente. 6. MODELAGEM DIMENSIONAL A Modelagem Dimensional de dados é uma técnica de projeto que traz os dados para uma forma próxima do entendimento do usuário, onde o modelo dimensional é formado por informações que poderão vir de diversas fontes de dados. Essa técnica nasceu para modificar alguns conceitos cristalizados nos projetos tradicionais de Bancos de Dados, principalmente após a fase relacional. O produto final da Modelagem Dimensional é a produção de um modelo conceitual dimensional, formado de tabelas Fato e tabelas Dimensão (BARBIERI, 2001).

9 9 As tabelas Fato servem para armazenar medidas numéricas associadas a eventos de negócio. Uma tabela Fato contém vários fatos, correspondentes a cada uma de suas linhas. Cada fato pode armazenar uma ou mais medidas numéricas, que constituem os valores objetos da análise dimensional. Possuem como chave primária, normalmente um campo multi-chaves, formado pelas chaves-primárias das dimensões que com ela se relacionam. Normalmente armazenam muito mais linhas do que as tabelas Dimensão, e merecem cuidado especial em função do seu alto volume. Contêm dados normalmente aditivos (manipulados por soma, média, etc.) e relativamente estáticos. As tabelas Dimensão representam entidades de negócios e constituem estruturas de entrada que servem para armazenar informações como tempo, geografia, produto, cliente, etc. As tabelas Dimensão tem uma relação 1:N com a tabela Fato. Possuem múltiplas colunas de informação, algumas das quais representam a sua hierarquia. Apresentam sempre uma chave primária, que lhes confere unicidade, chave essa que participa da tabela Fato, como parte de sua chave múltipla. Devem ser entendidas como as tabelas que realizam os filtros de valores aplicados na manipulação dos fatos e por onde as consultas entram no ambiente de DW/DM. A seguir, a Figura 2 ilustra a composição da tabela Fato, onde cada linha representa um fato e as colunas chaves são herdadas das tabelas Dimensão associadas. Além das chaves, apresenta as colunas com valores das medidas definidas para o modelo (BARBIERI, 2001). Figura 1 - Exemplo de um Modelo Dimensional. Fonte: BARBIERI, 2001, p.82. O autor afirma que a estrutura dimensional modifica a ordem de distribuição de campos por entre as tabelas, permitindo uma formatação estrutural mais voltada para muitos pontos de entradas específicos (as chamadas dimensões) e menos para os dados granulares em si (os chamados Fatos). Isso significa que numa estrutura dimensional os dados estarão numa

10 10 forma quase estelar, onde várias tabelas de entrada estarão se relacionando com algumas (poucas) tabelas de informações, criando uma notação mais sintética, legível e objetiva. O modelo dimensional oferece clara e diretamente os elementos que se precisa para buscar as informações sobre fatos via dimensões de referência, diferindo da malha relacional, ou de rede. O modelo dimensional, embora mais leve do que o modelo relacional, pode se tornar mais complexo, na medida em que novas extensões forem sendo agregadas a resolução do problema. A necessidade de relacionamentos M:N entre tabelas Fato e tabelas Dimensão, bem como a resolução de estruturas recursivas nas dimensões poderão acrescentar complexidade ao modelo (BARBIERI, 2001). 6.1 Comparação entre Relacional e Dimensional As diferenças os modelos Relacional e Dimensional são apresentas na tabela 2. Tabela 2 - Comparação entre Modelo Relacional E/R e Modelo Dimensional. Modelo Dimensional Padrão de estrutura mais fácil e intuitiva Anterior ao MER, anos 60 Tabelas Fato e tabelas Dimensão Tabelas Fato são o núcleo normalizadas Tabelas Dimensão são os pontos de entrada Tabelas Dimensão opcionalmente normalizadas Modelo mais facilmente joined Leitura mais fácil do modelo por usuários não especializados Fonte: BARBIERI, 2001, p.38. Modelo Relacional E/RÉU: Modelo mais complexo Ênfase nos Bancos de Dados Relacionais, anos 70 Tabelas que representam Dados e Relacionamentos Todas as tabelas são comumente normalizadas As tabelas são indistintamente acessadas e de filtro inicial Todas as tabelas são comumente normalizadas Maior dificuldade de join pelo número maior de tabelas Maior dificuldade de leitura pelo usuário não especializado Os passos da Modelagem Dimensional são: Definição da Área de Negócio

