Edgar Luiz de Lima Júnior 1 Fabrício Pires Vasconcellos 2 Rodrigo Vitorino Moravia 3

Tamanho: px
Começar a partir da página:

Download "Edgar Luiz de Lima Júnior 1 Fabrício Pires Vasconcellos 2 Rodrigo Vitorino Moravia 3"

Transcrição

1 Implantação de um Data Warehouse para Acompanhamento de Desempenho dos Cursos em uma Instituição de Ensino Superior Deploying a Data Warehouse for Performance Monitoring Course in an Institution of Higher Education Implementación de un Data Warehouse para la Supervisióndel Rendimiento de los Cursos en una Institución de EducaciónSuperior Edgar Luiz de Lima Júnior 1 Fabrício Pires Vasconcellos 2 Rodrigo Vitorino Moravia 3 Resumo: Este artigo tem como objetivo apresentar a implantação um Data Warehouse em uma Instituição de Ensino Superior de Belo Horizonte para o auxílio em seu planejamento estratégico. Foi desenvolvido um modelo dimensional com uma base intermediária, rotinas de tratamento de extração, transformação e limpeza dos dados extraído do Excel, além da ferramenta Web, onde os usuários podem gerar relatórios on-line conforme a necessidade. Palavras-chave: Data Warehouse (DW). Extração, Transformação e Carga (ETL). On-Line Analytical Processing (OLAP). Abstract: This article aims to present a Data Warehouse deployment in an Institution of Higher Education in Belo Horizonte to aid in their strategic planning. A dimensional model was developed with an intermediate base handlers extraction, processing and cleaning of extracted data from Excel, plus web tool where users can generate on-line reports as needed. Keywords: Data Warehouse (DW). Extract, Transform, Load (ETL). On-Line Analytical Processing (OLAP). Resumen: Este artículo tiene como objetivo presentar undespliegue de Data Warehouseen una Institución de Educación Superior en Belo Horizonte para ayudaren suplanificación estratégica. Un modelo tridimensional se hadesarrolladocon una extracción manejadores de bases intermedias, elprocesamiento y lalimpieza de losdatos extraídos de Excel, además de laherramienta web donde losusuariospuedengenerar informes on-line, segúnseanecesario. Palabras clave: Data Warehouse (DW). Extracción, Transformación y Carga (ETL). On-Line Analytical Processing (OLAP). 1 - INTRODUÇÃO Constitui-se tema deste artigo a implantação de um Data Warehouse em uma Instituição de Ensino Superior no qual os diretores e coordenadores não possuem informações históricas sobre o desempenho dos cursos. Devido à expansão e popularização da tecnologia em geral, a sociedade ficou conhecida como a sociedade da informação e, ao elencar características a ela pertinentes, mencionam o fenômeno do caos informacional. Nunca havia se observado um contexto no qual as informações surgem e são disseminadas de modo 1 Graduando do curso Bacharelado em Sistemas de Informação pela Faculdade Infórium de Tecnologia. 2 Mestre em Sistemas de Informação e Gestão do conhecimento pela Fundação Mineira de Educação e Cultura. Professor da Faculdade Infórium de Tecnologia. 3 Especialista em Gestão da Informação pelo Instituto de Educação Continuada da Pontifícia Universidade Católica de Minas Gerais. Professor da Faculdade Infórium de Tecnologia.

2 tão rápido entre seus usuários, ainda que haja grandes distâncias entre eles. Os indivíduos podem buscar e acessar informações dos mais variados tipos, porém, por existir tantas informações oriundas de múltiplas fontes, os usuários se veem diante do desafio de se manter atualizados em meio a esse caos informacional, em uma sociedade cujo ritmo de vida é acelerado. Quando se tem informações antes dos concorrentes, é possível inovar e surpreender as expectativas dos clientes, desta forma, aumenta a probabilidade de fazer com que a empresa se torne referência de mercado no segmento em questão, tendo assim um diferencial de sucesso (BARBIERI, 2001). A informação por si só não é um diferencial competitivo para as organizações, depende da forma como é utilizada. Uma empresa pode ser diferenciada em relação aos seus concorrentes quando consegue obter algum tipo de diferença ou vantagem que possa ser comparada e sustentada. Uma das formas de obter essa vantagem é através do rastreamento de informações disponíveis que auxilie a empresa a alcançar um percentual maior de mercado no seu ramo de atuação. Com tantas informações e observando-se que estas mudam constantemente, um dos problemas que as organizações enfrentam na era da informação é a forma de organizar tantos dados para, enfim, transformá-los em informações úteis, relevantes e estratégicas para o negócio. Dentre as possíveis opções de tecnologias para auxiliar o gerenciamento e organização destas informações, o Data Warehouse, também conhecido como DW, está na listagem como um dos candidatos, por se tratar de uma cópia dos dados transacionais, estruturado para relatórios de análise de nível gerencial. Com um recurso de permitir que seus usuários unifiquem dados obtidos externamente à organização com os dados internos da empresa, para a mesma base de análises, o Data Warehouse vem se destacando no mercado e sendo utilizado em diversas organizações. O Data Warehouse visa automatizar e melhorar os processos relacionados à tomada de decisão, o uso desta ferramenta nas organizações de pequeno, médio ou grande porte, possibilita a realização de diversas análises e projeções, podendo estimar as previsões de crescimento da empresa e contribuir para a elaboração de estratégias (PRIMAK, 2008). Assim, delimitou-se o tema deste artigo a criação de um Data Warehouse para o acompanhamento de desempenho de cursos em uma instituição de ensino superior.

