DATA WAREHOUSING. Data Warehousing

Tamanho: px
Começar a partir da página:

Download "DATA WAREHOUSING. Data Warehousing"

Transcrição

1 DATA WAREHOUSING Data Warehousing

2 Sumário Conceitos / Autores chave Introdução Modelos de Data Warehouse Processo de Extração, Transformação e Carga de Dados Data Mart versus Data Warehouse Conclusões Atividades... 9 Materiais complementares Bibliografia Curso - Data Warehousing

3 Conceitos / Autores-chave Glossário Business Intelligence Conjunto de conceitos e metodologias que, fazendo uso de acontecimentos (fatos) e sistemas baseados nos mesmos, apóia a tomada de decisões em negócios. OLAP uma mesma informação de diferentes formas pode ajudar na tomada exata de uma decisão. Ferramentas OLAP nos auxiliam nessa função. Data Mining (ou mineração de dados) é o processo de extrair informação válida, previamente desconhecida e de máxima abrangência a partir de grandes bases de dados, usando-as para efetuar decisões cruciais. Pontos Críticos Diferença entre Data Warehouse e Data Warehousing Data Warehousing (DWing) é o processo de desenvolvimento de um Data Warehouse (DW) adequado à análise de negócios e ao apoio à tomada de decisões gerenciais e estratégicas. Esta tecnologia é a base, sobre a qual se monta a Inteligência de Negócios (Business Intelligence ou BI) das empresas. Um data warehouse (ou armazém de dados, ou depósito de dados) é um sistema de computação utilizado para armazenar informações relativas às atividades de uma organização em bancos de dados, de forma consolidada. O desenho da base de dados favorece os relatórios, a análise de grandes volumes de dados e a obtenção de informações estratégicas que podem facilitar a tomada de decisão. 1. Introdução A elaboração de um Data Warehouse requer muito tempo, envolve custos e muito esforço gerencial. Muitas empresas iniciam o tratamento de suas necessidades focadas em um DW por meio de interesses de pequenos grupos dentro da organização, caracterizando o contexto de um data mart. Um data mart é um pequeno data warehouse que fornece suporte à decisão de um pequeno grupo de pessoas ou interessados nos processos de negócio deste grupo. A idéia básica, sugerida por fornecedores de data warehouse é que se deve pensar grande, mas começar de forma pequena e organizada. Um projeto de DW não pode ser uma idéia imediatista, ela deve ser construída de forma gradual ao longo do tempo. É importante ter em mente que a diferença entre um data mart e um data warehouse é apenas o tamanho e o escopo do problema a ser solucionado. Portanto, os problemas e os requisitos são essencialmente os mesmos para ambos. Curso - Data Warehousing

4 2. Modelos de Data Warehouse O Modelo multidimensional pode ser de dois tipos: O Modelo Estrela e o Modelo Floco de Neve, sendo mais usado o Estrela. 2.1 O modelo estrela (Star Schema) Este modelo é chamado de estrela porque a tabela fato fica ao centro, cercada das tabelas dimensionais, assemelhando-se a uma estrela. Mas o ponto forte a fixar é que as dimensões não são normalizadas e não existe relacionamento entre as mesmas, conforme é apresentado na figura abaixo. Representação de um modelo estrela Esta forma de disponibilizar as tabelas é conhecida como modelo estrela devido a sua disposição no modelo físico, que consiste de uma tabela central, a tabela fato, e as demais tabelas dimensões, em suas extremidades. Na tabela fato existe uma chave estrangeira que se associa a uma chave primária na tabela dimensão, deste modo todas as dimensões ficam associadas à tabela fato. Na figura a seguir é mostrado um exemplo de dimensões com seus papéis, associadas a uma tabela fato. Tabela Fato (Vendas) e tabelas Dimensões (Tempo, Vendedor, Cliente e Produto) 2.2 O modelo Floco de Neve (Snow Flake) No modelo Floco as tabelas dimensionais relacionam-se com a tabela fato, mas algumas dimensões relacionam-se apenas entre elas, isto ocorre para fins de normalização das tabelas dimensionais. Este modelo chama-se floco de neve, pois cada dimensão se divide em várias outras tabelas, que organizadas de certa forma, lembra um floco de neve. O modelo de dados multidimensional é usualmente similar a uma estrela. Um fato está no centro da estrela e as dimensões ao seu redor, formando as pontas dessa estrela. O modelo floco de neves é o resultado da decomposição de uma ou mais dimensões que possuem hierarquias entre seus membros O modelo floco de neve consiste de uma extensão do modelo estrela, onde cada uma das pontas da estrela pode vir a ser o centro de outras estrelas. Cada tabela dimensão uma vez normalizadas, seria convertido em tabelas compostas de hierarquias em função de seus atributos. Considerando possíveis complexidades hierárquicas, aconselha-se aos projetistas a resistirem à tentação de transformar esquemas estrela em floco de neve; devido ao impacto da complexidade deste tipo de estrutura sobre o usuário final, e tratando-se de ganho de espaço de armazenamento o resultado é pouco relevante. Na figura abaixo apresenta-se um exemplo de floco de neves. Modelo floco de neve Curso - Data Warehousing

