MODELAGEM DE DADOS NORMALIZAÇÃO E INTRODUÇÃO AO DATA W. Inteligência de Negócios

Transcrição

1 MODELAGEM DE DADOS NORMALIZAÇÃO E INTRODUÇÃO AO DATA W Inteligência de Negócios

2 CONCEITO Normalização é um processo a partir do qual se aplicam regras a todas as tabelas do banco de dados com o objetivo de evitar falhas no projeto, como redundância de dados e mistura de diferentes assuntos numa mesma tabela.

3 1 FN 1FN - 1ª Forma Normal: todos os atributos de uma tabela devem ser atômicos, ou seja, a tabela não deve conter grupos repetidos e nem atributos com mais de um valor. Para deixar nesta forma normal, é preciso identificar a chave primária da tabela, identificar a(s) coluna(s) que tem(êm) dados repetidos e removê-la(s), criar uma nova tabela com a chave primária para armazenar o dado repetido e, por fim, criar uma relação entre a tabela principal e a tabela secundária. Por exemplo, considere a tabela Pessoas a seguir. PESSOAS = {ID+ NOME + ENDERECO + TELEFONES} Ela contém a chave primária ID e o atributo TELEFONES é um atributo multivalorado e, portanto, a tabela não está na 1FN. PESSOAS = { ID + NOME + ENDERECO } TELEFONES = { PESSOA_ID + TELEFONE }

4 2 FN FN - 2ª Forma Normal:antes de mais nada, para estar na 2FN é preciso estar na 1FN. Além disso, todos os atributos não chaves da tabela devem depender unicamente da chave primária (não podendo depender apenas de parte dela). Para deixar na segunda forma normal, é preciso identificar as colunas que não são funcionalmente dependentes da chave primária da tabela e, em seguida, remover essa coluna da tabela principal e criar uma nova tabela com esses dados. Por exemplo, considere a tabela ALUNOS_CURSOS a seguir. ALUNOS_CURSOS = { ID_ALUNO + ID_CURSO + NOTA + DESCRICAO_CURSO } ALUNOS_CURSOS = {ID_ALUNO + ID_CURSO + NOTA} CURSOS = {ID_CURSO + DESCRICAO}

5 3FN 3FN - 3ª Forma Normal:para estar na 3FN, é preciso estar na 2FN. Além disso, os atributos não chave de uma tabela devem ser mutuamente independentes e dependentes unicamente e exclusivamente da chave primária (um atributo B é funcionalmente dependente de A se, e somente se, para cada valor de A só existe um valor de B). Para atingir essa forma normal, é preciso identificar as colunas que são funcionalmente dependentes das outras colunas não chave e extraí-las para outra tabela. Considere, como exemplo, a tabela FUNCIONARIOS a seguir. FUNCIONARIOS = { ID + NOME + ID_CARGO + DESCRICAO_CARGO } O atributo DESCRICAO_CARGO depende exclusivamente de ID_CARGO (atributo não chave) e, portanto, deve-se criar uma nova tabela com esses atributos. FUNCIONARIOS = { ID + NOME + ID_CARGO } CARGOS = { ID_CARGO + DESCRICAO }

6 O modelo de dados tem a finalidade de desenhar um modelo físico no bando de dados a fim de refletir uma estrutura que será referente a um determinado negócio ou área de assunto de um negócio. Essas necessidades do negócio da organização, do sistema, do produto final, enfim, irão compor o desenvolvimento do modelo e são definidas em uma etapa anterior ao desenho do mesmo. Esta etapa é o levantamento de requisitos. Nesta etapa serão levantadas todas as necessidades do cliente com relação ao negócio e o responsável deve transpor tudo o que foi levantado de forma a refletir isto em um modelo físico no banco de dados que atenda as mesmas. O modelo de dados transacional é um modelo que é projetado para sistemas transacionais, ou seja, transação por transação. Por exemplo, você vai ao supermercado e põe tudo o que deseja em seu carrinho e ao fim efetua a compra no caixa. Ao receber a fatura, você recebe a lista contendo os nomes dos produtos e valores, somatórios dos mesmos e etc. Em outro dia qualquer você vai de novo ao mercado... E ao olhar a fatura percebe que nela não contém nenhum histórico de compras de outros dias passados, ou seja, transação por transação. Esta forma de modelagem serve para atender um sistema operacional em que há um grande processamento de dados (insert, update, delete) a todo o momento. É projetado unicamente para o processamento de informações e ainda pode ser usado para analisar alguma coisa, mas não irá atender nem metade das necessidades do cliente quanto à análise de informações úteis para o gerenciamento e tomada de decisão.

7 DATA WAREHOUSE

8 DATA WAREHOUSE Podemos definir o DW como um repositório de dados. As informações são periódicas e descritivas, organizadas em um banco de dados, customizado para seduzir os clientes na era da informação. É a tecnologia aplicada ao negócio. O que torna o Data Warehouse mais poderoso é que informações que se situam em vários sistemas, planilhas e arquivos espalhados por todos os setores da empresa, são reunidos em um banco de dados de forma dimensional, sendo assim tendo informações unificadas e padronizadas em um mesmo local.

9 Um DW utiliza dados em formato desnormalizados. Isto aumenta o desempenho das consultas e como benefício adicional, o processo torna-se mais intuitivo para os Utilizadores comuns. Essa maneira de reordenar os dados chama se Modelagem Dimensional, e o resultado da modelagem é o Modelo Dimensional. É um modelo que visa armazenar uma imensa quantidade de dados. Um modelo que vai permitir uma análise histórica dos dados, desempenho nas consultas e facilidade no desenvolvimento das mesmas. Essas são algumas das finalidades de um modelo de dados dimensional e para isso existem alguns tipos de modelos, que são: Star Schema e Snowflake.

10 Quando usar? Muito simples. Depende do projeto. Se você for fazer um produto de forma que as necessidades do cliente sejam para processar muitas informações de entrada e saída, onde irão ter várias operações diárias, siga em frente com um produto que use a modelagem transacional. Mas certifique-se de normalizar e efetuar as devidas manutenções no mesmo. Se não efetuá-las poderão ocorrer redundâncias, as operações não ocorrerão de forma correta, má qualidade dos dados e etc. Se em determinado projeto o cliente já tem sistema operacional implantado e o objetivo do cliente é ter análises históricas, desempenho nas consultas, integração dos sistemas, maior gerenciamento em seu negócio, fácil entendimento do negócio para o cliente, e entre tantos outros objetivos ligados a um BI, construa um DW (Data Warehouse).

11 Implantação de um DW em uma organização pode ser realizada sob duas principais abordagens, entre outras: o DW é projetado desde o início para conter todos os dados e servir a todos os setores da organização. É uma abordagem de alto custo e que demanda bastante tempo antes de apresentar resultados Integração de Data Marts : um Data Mart é um DW de tamanho reduzido e de baixo custo, projetado para atender apenas a uma área da organização, mantendo informações sobre apenas um assunto (vendas, por exemplo). Construir um DW completo nesta abordagem seria um processo de criação de vários Data Marts de forma integrada

12 REFERÊNCIAS