3 A pergunta norteadora deste estudo é no sentido de investigar como a implantação de um Data Warehouse pode influenciar uma Instituição de Ensino Superior no seu planejamento estratégico. O objetivo geral é apresentar como se realizou a implantação de um Data Warehouse em uma Instituição de Ensino Superior de Belo Horizonte para o auxílio em seu planejamento estratégico. São objetivos específicos: definir e conceituar Data Warehouse; implantar uma solução para o auxílio ao planejamento estratégico da Instituição de Ensino Superior. A relevância deste estudo trabalho consiste em mostrar como o Data Warehouse na instituição auxiliará os tomadores de decisão, além dos coordenadores de cursos com informações históricas sobre o desempenho dos cursos dentro da instituição, facilitará o planejamento estratégico da mesma. A pesquisa bibliográfica, fontes secundárias, tem como base em autores tais como Barbieri, (2001); Primak (2008), e pesquisa documental é baseado na Microstrategy e Microsoft. Para compreensão deste tema dividiu-se este artigo em nove seções. A seção 1, esta introdução, e indicativa do estudo; a seção 2 apresenta o Data Warehouse; a seção 3 aborda a modelagem de dados para Data Warehouse; a seção 4 trata extração, transformação e carga dos dados; a seção 5 apresenta a On-Line Analytical Processing; a seção 6 aborda o Data Warehouse como estratégia competitiva; a seção 7 apresenta a implantação prática de um Data Warehouse em uma instituição de ensino superior de Belo Horizonte; a seção 8 elabora a discussão referente a implantação do Data Warehouse; a seção 9, tece as conclusões do artigo. 2 - DATA WAREHOUSE O termo Data Warehouse (DW) foi criado por Willian H. Inmon, no início da década de 1990 e é definido por uma série de autores conforme quadro 1: O conceito de DW objetiva a definição de uma base de dados preparada em vários níveis de granularidade. A ideia via DW é armazenar os dados em vários graus de relacionamento e sumarização, de forma a facilitar e agilizar os processos de tomada de decisão por diferentes níveis gerenciais.

4 Quadro 1 - Definições de Data Warehouse. Autor: Peterson, (2001, p. 65) Barbieri, (2001, p. 49) Gomes e Ribeiro, (2004, p. 191) Primak, (2008, p. 5) Definição: Um Data Warehouse é organizado em áreas funcionais e fornece uma perspectiva histórica sobre operações corporativas.o Data Warehouse também é uma origem de dados. Como seus dados já foram unificados, homogeneizados e limpos, eles frequentemente são a melhor origem de dados para análise de negócio. Pode ser definido como um banco de dados, destinado a sistemas de apoio à decisão. [...] é um repositório central para todos os tipos significativos de dados que vários sistemas de negócios de uma empresa coletam. [...] é uma grande base de dados, ou seja, um repositório único de dados (os quais foram consolidados e organizados) considerado pelos especialistas da área da informática como a "peça" essencial para a execução prática de um projeto de Business Intelligence. Fonte: elaboração do autor O ambiente de um DW tem como objetivo produzir informações que deverão atender às necessidades de seus usuários. (ROSINI:PALMISANO, 2003). Observase que o DW é definido pelos autores como um repositório de dados estratégicos para o auxílio da tomada de decisão. 3 - MODELAGEM DE DADOS PARA DATA WAREHOUSE O DW é orientado por assunto, integrado, variante no tempo e não volátil, para modelagem de dados quando utiliza-se o modelo dimensional. O modelo dimensional, conforme Barbieri (2001), é formado por tabelas Fato e tabelas de Dimensão. Esse modelo modifica alguns conceitos que estavam cristalizados nos projetos tradicionais de Banco de Dados, como por exemplo, a ordem de distribuição de campos por entre as tabelas, permitindo assim que a estrutura seja mais voltada para os muitos pontos de entradas específicos, conhecidos como Dimensão, e menos para os dados granulares em si, conhecidos como Fatos.

5 Na figura 1, está representado no modelo dimensional um sistema de vendas a varejo. Neste modelo tem-se uma tabela Fato chamada Vendas, que tem como métrica os campos quantidade vendida e o valor em reais. Outra tabela Fato chamada Estoque que tem como métrica a quantidade em estoque. E ainda seis tabelas de Dimensão: Tempo, Produto, Loja, Promoção, Atendente e Nota Fiscal. Figura 1 - Exemplo de um modelo Dimensional. Fonte: BARBIERI, Carlos. B. Business intelligence: modelagem e tecnologia. Rio de Janeiro: Axcel Books, 2001 Esse é o conceito de modelo Dimensional, que possui as entradas de acesso, as tabelas de Dimensão, e as tabelas Fatos contendo os fatos que são relevantes. Dessa forma é possível acessar as métricas desejadas, combinando atributos das diversas dimensões, de uma forma objetiva e direta (BARBIERI, 2001). O Esquema Estrela [...] é o formato mais eficiente para armazenar dados utilizados para análise do negócio. (PETERSON, 2001, p. 71) O Esquema Estrela recebe este nome, pela sua aparência e é composto por uma tabela Fato central e um conjunto de tabelas de Dimensão. Nas Tabelas Fatos, são armazenados os fatos que serão analisados, e nas tabelas de Dimensão estão contidas todas as perspectivas pelas quais os fatos serão analisados. Para Peterson (2001, p.78) a tabela de Fato é o coração do esquema em estrela, o autor acrescenta, que corresponde à tabela central que armazena um conjunto de medidas numéricas, que estão associadas a eventos de negócio.