11 11 Deve ser escolhida de acordo com as prioridades emergentes da empresa. Após a escolha, parte-se para definir aqueles que serão os processos alvos do projeto. Definição de Granularidade Define de forma combinatória os níveis dimensionais que serão usados para o armazenamento dos dados. Os fatores de definem a escolha da granularidade estão relacionados com o volume de dados a ser mantido e com o processamento necessário para produzí-los. A granularidade pode variar na dimensão temporal entre dia, mês e anos, por exemplo. Definição das Tabelas Dimensão Devem ser definidas em função da granularidade e áreas de negócio. Normalização 2 das Tabelas Dimensão. As tabelas Dimensão, diferentemente das tabelas Fato, estão mais sujeitas ao processo de desnormalização 3. Existem duas correntes diferentes com relação aos aspectos de normalização das tabelas Dimensão: Star Schema ou Esquema Estrela: Abordagem que recomenda a não normalização das tabelas Snowflake Schema ou Esquema de Flocos de Neve: Abordagem que recomenda a normalização das tabelas. A utilização do esquema estrela é extremamente recomendável, pelos aspectos de ganho de desempenho quando comparado ao esquema de flocos de neve. Isso acontece porque a redução dos comandos de junção que seriam necessários para recompor a informação desejada buscando-a em outra tabela. Relacionamento de Atributos das Tabelas Dimensão As tabelas Dimensão carregam atributos que estabelecem relacionamentos entre si. É necessário um esquema cuidadoso de modelagem para melhor distribuídos no esquema dimensional (BARBIERI, 2001). 6.2 MODELAGEM DIMENSIONAL ASSOCIATIVA A modelagem dimensional associativa funciona de forma diferente dos demais modelos de arquiteturas de BI, ela constrói e mantém um banco de dados não relacional associado através de chaves compactada em disco e descompactada na memória quando o banco é aberto. Os dados são armazenados na memória (RAM) e analisados conforme as necessidades, isso é feito sem qualquer apoio de leitores de disco. 2 Técnica de modelagem lógica que remove redundância de dados separando os dados em muitas entidades distintas, cada uma das quais se torna uma tabela e um SGBD relacional. 3 Aceitação de redundância em uma tabela para que ela permaneça simples e não normalizada. Esse procedimento tem por objetivo melhorar o desempenho e facilitar a utilização.

12 12 Atualmente a única tecnologia que implementa nesse formato é o QlikView. Segundo seu Tutorial (2011), a ferramenta possui as seguintes características: Armazenamento dos Dados Não é necessário montar um DW, o QlikView possui seu próprio arquivo de dados gerado a partir da carga. Possui funções embutidas para a carga (ETL) e limpeza (Data Cleansing) dos dados. Por esse motivo, reduz consideravelmente o custo de todo um projeto de ETL e modelagem do DW. Número ilimitado de dimensões Os cubos são não tem limitação de dimensão, eles são relacionados através de chaves associativas e são orientados ao negócio, portanto qualquer variável pode servir como item de análise em um objeto da interface. Por esse motivo, cada tabela do modelo dimensional é chamada de hypercubo. Possibilidade para que diversos Hypercubos "conversem" um com o outro Após serem montados os hypercubos, as informações poderão ser visualizadas através de objetos de interface (gráficos, tabelas, velocímetros, etc.) e todos esses objetos podem ser combinados em uma mesma análise, podendo todos os objetos estar se relacionando ou não. Flexibilidade A alteração ou criação de novas análises é totalmente transparente, não requerendo alterações em bases de dados ou redefinição de cubos. O tempo para a criação de novos atributos é extremamente reduzido por não precisar alterar a base de dados, qualquer campo da fonte de dados pode ser adicionado como uma dimensão instantaneamente, assim como novas medidas e indicadores podem ser criados. Amigável para o usuário A navegação é intuitiva, não requerendo praticamente nenhum treinamento mais específico na ferramenta. As possibilidades gráficas são avançadas e de fácil compreensão. Espaço em disco A base de dados do QlikView pode trabalhar com uma compactação de até 80%, isso faz com que não seja necessário muito espaço em disco para o armazenamento das informações. Mesmo com alta compactação, a performance das consultas é extremamente elevada por trabalhar com cálculos em memória RAM. Acessibilidade

13 13 O QlikView pode ser utilizado através dos principais navegadores de internet sem que seja instalado nenhum plugin. Também possui navegação nativa para dispositivos móveis sem que seja necessário nenhuma programação adicional pelos desenvolvedores. Os sistemas convencionais de pesquisa de informações normalmente requerem uma abordagem top-down, enquanto o QlikView permite iniciar com quaisquer dados, independentemente de sua localização na estrutura de dados. A recuperação de dados em sistemas convencionais geralmente é uma tarefa complexa que requer conhecimento abrangente da estrutura das bases de dados e da sintaxe da linguagem de consulta. Normalmente, o usuário está limitado a rotinas de pesquisa pré-definidas. Pode-se dizer que o QlikView utiliza uma arquitetura híbrida para análise dos dados; a MOLAP devido ao relacionamento das chaves associativas entre os hypercubos para montagem do modelo de negócios, a DOLAP por permitir uma análise off-line dos dados, e a OLAP por permitir uma análise on-line se a versão utilizada for a cliente-servidor. Outra característica que faz com que o modelo de negócios fique mais simples, é que campos de sumarizações não precisam ficar nos hypercubos, eles são calculados em tempo de execução, com isso a carga dos dados fica extremamente rápida. Os usuários podem criar suas próprias visões utilizando qualquer variável do modelo de negócios diretamente via navegador de internet. 6.3 Arquitetura Tradicional de BI x Arquitetura Associativa Conforme mostra a Figura 7, a construção de um ambiente de Business Intelligence requer dados de várias fontes de dados existentes na empresa ou fora dela. O conjunto de dados coletados é matéria-prima para uma série de transformações feitas antes da carga no Data Warehouse, cujo produto final é carregado no Data Warehouse (depósito de dados). São criadas visualizações gerenciais que possibilitam que as decisões gerenciais sejam tomadas em tempo real. Figura 2 - Arquitetura Tradicional de Business Intelligence.