5 2.3 Roteiro de Modelagem A seguir é apresentado um roteiro de modelagem multidimensional. Estes passos são fundamentais para a elaboração de um Data Warehouse. Identificar as necessidades do negócio. Definir os fatos. Definir as dimensões. Definir as medidas. Identificar os atributos das dimensões e das hierarquias. Definir a granularidade de cada tabela fato. Verificar o nível de detalhamento das dimensões. Definir a duração do Data Mart (previsão do histórico). Definir a freqüência com que os dados devem ser extraídos e carregados no DW. A definição de freqüência de ETL deve obedecer a critérios que levem em consideração os seguintes aspectos: - O encerramento das atividades em um período relativo ao grau de informação do Data Marts. - A determinação de que não existirão mais modificações de uma base de dados nas fontes relativas ao período em questão. 2.4 Erros na implantação de um DW O Data Warehousing Institute (SINGH, 2001) aponta os dez erros mais comuns na implantação de um DW: 1. Começar o projeto com o tipo errado de patrocínio. 2. Gerar expectativas que não possam ser satisfeitas, frustrando os executivos quando da utilização do DW. 3. Dizer: Isto vai ajudar os gerentes a tomar decisões melhores e outras informações politicamente ingênuas. 4. Carregar o DW com informações só porque estavam disponíveis. 5. Falhar no objetivo de acrescentar valor ao dado por meio de mecanismos de desnormatização, categorização e navegação assistida. 6. Escolher um gerente que seja voltado para a tecnologia e não para o usuário. 7. Focalizar em dados tradicionais internos orientados para o registro e ignorar o valor potencial de dados textuais, imagem, som, vídeo e dados externos. 8. Fornecer dados com definições confusas e sobrepostas. 9. Acreditar nas promessas de desempenho, capacidade e escalabilidade dos vendedores de produtos. 10. Usar o DW como justificativa para modelagem de dados e uso de ferramentas case. Definir o modelo de dados do DW. Escolher uma ferramenta case para realizar a modelagem multidimensional (Ex. ERWIN). Elaborar a modelagem multidimensional. Verificar a consistência e eficiência do modelo de DW. Curso - Data Warehousing