6 Nesse sentido Barbieri (2001, p.81), assinala que [...] uma tabela Fato contém vários fatos, correspondentes a cada uma de suas linhas. Em cada fato pode ser armazenado uma ou mais medidas numéricas, que representa os valores objetos da análise dimensional. A tabela de Fatos não possui um campo separado para uma chave primária, ela é formada pela composição de todas as chaves estrangeiras das tabelas Dimensão. Nas tabelas de Fatos, os registros nunca são atualizados a menos que seja necessário corrigir um erro, ou fazer uma alteração. Os registros da tabela de fatos nunca são excluídos exceto quando registros antigos estão sendo arquivados. Exemplificando os valores de medidas que podem ser colocadas em uma tabela de Fato: o número total de itens vendidos; a quantidade monetária da venda; o lucro sobre o item vendido (BARBIERI, 2001). Na figura 2 foram utilizadas como valores de medidas: Vendas, Comissão e Desconto. Figura 2 - Valores de medidas da tabela de fatos. Fonte: ROCHA, Reydeval. Introdução ao Analysis Services Disponível em < o-ao-analysis-services-2005-parte- 2/5730> Acesso em: 08 abr As tabelas Dimensão, para Barbieri (2001, p.81), representam as entidades de negócios e constituem as estruturas de entrada que servem para armazenar informações como tempo, geografia, produto, cliente, etc. As tabelas de Dimensão são quase sempre muito pequenas, e armazenam um número significativamente menor de linhas do que as tabelas Fato. Comparado à tabela Fatos que sempre tem mais registros sendo adicionados a ela, as tabelas de Dimensão são relativamente

7 estáveis. Algumas delas como a dimensão de tempo raramente são alteradas após a sua criação. Em uma tabela de Dimensão, a chave primária deve ser um campo único com um tipo de dados inteiro, afirma Peterson (2001). O autor também enfatiza que em um esquema em estrela quase sempre há uma dimensão de tempo. A dimensão de Tempo, para Barbieri (2001), é necessária em projetos de DW onde a evolução dos dados históricos é fundamental. Em um DW, segundo Barbieri (2001, p. 94), as informações são reunidas com relação a períodos particulares de tempo. Cada dado vai refletir o seu próprio estado em diferentes momentos no tempo. Em uma dimensão de tempo, a hierarquia pode ser agregada de diversas maneiras. O nível mais baixo da hierarquia de tempo pode ser definido de diferentes formas, variando, por exemplo, de ano, trimestre, mês e dia, conforme exemplificado na figura 3. Figura 3 - Dimensão Tempo. Fonte: BARBIERI, Carlos. B. Business intelligence: modelagem e tecnologia. Rio de Janeiro: Axcel Books, EXTRAÇÃO, TRANSFORMAÇÃO E CARGA A etapa de Extração, Transformação e Carga, do inglês Extract, Transform, Load (ETL) é uma das mais críticas de um projeto de DW, pois envolve a fase de movimentação dos dados. Os sistemas chamados de ETL, conforme Primak (2008), são fundamentais para preparar os dados que serão armazenados no DW. Embora atualmente já

8 existam produtos que facilitem esse trabalho, este ainda é um processo trabalhoso, detalhado e complexo, e que requer expertise para ser executado de forma adequada e correta. Os dados, afirma Rezende (2003), podem apresentar problemas advindos do processo de coleta, estes problemas podem ser erros de digitação ou erro na leitura dos dados pelos sensores. O uso de técnicas de limpeza deve ser aplicado aos dados para garantir a qualidade. A qualidade dos dados é um fator essencial, pois, possivelmente o resultado do processo de extração será utilizado em um processo de tomada de decisão. O Structured Query Language (SQL) Server Integration Services (SSIS), de acordo com Ramalho (2005), é uma plataforma utilizada para construir aplicações de integração de dados, que inclui as tarefas conhecidas do pacote ETL para projetos em DW. Além de conectar-se a diversas fontes de dados, com o SSIS é possível fazer a extração dos dados e misturar os diversos formatos de dados em um único formato. A figura 4 mostra como normalmente o SSIS é utilizado. Os dados de vários bancos de dados, incluindo o SQL Server 2008, podem ser combinados com dados de outras fontes (RAMALHO, 2005). Figura 4 - Descrevendo o Server Integration Services (SSIS) Fonte: Adaptado de: MICROSOFT. Entendendo as tecnologias de Integração Microsoft. [Redmond], Disponível em <http://msdn.microsoft.com/ptbr/library/ms864809%28v=bts.10%29.aspx#xs LTsection > Acesso em: 3 out. 2013

9 Em alguns casos, faz-se necessário a limpeza dos dados, para garantir a padronização dos dados. Como exemplo, formatos de datas. Em uma fonte de dados pode-se ter o formato da data dd/mm/yyyy, em outras fontes de dados pode-se ter o formato da data como 2 de maio de 2014 (RAMALHO, 2005).