14 14 Nesse ambiente tradicional, é necessário o investimento em um novo banco de dados, uma ferramenta para fazer ETL e, além disso, para posterior manutenção desse banco de dados um DBA (Administrador de Banco de Dados). Isso faz com que o custo fique bastante elevado. Na Figura 8, o ambiente de Business Intelligence fica mais simplificado, não é necessário o investimento em um novo banco de dados, e o ETL é feito dentro da própria ferramenta de desenvolvimento QlikView que gera seu próprio Data Warehose (QVW). Nessa base gerada por ele, não é necessário nenhuma manutenção para melhoria de performance. Essas características fazem que o custo para implantar e manter o sistema fique muito atrativo. Figura 3 - Arquitetura Associativa de Business Intelligence.

15 15 Referências ANZANELLO, C. A. M. OLAP: Conceitos e Utilização. Instituto de Informática Universidade Federal do Rio Grande do Sul (UFRGS), Disponível em: < >. Acesso em: 15 jul BARBIERI, C. BI Business Intelligence: Modelagem e Tecnologia. Rio de Janeiro: Axcel Books, BERSON, A.; SMITH, S. J. Data warehousing, Data mining & OLAP. New York: McGraw-Hill, CORRÊA, H. L.; GIANESI, I. G. N. e CAON, M. (1999). Planejamento, Programação e Controle da Produção: MRP II / ERP. São Paulo: Editora Atlas. DAVENPORT, T. H. Mission critical: realizing the promise of enterprise systems. Boston, Massachusetts: Harvard Business School Press, DAVENPORT, T. H.; MARCHAND, D. A.; DICKSON, T. Dominando a gestão da informação. Porto Alegre: Bookman, p. DAVENPORT, T. H.; MARCHAND, D. A. A Gestão do conhecimento é uma boa gestão da informação? In: Dominando a gestão da informação. Tradução de Bellini C.G.P. e Soares C.A.S.N. Porto Alegre: Bookman, p HEINRICHS, J. H.; LIM, J. S. Integrating web-based data mining tolls with business models for knowledge management. Decision Support Systems, v.35, n.1, p , INMON, W. H. Como Construir o Data Warehouse. Rio de Janeiro: Editora Campus, INMON, W. H. Building the Data Warehouse. 2d. New York: John Wiley & Sons, p. KIM, W. Modern Database Systems: the Object Model, Interoperability and Beyond. ACM press, Addison Wesley, KIMBALL, R. The Data Warehouse Tollkit: practical techniques for buiding. LOPES, C. Conceito e história do BI. Disponível em: < >. Acesso em: 7 maio MACHADO, F. N. R.; ABREU, M. P. Projeto de Banco de Dados: uma visão prática. São Paulo: Érica, 1996.

16 16 MANUAL QlikView: Versão 10 para Microsoft Windows Primeira Edição, Lund, Suécia, fevereiro de 2011 De autoria da QlikTech International AB /HIC/KHN/JNN/MSJ MARKUS, M. L. e TANIS, C (2000)..The enterprise system experience. from adoption to success., em Zmud, R. Ed., Framing the domains of IT research: glimpsing the future through the past. Cincinnati, Pinnaflex. PENDSE, N. What Is OLAP? The OLAP Report. Disponível em: < Acesso em: 29 set PESQUISA em Administração. São Paulo, FEA/USP, v.1, n.11, 1º Trimestre/2000, p PORTER, M. Estratégia Competitiva: Técnicas para Análise de Indústrias e da Concorrência. Rio de Janeiro: Campus, REINHARD, N. Evolução das ênfases gerenciais e de pesquisa na área de tecnologia de informática e de comunicações aplicada nas empresas. Revista da Administração. São Paulo: v. 4, p.5-6. SERRA, L. A. Essência do Business Intelligence. São Paulo: Editora Berkeley, THOMSEN, E. OLAP Solutions: Building John Wiley & Sons, Inc., 1.ed., 1997.

