Tópicos Avançados de Bases de Dados
|
|
- Maria Laura Sequeira Fartaria
- 8 Há anos
- Visualizações:
Transcrição
1 , 2004/2005 Tópicos Avançados de Bases de Dados Henrique Madeira 2004/ Data Warehousing e OLAP 2 Data Warehousing e OLAP 1
2 , 2004/2005 Bibliografia (tópico de Data Warehousing) Apontamentos do docente; Livros sobre DW: - The Data Warehouse Lifecycle Toolkit, Ralph Kimbal, Ed. J. Wiley & Sons, Inc, "The Data Warehouse Toolkit", Ralph Kimbal, Ed. J. Wiley & Sons, Inc, 1996; - "Building the data warehouse", W. H. Inmon, Ed. J. Wiley & Sons, Inc, 1996; - "The data model resouce book", L. Silverston, W. H. Inmon e K. Graziano, Ed. J. Wiley & Sons, Inc, 1997; - "Data Warehousing, Concepts, Technologies, Implementations, and Management", Harry Singh, Ed. Prentice Hall, 1998; - "The Internet Data Warehouse", Rick Tanler, Ed. J. Wiley & Sons, Inc, 1997; - "Managing the Data Warehouse", W. H. Inmon, J. Welch, K. Glassey, Ed. J. Wiley & Sons, Inc, 1997; - "Oracle data warehousing", M. Corey e M. Abbey, Osborne McGraw Hill, 1997; 3 Características genéricas das Data Warehouses 4 Data Warehousing e OLAP 2
3 , 2004/2005 O que é uma data warehouse? Base de dados de grande dimensão que armazena dados para apoio à decisão estratégica. São construídas a partir de bases de dados operacionais e de outros sistemas usados numa organização. BD operacionais e outros sistemas Data Warehouse Utilizadores Utilizadores 5 Volume de dados Até 20 Gbytes Pequena dimensão; corre num bom PC De 20 a 100 Gbytes Média dimensão; precisa de workstation poderosa; De 100 Gbytes a 1 TBytes Grande dimensão; servidores poderosos, normalmente com processamento paralelo Superior a 1 TBytes Enorme dimensão; necessita processamento maciçamente paralelo. 6 Data Warehousing e OLAP 3
4 , 2004/2005 Algumas características de DW Dependência temporal; Não volatilidade; Orientadas para fins específicos; Integração e consistência informação; Estrutura de dados optimizada para a consulta. 7 Dependência temporal Os dados na DW foram recolhidos ao longo do tempo (não são instantâneos); É preciso adicionar aos dados o instante temporal a que estes se reportam. 8 Data Warehousing e OLAP 4
5 , 2004/2005 Não volatilidade Os dados numa DW são actualizados; A DW armazena os dados históricos (memória histórica) das BD operacionais de onde foi gerada; Depois de carregados (a partir de uma BD operacional) a única operação é fazer queries. 9 Orientadas para fins específicos Devem ser guardados apenas os dados relevantes para a tomada de decisões; Muitos dados necessários à gestão do dia-a-dia dos sistemas operacionais não têm relevo para a DW. 10 Data Warehousing e OLAP 5
6 , 2004/2005 Integração e consistência de informação No ambiente operacional a mesma informação pode residir em dados com nome e aspecto diferente; É necessário integrar e dar consistência aos dados provenientes das BD operacionais antes de os armazenar na DW. 11 Optimização das consultas Uma vez carregados, os dados só são alvo de consultas; As DW têm quantidades enormes de dados. Visão multidimensional Desnormalização parcial Os dados devem ser armazenados de forma a acelerar ao máximo as consultas 12 Data Warehousing e OLAP 6
7 , 2004/2005 Visão genérica do modelo dimensional 13 Modelo dimensional Modelo usual em bases de dados operacionais: E/R O modelo dimensional é uma alternativa contém a mesma informação... organiza-a de forma simétrica orientada para o utilizador: Fácil compreensão Bom desempenho nas pesquisa Data Warehouses construídas sobre E/R complexos falham 14 Data Warehousing e OLAP 7
8 , 2004/2005 Modelo multidimensional Continente Leiria Continente Coimbra Hipermercado Produto Leite Farinha Açúcar Café Vendas Jan Fev Mar Abr Data 15 Exemplo de esquema em estrela Tempo Cadeia de Lojas ID_data Dia Dia_da_semana Semana_do_ano Mês Trimestre Ano Produto ID_produto Nome Tipo Marca Categoria Embalagem Descrição Venda ID_data ID_produto ID_loja Unid_vendidas Custo_compra Valor_venda Nº_Clientes Loja ID_loja Nome Localidade Distrito Área Nº_Caixas 16 Data Warehousing e OLAP 8
9 , 2004/2005 Modelo em estrela O modelo dimensional típico conduz a uma estrutura em estrela, contendo uma tabela central com os factos à qual estão ligadas as tabelas das dimensões. Tabela dimensão 1 ID_dimensão 1 Descrição 1 Atributo. Tabela dimensão 2 ID_dimensão 2 Descrição 2 Atributo. Tabela Factos ID_dimensão 1 ID_dimensão 2 ID_dimensão 3 ID_dimensão 4 Facto 1 Facto 2. Facto n Tabela dimensão 3 ID_dimensão 3 Descrição 3 Atributo. Tabela dimensão 1 ID_dimensão 4 Descrição 4 Atributo. 17 Tabela de factos Contém as medidas do negócio Os factos mais uteis são numéricos aditivos Representam relacionamentos M:1 com as dimensões do negócio 18 Data Warehousing e OLAP 9
10 , 2004/2005 Tabelas de dimensão Tabelas companheiras da tabela de factos Cada dimensão representa parâmetros do negócio tempo, clientes, produtos, etc Chave primária determina o dado específico Outros atributos específicos da dimensão Desnormalizada e com hieraquias. 19 OLAP - Online Analytical Processing Pesquisa e apresentação de texto e dados numéricos das Data Warehouses ROLAP (Relational OLAP) Estrutura, interfaces com o utilizador e aplicações que permitem implementar o modelo dimensional num motor de base de dados relacional MOLAP (Multidimensional OLAP) o mesmo sobre um motor não relacional 20 Data Warehousing e OLAP 10
11 , 2004/2005 Pesquisas - baixo nível Tempo ID_data Dia Dia_da_semana Semana_do_ano Mês Trimestre Ano Produto ID_produto Nome Tipo Marca Categoria Embalagem Descrição Cadeia de Lojas Venda ID_data ID_produto ID_loja Unid_vendidas Custo_compra Valor_venda Nº_Clientes Loja ID_loja Nome Localidade Distrito Área Nº_Caixas Select avg(valor_venda x Unid_vendidas) from Venda V, Tempo T, Produto P where JOIN_TABELAS group by P.Marca, T. Mês 21 Interfaces com o utilizador Exploração de dados na Data Warehouse Ferramenta OLAP típica acesso a motor relacional via SQL apresentação em tabela, gráfico, relatório, etc normalmente orientado para pesquisas ad-hoc Outras ferramentas Data mining Modelação 22 Data Warehousing e OLAP 11