10 5 - ON-LINE ANALYTICAL PROCESSING (OLAP) O termo On-Line Analytical Processing (OLAP) foi citado pela primeira vez em um artigo escrito por Edgar Frank Codd em Refere-se a um conjunto de ferramentas voltadas para acesso e análise ad-hocde dados, com o objetivo de possibilitar que analistas, gerentes e executivos consigam transformar dados em informações de forma rápida, consistente, amigável e flexível, em tempo hábil, capazes de dar suporte às decisões gerenciais. Além disso, do ponto de vista de Peterson (2001), o OLAP, é uma ferramenta de software interativa de geração de relatórios, que apresenta, para os analistas, diversas visualizações distintas de uma planilha. A característica principal das ferramentas OLAP, conforme Primak (2008), é permitir realizar diversas análises dinâmicas e multidimensionais dos dados, apoiando o usuário final nas suas atividades. Elas possuem uma série de visões, como por exemplo, as consultas ad-hoc, onde o próprio usuário consegue gerar consultas de acordo com suas necessidades de cruzamento dos dados e de uma forma diferente da usual, que o leva a obter as respostas desejadas. Considerada para Inmon (1999) como consultas casuais únicas, onde os dados são tratados com parâmetros nunca antes utilizados. Umas das técnicas possibilitadas pelo OLAP é o Drill Down e Drill UP, que consiste em fazer uma exploração em diferentes níveis de detalhe das informações. Com essa técnica, o usuário pode subir ou descer na hierarquia dentro do detalhamento do dado conforme figura 5. Figura 5 - Representação Drill Down e Drill UP

11 Fonte: BARBIERI, Carlos. B. Business intelligence: modelagem e tecnologia. Rio de Janeiro: Axcel Books, p DATA WAREHOUSE COMO ESTRATÉGIA COMPETITIVA A ideia básica de Inteligência Competitiva conforme Barbieri (2001) é obter informações detalhadas sobre o mercado e os concorrentes. A Inteligência Competitiva é também um Business Intelligence (BI) aplicado ao mundo fora da fronteira empresarial, que tem o foco em informações e fatos. As empresas hoje sentem cada vez ma is a necessidade de aperfeiçoar o processo de análise de dados que possuem armazenados. Este crescente número de informações pode ser interpretada como um mal no universo empresarial e dificulta o processo de tomada de decisão, uma vez que os gestores se sentem impotentes no processo de busca e recuperação dos dados, que podem ser definido a como um conjunto de registros qualitativos ou quantitativos que estão organizados e agrupados. Os dados em si não possuem um significado nem relevância, porém, aplicados ao contexto correto são importantes, pois é possível obter informação. Há de se destacar que para Primak (2008), organizações de pequeno, médio ou grande porte, precisam de ferramentas que as auxilie nas mais diferentes situações para tomada de decisão, além de propiciar otimização do trabalho, redução de custos, eliminação de tarefas duplicadas, e permitir previsões de crescimento da empresa e dessa forma contribuir para a elaboração de estratégias. O que está em foco é a necessidade do mercado e não o porte da empresa. Enfatizam no entanto Leonard e Swap (2003), Inteligência Analítica é a capacidade de analisar ideias e tomar decisões com base na análise feita. Mesmo com ferramentas disponíveis que são consideradas decisivas, alguns autores consideram até mais importante que a tecnologia, como afirmam Davenport e Prusak (1998), são as pessoas que fazem com que a inteligência analítica funcione. Isso porque, conforme Primak (2008), tomar uma decisão em uma organização requer muito mais que saber utilizar um software. Por mais que uma organização disponha de uma ferramenta com diversas funções, de nada adiantará se as pessoas continuarem a tomar decisões ou simplesmente chegarem a conclusões baseadas em suas experiências e no seu próprio conhecimento. Prossegue o autor afirmando que, para a implementação efetiva de uma solução de BI, a condição considerada por

12 grande parte dos analistas de mercado como essencial é a de existir um repositório único de dados que seja sólido e confiável, ou seja, o DW. Isso porque com o DW é possível obter uma visão única, além de poder tomar decisões com base em informações precisas e consistentes em uma única base. O mercado de Ensino Superior está ficando cada vez mais difícil e competitivo e, hoje em dia, ter a informação correta no menor tempo possível, tomar decisões eficazes, adequar-se às oscilações financeiras e antecipar-se às necessidades dos seus clientes, é o grande diferencial para as empresas que querem se manter à frente no mundo dos negócios. 7 - IMPLANTAÇÃO PRÁTICA DE UM DATA WAREHOUSE EM UMA INSTITUIÇÃO DE ENSINO SUPERIOR DE BELO HORIZONTE A implantação do Data Warehouse iniciou-se no mês de abril de 2013 com o levantamento dos dados junto a Instituição de Ensino Superior (IES) de Belo Horizonte que possui quatro cursos superiores, concretizando os acessos aos dados no mês de agosto de Verifica-se que os tomadores de decisão, além dos coordenadores de cursos desta Instituição de Ensino Superior não possuem informações históricas sobre o desempenho dos cursos dentro da instituição, o que dificulta o planejamento estratégco da mesma. Constata-se que a tecnologia de Business Intelligence tem apresentado forte adesão pelas organizações que desejam obter um suporte à tomada de decisão e, cada vez mais, querem estas informações em tempo real, a qualquer hora e lugar. A seguir, descreve-se os passos para criação, desenvolvimento, testes e implantação de um Data Warehouse em uma Instituição de Ensino Superior (IES). 1º) PASSO Com base no levantamento realizado em abril de 2013 foi proposto e aprovado o modelo dimensional Estrela como metodologia de modelagem, formado por uma tabela Fato no centro chamada acompanhamento_cursos, e por um conjunto de 6

13 tabelas de Dimensão, como aluno, curso, período, semestre e situação que estão ligadas à tabela Fato conforme pode ser visto na figura 6. Figura 6 - Esquema do modelo dimensional Estrela Fonte: dados da pesquisa Na tabela Fato acompanhamento_cursos, foram definidas as chaves das dimensões que fazem parte da composição do seu layout (cod_aluno, cod_curso, num_semestre_ano, cod_periodo, cod_situacao, cod_turno e f_qtd_aluno). A chave da tabela Fato acompanhamento_cursos é uma composição de todas as chaves primárias das tabelas de Dimensão que se relacionam com a tabela Fato, o que garante a integridade referencial entre a tabela Fato acompanhamento_cursos e cada uma das tabelas de Dimensão como apresentado por Peterson (2001, p.78). As métricas foram definidas através da análise do levantamento realizado junto aos coordenadores, onde foi identificado a necessidade de verificar a quantidade de alunos matriculados, por curso, por sexo e por período. Baseado nisso, verificou-se a necessidade de controlar os seguintes indicadores que foram utilizados como métricas na tabela Fatoacompanhamento_cursos:Curso;Período;Turno;Aluno;Tipo de aluno;situação do aluno no curso;quantidade de alunos.