6 3. Processo de extração, transformação e carga de dados Esta etapa é uma das fases mais críticas de um Data Warehouse, pois envolve a fase de movimentação dos dados. A mesma se dá basicamente em três passos: extração, transformação e carga dos dados. Esses são os mais trabalhosos, complexos e também muito detalhados, embora tenhamos várias ferramentas (falaremos mais abaixo) que nos auxiliam na execução desse trabalho. O primeiro passo a ser tomado no processo de ETL é simplesmente a definição das fontes de dados e a extração deles. As origens deles podem ser várias e também em diferentes formatos, onde poderemos encontrar desde os sistemas transacionais das empresas, até planilhas, flat files (arquivos de textos), dados que vêm do grande porte e também arquivos do tipo DBF, do antigo Clipper ou Dbase. Definidas as fontes, partimos para o segundo passo que consiste em transformar e limpar esses dados. Mas, afinal de contas, o que é isso? Bem vamos descrever de uma forma bem simples: quando obtemos os dados de uma fonte, que na maioria das vezes é desconhecida nossa, e foi concebida há muito tempo atrás, os mesmos possuem muito lixo e há muita inconsistência. Por exemplo. Quando um vendedor de linhas telefônicas for executar uma venda, ou inscrição, ele está preocupado em vender, e não está preocupado com a qualidade dos dados que está inserindo na base. Então, se por acaso, o cliente não tiver o número do CPF à mão, ele cadastra um número qualquer, desde que o sistema aceite. Um dos mais utilizados é o Agora imagine se um diretor de uma companhia telefônica consultar o seu Data Warehouse (DW) para ver quais são os seus maiores clientes, e aparecer em primeiro lugar o cliente que tem o CPF ? Seria no mínimo estranho. Por isso, nessa fase do DW, fazemos a limpeza desses dados, para haver compatibilidade entre eles. Além da limpeza, temos de fazer na maioria das vezes uma transformação, pois os dados provêm de vários sistemas, e por isso, geralmente uma mesma informação tem diferentes formatos. Por exemplo: em alguns sistemas a informação sobre o sexo do cliente pode estar armazenada no formato: M para Masculino e F para Feminino, porém em algum outro sistema está guardado como H para Masculino e M para Feminino; e assim sucessivamente. Quando levamos esses dados para o DW, deve-se ter uma padronização deles, ou seja, quando o usuário for consultar o DW, ele não pode ver informações iguais em formatos diferentes; então, quando fazemos o processo de ETL, transformamos esses dados e deixamos num formato uniforme sugerido pelo próprio usuário. No DW, teremos somente M e F, fato esse que facilitará a análise dos dados que serão recuperados pela ferramenta OLAP (KIMBALL, 2002). A seguir são apresentados alguns dos fatores que devem ser analisados antes de começar a fase de extração dos dados (SINGH, 2001, OLIVEIRA, 2004): A extração de dados do ambiente operacional para o ambiente de data warehouse demanda uma mudança na tecnologia. Os dados são transferidos de bancos de dados hierárquicos, tal como o adabas, ou de bases do grande porte, como o DB2, para uma nova tecnologia de SGBD para Data Warehouse, tal como o IQ da Sybase, Red Brick da Informix, Essbase ou o DB2 para DW; Curso - Data Warehousing 6