12 , 2004/2005 Browsing Explorar uma das dimensões definindo restrições e escolhendo as colunas pretendidas. coluna Nome_Loja Localidade Distrito Area_total Nºcaixas restrição valores Loja Zé Ansião Coimbra distintos Super Mário Aveiro Leiria Super Bill Coimbra Aveiro Loja da Maria Leiria 1000 Loja do Manel Penacova 1500 John's Market Penela Vieiras Pombal Loja 007 Cadeia Joel Loja dos Browsing (exemplo) Quais os nomes e onde se situam as lojas do distrito de Coimbra com área igual a 750 m 2 e com 4 caixas? coluna Nome_Loja Localidade Distrito Area_total Nºcaixas restrição Coimbra valores Loja do Manel Coimbra Coimbra distintos John's Market Penacova Vieiras Loja dos Data Warehousing e OLAP 12
13 , 2004/2005 Pesquisas - Slice and Dice Vendas por tempo e produto Vendas por loja e marca 25 Drill-Down & Roll-Up Drill-Down Categoria mais genérica Roll-up Categoria intermédia Categoria mais detalhada Detalhe completo 26 Data Warehousing e OLAP 13
14 , 2004/2005 Tempo: Drill-Down & Roll-Up Drill-Down ALL Ano Trimestre Roll-up Mês Semana Dia 27 Tempo: Drill-Down (exemplo) Select avg(valor_venda x Unid_vendidas) from Venda V, Tempo T, Produto P where JOIN_TABELAS group by P.Marca, T. Mês; Select avg(valor_venda x Unid_vendidas) from Venda V, Tempo T, Produto P where JOIN_TABELAS group by P.Marca, T. Dia; Questão: como se representa o ALL na pesquisa? 28 Data Warehousing e OLAP 14
15 , 2004/2005 Arquitectura geral da Data Warehouse 29 Elementos básicos de uma data warehouse BDs operacionais Sistemas legados Data warehouse (presentation servers) ROLAP/ MOLAP Utilizadores Ad hoc queries Relatórios Folhas de cálculo, ficheiros,... Fontes externas Data Staging Area Aplicações específicas Modelos e outras ferramentas 30 Data Warehousing e OLAP 15
16 , 2004/2005 Data Marts É, normalmente, um subconjunto de uma DW; Numa Data Mart os dados são focalizados numa área específica (processo de negócio); Muitas vezes uma Data Mart é feita para responder rápidamente a uma área de actividade. 31 Arquitectura de BDs de uma organização 1 BDs operacionais Sistemas legados Data Warehouse Data Mart Folhas de cálculo, ficheiros,... Fontes externas Utilizadores Utilizadores 32 Data Warehousing e OLAP 16
17 , 2004/2005 Arquitectura de BDs de uma organização 2 BDs operacionais Data Mart Sistemas legados Data Warehouse Folhas de cálculo, ficheiros,... Fontes externas Utilizadores Utilizadores 33 Sistemas fonte sistema de registo de transacções gestão de clientes, gestão de produtos, gestão de vendas, etc principais características assumidas disponibilidade pesquisas típicas limitadas a fichas individuais mantêm pouca informação histórica A obtenção de relatórios de gestão é complicada e pesada Pouca ligação com restantes sistemas da empresa registos de facturação não ligados a base de produtos ou clientes 34 Data Warehousing e OLAP 17
18 , 2004/2005 Área de processamento temporário (Staging Area) Área e processos que actuam sobre os dados fonte limpeza transformação combinação preparação Staging Area Data Warehouse 35 Metadados É necessário uma estrutura (na prática outra base de dados) para descrever os dados da DW. Deve descrever: Que dados existem na DW; Qual o seu formato; Onde estão armazenados; Como se relacionam com os dados de outras bases de dados; Qual a proveniência dos dados e quem são os seus donos. 36 Data Warehousing e OLAP 18
19 , 2004/2005 Processos básicos da DW Extracção (a partir dos sistemas fonte) Transformação e limpeza de dados (na staging area) Carregamento e indexação Tratamento de erros Pesquisa (utilização normal) 37 Transformação Limpeza dos dados Eliminação de campos inuteis campos dos sistemas opeacionais que são desnecessários na DW Combinação de fontes de dados coincidência exacta de chaves ou fuzzy matches Criação de chaves primárias da DW independentes dos sistemas operacionais Criação de dimensão temporal Construção de agregados para melhoria de velocidade em pesquisas 38 Data Warehousing e OLAP 19
20 , 2004/2005 Limpeza dos dados Limpeza dos dados correcção de erros (de escrita) correcção de inconsistências (cidade-código postal) eliminação de duplicados (o mesmo nome PEDRO e Pedro) tratamento de faltas de dados (campos vazios) pôr os dados em formatos standard 39 Carregamento Staging Area Transformação Carregamento DW Preenche dimensões e factos temporários com dados do período em causa Realiza o carregamento BULK LOAD carregamento ficha-a-ficha seria demasiado lento Indexa os dados carregados 40 Data Warehousing e OLAP 20
21 , 2004/2005 BD operacionais vs Data Warehouses Dados operacionais Objectivos operacionais Acessos de leitura/escrita Acesso por transacções pré-definidas Acesso a poucos registos de cada vez Dados da Warehouse Registo histórico Acessos só de leitura Acesso por queries ad hoc e relatórios periódicos Muitos registos em cada acesso Dados actualizados em tempo real Estrutura optimizada para actualizações Event-driven: os processos geram dados Carregamentos periódicos de mais dados Estrutura optimizada para queries complexas Data-driven: os dados geram respostas 41 Visão genérica sobre o processo de construção de uma Data Warehouse 42 Data Warehousing e OLAP 21
22 , 2004/2005 Infraestrutura para projecto Construir uma DW é complexo e requer conhecimento especializado em várias áreas Definir equipa; Definir ferramentas e sistemas; Identificar fases do projecto; Definir métodos de trabalho; Identificar responsabilidades para cada tarefa/fase. 43 Esquema geral do projecto de uma Data Warehouse (R. Kimball) Planeamento do projecto Definição dos requisitos do negócio Desenho da arquitectura Modelação dimensional Desenho físico Selecção e instalação de produtos Desenho do Data Staing Colocação em Produção Especificação das aplicações de utilizador Gestão do projecto Desenvolvimento das aplicações 44 Data Warehousing e OLAP 22
23 , 2004/2005 Passos na construção de uma DW Identificação de objectivos (de gestão) a atingir com a DW; Definir infraestrutura para o projecto; Identificar modelo de dados das BD operacionais fonte; Definir modelo de dados para a DW; Definir regras para o mapeamento de dados; Extrair, integrar, purificar e consolidar os dados; Ferramentas de exploração, afinação de desempenho e avaliação de eficácia. 45 Objectivos a atingir com a DW É necessário ter um entendimento profundo do processo de negócio que a DW vai apoiar. Quais são os objectivos e estratégia da empresa/instituição? Qual a informação necessária para atingir esses objectivos? Porque é que a informação é necessária? Quem vai usar essa informação (dentro da empresa)? Como é que a informação vai ser usada? 46 Data Warehousing e OLAP 23