14 No modelo proposto, as tabelas de Dimensão definidas foram: aluno, curso, periodo, semestre e situação. Acrescenta-se que esta é a parte onde mais gasta tempo para fazer e definir essa modelagem. A esse respeito Barbieri (2001) enfatiza que é uma parte crítica do projeto, uma vez que alterações nas estruturas das tabelas principalmente as tabelas Fato que comparadas às tabelas de Dimensão possuem um volume maior de dados, pode representar problemas de manutenção no projeto. 2º) PASSO Com o auxílio de um funcionário da IES, as informações foram exportadas do sistema acadêmico da IES, através de relatórios interno do sistema acadêmico para arquivos com valores separadores por vírgulas.(fig.7). Figura 7 - Tela de arquivos do tipo Arquivos Separados por Vírgula Fonte: dados da pesquisa Na figura 8 é apresentada a planilha Excel com todos os dados disponibilizados pela IES que possuíam informações concentradas em uma única coluna, como por exemplo, o semestre, turno e período, estavam na mesma coluna.

15 Figura 8 - Tela de conteúdo dos dados disponibilizados pela IES Fonte: dados da pesquisa Estes arquivos, não apresentam um dicionário de dados para ajudar na extração dos dados. Algumas colunas foram identificadas, conforme o conhecimento do funcionário da IES, e várias colunas, as informações não aparentam ter nenhum sentido, não foi possível decifrar o que cada coluna representava, conforme pode ser visto na figura 8. Apresenta- se na figura 9 todos os dados após o processo de limpeza dos dados, como por exemplo, o semestre, turno e período, foram separados em colunas distintas. Figura 9 - Tela de conteúdo dos dados disponibilizados pela IES após a limpeza dos dados. Fonte: dados da pesquisa

16 A carga dos dados foi feita somente uma vez para as tabelas de Dimensão. Como os dados que foram obtidos estavam no formato separado por virgulas, utilizou-se o SSIS para uma simples leitura destes arquivos, definindo quais colunas deveriam ser carregadas destes arquivos e para qual coluna das respectivas tabelas deveriam ser destinadas, (fig. 10). Os dados, como em todo projeto de DW, não sofrem alterações. Figura 10 - Tela de rotina de leitura dos dados ferramenta SSIS Fonte: dados da pesquisa O processo de ETL foi bastante complexo e os problemas que ocorreram foram, a falta de um dicionário de dados para identificação das colunas que seriam carregadas. Algumas colunas foram identificadas, conforme o conhecimento do funcionário da IES, e várias colunas, as informações não aparentam ter nenhum sentido, não foi possível decifrar o que cada coluna representava. 3º) PASSO A ferramenta OLAP escolhida foi a MicroStrategy, fundada em 1989 por Michael J. Saylor. AMicroStrategy é uma empresa de consultoria focada em soluções para suporte à decisão, desenvolvedora da ferramenta OLAP utilizada no projeto. Isto por possuir uma interface similar ao Windows, tornou-se uma ferramenta de geração

17 de relatórios, análises e monitoramento dos negócios, altamente interativa, intuitiva e de fácil utilização pelos usuários finais. A figura 11 mostra a tela do administrador, onde é possível monitorar e administrar todos os usuários. Figura 11 - Tela do Administrador. Fonte: dados da pesquisa A estrutura hierárquica das pastas é apresentada na figura 12. A pasta Relatórios Compartilhados, mostra os relatórios gerados e que são compartilhados com os demais usuários com acesso ao respectivo DW. Figura 12 - Tela de estrutura hierárquica da pasta Relatórios Compartilhados. Fonte: dados da pesquisa

18 Os relatórios de gráficos que atigiram o objetivo para o auxílio dos tomadores de decisão, além dos coordenadores de cursos desta Instituição de Ensino Superior para a utilização no planejamento estratégico com informações históricas sobre o desempenho dos cursos dentro da instituição são apresentados na figura 13 e 14. Figura 13 - Tela de relatório de gráficos (Alunos X Curso). Fonte: dados da pesquisa Figura 14 - Tela do relatório de gráficos (Situação de alunos por curso).