7 A seleção de dados do ambiente operacional pode ser muito complexa, pois muitas vezes é necessário selecionar vários campos de um sistema transacional para compor um único campo no data warehouse; Outro fator que deve ser levado em conta é que dificilmente há o modelo de dados dos sistemas antigos, e se existem não estão documentados; Os dados são reformatados. Por exemplo: um campo data do sistema operacional do tipo DD/MM/AAAA pode ser passado para o outro sistema do tipo ano e mês como AAAA/ MM; Quando há vários arquivos de entrada, a escolha das chaves deve ser feita antes que os arquivos sejam intercalados. Isso significa que se diferentes estruturas de chaves são usadas nos diferentes arquivos de entrada, então se deve optar por apenas uma dessas estruturas; Os arquivos devem ser gerados obedecendo à mesma ordem das colunas estipuladas no ambiente de data warehouse; Pode haver vários resultados. Dados podem ser produzidos em diferentes níveis de resumo pelo mesmo programa de criação do data warehouse; Valores default devem ser fornecidos. Às vezes pode existir um campo no data warehouse que não possui fonte de dados, então a solução é definir um valor padrão para estes campos. Importante O data warehouse espelha as informações históricas necessárias, enquanto o ambiente operacional focaliza as informações pontuais correntes. A parte de carga dos dados também possui uma enorme complexidade, e os seguintes fatores devem ser levados em conta: A parte de Integridade dos dados. No momento da carga é necessário checar os campos que são chaves estrangeiras com suas respectivas tabelas para certificar-se de que os dados existentes na tabela da chave estrangeira estão de acordo com a tabela da chave primária; Se a tabela deve receber uma carga incremental ou a carga por cima dos dados. A carga incremental normalmente é feita para tabelas fato e a carga por cima dos dados é feita em tabelas dimensões onde o analista terá que deletar os dados existentes e incluí-los novamente. Mas, em alguns casos, poderá acontecer que as tabelas de dimensões tenham de manter o histórico, então o mesmo deverá ser mantido; Apesar de existirem ferramentas de ETL como o DTS (Data Transformation Service), Data Stage, ETI, Acta e Sagent, ainda têm-se a necessidade de criar rotinas de carga para atender determinadas situações que poderão ocorrer. As ferramentas de ETL mais utilizadas no mercado são o Data Stage da Ardent, agora adquirido pela Informix, o ETI da IBM, Sagent da própria Sagent, Informática Power Conect da Informática e o DTS da Microsoft. Todos têm os seus diferenciais e cada um poderá ser utilizado dependendo do caso de cada empresa. Algumas ferramentas têm a curva de aprendizado mais suave, outras um pouco mais íngreme, mas em certos casos mesmo sendo uma ferramenta de difícil aprendizado exigindo maiores investimentos em pessoal, serão compensados com o desempenho e flexibilidade da mesma. Há outras ferramentas que têm custo zero de aquisição, pois, vem embutida junto com um SGBD (Sistema Gerenciador de Banco de Dados), mas, em contrapartida são bastante limitadas no tocante à extração de dados e exigem uma maior codificação dos processos de ETL, em relação às outras. O que vale dizer é que uma ferramenta de ETL tem grande valia, principalmente se os sistemas OLTP (transacionais) são muitos, pois ela é uma poderosa fonte de geração de metadados, e que contribuirão muito para a produtividade da sua equipe, porém devese tomar muito cuidado ao escolhê-la. Seja minucioso, teste o máximo de ferramentas que puder e veja qual é a mais adequada ao seu caso, pois elas exigem um alto investimento, tanto em capacitação, quanto na própria aquisição. Em alguns casos é interessante o auxílio de profissionais externos para a escolha. O fato verdadeiro é que os benefícios serão bastante vistosos e a produtividade aumentará consideravelmente. Curso - Data Warehousing 7

8 4. Data Mart versus Data Warehouse Por muitos anos, todos os sistemas que extraíam dados de sistemas legados e os armazenavam, de maneira utilizável para suporte à decisão, eram chamados data warehouses. Ao longo dos últimos anos, uma distinção tem sido feita entre os data warehouses corporativos e os departamentais data marts, mesmo que, geralmente, o conceito ainda continue sendo chamado de data warehousing. Debates na indústria em geral indicam que aproximadamente 70 a 80 por cento de todos os data warehouses, atualmente em produção, são, de fato, data marts. Na Conferência de fevereiro do Meta Group/DCI 1997 Data Warehouse World Conference, observou-se que o foco dos departamentos de informática tem se transferido da justificação do custo de implementação de data warehouses para a entrega de aplicações de data marts. Os data marts atendem às necessidades de unidades específicas de negócio, ao invés de atender às da corporação inteira. Eles otimizam a entrega de informação de suporte à decisão e se focam na gerência sumarizada e/ou dados exemplificativos ao invés do histórico de níveis atomizados. Eles podem ser apropriados e gerenciados por pessoal fora do departamento de informática das corporações. A crescente popularidade desses mal definidos data marts em cima da popularidade dos grandes sistemas de data warehouses corporativos é baseada em muitos bons motivos: Os data marts têm diminuído drasticamente o custo de implementação e manutenção de sistemas de apoio à decisão e os têm posto ao alcance de um número muito maior de corporações; Eles podem ser prototipados muito mais rápido, com alguns pilotos sendo construídos entre 30 e 120 dias e sistemas completos sendo construídos entre 3 e seis meses; Os data marts têm o escopo mais limitado e são mais identificados com grupos de necessidades dos usuários, o que se traduz em esforço/time concentrado. Os departamentos autônomos e as pequenas unidades de negócio freqüentemente preferem construir o seu próprio sistema de apoio à decisão, via data marts. Muitos departamentos de informática estão vendo a efetividade desta abordagem e estão construindo agora o data warehouse por assunto ou um data mart por vez; ganhando experiência gradualmente e garantindo o suporte dos fatores chave de gerenciamento e vendo, então, benefícios concretos muitas vezes ao ano. Começando com planos modestos e os desenvolvendo à medida que se adquire mais conhecimento sobre as fontes de dados e às necessidades dos usuários, faz com que as organizações justifiquem os data marts enquanto progridem. Algumas vezes, projetos que começam como data warehouses se transformam em data marts. Quando as organizações acumulam grandes volumes de dados históricos para suporte à decisão que se mostram pouco ou nunca utilizados, elas podem reduzir o armazenamento ou arquivamento de informação e contrair o seu data warehouse em um data mart mais focado. Ou, elas podem dividir o warehouse em vários data marts, oferecendo tempo de resposta mais rápido, acesso mais fácil e menos complexidade para os usuários finais. Tanto um Data Warehouse quanto um Data Mart são sistemas orientados a consultas, sobre os quais se produzem processos batch com elevada carga de dados e baixa freqüência. Ambos, data mart e data warehouse, são consultados mediante ferramentas OLAP (On Line Analytical Processing) que oferecem uma visão multidimensional da informação (DALLORA, 2004). Curso - Data Warehousing 8