24 , 2004/2005 Identificar modelo de dados das BD fonte Bases de dados operacionais 47 Modelo de dados das BD fonte (cont.) Responder à questão: quais os dados fonte para a DW? Muitas vezes os modelos de dados das BD operacionais não existem ou estão desactualizados; Necessário usar ferramentas de reverse-engineering; Alguns dados da DW podem ter outras origens que não as BD operacionais. 48 Data Warehousing e OLAP 24
25 , 2004/2005 Dados históricos, de referência e sínteses No processo de indentificar os dados a extrair para a DW é útil olhar os dados sob grandes grupos: Dados históricos (factos) Dados correspondentes a entidades que descrevem factos (vendas, encomendas, facturas, consultas, pagamentos, etc) Dados de referência (dimensões) Dados correspondentes a entidades de referência que permitem completar e situar os dados dos factos históricos (clientes, fornecedores, pessoas, etc) Sínteses Dados previamente calculados e que se prevê virem a ser necessários (relatórios de vendas mensais, movimentos semanais de stock, etc) 49 Definir modelo de dados da DW Desenvolver/entender o modelo de negócio da DW, identificar processos de negócio e identificar dados disponíveis (nas BDs operacionais); Par cada processo de negócio: Identificar os factos (valores numéricos); Escolher a granularidade dos factos (determina a precisão com que poderá ser feita a análise); Definir as dimensões de interesse. 50 Data Warehousing e OLAP 25
26 , 2004/2005 Modelos na construção de uma DW Modelo do negócio (ER) Desnormalização sistemática Que transações? Que queries? Modelo dimensional Modelo físico 51 Definir regras para o mapeamento de dados Identificar os dados a extrair; Identificar os dados que faltam (impossíveis de extrair das BD operacionais); Definir regras e processos para integrar, compatibilizar e limpar os dados; Documentar todas os passos para permitir que os dados históricos possam ser entendidos posteriormente. 52 Data Warehousing e OLAP 26
27 , 2004/2005 Extrair, integrar, purificar e racionalizar os dados Usar ou construir as ferramentas que concretizam as regras para mapeamento dos dados; Rever regras e processos de mapeamento sempre que são detectadas inconsistências; Documentar todos os passos. 53 Exploração, afinação e avaliação de eficácia Definição/construção de ferramentas de exploração; Afinação de desempenho; Administração da data warehouse. 54 Data Warehousing e OLAP 27
28 , 2004/2005 O modelo multidimensional 55 Modelo multidimensional Factos armazenados num array multidimensional; As dimensões são usadas para indexar o array; Normalmente construídas sobre bases de dados relacionais. Continente Leiria Continente Coimbra Hipermercado Produto Leite Farinha Açúcar Café Vendas Jan Fev Mar Abr Data 56 Data Warehousing e OLAP 28
29 , 2004/2005 Exemplo de esquema em estrela Cadeia de Lojas Tempo ID_data Dia Dia_da_semana Semana_do_ano Mês Trimestre Ano Produto ID_produto Nome Tipo Marca Categoria Embalagem Descrição Venda ID_data ID_produto ID_loja Unid_vendidas Custo_compra Valor_venda Nº_Clientes Loja ID_loja Nome Localidade Distrito Área Nº_Caixas 57 Modelo em estrela O modelo dimensional típico conduz a uma estrutura em estrela, contendo uma tabela central com os factos à qual estão ligadas as tabelas das dimensões Tabela dimensão 1 ID_dimensão 1 Descrição 1 Atributo. Tabela dimensão 2 ID_dimensão 2 Descrição 2 Atributo. Tabela Factos ID_dimensão 1 ID_dimensão 2 ID_dimensão 3 ID_dimensão 4 Facto 1 Facto 2. Facto n Tabela dimensão 3 ID_dimensão 3 Descrição 3 Atributo. Tabela dimensão 1 ID_dimensão 4 Descrição 4 Atributo. 58 Data Warehousing e OLAP 29
30 , 2004/2005 Algumas características do modelo em estrela Tabela de Factos Constituída por atributos numéricos (factos) e pelas chaves forasteiras que a ligam à tabelas de dimensões; A tabela de factos está bastante normalizada; Contém normalmente uma enorme quantidade de registo (ocupa vulgarmente mais de 95% do espaço da DW). Tabelas de Dimensões Tabela ID_dimensão dimensão 1 Descrição 1 Atributo. Tabela ID_dimensão dimensão 2 Descrição 2 Atributo. Tabela Factos ID_dimensão 1 ID_dimensão 2 ID_dimensão 3 ID_dimensão 4 Facto 1 Facto 2. Facto n Há tantas dimensões quantas vertentes sob as quais se pretende analisar os factos; As tabelas de dimensões são fortemente desnormalizadas, sendo normalmente tabelas com muitos atributos; Normalmente, apesar de terem muitos atributos, contêm poucos registos (quando comparados com a tabela de factos). Tabela ID_dimensão dimensão 3 Descrição 3 Atributo. Tabela ID_dimensão dimensão 14 Descrição 4 Atributo. 59 Passos para definir modelos em estrela 1 - Identificar os processos de negócio/actividade 2 - Identificar os factos; 3 - Identificar dimensões; 4 - Escolher a ganularidade dos dados a registar. Sem perder de vistas os dados efectivamente disponíveis (BDs operacionais, ficheiros, etc) 60 Data Warehousing e OLAP 30
31 , 2004/2005 Exemplo Cadeia de supermercados Cadeia de supermercados de uma mesma empresa Vamos pensar apenas nas vendas (a aquisição de produtos aos fornecedores é global para toda a empresa) Cada supermercado tem vários departamentos (mercearia, higiene e limpeza, etc) Vende vários milhares de produtos Os produtos são identificados univocamente por códigos. código SKU ( Stock Keeping Units ) códigos de barras universais SKU = UPC 61 Dados do negócio Onde recolher os dados? Caixa registadora (POS - point of sales). Na prática, os dados são recolhidos na base de dados que gere as existências, sendo as caixas registadoras meros terminais. O que interessa medir? Vendas Qual o objectivo? Maximização do lucro máximo preço de venda possível mais baixos custos de aquisição e administrativos mais clientes 62 Data Warehousing e OLAP 31
32 , 2004/2005 Factos - Cadeia de Lojas Identificar os factos de Vendas Exemplo de factos relevantes para a gestão: Número de unidades vendidas, custo do produto quando fornecido pelo vendedor, valor total das vendas do produto, número de clientes que comprou o produto. Questão: será que é possível obter dados base (no sistema operacional) para obter estes factos? Dimensão Loja Dimensão Tempo ID_data atributos. Dimensão Produto ID_produto atributos... Factos VENDAS ID_data ID_produto ID_loja ID_promoção Unid_vendidas Custo_compra Valor_venda Nº_clientes ID_loja atributos... Dimensão Promoção ID_promoção atributos Dimensões - Cadeia de Hipermercados Dimensões principais Produto x Tempo x Loja Existirão outras dimensões de interesse? Fornecedores? Promoções? Cliente? Nome do empregado responsável naquele dia? É normalmente possível adicionar dimensões extra às dimensões principais Todas dimensões tomam um só valor para cada combinação 64 Data Warehousing e OLAP 32