19 Fonte: dados da pesquisa

20 8 - DISCUSSÃO SOBRE OS RESULTADOS DE IMPLANTAÇÃO DO DATA WAREHOUSE Os passos de criação, desenvolvimento, testes e implantação foram demorados pelo pouco tempo disponível pelos pesquisadores, mas de muita relevância. Para atender as necessidades de ETL do projeto, a IES utilizou a ferramenta SSIS, pois foi considerada adequada devido a sua facilidade de desenvolvimento das rotinas de carga e também devido ao seu pipeline de transformação de dados, considerado apto pela facilidade apresentada de transformar o dado em uma única operação. Estas facilidades não são encontradas nas ferramentas tradicionais. Sobre a ferramenta OLAP, foi escolhida a ferramenta MicroStrategy, pois dispõe do recurso de geração de relatórios padronizados e dinâmicos, que podem ser customizados pelos usuários em momento de execução, possibilitando que possuam visão específica, graças ao processo de drillup e drilldown. Outra facilidade que foi levada em consideração no momento da escolha foi a facilidade de adaptação dos usuários quanto a sua utilização, uma vez que a ferramenta segue o padrão de usabilidade bem similar ao utilizado pelo Windows. Os esforços que foram empenhados neste trabalho foram recompensados, já que foi possível desenvolver todas as etapas de construção de um DW, contribuindo para a experiência acadêmica do discente, além de prover à instituição um diferencial competitivo de mercado com uma visão gerencial privilegiada comparando com seus concorrentes. 9 - CONSIDERAÇÕES FINAIS O presente trabalho apresentou o processo implantação de um Data Warehouse em uma Instituição de Ensino Superior de Belo Horizonte para o auxílio em seu planejamento estratégico e definiu e conceituou o Data Warehouse. Buscou-se reunir no estudo uma base teórica que permitisse mostrar o formato do Data Warehouse como um repositório de dados para atender diferentes níveis gerenciais para tomada de decisão.

21 A realização da pesquisa aplicada para a implantação do Data Warehouse na Instituição de Ensino Superior foi organizada em três etapas, estas denominadas passos. Estas etapas foram realizadas tendo-se a base conceitual e teórica do estudo como orientadora da implantação do Data Warehouse. Verificou-se a pertinência teórica apresentada a um caso específico, o Data Warehouse como ferramenta de auxílio em planejamento estratégico na Instituição de Ensino Superior. Como projeto futuro, sugere-se uma pesquisa junto a Instituição de Ensino Superior dos valores efetivos dos ganhos adquiridos após a implementação e utilização destes dados pela Instituição, da mesma forma sugere-se um estudo em relação à ferramenta OLAP MicroStrategy Web utilizada, em relação a outras ferramentas de software livre (open source).

22 REFERÊNCIAS ANTUNES JUNIOR, Delson. Sistema de apoio a decisão baseado em Data Warehouse para uma indústria química Trabalho de Conclusão de Curso (Bacharel) - Universidade do Planalto Catarinense, Lages, Disponível em: < >. Acesso em: 22 nov BARBIERI, Carlos. B. Business intelligence: modelagem e tecnologia. Rio de Janeiro: Axcel Books, 2001 DAVENPORT, Thomas H. e PRUSAK, Laurence. Conhecimento empresarial 14. ed, Rio de Janeiro: Campus, 1998 GOMES, Carlos Francisco Simões; RIBEIRO, Priscilla Cristina Cabral. Gestão da cadeia de suprimentos integrada à tecnologia da informação. São Paulo: Pioneira Thomson Learning, INMON, W. H.; WELCH, J. D.; GLASSEY, K. L. Gerenciando Data Warehouse. São Paulo: Makron Books, KIMBALL, Ralph; ROSS, Margy. The Data Warehouse Toolkit: guia completo para modelagem dimensional. 2 ed. Rio dejaneiro: Campus, LEONARD, Dorothy; SWAP, Walter. Centelhas Incandescentes: estimulando a criatividade em grupos. Porto Alegre: Bookman, MICROSOFT. Entendendo as tecnologias de Integração Microsoft. [Redmond], Disponível em <http://msdn.microsoft.com/ptbr/library/ms864809%28v=bts.10%29.aspx#xsltsection > Acesso em: 3 out MICROSTRATEGY. Best in Business Intelligence. Disponível em <http://www.microstrategy.com.br/company/> Acesso em: 03 out PETERSON, Timothy. Microsoft Sql Server 2000 Dts. Rio de Janeiro: Campus, PRIMAK, Fábio Vinícius. Decisões com B.I Business Intelligence. Rio de Janeiro: Ciência Moderna, 2008 RAMALHO, José Antônio. Microsoft SQL Server 2005: guia prático. Rio de Janeiro: Campus, REZENDE, Solange Oliveira. Sistemas Inteligentes: fundamentos e aplicações. Barueri: Manole, ROCHA, Reydeval. Introdução ao Analysis Services Disponível em < Acesso em: 08 abr

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

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

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

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

Chapter 3. Análise de Negócios e Visualização de Dados

Chapter 3. Análise de Negócios e Visualização de Dados Chapter 3 Análise de Negócios e Visualização de Dados Objetivos de Aprendizado Descrever a análise de negócios (BA) e sua importância par as organizações Listar e descrever brevemente os principais métodos

Leia mais

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

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

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 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

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

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

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

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

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

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

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

INTELIGÊNCIA COMPETITIVA. Transformando dados em decisões estratégicas

INTELIGÊNCIA COMPETITIVA. Transformando dados em decisões estratégicas INTELIGÊNCIA COMPETITIVA Transformando dados em decisões estratégicas Primeiramente, qual a diferença? DADOS INFORMAÇÃO CONHECIMENTO CONHECIMENTO Conjunto de informações analisadas INFORMAÇÃO Conjunto

Leia mais

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

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

Leia mais

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

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

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

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

Leia mais

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

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

Leia mais

Uma peça estratégica para o seu negócio

Uma 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 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

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

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

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

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

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

Leia mais

Data 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

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

Processo Decisório, OLAP e Relatórios Corporativos OLAP E RELATÓRIOS CORPORATIVOS

Processo Decisório, OLAP e Relatórios Corporativos OLAP E RELATÓRIOS CORPORATIVOS Processo Decisório, OLAP e Relatórios Corporativos OLAP E RELATÓRIOS CORPORATIVOS Sumário Conceitos/Autores chave... 3 1. Introdução... 5 2. OLAP... 6 3. Operações em OLAP... 8 4. Arquiteturas em OLAP...