9 5. Conclusões A escolha de um data mart ou de um data warehouse é diretamente proporcional à necessidade da empresa e de seus processos de negócio. No entanto, se faz necessário o uso da extração de dados de fontes que em princípio devam ser confiáveis, pois este é o ponto de partida para a carga de dados no banco de dados. A transformação dos dados é o passo seguinte, que deve ser feito de tal forma, que mantenha a qualidade dos dados em questão para então proceder com a devida carga no banco de dados. O processo ETL é fundamental para a manutenção do banco de dados, e deve ser atualizado para adequar-se aos novos processos de negócio que são adotados pela empresa, visto que estes processos geralmente ocorrem em função do dinamismo decorrente do mercado. 6. Atividade Introdução O objetivo desta atividade é mostrar um exemplo prático de implantação de data warehouse; e verificar a habilidade do aluno em identificar os conceitos estudados e as vantagens obtidas pela organização que implantou o data warehouse. Processo Depois de ler e analisar o artigo intitulado Vantagens Obtidas com a Utilização da Implantação do Data Warehouse: Um Estudo de Caso na Unimed de Francisco Beltrão (<Artigo_ Unimed_Unidade7.pdf>), realizar as seguintes atividades: 1. Defina os seguintes termos: data warehouse e data mart. 2. Comente sobre as vantagens obtidas pela Unimed depois de implantar um data warehouse. 3. Quais são os requisitos que uma organização deve cumprir para obter bons resultados com a implantação de um data warehouse? 4. Elabore uma análise crítica do artigo, comentando seu parecer sobre o estudo de caso analisado. Curso - Data Warehousing 9

10 Materiais complementares INMON, William H.. Como construir o Data warehouse. 2ª ed. New York: Editora Campus, MACHADO, Felipe Nery Rodrigues. Tecnologia e Projeto de Data Warehouse. 1ª Edição. São Paulo: Editora Érica, 2004, 318p. QUADROS, A. A., MUNIZ, D.B., NETO, D.F., FILHO, J.D. Introdução ao Banco de Dados Data Warehouse, Departamento de Ciência da Computação, Salvador, 14p. HACKNEY, Douglas. Data Warehouse Delivery: Who are You? Part I. DM Review Magazine, v.8, n. 2, Bibliografia DALLORA. M., GOES, W. M., ROSA, N. A., CORABOLANTE, F. J., SANTOS, F. G., Proposta de utilização de um Data Mart no centro cirúrgico do HCFMRP-USP, ix Congresso Brasileiro de Informática em Saúde, CBIS 2004, Ribeirão Preto, KIMBALL, Ralph; ROSS, Margy. The Data Warehouse Toolkit Guia Completo para Modelagem Dimensional. Tradução da 2ª. ed. Rio de Janeiro, Campus, 2002 SINGH, H. S. Data Warehouse: conceitos, tecnologias, implantação e gerenciamento. Makron Books, OLIVEIRA, A. G., DENISE, F. G. Mineração da Base de Dados de um Processo Seletivo Universitário, INFOCOMP, Revista de Ciência da Computação, vol. 3, n.2, nov Curso - Data Warehousing 10