33 , 2004/2005 Dimensões - Cadeia de Hipermercados Dimensão Tempo ID_data atributos. Dimensão Produto ID_produto atributos... Factos VENDAS ID_data ID_produto ID_loja ID_promoção Unid_vendidas Custo_compra Valor_venda Nº_clientes Dimensão Loja ID_loja atributos... Dimensão Promoção ID_promoção atributos Granularidade Exemplo: registar as vendas de todos os produtos diariamente Podemos ver de forma detalhada que produtos são vendidos e em que lojas, a que preços e em que dias, Granularidade: produtos x loja x promoção x dia A granularidade determina a dimensionalidade da DW e tem um forte impacto no seu tamanho A granularidade deve ser adequada às necessidades de análise. 66 Data Warehousing e OLAP 33
34 , 2004/2005 Granularidade: alternativas Porquê SKU em vez de marca ou tipo de produto? Valerá a pena ter tantas unidades de um determinado tamanho para um dado produto? Ao nível da factura tamanho da base de dados poderia tornar-se gigantesco identificação do cliente não existe assim não é possivel analisar os dados de comportamento de compras Semanal ou mensal perder-se-iam efeitos interessantes a nível diário variações de vendas entre 2ªs e Sábados efeitos de promoções de dois dias 67 Detalhe selectivo Porque é que os dados devem ser expressos com um detalhe grande num Data Warehouse? Não por ser necessário aceder a valores específicos mas as pesquisas cortam dimensões selectivamente e de forma precisa Select Join Group By produto, mês 68 Data Warehousing e OLAP 34
35 , 2004/2005 Refinar o modelo Detalhar as dimensões Rever os factos Verificar a consistência (entre factos, entre factos e dimensões, etc) Reavaliar granularidade 69 Exemplo 1 - Cadeia de lojas Produto ID_produto Número Nome Marca Categoria Subcategoria Departamento Tam_embalagem Tipo_embalagem Tipo_dieta Peso Unidade_de_peso Quant_caixa Caixas_p_pallete Larg_prateleira Altura_prateleira Profun_prateleira... Tempo ID_data Dia_do_mês Dia_da_semana Dia_do_ano Semana_do_ano Mês Número_do_mês Trimestre Período_fiscal Flag_feriado Flag_dia_semana Flag_últ_dia_mês Estação_ano Aconteci_espec. ID_produto ID_data ID_Loja ID_Promoção Unid_vendidas Custo_compra Valor_venda Nº_clientes Promoção ID_promoção Número Nome_promo Tipo_red_preço Tipo_anúncio Tipo_cartaz Tipo_coupons Meio_anúncio Meio_cartaz Custo_promoção Início_promoção Fim_promoção... Loja ID_loja Nome Número_loja Endereço Localidade Código_postal Distrito Região Telefone Fax Gestor_loja Área_total Área_mercearias Área_congelados Área_bazar Nº_Caixas Data_inauguração Data_ult_remod Data Warehousing e OLAP 35
36 , 2004/2005 Exemplo 1: Dimensão tempo Tempo ID_data Dia_do_mês Dia_da_semana Dia_do_ano Semana_do_ano Mês Número_do_mês Trimestre Período_fiscal Flag_feriado Flag_dia_semana Flag_último_dia_mês Estação_ano Acontecimento_espec. Existe sempre, pois representa a dependência temporal inerente à DW; Deve descrever o tempo tal como ele é visto para fins de gestão da actividade (negócio) em causa; Deve conter a caraterização do tempo nos atributos pelos quais se pretende posteriormente fazer pesquisas; É gerada, normalmente, de uma forma sintética (i.e., sem ser a partir de uma BD operacional) para todo o período de tempo considerado na DW. 71 Exemplo 1: Dimensão produto Produto ID_produto Número Nome Marca Categoria Subcategoria Departamento Tam_embalagem Tipo_embalagem Tipo_dieta Peso Unidade_de_peso Quantidade_caixa Caixas_por_pallete Largura_prateleira Altura_prateleira Profud_prateleira... Deve conter a caraterização dos produtos tal como eles são vistos pelo gestor da cadeia de lojas; Contém todos os atributos pelos quais se pretende posteriormente fazer perguntas; Como acontece normalmente nas tabelas de dimensões, é uma tabela bastante desnormalizada. 72 Data Warehousing e OLAP 36
37 , 2004/2005 Exemplo 1: Dimensão loja Loja ID_loja Nome Número_loja Endereço Localidade Código_postal Distrito Região Telefone Fax Gestor_loja Área_total Área_mercearias Área_congelados Área_bazar Nº_Caixas Data_inauguração Data_ultim_remod.... Contém a caraterização das lojas tal como eles são vistos pelo gestão da cadeia de lojas; Contém todos os atributos pelos quais se pretende posteriormente fazer perguntas, incluindo atributos de natureza geográfica (localização) e de natureza temporal (datas de inauguração, ). 73 Exemplo 1: Dimensão promoções Promoção ID_promoção Número Nome_promo Tipo_red_preço Tipo_anúncio Tipo_cartaz Tipo_coupons Meio_anúncio Meio_cartaz Custo_promoção Início_promoção Fim_promoção... Contém a caraterização das promoções efectuadas; Neste exemplo há apenas uma dimensão de promoções (para todos os tipos de promoções), mas seria possível ter em alternativa uma dimensão para cada tipo de promoção; A dimensão promoção representa, neste exemplo, uma dimensão muito sensível e importante, pois as promoções são um dos aspectos em que o gestor mais facilmente pode actuar quando pretende incrementar as vendas numa loja ou num determinado produto. 74 Data Warehousing e OLAP 37
38 , 2004/2005 Cálculo simplificado do espaço ocupado Granularidade = Produtos vendidos / em cada loja / em cada dia Tempo = 3 anos Nº Produtos = (apenas 20% dos produtos são vendidos diariamente) Lojas = 100 Tamanho médio de registo = 8 atributos x 4 Bytes = 32 Bytes Nº de registos de factos = 3 x 365 x x 100 = Tamanho aproximado da DW = 32 x = 70 GBytes Despreza-se o espaço ocupado pelas tabelas de dimensões; Não considera o armazenamento dos índices nem vistas materializadas; 75 Exemplo 2: Existências em armazéns Caracterização da actividade de gestão de existências Recepção; Recolha do stock; Inspecção; Embalagem; Armazém Entrada no stock; Saída Autorização de venda; Procedimentos excepcionais: Detecção de falha na inspecção Devolução ao fornecedor Deteriorização no manuseamento Perda do produto Devolução do cliente Reentrada no stock ; 76 Data Warehousing e OLAP 38