Leia mais

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

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

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

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

RESUMO DA SOLUÇÃO CA ERwin Modeling. Como eu posso gerenciar a complexidade dos dados e aumentar a agilidade dos negócios?

RESUMO DA SOLUÇÃO CA ERwin Modeling. Como eu posso gerenciar a complexidade dos dados e aumentar a agilidade dos negócios? RESUMO DA SOLUÇÃO CA ERwin Modeling Como eu posso gerenciar a complexidade dos dados e aumentar a agilidade dos negócios? O CA ERwin Modeling fornece uma visão centralizada das principais definições de

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

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

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

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

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

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

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. 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

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

Sistemas de Informação Aplicados a AgroIndústria Utilizando DataWarehouse/DataWebhouse

Sistemas de Informação Aplicados a AgroIndústria Utilizando DataWarehouse/DataWebhouse Sistemas de Informação Aplicados a AgroIndústria Utilizando DataWarehouse/DataWebhouse Prof. Dr. Oscar Dalfovo Universidade Regional de Blumenau - FURB, Blumenau, Brasil dalfovo@furb.br Prof. Dr. Juarez

Leia mais

Business Intelligence para Computação TítuloForense. Tiago Schettini Batista

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

Leia mais

Business Intelligence Conceitos, Metodologia de Desenvolvimento e Exemplos de BI

Business Intelligence Conceitos, Metodologia de Desenvolvimento e Exemplos de BI Matriz: Av. Caçapava, 527 CEP 90.460-130 Tecnopuc: Av. Ipiranga, 6681 Prédio 32 Sala 109 CEP 90.619-900 Porto Alegre - RS, Brasil Contate-nos: +55 (51) 3330.7777 contato@dbccompany.com.br www.dbccompany.com.br

Leia mais

Fundamentos da inteligência de negócios: gestão da informação e de bancos de dados

Fundamentos da inteligência de negócios: gestão da informação e de bancos de dados Fundamentos da inteligência de negócios: gestão da informação e de bancos de dados slide 1 1 Copyright 2011 Pearson Education, Inc. publishing as Prentice Hall Objetivos de estudo Como um banco de dados

Leia mais

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

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

MBA EM BUSINESS INTELLIGENCE

MBA EM BUSINESS INTELLIGENCE MBA EM BUSINESS INTELLIGENCE Como a sua empresa estrutura informações estratégicas? Como as decisões são tomadas? São considerados, dados, informações e tendências, de macroambientes? O quanto você conhece

Leia mais

Business Intelligence. BI CEOsoftware Partner YellowFin

Business Intelligence. BI CEOsoftware Partner YellowFin Business Intelligence BI CEOsoftware Partner YellowFin O que é Business Intelligence Business Intelligence (BI) é a utilização de uma série de ferramentas para coletar, analisar e extrair informações,

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

OTIMIZAÇÃO DA GESTÃO PÚBLICA ATRAVÉS DE TÉCNICAS DE BUSINESS INTELLIGENCE

OTIMIZAÇÃO DA GESTÃO PÚBLICA ATRAVÉS DE TÉCNICAS DE BUSINESS INTELLIGENCE OTIMIZAÇÃO DA GESTÃO PÚBLICA ATRAVÉS DE TÉCNICAS DE BUSINESS INTELLIGENCE Guimarilza Barbosa de Souza João Gabriel Ribeiro Luiz Cláudio de Arruda Isoton II Congresso Consad de Gestão Pública Painel 5:

Leia mais

Auto Treinamento. Versão 10.05.13

Auto Treinamento. Versão 10.05.13 Auto Treinamento Versão 10.05.13 Sumário 1. OBJETIVO... 3 2. CONCEITO DE BUSINESS INTELLIGENCE... 3 3. REALIZANDO CONSULTAS NO BI-PUBLIC... 4 3.2. Abrindo uma aplicação... 4 3.3. Seleções... 6 3.4. Combinando

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

Construção de um Sistema de Informações Estratégicas, Integrando Conhecimento, Inteligência e Estratégia.

Construção de um Sistema de Informações Estratégicas, Integrando Conhecimento, Inteligência e Estratégia. Construção de um Sistema de Informações Estratégicas, Integrando Conhecimento, Inteligência e Estratégia. Introdução Sávio Marcos Garbin Considerando-se que no contexto atual a turbulência é a normalidade,

Leia mais

CEP 97420-000 São Vicente do Sul RS Brasil. filipe-kulinski@hotmail.com, {maicon.amarante, eliana.zen} @iffarroupilha.edu.br

CEP 97420-000 São Vicente do Sul RS Brasil. filipe-kulinski@hotmail.com, {maicon.amarante, eliana.zen} @iffarroupilha.edu.br 109 Utilização de Businnes Intelligence para análise de evasão escolar nos diferentes níveis de ensino do Instituto Federal Farroupilha Campus São Vicente do Sul Filipe Kulinski Mello 1, Eliana Zen 1,

Leia mais

Unidade III PLANEJAMENTO ESTRATÉGICO DE. Prof. Daniel Arthur Gennari Junior

Unidade III PLANEJAMENTO ESTRATÉGICO DE. Prof. Daniel Arthur Gennari Junior Unidade III PLANEJAMENTO ESTRATÉGICO DE TECNOLOGIA DA INFORMAÇÃO Prof. Daniel Arthur Gennari Junior Sobre esta aula Gestão do conhecimento e inteligência Corporativa Conceitos fundamentais Aplicações do

Leia mais

DATA WAREHOUSE NO APOIO À TOMADA DE DECISÕES

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

Leia mais

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

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

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

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

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

OLAP: Características, Arquitetura e Ferramentas

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

Leia mais

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

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

TECNOLOGIA DA INFORMAÇÃO - TI Elaborado e adaptado por: Prof.Mestra Rosimeire Ayres

TECNOLOGIA DA INFORMAÇÃO - TI Elaborado e adaptado por: Prof.Mestra Rosimeire Ayres TECNOLOGIA DA INFORMAÇÃO - TI Elaborado e adaptado por: Prof.Mestra Rosimeire Ayres Aula 6 Fazendo BI NO EXCEL USANDO TABELA DINÂMICA EXCEL PARA TOMADA DE DECISÕES A ferramenta é nada, o talento é tudo.