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

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 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

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

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

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

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

5 Estudo de Caso. 5.1. Material selecionado para o estudo de caso

5 Estudo de Caso. 5.1. Material selecionado para o estudo de caso 5 Estudo de Caso De modo a ilustrar a estruturação e representação de conteúdos educacionais segundo a proposta apresentada nesta tese, neste capítulo apresentamos um estudo de caso que apresenta, para

Leia mais

DATA 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

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 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

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

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

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

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

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

Data Warehouse a experiência da ANVISA

Data Warehouse a experiência da ANVISA Data Warehouse a experiência da ANVISA Camilo Mussi, Denis Murahovschi, Giliana Bettni, Luiz Gustavo Kratz Assessoria da Presidência, Agência Nacional de Vigilância Sanitária (ANVISA), Brasil Resumo -

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

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

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

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

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

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

Data Warehouses Uma Introdução

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

Leia mais

Business Intelligence 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

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

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

UNG CIC Tópicos Especiais de TI. Aula 13

UNG CIC Tópicos Especiais de TI. Aula 13 Aula 13 1. Data Warehouse Armazém de Dados (Continuação) 1 Erros na implantação de um Data Warehouse Segundo o Data Warehousing Institute existem dez erros mais comuns na implantação 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

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

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

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. 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

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

Kimball University: As 10 Regras Essenciais para a Modelagem de Dados Dimensional

Kimball University: As 10 Regras Essenciais para a Modelagem de Dados Dimensional Kimball University: As 10 Regras Essenciais para a Modelagem de Dados Dimensional Margy Ross Presidente Kimball Group Maio de 2009, Intelligent Enterprise.com Tradução livre para a língua portuguesa por

Leia mais

Planejamento 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

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

Uma Ferramenta Web para BI focada no Gestor de Informação

Uma Ferramenta Web para BI focada no Gestor de Informação Uma Ferramenta Web para BI focada no Gestor de Informação Mikael de Souza Fernandes 1, Gustavo Zanini Kantorski 12 mikael@cpd.ufsm.br, gustavoz@cpd.ufsm.br 1 Curso de Sistemas de Informação, Universidade

Leia mais

Data 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

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

Uma aplicação de Data Warehouse para análise do processo de coleta de sangue e de medula óssea

Uma aplicação de Data Warehouse para análise do processo de coleta de sangue e de medula óssea Uma aplicação de Data Warehouse para análise do processo de coleta de sangue e de medula óssea Rogério de Torres Pelito, Gleise Celeste Gonzaga Pereira, Diana Maria da Silva de Souza, André Luiz Alves

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

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

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

Leia mais

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

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

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

Business Intelligence e Inteligência Analítica BUSINESS INTELLIGENCE

Business Intelligence e Inteligência Analítica BUSINESS INTELLIGENCE Business Intelligence e Inteligência Analítica BUSINESS INTELLIGENCE Sumário Conceitos/Autores chave... 3 1. Introdução... 4 2. Teoria de Negócios... 5 3. Profi ssionais de BI... 6 4. Verdades e Mitos

Leia mais

DESENVOLVIMENTO DA SOLUÇÃO DE BUSINESS INTELLIGENCE EM UMA UNIVERSIDADE ESTADUAL, UTILIZANDO A FERRAMENTA EXCEL PARA MANIPULAÇÃO DOS DADOS