39 , 2004/2005 Ex. 2: Fotografia periódica de existências Tempo Produto Existências ID_tempo ID_produto ID_armazém Quant_existente Valor_de_custo Último_preço_venda Quant_saída Armazém Registo periódico das existências em stock; A Quantidade_existente não é aditiva na dimensão tempo A Quantidade_saída permite saber quantos produtos saíram no intervalo de tempo correspondente a dois registos. 77 Ex. 2: Registo de transações de existências Tempo Produto Existências ID_tempo ID_produto ID_armazém ID_transacção Nº_Documento Quantidade Quant_existente Armazém Transacção Contém um registo por cada possível alteração (transacção) das existências, constituindo a forma mais detalhada de representar a evolução do stock; O conjunto de possíveis transacções é reduzido. Necessita de atributos como Quant_existente (típicos do modelo fotográfico ) para dar uma visão prática do processo. 78 Data Warehousing e OLAP 39
40 , 2004/2005 Ex. 2: Cálculo simplificado do espaço ocupado Tempo = 3 anos Fotografia periódica das existências Nº Produtos = Armazéns = 4 Tamanho médio de registo = 7 atributos x 4 Bytes = 28 Bytes Nº de registos de factos = 3 x 365 x x 4 = Tamanho aproximado da DW = 28 x = 61,32 GBytes Tempo = 3 anos Registo de transacções de existências Nº Produtos = Armazéns = 4 Tamanho médio de registo = 7 atributos x 4 Bytes = 28 Bytes Nº entregas (no armazém) por ano = 10 Nº de transacções por cada entrega de produto = 50 Nº de registos de factos = 3 x x 4 x 10 x 50 = Tamanho aproximado da DW = 24 x = 84 GBytes 79 Redução espaço ocupado: abordagem simplista Em muitas situações poderá ser aceitável ter informação detalhada para as existências apenas relativa ao último mês: Exemplo (método da fotografia periódica das existências) Registo diário das existências do último mês; Média semanal das restantes semanas do ano (48 semanas); Média mensal dos meses dos últimos dois anos. Nº de fotografias = 30 (dias) + 48 (semanas) + 24 (meses) = 102 (em vez de 3 x 365 = 1100) 80 Data Warehousing e OLAP 40
41 , 2004/2005 Cruzamento de dados entre processo de negócio diferentes Data Mart - marketing Como cruzar os dados? Definições e carregamentos de dimensões e factos de forma independente? Data Mart - facturação 81 Mais do que uma estrela Loja Vendas ID_data ID_produto ID_Loja Unid_vendidas Custo_compra Valor_venda Nº_Clientes Tempo Produto Existências ID_tempo ID_produto ID_armazém Quant_existente Quant_saída Valor_de_custo Últim_preço_venda Armazém Uma ou mais estrelas interligam-se por uma ou mais dimensões; As dimensões que promovem a interligação têm de ser conformes (conter informação consistente entre si); Drill across: consulta à DW que cruza mais do que uma estrela. 82 Data Warehousing e OLAP 41
42 , 2004/2005 Exemplo de múltiplas estrelas Armazenistas distribuidores Encomendas Dimensão: Tempo Dimensão: Componente Dimensão: Fornecedor Dimensão: Contrato Vendas Dimensão: Tempo Dimensão: Componente Dimensão: Cliente Dimensão: Contrato Existências Dimensão: Tempo Dimensão: Componente Dimensão: Armazém 83 Exemplo de dimensões conformes Dimensão_1 Dimensão_5 Dimensão_4 Tabela de Factos Dimensão_2 Tabela de Factos Dimensão_6 Dimensão_1 Dimensão_3 Dimensão_7 Dimensão10 Tabela de Factos Dimensão_9 Dimensão_8 Têm de ser conformes 84 Data Warehousing e OLAP 42
43 , 2004/2005 Factos não aditivos (ou semi-aditivos) Os factos não são aditivos ao longo de uma ou mais dimensões quando a sua soma não tem significado real (mas a média já pode ter, pelo que o facto é útil). Nem sempre é fácil para o utilizador perceber que está a fazer adições de factos não aditivos, o que pode levar a conclusões erradas. Exemplos: Factos que representam níveis estáticos como saldos de contas ou existências num inventário; A não aditividade pode resultar de peculiariedades do modelos de estrela (por exemplo, o facto Nº_Clientes no exemplo Cadeia de Lojas ) 85 Grandes dimensões Em certas situações dimensões como Produtos ou Clientes podem ter milhões de registos; É muito frequente estas dimensões terem até uma centena de atrubutos; Pode ser interessante normalizar parcialmente estas dimensões 86 Data Warehousing e OLAP 43
44 , 2004/2005 Flocos de neve Produto ID_produto Número Nome ID_Tam_emb ID_marca Peso Unidade_de_peso Quantidade_caixa Caixas_por_pallete Largura_prateleira Altura_prateleira Profud_prateleira... ID_Tam_emb Tipo_embalag ID_marca ID_marca Categoria ID_subcat ID_subcat Categoria ID_dept ID_Dept Departamento Uma dimensão pode ter múltiplas hierarquias (flocos de neve); Uma hierarquia consiste numa cadeia de típicos relacionamentos 1 para N 87 Vantagens e desvantagens de flocos Vantagens Economiza espaço; Desvantagens Aumenta o tempo de resposta a queries; Torna a construção das queries mais complexa. Por muito grande que seja uma dimensão, ela representa sempre uma percentagem pequena da espaço ocupado pela tabela de factos, pelo que estruturar uma dimensão em flocos de neve raramente se justifica 88 Data Warehousing e OLAP 44
Data Warehousing e OLAP
Data Warehousing e OLAP Jornadas de Engenharia Informática Instituto Politécnico da Guarda Henrique Madeira Departamento de Engenharia Informática Faculdade de Ciências e Tecnologia Universidade de Coimbra
Leia maisTópicos Avançados de Bases de Dados, 2004/2005 Instituto Politécnico da Guarda
, 2004/2005 Tópicos Avançados de Bases de Dados Data Warehousing e OLAP Henrique Madeira 2004/2005 1 2 Bibliografia (tópico de Data Warehousing) Apontamentos do docente; Livros sobre DW: - The Data Warehouse
Leia maisFundamentos da Análise Multidimensional
Universidade Técnica de Lisboa INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Informática e Sistemas de Informação Aplicados em Economia Fundamentos da Análise Multidimensional Fundamentos da Análise Multidimensional
Leia maisData 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 maisTECNOLOGIAS DA INFORMAÇÃO E COMUNICAÇÃO. SISTEMAS DE GESTÃO DE BASE DE DADOS Microsoft Access TECNOLOGIAS DA INFORMAÇÃO E COMUNICAÇÃO
TECNOLOGIAS DA INFORMAÇÃO E COMUNICAÇÃO Microsoft Access TECNOLOGIAS DA INFORMAÇÃO E COMUNICAÇÃO CONCEITOS BÁSICOS 1 Necessidade das base de dados Permite guardar dados dos mais variados tipos; Permite
Leia mais- A crescente necessidade de sistemas inteligentes e de aquisição de conhecimento levaram à necessidade de implementação de Data Warehouses.