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

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

Quem estiver interessado favor mandar currículo para sabrina.rodrigues@neogrid.com. As vagas são as seguintes: *Analista de BI (2 vagas)*

Quem estiver interessado favor mandar currículo para sabrina.rodrigues@neogrid.com. As vagas são as seguintes: *Analista de BI (2 vagas)* Quem estiver interessado favor mandar currículo para sabrina.rodrigues@neogrid.com. As vagas são as seguintes: *Analista de BI (2 vagas)* Buscamos candidatos com interesse e experiência na área de desenvolvimento,

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

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

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

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

Uma visão abrangente dos negócios. Solução para superar barreiras e otimizar recursos na sua empresa

Uma visão abrangente dos negócios. Solução para superar barreiras e otimizar recursos na sua empresa Uma visão abrangente dos negócios Solução para superar barreiras e otimizar recursos na sua empresa Negócios sem barreiras O fenômeno da globalização tornou o mercado mais interconectado e rico em oportunidades.

Leia mais

Arquitetura física de um Data Warehouse

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

Leia mais

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

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

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

UNIVERSIDADE FEDERAL DE MINAS GERAIS BACHARELADO EM SISTEMAS DE INFORMAÇÃO

UNIVERSIDADE FEDERAL DE MINAS GERAIS BACHARELADO EM SISTEMAS DE INFORMAÇÃO UNIVERSIDADE FEDERAL DE MINAS GERAIS BACHARELADO EM SISTEMAS DE INFORMAÇÃO Proposta de Formação Complementar: BUSINESS INTELLIGENCE E SUA APLICAÇÃO À GESTÃO Aluno: Yussif Tadeu de Barcelos Solange Teixeira

Leia mais

MANUAL BI- Business Intelligence

MANUAL BI- Business Intelligence 1. VISÃO GERAL 1.1 SISTEMA BI Business Intelligence: Segundo Gartner Group, a maior ameaça das empresas da atualidade é o desconhecimento... O Business Intelligence se empenha em eliminar as dúvidas e

Leia mais

18. Qualidade de Dados em Data Warehouse - Objetivos e Sucesso

18. Qualidade de Dados em Data Warehouse - Objetivos e Sucesso 18. Qualidade de Dados em Data Warehouse - Objetivos e Sucesso Uma das características das Ciências Exatas é a precisão das informações obtidas; a segurança dos dados extraídos nos processos usados. Cálculos

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

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

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

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

Leia mais

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

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

Planejamento Estratégico de TI. Prof.: Fernando Ascani

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

Leia mais

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

Técnicas de Business Intelligence na Análise de Dados de Produção. Rafael Deitos

Técnicas de Business Intelligence na Análise de Dados de Produção. Rafael Deitos Copyright 2014-15 OSIsoft, LLC. 1 Técnicas de Business Intelligence na Análise de Dados de Produção Presented by Felipe Trevisan Rafael Deitos Copyright 2014-15 OSIsoft, LLC. Sumário Contextualização Itaipu

Leia mais

Aula 15. Tópicos Especiais I Sistemas de Informação. Prof. Dr. Dilermando Piva Jr.

Aula 15. Tópicos Especiais I Sistemas de Informação. Prof. Dr. Dilermando Piva Jr. 15 Aula 15 Tópicos Especiais I Sistemas de Informação Prof. Dr. Dilermando Piva Jr. Site Disciplina: http://fundti.blogspot.com.br/ Conceitos básicos sobre Sistemas de Informação Conceitos sobre Sistemas

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

INTEGRE Diversas fontes de informações em uma interface intuitiva que exibe exatamente o que você precisa

INTEGRE Diversas fontes de informações em uma interface intuitiva que exibe exatamente o que você precisa INTEGRE Diversas fontes de informações em uma interface intuitiva que exibe exatamente o que você precisa ACESSE Informações corporativas a partir de qualquer ponto de Internet baseado na configuração

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

UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS TECNOLÓGICAS DA TERRA E DO MAR CURSO DE CIÊNCIA DA COMPUTAÇÃO

UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS TECNOLÓGICAS DA TERRA E DO MAR CURSO DE CIÊNCIA DA COMPUTAÇÃO UNIVERSIDADE DO VALE DO ITAJAÍ CENTRO DE CIÊNCIAS TECNOLÓGICAS DA TERRA E DO MAR CURSO DE CIÊNCIA DA COMPUTAÇÃO IMPLEMENTAÇÃO DE UM DATA MART PARA ÁREA COMERCIAL DA HAVAN LOJAS DE DEPARTAMENTOS Área de

Leia mais

Arquitetura de Disseminação de Informações baseada em Datawarehouse 05/04/2006

Arquitetura de Disseminação de Informações baseada em Datawarehouse 05/04/2006 Arquitetura de Disseminação de Informações baseada em Datawarehouse 05/04/2006 Agenda A Informal Perspectiva Histórica Modelos de Arquitetura Benefícios para Gestão Caso de Referência Agenda A Informal

Leia mais