DATA WAREHOUSE. Rafael Ervin Hass Raphael Laércio Zago

DATA WAREHOUSE. Rafael Ervin Hass Raphael Laércio Zago DATA WAREHOUSE Rafael Ervin Hass Raphael Laércio Zago Roteiro Introdução Aplicações Arquitetura Características Desenvolvimento Estudo de Caso Conclusão Introdução O conceito de "data warehousing" data

Leia mais

Data 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

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

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

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. 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

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

Programação com acesso a BD. Prof.: Clayton Maciel Costa clayton.maciel@ifrn.edu.br

Programação com acesso a BD. Prof.: Clayton Maciel Costa clayton.maciel@ifrn.edu.br Programação com acesso a BD Prof.: Clayton Maciel Costa clayton.maciel@ifrn.edu.br 1 Introdução BD desempenha papel crítico em todas as áreas em que computadores são utilizados: Banco: Depositar ou retirar

Leia 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

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

srbo@ufpa.br www.ufpa.br/srbo

srbo@ufpa.br www.ufpa.br/srbo CBSI Curso de Bacharelado em Sistemas de Informação BI Prof. Dr. Sandro Ronaldo Bezerra Oliveira srbo@ufpa.br www.ufpa.br/srbo Tópicos Especiais em Sistemas de Informação Faculdade de Computação Instituto

Leia 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

TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE

TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE TÓPICOS AVANÇADOS EM ENGENHARIA DE SOFTWARE Engenharia de Computação Professor: Rosalvo Ferreira de Oliveira Neto OLPT x OLAP Roteiro OLTP Datawarehouse OLAP Operações OLAP Exemplo com Mondrian e Jpivot

Leia mais

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

Banco de Dados I. Apresentação (mini-currículo) Conceitos. Disciplina Banco de Dados. Cont... Cont... Edson Thizon (edson@esucri.com. Sistemas da Informação Banco de Dados I Edson Thizon (edson@esucri.com.br) 2008 Apresentação (mini-currículo) Formação Acadêmica Mestrando em Ciência da Computação (UFSC/ ) Créditos Concluídos. Bacharel

Leia mais

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

Banco de Dados. Introdução. João Eduardo Ferreira Osvaldo Kotaro Takai. jef@ime.usp.br DCC-IME-USP

Banco de Dados. Introdução. João Eduardo Ferreira Osvaldo Kotaro Takai. jef@ime.usp.br DCC-IME-USP Banco de Dados Introdução João Eduardo Ferreira Osvaldo Kotaro Takai jef@ime.usp.br DCC-IME-USP Importância dos Bancos de Dados A competitividade das empresas depende de dados precisos e atualizados. Conforme

Leia mais

Conceitos de Banco de Dados

Conceitos de Banco de Dados Conceitos de Banco de Dados Autor: Luiz Antonio Junior 1 INTRODUÇÃO Objetivos Introduzir conceitos básicos de Modelo de dados Introduzir conceitos básicos de Banco de dados Capacitar o aluno a construir

Leia 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

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

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

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

ADMINISTRAÇÃO DOS RECURSOS DE DADOS

ADMINISTRAÇÃO DOS RECURSOS DE DADOS Capítulo 7 ADMINISTRAÇÃO DOS RECURSOS DE DADOS 7.1 2003 by Prentice Hall OBJETIVOS Por que as empresas sentem dificuldades para descobrir que tipo de informação precisam ter em seus sistemas de informação?

Leia mais

PLANO DE ENSINO PRÉ-REQUISITOS: ENS

PLANO DE ENSINO PRÉ-REQUISITOS: ENS UNIVERSIDADE DO ESTADO DE SANTA CATARINA UDESC CENTRO DE EDUCAÇÃO SUPERIOR DO ALTO VALE DO ITAJAÍ CEAVI PLANO DE ENSINO DEPARTAMENTO: DSI Departamento de Sistema de Informação DISCIPLINA: Data Warehouse

Leia mais

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

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 4.3 2 1 BI BUSINESS INTELLIGENCE BI CARLOS BARBIERI

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 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

Banco de Dados, Integração e Qualidade de Dados. Ceça Moraes cecafac@gmail.com

Banco de Dados, Integração e Qualidade de Dados. Ceça Moraes cecafac@gmail.com Banco de Dados, Integração e Qualidade de Dados Ceça Moraes cecafac@gmail.com Sobre a professora CeçaMoraes Doutora em Computação (UFPE) Áreas de atuação Desenvolvimento de Software e Banco de Dados Experiência

Leia mais

AGILE ROLAP - UMA METODOLOGIA ÁGIL PARA IMPLEMENTAÇÃO DE AMBIENTES DE NEGÓCIOS BASEADO EM SERVIDORES OLAP.

AGILE ROLAP - UMA METODOLOGIA ÁGIL PARA IMPLEMENTAÇÃO DE AMBIENTES DE NEGÓCIOS BASEADO EM SERVIDORES OLAP. AGILE ROLAP - UMA METODOLOGIA ÁGIL PARA IMPLEMENTAÇÃO DE AMBIENTES DE NEGÓCIOS BASEADO EM SERVIDORES OLAP. Luan de Souza Melo (Fundação Araucária), André Luís Andrade Menolli (Orientador), Ricardo G. Coelho

Leia mais

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

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

Módulo 4: Gerenciamento de Dados

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

Leia mais

Inteligência Empresarial. BI Business Intelligence. Business Intelligence 22/2/2011. Prof. Luiz A. Nascimento

Inteligência Empresarial. BI Business Intelligence. Business Intelligence 22/2/2011. Prof. Luiz A. Nascimento Inteligência Empresarial Prof. Luiz A. Nascimento BI Pode-se traduzir informalmente Business Intelligence como o uso de sistemas inteligentes em negócios. É uma forma de agregar a inteligência humana à

Leia mais

Na medida em que se cria um produto, o sistema de software, que será usado e mantido, nos aproximamos da engenharia.