- A crescente necessidade de sistemas inteligentes e de aquisição de conhecimento levaram à necessidade de implementação de. - O que é uma Data Warehouse? - Colecção de bases de dados orientadas por assunto
Leia maisDATA 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 maisMódulo 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 maisDATA 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 maisISO 9000:2000 Sistemas de Gestão da Qualidade Fundamentos e Vocabulário. As Normas da família ISO 9000. As Normas da família ISO 9000
ISO 9000:2000 Sistemas de Gestão da Qualidade Fundamentos e Vocabulário Gestão da Qualidade 2005 1 As Normas da família ISO 9000 ISO 9000 descreve os fundamentos de sistemas de gestão da qualidade e especifica
Leia maisUma peça estratégica para o seu negócio
Uma peça estratégica para o seu negócio INFORMAÇÃO GERAL DA EMPRESA CASO DE SUCESSO EM IMPLEMENTAÇÃO BI PERGUNTAS E RESPOSTAS Fundada em 1997, Habber Tec é uma empresa especializada na oferta de soluções
Leia maisModelo Cascata ou Clássico
Modelo Cascata ou Clássico INTRODUÇÃO O modelo clássico ou cascata, que também é conhecido por abordagem top-down, foi proposto por Royce em 1970. Até meados da década de 1980 foi o único modelo com aceitação
Leia maisTarefa Orientada 12 Junção Externa, Auto-Junção e União
Tarefa Orientada 12 Junção Externa, Auto-Junção e União Objectivos: Junção externa (Outer JOIN) Junção externa à esquerda (LEFT Outer JOIN) Junção externa à direita (RIGHT Outer JOIN) Junção externa completa
Leia maisTarefa Orientada 14 Subconsultas
Tarefa Orientada 14 Subconsultas Objectivos: Subconsultas não correlacionadas Operadores ALL, SOME e ANY Subconsultas correlacionadas Operador EXISTS Subconsultas incluídas na cláusula FROM de uma consulta
Leia maisEXCEL TABELAS DINÂMICAS
Informática II Gestão Comercial e da Produção EXCEL TABELAS DINÂMICAS (TÓPICOS ABORDADOS NAS AULAS DE INFORMÁTICA II) Curso de Gestão Comercial e da Produção Ano Lectivo 2002/2003 Por: Cristina Wanzeller
Leia maisTECNOLOGIAS DE INFORMAÇÃO E COMUNICAÇÃO
TECNOLOGIAS DE INFORMAÇÃO E COMUNICAÇÃO ACCESS 2010 Conceitos Básicos Ficha Informativa Professor : Vanda Pereira módulo didáctico Conceitos Básicos Necessidade das base de dados Permite guardar dados
Leia maisSAD 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 maisModelo 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 maisTrabalhos Práticos. Programação II Curso: Engª Electrotécnica - Electrónica e Computadores
Trabalhos Práticos Programação II Curso: Engª Electrotécnica - Electrónica e Computadores 1. Objectivos 2. Calendarização 3. Normas 3.1 Relatório 3.2 Avaliação 4. Propostas Na disciplina de Programação
Leia maisTarefa Orientada 16 Vistas
Tarefa Orientada 16 Vistas Objectivos: Vistas só de leitura Vistas de manipulação de dados Uma vista consiste numa instrução de SELECT que é armazenada como um objecto na base de dados. Deste modo, um
Leia maisBanco 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 maisCurso de Engenharia de Sistemas e Informática - 5º Ano. Ficha T. Prática n.º 1
Análise Inteligente de Dados Objectivo: Curso de Engenharia de Sistemas e Informática - 5º Ano Ficha T. Prática n.º 1 Estudo do paradigma multidimensional com introdução de uma extensão ao diagrama E/R
Leia maisAdriano 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 maisTarefa Orientada 13 Agrupamento e sumário de dados
Tarefa Orientada 13 Agrupamento e sumário de dados Objectivos: Funções de agregação Agrupamento e sumário de dados Funções de agregação Nesta tarefa orientada iremos formular consultas que sumariam os
Leia maisBanco 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 maisChapter 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 maisPHC Serviços CS. A gestão de processos de prestação de serviços
PHC Serviços CS A gestão de processos de prestação de serviços A solução que permite controlar diferentes áreas de uma empresa: reclamações e respectivo tratamento; controlo de processos e respectivos
Leia maisTópicos 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 maisConstruir um modelo de dados é: - Identificar, Analisar e Registar a política da organização acerca dos dados
4. Modelo Entidade Associação 4.1. Introdução Modelo de Dados. Visão dos dados em vez de visão das aplicações. Eliminação de redundâncias. Partilha de dados pelas aplicações Construir um modelo de dados
Leia maisData 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 maisPesquisa e organização de informação
Pesquisa e organização de informação Capítulo 3 A capacidade e a variedade de dispositivos de armazenamento que qualquer computador atual possui, tornam a pesquisa de informação um desafio cada vez maior
Leia maisDisciplina: Unidade III: Prof.: E-mail: Período:
Encontro 08 Disciplina: Sistemas de Banco de Dados Unidade III: Modelagem Lógico de Dados Prof.: Mario Filho E-mail: pro@mariofilho.com.br Período: 5º. SIG - ADM Relembrando... Necessidade de Dados Projeto
Leia maisTarefa Orientada 18 Tabelas dinâmicas
Tarefa Orientada 18 Tabelas dinâmicas Análise de dados através de tabelas dinâmicas. Conceitos teóricos As Tabelas Dinâmicas são tabelas interactivas que resumem elevadas quantidades de dados, usando estrutura
Leia maisMódulo de Administração de Utilizadores
base Módulo de Administração de Utilizadores Versão 2.0 Manual do utilizador Janeiro 2002 Ficha técnica Título BIBLIObase : Módulo de Administração de Utilizadores: versão 2.0 : manual do utilizador Autores
Leia mais1- Identifique para cada questão abaixo, se o enunciado se refere a View, Stored Procedures, Trigger ou Function. Apenas um por questão.
1- Identifique para cada questão abaixo, se o enunciado se refere a View, Stored Procedures, Trigger ou Function. Apenas um por questão. a- Representam tabelas virtuais não armazenadas, compostas de campos
Leia maisBANCO DE DADOS PROFESSOR MAURÍCIO - MAURICIO.MELLO@PUCPR.BR AULA 02. O Modelo Entidade-Relacionamento ( MER )
AULA 02 BANCO DE DADOS PROFESSOR MAURÍCIO - MAURICIO.MELLO@PUCPR.BR O Modelo Entidade-Relacionamento ( MER ) Fases do Projeto de Bases de Dados (EN94)- O Modelo Entidade- Relacionamento Definição : modelo
Leia maisSecção II. Fundamentos técnicos da gestão de bases de dados (continuação)
1 Secção II Fundamentos técnicos da gestão de bases de dados (continuação) 2 Estruturas de bases de dados ƒ Relacionais ƒ Os elementos de dados são armazenados em tabelas simples. ƒ Pode ligar-se elementos
Leia maisGUIA DE FUNCIONAMENTO DA UNIDADE CURRICULAR
Curso Engenharia Informática Ano letivo 2012/13 Unidade Curricular Bases de Dados II ECTS 6 Regime Obrigatório Ano 2º Semestre 1º sem Horas de trabalho globais Docente (s) José Carlos Fonseca Total 168
Leia mais5. Métodos ágeis de desenvolvimento de software
Engenharia de Software 5. Métodos ágeis de desenvolvimento de software Nuno Miguel Gil Fonseca nuno.fonseca@estgoh.ipc.pt Desenvolver e entregar software o mais rapidamente possível é hoje em dia um dos
Leia maisPersistência 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 maisModelação Multidimensional
Modelação Multidimensional Exemplo: Distribuição Retalhista Sumário O Processo de análise Apresentação do caso Análise do caso Atributos das tabelas de dimensões Estender o modelo Notas sobre as dimensões
Leia maisComplemento 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 maisTÓPICOS 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 maisRelatório SHST - 2003
Relatório da Actividade dos Serviços de Segurança, Higiene e Saúde no Trabalho Relatório SHST - 2003 Programa de Validação e Encriptação Manual de Operação Versão 1.1 DEEP Departamento de Estudos, Estatística
Leia maisMIG - Metadados para Informação Geográfica
MIG - Metadados para Informação Geográfica Introdução à Norma ISO 19115 Henrique Silva, Instituto Geográfico Português, hsilva@igeo.pt Lisboa, 14 de Fevereiro de 2008 Metadados para Informação Geográfica
Leia maisModelação Dimensional 4
INTEGRAÇÃO E PROCESSAMENTO ANALÍTICO DE INFORMAÇÃO Modelação Dimensional 4 António Manuel Silva Ferreira UNIVERSIDADE DE LISBOA FACULDADE DE CIÊNCIAS DEPARTAMENTO DE INFORMÁTICA asfe@di.fc.ul.pt Sumário
Leia maisDEMONSTRAÇÕES FINANCEIRAS COMBINADAS
24 DEMONSTRAÇÕES FINANCEIRAS COMBINADAS Os mercados de capitais na Europa e no mundo exigem informações financeiras significativas, confiáveis, relevantes e comparáveis sobre os emitentes de valores mobiliários.