DESENVOLVIMENTO DA SOLUÇÃO DE BUSINESS INTELLIGENCE EM UMA UNIVERSIDADE ESTADUAL, UTILIZANDO A FERRAMENTA EXCEL PARA MANIPULAÇÃO DOS DADOS DESENVOLVIMENTO DA SOLUÇÃO DE BUSINESS INTELLIGENCE EM UMA UNIVERSIDADE ESTADUAL, UTILIZANDO A FERRAMENTA EXCEL PARA MANIPULAÇÃO DOS DADOS Flávio Augusto Lacerda de Farias Rogério Tronco Vassoler ** Resumo

Leia mais

PLANO DE ENSINO DO 2º SEMESTRE LETIVO DE 2012

PLANO DE ENSINO DO 2º SEMESTRE LETIVO DE 2012 PLANO DE ENSINO DO 2º SEMESTRE LETIVO DE 2012 Curso: TECNOLOGIA EM GESTÃO COMERCIAL Habilitação: TECNÓLOGO Disciplina: NEGÓCIOS INTELIGENTES (BUSINESS INTELLIGENCE) Período: M V N 4º semestre do Curso

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

Modelando um Data Warehouse GRIMALDO OLIVEIRA

Modelando um Data Warehouse GRIMALDO OLIVEIRA Modelando um Data Warehouse GRIMALDO OLIVEIRA Sobre Grimaldo Grimaldo Oliveira grimaldo_lopes@hotmail.com Formação Mestre em Tecnologias Aplicadas a Educação pela Universidade do Estado da Bahia. Especialização

Leia mais

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

BUSINESS INTELLIGENCE, O ELEMENTO CHAVE PARA O SUCESSO DAS ORGANIZAÇÕES.

BUSINESS INTELLIGENCE, O ELEMENTO CHAVE PARA O SUCESSO DAS ORGANIZAÇÕES. Encontro de Ensino, Pesquisa e Extensão, Presidente Prudente, 22 a 25 de outubro, 2012 88 BUSINESS INTELLIGENCE, O ELEMENTO CHAVE PARA O SUCESSO DAS ORGANIZAÇÕES. Andrios Robert Silva Pereira, Renato Zanutto

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

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

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 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

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

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

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

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 4.4 2 1 BI BUSINESS INTELLIGENCE BI CARLOS BARBIERI

Leia mais

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

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

Leia mais

Data Mining: Conceitos e Técnicas

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

Leia mais

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 4.1 2 1 Material usado na montagem dos Slides BARBIERI,

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

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

Tópicos Avançados de Banco de Dados (Business Intelligence)

Tópicos Avançados de Banco de Dados (Business Intelligence) Tópicos Avançados de Banco de Dados (Business Intelligence) http://www.uniriotec.br/~tanaka/sain tanaka@uniriotec.br Modelagem Dimensional Conceitos Básicos Material baseado em originais de Maria Luiza

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

A aplicação do Business Intelligence no segmento de Saúde Pública Ambulatorial

A aplicação do Business Intelligence no segmento de Saúde Pública Ambulatorial A aplicação do Business Intelligence no segmento de Saúde Pública Ambulatorial Gilberto Capatina Valente 1, Newton Naoki Ahagon 1 1 Atech Tecnologias Críticas, São Paulo, SP Resumo Este artigo descreve

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

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

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

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

CURSO DE DATAWAREHOUSE TRABALHO FINAL

CURSO DE DATAWAREHOUSE TRABALHO FINAL CURSO DE DATAWAREHOUSE TRABALHO FINAL GRUPO I &- COMMERCE 1 REVISÃO 2 1/6/2000 Foram revistos os itens : Introdução Problemas e soluções propostas REVISÃO 3/4 19/6/2000 E 27/04/2000 versão final Foram

Leia mais

Soluções de Inteligência de Negócio e Mercado

Soluções de Inteligência de Negócio e Mercado Soluções de Inteligência de Negócio e Mercado Fernando Garre e Majela Fortes Especialistas em consultoria de Business Intelligence / Data Warehouse Consultoria focada nas Soluções de Business Intelligence