Na medida em que se cria um produto, o sistema de software, que será usado e mantido, nos aproximamos da engenharia. 1 Introdução aos Sistemas de Informação 2002 Aula 4 - Desenvolvimento de software e seus paradigmas Paradigmas de Desenvolvimento de Software Pode-se considerar 3 tipos de paradigmas que norteiam a atividade

Leia mais

Para construção dos modelos físicos, será estudado o modelo Relacional como originalmente proposto por Codd.

Para construção dos modelos físicos, será estudado o modelo Relacional como originalmente proposto por Codd. Apresentação Este curso tem como objetivo, oferecer uma noção geral sobre a construção de sistemas de banco de dados. Para isto, é necessário estudar modelos para a construção de projetos lógicos de bancos

Leia 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

Revisão de Banco de Dados

Revisão de Banco de Dados Revisão de Banco de Dados Fabiano Baldo 1 Sistema de Processamento de Arquivos Antes da concepção dos BDs o registro das informações eram feitos através de arquivos. Desvantagens: Redundância e Inconsistência

Leia mais

Prof. Marcelo Machado Cunha www.marcelomachado.com mcelobr@yahoo.com.br

Prof. Marcelo Machado Cunha www.marcelomachado.com mcelobr@yahoo.com.br Prof. Marcelo Machado Cunha www.marcelomachado.com mcelobr@yahoo.com.br Ementa Introdução a Banco de Dados (Conceito, propriedades), Arquivos de dados x Bancos de dados, Profissionais de Banco de dados,

Leia mais

SQL APOSTILA INTRODUÇÃO A LINGUAGEM SQL

SQL APOSTILA INTRODUÇÃO A LINGUAGEM SQL SQL APOSTILA INTRODUÇÃO Uma linguagem de consulta é a linguagem por meio da qual os usuários obtêm informações do banco de dados. Essas linguagens são, tipicamente, de nível mais alto que as linguagens

Leia mais

UNIVERSIDADE FEDERAL DO PARANÁ UFPR Bacharelado em Ciência da Computação

UNIVERSIDADE FEDERAL DO PARANÁ UFPR Bacharelado em Ciência da Computação SOFT DISCIPLINA: Engenharia de software AULA NÚMERO: 08 DATA: / / PROFESSOR: Andrey APRESENTAÇÃO O objetivo desta aula é apresentar e discutir conceitos relacionados a modelos e especificações. Nesta aula

Leia mais

Persistência e Banco de Dados em Jogos Digitais

Persistência e Banco de Dados em Jogos Digitais Persistência e Banco de Dados em Jogos Digitais Prof. Marcos Francisco Pereira da Silva Especialista em Engenharia de Software Jogos Digitais - Computação Gráfica 1 Agenda Vantagens de usar a abordagem

Leia mais

DATA WAREHOUSE NO APOIO À TOMADA DE DECISÕES

DATA WAREHOUSE NO APOIO À TOMADA DE DECISÕES DATA WAREHOUSE NO APOIO À TOMADA DE DECISÕES Janaína Schwarzrock jana_100ideia@hotmail.com Prof. Leonardo W. Sommariva RESUMO: Este artigo trata da importância da informação na hora da tomada de decisão,

Leia 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

Hoje é inegável que a sobrevivência das organizações depende de dados precisos e atualizados.

Hoje é inegável que a sobrevivência das organizações depende de dados precisos e atualizados. BANCO DE DADOS Universidade do Estado de Santa Catarina Centro de Ciências Tecnológicas Departamento de Ciência da Computação Prof. Alexandre Veloso de Matos alexandre.matos@udesc.br INTRODUÇÃO Hoje é

Leia mais

15/09/2015. Gestão e Governança de TI. Modelo de Governança em TI. A entrega de valor. A entrega de valor. A entrega de valor. A entrega de valor

15/09/2015. Gestão e Governança de TI. Modelo de Governança em TI. A entrega de valor. A entrega de valor. A entrega de valor. A entrega de valor Gestão e Governança de TI Modelo de Governança em TI Prof. Marcel Santos Silva PMI (2013), a gestão de portfólio é: uma coleção de projetos e/ou programas e outros trabalhos que são agrupados para facilitar