Leia maisGestão dos Níveis de Serviço
A Gestão dos Níveis de Serviço (SLM) Os sistemas e tecnologias de informação e comunicação têm nas empresas um papel cada vez mais importante evoluindo, hoje em dia, para níveis mais elevados de funcionamento
Leia maisDisciplina 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 maisEXERÍCIOS DE MODELAGEM DE BANCO DE DADOS
EXERÍCIOS DE MODELAGEM DE BANCO DE DADOS Exercício 1 Construa o modelo Entidades-Relacionamentos a partir da seguinte descrição do sistema: Uma empresa de venda de automóveis retende implementar um sistema
Leia maisA VISTA BACKSTAGE PRINCIPAIS OPÇÕES NO ECRÃ DE ACESSO
DOMINE A 110% ACCESS 2010 A VISTA BACKSTAGE Assim que é activado o Access, é visualizado o ecrã principal de acesso na nova vista Backstage. Após aceder ao Access 2010, no canto superior esquerdo do Friso,
Leia maisGerenciamento 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 maisOrientação a Objetos
1. Domínio e Aplicação Orientação a Objetos Um domínio é composto pelas entidades, informações e processos relacionados a um determinado contexto. Uma aplicação pode ser desenvolvida para automatizar ou
Leia maisManual do GesFiliais
Manual do GesFiliais Introdução... 3 Arquitectura e Interligação dos elementos do sistema... 4 Configuração do GesPOS Back-Office... 7 Utilização do GesFiliais... 12 Outros modos de utilização do GesFiliais...
Leia maisConsistem num conjunto de apontadores para instâncias especificas de cada relação.
Mecanismo usado para mais fácil e rapidamente aceder à informação existente numa base de dados. Bases de Dados de elevadas dimensões. Consistem num conjunto de apontadores para instâncias especificas de
Leia maisEngenharia de Software Sistemas Distribuídos
Engenharia de Software Sistemas Distribuídos 2 o Semestre de 2007/2008 Requisitos para a 1 a entrega Loja Virtual 1 Introdução O enunciado base do projecto conjunto das disciplinas de Engenharia de Software
Leia maisAs 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 maisSoftware PHC com MapPoint
Software PHC com MapPoint A análise de informação geográfica A integração entre o Software PHC e o Microsoft Map Point permite a análise de informação geográfica, desde mapas a rotas, com base na informação
Leia maisComputadores e Sistemas de Informação. Bases de Dados Relacionais (linguagem SQL)
Computadores e Sistemas de Informação Bases de Dados Relacionais (linguagem SQL) 2004/2005 Utilidade das Bases de Dados Recolha e processamento de dados que possuem um volume significativo, que são interrelacionados,
Leia maisTarefa Orientada 10 Obter informação a partir de uma tabela
Tarefa Orientada 10 Obter informação a partir de uma tabela Objectivos: Consultar dados de uma tabela Utilizar operadores aritméticos, relacionais, lógicos, de concatenação de cadeias de caracteres, LIKE
Leia maisTarefa Orientada 15 Manipulação de dados
Tarefa Orientada 15 Manipulação de dados Objectivos: Criação de tabelas teste Comando INSERT INTO Inserção de dados Comando INSERT Actualização de dados Comando UPDATE Eliminação de dados Comando DELETE
Leia maisOficina. Praça das Três Caixas d Água Porto Velho - RO
Oficina Praça das Três Caixas d Água Porto Velho - RO Oficina Ministrante: Marcel Leite Rios Apresentação Pessoal Marcel Leite Rios Prof. de Informática IFRO Graduado: Sistemas de Informação - ULBRA MBA
Leia maisDiagrama de entidades relacionamentos (abordado anteriormente) Diagrama de Fluxo de Dados (DFD)
Diagrama de entidades relacionamentos (abordado anteriormente) Prod_Forn N N 1 Stock 1 1 N Prod_Enc N 1 N 1 Fornecedor Movimento Encomenda Diagrama de Fluxo de Dados (DFD) Ferramenta de modelação gráfica,
Leia maisSistemas de Informação
Sistemas de Informação Prof. M.Sc. Diego Fernandes Emiliano Silva diego.femiliano@gmail.com Agenda Banco de dados Gerenciamento de banco de dados Sistemas de gerenciamento de banco de dados Como usar banco
Leia maisNo 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 mais04/08/2012 MODELAGEM DE DADOS. PROF. RAFAEL DIAS RIBEIRO, M.Sc. @ribeirord MODELAGEM DE DADOS. Aula 2. Prof. Rafael Dias Ribeiro. M.Sc.
MODELAGEM DE DADOS PROF. RAFAEL DIAS RIBEIRO, M.Sc. @ribeirord MODELAGEM DE DADOS Aula 2 Prof. Rafael Dias Ribeiro. M.Sc. @ribeirord 1 Objetivos: Revisão sobre Banco de Dados e SGBDs Aprender as principais
Leia maisPossui como idéia central a divisão de um universo de dados a ser organizado em subconjuntos mais gerenciáveis.
3. Tabelas de Hash As tabelas de hash são um tipo de estruturação para o armazenamento de informação, de uma forma extremamente simples, fácil de se implementar e intuitiva de se organizar grandes quantidades
Leia maisEstruturas de Armazenamento e Indexação. Rafael Lage Moreira Barbosa 10.1.4217
Estruturas de Armazenamento e Indexação Rafael Lage Moreira Barbosa 10.1.4217 Estruturas de Armazenamento Banco de Dados são armazenados fisicamente como arquivos de registro, que em geral ficam em discos
Leia maisCurso 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 maisDiagrama de transição de Estados (DTE)
Diagrama de transição de Estados (DTE) O DTE é uma ferramenta de modelação poderosa para descrever o comportamento do sistema dependente do tempo. A necessidade de uma ferramenta deste tipo surgiu das
Leia maisMódulo Armazém. Neste módulo do OpenERP é possível gerir armazéns, movimentos de produtos, inventários, rastreabilidade, produtos, entre outros.