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

Business Intelligence: Desafios e Melhores Práticas

Business Intelligence: Desafios e Melhores Práticas Sucesu RJ - IV Congresso de Inteligência Competitiva Business Intelligence: Desafios e Melhores Práticas Eugenio Pedrosa Petrobras Roteiro Arquitetura de BI Evolução da BI nas Empresas Corporate Performance

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

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

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

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

Leia mais

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

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

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

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

Leia mais

TÉCNICAS DE INFORMÁTICA WILLIAN FERREIRA DOS SANTOS

TÉCNICAS DE INFORMÁTICA WILLIAN FERREIRA DOS SANTOS TÉCNICAS DE INFORMÁTICA WILLIAN FERREIRA DOS SANTOS Vimos em nossas aulas anteriores: COMPUTADOR Tipos de computadores Hardware Hardware Processadores (CPU) Memória e armazenamento Dispositivos de E/S

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

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

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

Leia mais

KÊNIA DIAS ZORZIN IMPLEMENTAÇÃO DE UM DATA WAREHOUSE PARA AUXILIAR NAS TOMADAS DE DECISÕES DO HEMOCENTRO COORDENADOR DE PALMAS

KÊNIA DIAS ZORZIN IMPLEMENTAÇÃO DE UM DATA WAREHOUSE PARA AUXILIAR NAS TOMADAS DE DECISÕES DO HEMOCENTRO COORDENADOR DE PALMAS KÊNIA DIAS ZORZIN IMPLEMENTAÇÃO DE UM DATA WAREHOUSE PARA AUXILIAR NAS TOMADAS DE DECISÕES DO HEMOCENTRO COORDENADOR DE PALMAS Palmas 2006 ii KÊNIA DIAS ZORZIN IMPLEMENTAÇÃO DE UM DATA WAREHOUSE PARA AUXILIAR

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

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

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

Leia mais

Trata-se de uma estratégia de negócio, em primeira linha, que posteriormente se consubstancia em soluções tecnológicas.

Trata-se de uma estratégia de negócio, em primeira linha, que posteriormente se consubstancia em soluções tecnológicas. CUSTOMER RELATIONSHIP MANAGEMENT Customer Relationship Management CRM ou Gestão de Relacionamento com o Cliente é uma abordagem que coloca o cliente no centro dos processos do negócio, sendo desenhado

Leia mais

Diferença Entre Banco de Dados Relacional e Banco de Dados Dimensional. Difference Between Relational Database and Dimensional Database

Diferença Entre Banco de Dados Relacional e Banco de Dados Dimensional. Difference Between Relational Database and Dimensional Database Diferença Entre Banco de Dados Relacional e Banco de Dados Dimensional Difference Between Relational Database and Dimensional Database Edgar Silveira Jardim 1 Marcus Vinícius Abreu de Oliveira 2 Rodrigo

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

Sistemas de Apoio à Inteligência do Negócio

Sistemas de Apoio à Inteligência do Negócio Sistemas de Apoio à Inteligência do Negócio http://www.uniriotec.br/~tanaka/sain tanaka@uniriotec.br Visão Geral de Business Intelligence Evolução dos Sistemas de Informação (computadorizados) 1950 s:

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

BUSINESS INTELLIGENCE APLICADO NA GESTÃO ACADÊMICA

BUSINESS INTELLIGENCE APLICADO NA GESTÃO ACADÊMICA BUSINESS INTELLIGENCE APLICADO NA GESTÃO ACADÊMICA Marcio Rodrigo Teixeira e Mehran Misaghi Instituto Superior Tupy (IST) / Sociedade Educacional de Santa Catarina (SOCIESC) Campus Boa Vista, Joinville,

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

ATIVIDADES PRÁTICAS SUPERVISIONADAS

ATIVIDADES PRÁTICAS SUPERVISIONADAS ATIVIDADES PRÁTICAS SUPERVISIONADAS Tecnologia em Gestão da Tecnologia da Informação 4ª. Série Administração de Banco de Dados A atividade prática supervisionada (ATPS) é um método de ensinoaprendizagem

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

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