Leia mais

Forneça a próxima onda de inovações empresariais com o Open Network Environment

Forneça a próxima onda de inovações empresariais com o Open Network Environment Visão geral da solução Forneça a próxima onda de inovações empresariais com o Open Network Environment Visão geral À medida que tecnologias como nuvem, mobilidade, mídias sociais e vídeo assumem papéis

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

MBA Inteligência Competitiva Com ênfase em BI/CPM. Metadados

MBA Inteligência Competitiva Com ênfase em BI/CPM. Metadados MBA Inteligência Competitiva BI/CPM 1 Data Warehousing PÓS-GRADUAÇÃO MBA Inteligência Competitiva Com ênfase em BI/CPM Metadados Andréa Cristina Montefusco (36927) Hermes Abreu Mattos (36768) Robson Pereira

Leia mais

O Que é Data Warehouse

O Que é Data Warehouse O Que é Data Warehouse Escrito por Carlos Alberto Sowek Buscando dar uma melhor visão sobre uma proposta de arquitetura de um Data Warehouse para a Celepar, bem como para os clientes da Celepar, sentimos

Leia mais

Noções de. Microsoft SQL Server. Microsoft SQL Server

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

Leia mais

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

GBC043 Sistemas de Banco de Dados. Introdução. Ilmério Reis da Silva ilmerio@facom.ufu.br www.facom.ufu.br/~ilmerio/sbd UFU/FACOM

GBC043 Sistemas de Banco de Dados. Introdução. Ilmério Reis da Silva ilmerio@facom.ufu.br www.facom.ufu.br/~ilmerio/sbd UFU/FACOM GBC043 Sistemas de Banco de Dados Introdução Ilmério Reis da Silva ilmerio@facom.ufu.br www.facom.ufu.br/~ilmerio/sbd UFU/FACOM Página 2 Definição BD Def. Banco de Dados é uma coleção de itens de dados

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

As principais características da abordagem de um banco de dados versus a abordagem de processamento de arquivos são as seguintes:

As principais características da abordagem de um banco de dados versus a abordagem de processamento de arquivos são as seguintes: SGBD Características do Emprego de Bancos de Dados As principais características da abordagem de um banco de dados versus a abordagem de processamento de arquivos são as seguintes: Natureza autodescritiva

Leia mais

Universidade Federal de Santa Maria Curso de Arquivologia. Disciplina de Banco de Dados Aplicados à Arquivística. Versao 1.

Universidade Federal de Santa Maria Curso de Arquivologia. Disciplina de Banco de Dados Aplicados à Arquivística. Versao 1. Universidade Federal de Santa Maria Curso de Arquivologia Disciplina de Banco de Dados Aplicados à Arquivística Prof. Andre Zanki Cordenonsi Versao 1.0 Março de 2008 Tópicos Abordados Conceitos sobre Banco

Leia mais

SISTEMA GERENCIADOR DE BANCO DE DADOS

SISTEMA GERENCIADOR DE BANCO DE DADOS BANCO DE DADOS Universidade do Estado de Santa Catarina Centro de Ciências Tecnológicas Departamento de Ciência da Computação Prof. Alexandre Veloso de Matos alexandre.matos@udesc.br SISTEMA GERENCIADOR

Leia 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

INTRODUÇÃO. Diferente de Bando de Dados

INTRODUÇÃO. Diferente de Bando de Dados INTRODUÇÃO Diferente de Bando de Dados 1 INTRODUÇÃO DADOS São fatos conhecidos que podem ser registrados e que possuem significado. Ex: venda de gasolina gera alguns dados: data da compra, preço, qtd.

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

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 Bancos de Dados Distribuídos Conceitos e Arquitetura Vantagens das Arquiteturas C/S (em relação

Leia mais

Banco de Dados. Uma coleção de dados relacionados [ELMASRI/NAVATHE]

Banco de Dados. Uma coleção de dados relacionados [ELMASRI/NAVATHE] 1/6 Banco de Dados O que é um Banco de Dados? Uma coleção de dados relacionados [ELMASRI/NAVATHE] Conjunto de dados integrados que tem por objetivo atender a uma comunidade específica [HEUSER] Um conjunto

Leia mais

BRAlarmExpert. Software para Gerenciamento de Alarmes. BENEFÍCIOS obtidos com a utilização do BRAlarmExpert:

BRAlarmExpert. Software para Gerenciamento de Alarmes. BENEFÍCIOS obtidos com a utilização do BRAlarmExpert: BRAlarmExpert Software para Gerenciamento de Alarmes A TriSolutions conta com um produto diferenciado para gerenciamento de alarmes que é totalmente flexível e amigável. O software BRAlarmExpert é uma

Leia mais

Universidade Federal de Goiás UFG Campus Catalão CAC Departamento de Engenharia de Produção. Sistemas ERP. PCP 3 - Professor Muris Lage Junior

Universidade Federal de Goiás UFG Campus Catalão CAC Departamento de Engenharia de Produção. Sistemas ERP. PCP 3 - Professor Muris Lage Junior Sistemas ERP Introdução Sucesso para algumas empresas: acessar informações de forma rápida e confiável responder eficientemente ao mercado consumidor Conseguir não é tarefa simples Isso se deve ao fato