Módulo Armazém Neste módulo do OpenERP é possível gerir armazéns, movimentos de produtos, inventários, rastreabilidade, produtos, entre outros. Gestão de produtos Na gestão de produtos são apresentados
Leia maisLINGUAGEM DE BANCO DE DADOS
LINGUAGEM DE BANCO DE DADOS Gabriela Trevisan Bacharel em Sistemas de Informação Universidade Federal do Rio Grande Pós-Graduanda Formação Pedagógica de Professores (FAQI) Conceito de BD Um banco de dados
Leia maisCAP. I ERROS EM CÁLCULO NUMÉRICO
CAP. I ERROS EM CÁLCULO NUMÉRICO 0. Introdução Por método numérico entende-se um método para calcular a solução de um problema realizando apenas uma sequência finita de operações aritméticas. A obtenção
Leia maisConceitos 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 maisGereComSaber. Desenvolvimento de Sistemas de Software. Universidade do Minho Conselho de Cursos de Engenharia Licenciatura em Engenharia Informática
Universidade do Minho Conselho de Cursos de Engenharia Licenciatura em Engenharia Informática Desenvolvimento de Sistemas de Software Ano Lectivo de 2009/10 GereComSaber Ana Duarte, André Guedes, Eduardo
Leia mais05/06/2012. 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 maisMódulo 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 maisPLANIFICAÇÃO MODULAR ANO LECTIVO 2015 / 2016
PLANIFICAÇÃO MODULAR ANO LECTIVO 2015 / 2016 CURSO/CICLO DE FORMAÇÃO Técnico de Eletrotecnia e Técnico de Gestão de Equipamentos Informáticos / 2015/2018 DISCIPLINA: Tecnologias da Informação e Comunicação
Leia maisData Warehouse. Compras. Caroline B. Perlin
Data Warehouse Compras Caroline B. Perlin Agenda O processo de compra Requisitos de compras Transações de compra Tabela de fatos Slowly Changing Dimensions (SCD) Técnicas para lidar com SCD Abordagens
Leia maisAnálise e Desenvolvimento de Sistemas ADS Programação Orientada a Obejeto POO 3º Semestre AULA 03 - INTRODUÇÃO À PROGRAMAÇÃO ORIENTADA A OBJETO (POO)
Análise e Desenvolvimento de Sistemas ADS Programação Orientada a Obejeto POO 3º Semestre AULA 03 - INTRODUÇÃO À PROGRAMAÇÃO ORIENTADA A OBJETO (POO) Parte: 1 Prof. Cristóvão Cunha Objetivos de aprendizagem
Leia maisInstituto Politécnico de Beja Escola Superior de Tecnologia e Gestão. GesStock. Engenharia Informática. Base de Dados II
Instituto Politécnico de Beja Escola Superior de Tecnologia e Gestão GesStock Aplicação para Gestão de Stocks Engenharia Informática Base de Dados II Docente: Artur Lança Isabel Sofia Brito Nuno Gonçalo
Leia maisNova Versão 3.0 do Software de Gestão de Equipamentos da Katun KDFM!
Nova Versão 3.0 do Software de Gestão de Equipamentos da Katun KDFM! MAIS FÁCIL DE NAVEGAR MAIS RÁPIDO DE USAR MAIS FÁCIL DE GERIR ALERTAS NOVAS OPÇÕES DE LIMPEZA DE ALERTAS MAIS FÁCIL DE USAR OS PERFIS
Leia maisMineração e Armazenamento de Dados
Mineração e Armazenamento de Dados Carlos P. Caldeira Departamento de Informática Universidade de Évora ccaldeira@di.uevora.pt http://www.di.uevora.pt/~ccaldeira Modelo dimensional Modelo dimensional Modelo
Leia maisTarefa Orientada 6 Edição de Dados
Tarefa Orientada 6 Edição de Dados Objectivos: Inserção de dados. Alteração de dados. Eliminação de dados. Definição de Listas de Pesquisa (Lookup Lists) O Sistema de Gestão de Bases de Dados MS Access
Leia maisProf. Ronaldo R. Goldschmidt. ronaldo@de9.ime.eb.br rribeiro@univercidade.br geocities.yahoo.com.br/ronaldo_goldschmidt
Prof. Ronaldo R. Goldschmidt ronaldo@de9.ime.eb.br rribeiro@univercidade.br geocities.yahoo.com.br/ronaldo_goldschmidt Prof. Ronaldo Ribeiro Goldschmidt REVISÃO DE BD RELACIONAIS E SQL! "" #!$ #%! $& #
Leia maisWorkinProject 8 Manual de Referência Rápida
WorkinProject 8 Manual de Referência Rápida Flagsoft, Lda 2015 Índice 1. Introdução...3 2. Integrador - Interface com o utilizador...4 3. Registo de actividade - Folha de horas...5 4. Agenda e colaboração...7
Leia maisProcedimento de Gestão PG 02 Controlo de Documentos e Registos
Índice 1.0. Objectivo. 2 2.0. Campo de aplicação 2 3.0. Referências e definições....... 2 4.0. Responsabilidades... 3 5.0. Procedimento... 3 5.1. Generalidades 3 5.2. Controlo de documentos... 4 5.3. Procedimentos
Leia maisSistemas 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 maisMinistério das Finanças Instituto de Informática. Departamento de Sistemas de Informação
Ministério das Finanças Instituto de Informática Departamento de Sistemas de Informação Assiduidade para Calendários Específicos Junho 2010 Versão 6.0-2010 SUMÁRIO 1 OBJECTIVO 4 2 ECRÃ ELIMINADO 4 3 NOVOS
Leia maisGuia Rápido do Contacts
Guia Rápido do Contacts IPBRICK SA 12 de Novembro de 2014 1 Conteúdo 1 Introdução 3 2 IPBrick - Contactos 3 2.1 Separador Administração........................ 4 2.1.1 Requisitos dos ficheiros.csv..................
Leia mais4.1. UML Diagramas de casos de uso
Engenharia de Software 4.1. UML Diagramas de casos de uso Nuno Miguel Gil Fonseca nuno.fonseca@estgoh.ipc.pt Utilizados para ajudar na análise de requisitos Através da forma como o utilizador usa o sistema
Leia maisADMINISTRAÇÃO DE ATIVOS DE TI GERENCIAMENTO DE CONFIGURAÇÃO
1 ADMINISTRAÇÃO DE ATIVOS DE TI GERENCIAMENTO DE CONFIGURAÇÃO 2 INFRAESTRUTURA DE TI Para garantir o atendimento às necessidades do negócio, a área de TI passou a investir na infraestrutura do setor, ampliando-a,
Leia maisApresentação DAMARECE
Apresentação DAMARECE Madrid 24 Abril 2007 F E D E R Levantamento processos Key User Ana Teresa Duarte Filipe Fátima Enes Wanda Bizarro Glória Fidalgo Isabel Almeida João Valente Manuel Melo Augusto Elavai
Leia maisTarefa 18: Criar Tabelas Dinâmicas a partir de Listas de Excel
Tarefa 18: Criar Tabelas Dinâmicas a partir de 1. Alguns conceitos sobre Tabelas Dinâmicas Com tabelas dinâmicas podemos criar dinâmica e imediatamente resumos de uma lista Excel ou de uma base de dados
Leia mais