Leia mais

Bancos de Dados. Conceitos F undamentais em S is temas de B ancos de Dados e s uas Aplicações

Bancos de Dados. Conceitos F undamentais em S is temas de B ancos de Dados e s uas Aplicações Conceitos F undamentais em S is temas de B ancos de Dados e s uas Aplicações Tópicos Conceitos Básicos Bancos de Dados Sistemas de Bancos de Dados Sistemas de Gerenciamento de Bancos de Dados Abstração

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

05/06/2012. Banco de Dados. Gerenciamento de Arquivos. Gerenciamento de Arquivos Sistema Gerenciador de Banco de Dados Modelos de Dados

05/06/2012. Banco de Dados. Gerenciamento de Arquivos. Gerenciamento de Arquivos Sistema Gerenciador de Banco de Dados Modelos de Dados Banco de Dados Gerenciamento de Arquivos Sistema Gerenciador de Banco de Dados Modelos de Dados Gerenciamento de Arquivos Gerenciamento de Arquivos 1 Gerenciamento de Arquivos Em uma indústria são executadas

Leia 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

perspectivas e abordagens típicas de campos de investigação (Senra & Camargo, 2010).

perspectivas e abordagens típicas de campos de investigação (Senra & Camargo, 2010). 1 Introdução Os avanços na tecnologia da informação, bem como o crescimento da sociedade da informação através do uso da Internet, obrigaram os governos de inúmeros países, em seus mais variados níveis,

Leia mais

Gerenciamento de Dados e Gestão do Conhecimento

Gerenciamento de Dados e Gestão do Conhecimento ELC1075 Introdução a Sistemas de Informação Gerenciamento de Dados e Gestão do Conhecimento Raul Ceretta Nunes CSI/UFSM Introdução Gerenciando dados A abordagem de banco de dados Sistemas de gerenciamento

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

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

Sistemas de Informação I

Sistemas de Informação I + Sistemas de Informação I Dimensões de análise dos SI Ricardo de Sousa Britto rbritto@ufpi.edu.br + Introdução n Os sistemas de informação são combinações das formas de trabalho, informações, pessoas

Leia 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

Bancos de dados distribuídos Prof. Tiago Eugenio de Melo tiagodemelo@gmail.com. http://www.tiagodemelo.info

Bancos de dados distribuídos Prof. Tiago Eugenio de Melo tiagodemelo@gmail.com. http://www.tiagodemelo.info Bancos de dados distribuídos Prof. Tiago Eugenio de Melo tiagodemelo@gmail.com Última atualização: 20.03.2013 Conceitos Banco de dados distribuídos pode ser entendido como uma coleção de múltiplos bds

Leia mais

Disciplina de Banco de Dados Introdução

Disciplina de Banco de Dados Introdução Disciplina de Banco de Dados Introdução Prof. Elisa Maria Pivetta CAFW - UFSM Banco de Dados: Conceitos A empresa JJ. Gomes tem uma lista com mais ou menos 4.000 nomes de clientes bem como seus dados pessoais.

Leia mais

Docente: Éberton da Silva Marinho e-mail: ebertonsm@gmail.com

Docente: Éberton da Silva Marinho e-mail: ebertonsm@gmail.com INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DO RIO GRANDE DO NORTE Introdução a Banco de Dados Docente: Éberton da Silva Marinho e-mail: ebertonsm@gmail.com 12/06/2013 Sumário Motivação da Disciplina

Leia mais

PROCESSO DE DESENVOLVIMENTO DE SOFTWARE. Modelos de Processo de Desenvolvimento de Software

PROCESSO DE DESENVOLVIMENTO DE SOFTWARE. Modelos de Processo de Desenvolvimento de Software PROCESSO DE DESENVOLVIMENTO DE SOFTWARE Introdução Modelos de Processo de Desenvolvimento de Software Os modelos de processos de desenvolvimento de software surgiram pela necessidade de dar resposta às

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

ADMINISTRAÇÃO DOS RECURSOS DE DADOS

ADMINISTRAÇÃO DOS RECURSOS DE DADOS 7 ADMINISTRAÇÃO DOS RECURSOS DE DADOS OBJETIVOS Por que as empresas sentem dificuldades para descobrir que tipo de informação precisam ter em seus sistemas de informação ão? Como um sistema de gerenciamento

Leia mais

MUDANÇAS NA ISO 9001: A VERSÃO 2015

MUDANÇAS NA ISO 9001: A VERSÃO 2015 MUDANÇAS NA ISO 9001: A VERSÃO 2015 Está em andamento o processo de revisão da Norma ISO 9001: 2015, que ao ser concluído resultará na mudança mais significativa já efetuada. A chamada família ISO 9000

Leia mais

Uma análise de ferramentas de modelagem e gerência de metadados aplicadas ao projeto de BI/DW-UFBA

Uma análise de ferramentas de modelagem e gerência de metadados aplicadas ao projeto de BI/DW-UFBA Universidade Federal da Bahia Instituto de Matemática Departamento de Ciência da Computação MATA67 Projeto Final II Uma análise de ferramentas de modelagem e gerência de metadados aplicadas ao projeto

Leia mais

Planejamento e Orçamento

Planejamento e Orçamento Planejamento e Orçamento O SIPLAG Sistema Integrado de Planejamento, Orçamento e Gestão, é um sistema voltado à gestão governamental, permitindo a elaboração do Plano Plurianual, da Lei Orçamentária Anual,

Leia mais

Introdução à Banco de Dados. Definição

Introdução à Banco de Dados. Definição Universidade Federal da Bahia Departamento de Ciência da Computação (DCC) Disciplina: Banco de Dados Profª. Daniela Barreiro Claro Introdução à Banco de Dados Definição Um banco de dados é uma coleção

Leia 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

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

22/02/2009. Supply Chain Management. É a integração dos processos do negócio desde o usuário final até os fornecedores originais que

22/02/2009. Supply Chain Management. É a integração dos processos do negócio desde o usuário final até os fornecedores originais que Supply Chain Management SUMÁRIO Gestão da Cadeia de Suprimentos (SCM) SCM X Logística Dinâmica Sugestões Definição Cadeia de Suprimentos É a integração dos processos do negócio desde o usuário final até

Leia 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

Faculdade Lourenço Filho - ENADE 2011-1

Faculdade Lourenço Filho - ENADE 2011-1 1. Quando se constrói um banco de dados, define-se o modelo de entidade e relacionamento (MER), que é a representação abstrata das estruturas de dados do banco e seus relacionamentos. Cada entidade pode

Leia mais

Planejando o aplicativo

Planejando o aplicativo Um aplicativo do Visual FoxPro geralmente inclui um ou mais bancos de dados, um programa principal que configura o ambiente de sistema do aplicativo, além de uma interface com os usuários composta por

Leia mais

Banco de Dados Aula 1 Introdução a Banco de Dados Introdução Sistema Gerenciador de Banco de Dados

Banco de Dados Aula 1 Introdução a Banco de Dados Introdução Sistema Gerenciador de Banco de Dados Banco de Dados Aula 1 Introdução a Banco de Dados Introdução Um Sistema Gerenciador de Banco de Dados (SGBD) é constituído por um conjunto de dados associados a um conjunto de programas para acesso a esses

Leia mais

MÓDULO 7 Modelo OSI. 7.1 Serviços Versus Protocolos

MÓDULO 7 Modelo OSI. 7.1 Serviços Versus Protocolos MÓDULO 7 Modelo OSI A maioria das redes são organizadas como pilhas ou níveis de camadas, umas sobre as outras, sendo feito com o intuito de reduzir a complexidade do projeto da rede. O objetivo de cada

Leia mais

Roteiro para a escrita do documento de Especificação de Requisitos de Software (ERS)

Roteiro para a escrita do documento de Especificação de Requisitos de Software (ERS) Roteiro para a escrita do documento de Especificação de Requisitos de Software (ERS) Definição Geral: Disciplina de Compiladores Prof. Jorge Bidarra (UNIOESTE) A especificação de requisitos tem como objetivo

Leia mais

Feature-Driven Development

Feature-Driven Development FDD Feature-Driven Development Descrição dos Processos Requisitos Concepção e Planejamento Mais forma que conteúdo Desenvolver um Modelo Abrangente Construir a Lista de Features Planejar por

Leia mais

Roteiro 2 Conceitos Gerais

Roteiro 2 Conceitos Gerais Roteiro 2 Conceitos Gerais Objetivos: UC Projeto de Banco de Dados Explorar conceitos gerais de bancos de dados; o Arquitetura de bancos de dados: esquemas, categorias de modelos de dados, linguagens e

Leia mais

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

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

Leia mais

MC536 Bancos de Dados: Teoria e Prática

MC536 Bancos de Dados: Teoria e Prática Universidade Estadual de Campinas - UNICAMP Instituto de Computação - IC MC536 Bancos de Dados: Teoria e Prática Aula #1 Arquitetura de Banco de Dados Profs. Anderson Rocha e André Santanchè Campinas,

Leia mais

ISO/IEC 12207: Gerência de Configuração

ISO/IEC 12207: Gerência de Configuração ISO/IEC 12207: Gerência de Configuração Durante o processo de desenvolvimento de um software, é produzida uma grande quantidade de itens de informação que podem ser alterados durante o processo Para que

Leia mais

Figura 1 - Arquitetura multi-camadas do SIE

Figura 1 - Arquitetura multi-camadas do SIE Um estudo sobre os aspectos de desenvolvimento e distribuição do SIE Fernando Pires Barbosa¹, Equipe Técnica do SIE¹ ¹Centro de Processamento de Dados, Universidade Federal de Santa Maria fernando.barbosa@cpd.ufsm.br

Leia mais