Data Warehouse Aplicado na Gestão de uma Telecom

Tamanho: px
Começar a partir da página:

Download "Data Warehouse Aplicado na Gestão de uma Telecom"

Transcrição

1 UNIÃO EDUCACIONAL MINAS GERAIS S/C LTDA FACULDADE DE CIÊNCIAS APLICADAS DE MINAS Autorizada pela Portaria n 577/2000 MEC, de 03/05/2000 BACHARELADO EM SISTEMAS DE INFORMAÇÃO. Data Warehouse Aplicado na Gestão de uma Telecom Rafhael Paes Leme Alves Uberlândia 2006

2 Rafhael Paes Leme Alves Data Warehouse Aplicado na Gestão de uma Telecom Trabalho de conclusão de curso submetido à Uniminas como parte dos requisitos para a obtenção do grau de Bacharel em Sistemas de Informação. Orientador(a): Prof. M.Sc Francisco José Muller Uberlândia 2006

3 ii RAFHAEL PAES LEME ALVES Data Warehouse Aplicado na Gestão de uma Telecom Trabalho final de curso submetido à UNIMINAS como parte dos requisitos para a obtenção do grau de Bacharel em Sistemas de Informação. Banca Examinadora: Uberlândia, 25 de abril de Prof.. M.Sc. Francisco José Muller (Professor Orientador) Prof.. M.Sc. Silvio Bacalá Prof.. Dr. Mauro Hemerly Gazzani

4 iii A todos os meus familiares, que sempre estiveram ao meu lado incentivando a minha vitória, principalmente aos meus pais e a minha avó que me ensinaram valores preciosos, desde criança, para meu desenvolvimento.

5 iv Agradecimentos A Deus, que me iluminou durante todo meu caminho, nos momentos de alegria e de tristeza, não deixando jamais vir a sucumbir perante as vicissitudes da vida. A todas as pessoas que me incentivaram e me apoiaram durante minha jornada. Ao professor M.Sc. Francisco José Muller, por sua dedicação e pelo apoio e orientação crítica durante o estudo, juntamente com a professora Dra.Kátia Lopes Silva.

6 v Resumo O ambiente de dados que dá suporte à tomada de decisão e à gerência das mesmas está fundamentado na idéia de Data Warehouse. Essa metodologia integra e consolida dados extraídos de diferentes acervos e os modela de tal forma a ampliar seu conteúdo informacional, com o objetivo de atender às expectativas e necessidades estratégicas da empresa. O objetivo desta Monografia é apresentar os conhecimentos obtidos durante o estágio, descrevendo as atividades, as ferramentas e a filosofia em que se baseia um Data Warehouse.

7 vi Abstract The environment of data that gives support to the taking of decision and the management of the same ones is based on the idea of the Data Warehouse. This methodology integrates and consolidates given extracted of different quantities and it in such a way shapes them to extend its informational content, with the objective to take care of to the expectations and strategic necessities of the company. The objective of this monograph is present the knowledge gotten during the period of training, being described the activities, the tools and the philosophy on which one Data Warehouse is based.

8 vii Sumário INTRODUÇÃO A EMPRESA CTBC Programas de Estágios Motivação para um Data Warehouse O QUE É UM DATA WAREHOUSE? Conceito Características do Data Warehouse Orientado Por Temas Integrado Variante no Tempo Não Volátil Alguns Conceitos Envolvidos Modelagem Multidimensional Modelo Star Schema Modelo Snowflake Normalização / Desnormalização Granularidade Agregação de Dados Detalhes de um DW Camada ODS Camada DW Camada KPI Problemas inerentes ao DW Índices Particionamento Views Execução Paralela UTILIZANDO UM DW EM UMA TELECOM(CTBC) Problema com Trafego Relatório de trafego entrante da telefonia fixa Solução para o problema com o Tráfego Problemas de carga com o DW Soluções nos processos de carga do DW CONSIDERAÇÕES FINAIS REFERÊNCIAS BIBLIOGRÁFICAS... 50

9 viii Índices de Figuras FIGURA 1 - ÁREA DE CONCESSÃO DA CTBC TELECOM...3 FIGURA 2 - ATUAÇÃO DO DATA WAREHOUSE ATUA NO NEGÓCIO DA EMPRESA...6 FIGURA 3 - MODELO STAR SCHEMA (UM EXEMPLO)...11 FIGURA 4 - MODELO SNOWFLAKE (UM EXEMPLO)...14 FIGURA 5 - ESQUEMA GERAL DO DATA WAREHOUSE DA CTBC TELECOM...17 FIGURA 6 - CAMADAS QUE COMPÕEM UM DATA WAREHOUSE...18 FIGURA 7 - EXTRAÇÃO DE DADOS DOS AMBIENTES OPERACIONAIS PARA A CAMADA ODS...19 FIGURA 8 - PROCESSO DE EXTRAÇÃO DA ODS PARA UM DW...20 FIGURA 9 - ESQUEMA GERAL COM TODAS AS ETAPAS, ATÉ A CONSTRUÇÃO DOS KPIS...21 FIGURA 10 - ESQUEMA DE ÍNDICE DENSO...24 FIGURA 11 - ESQUEMA DE ÍNDICE ESPARSO...25 FIGURA 12 - ESQUEMA DE ÍNDICE MULTINIVEL...26 FIGURA 13 - ESQUEMA DE ACESSO ÀS TABELAS ENVOLVIDAS...38 FIGURA 14 - ESQUEMA DA ESTRUTURA DE DADOS DE TRÁFEGO...38

10 ix Acrônimos DBA Analista de Banco de Dados (Database Analyst) DW = Data Warehouse. EIS = Sistema de Informações Executivas (Enterprise Information Systems). OLAP = On Line Analytical Processing. ROLAP = OLAP relacional MOLAP = OLAP multidimensional ETL = Extração, Transformação e Carga (Extract, Transform and Load). ODS = Operational Data Store KPI = Indicador de desempenho (Key Performance Indicator) E-R = Entidade - Relacionamento

11 Introdução Com o aumento da competitividade gerado pela globalização, as empresas tiveram que deixar de lado os modelos fixos de gestão e começaram a concentrar-se em conhecer melhor o seu negócio, ou seja, seus produtos, clientes e recursos. Passaram a ter que adaptar suas estratégias cada vez mais rápidas e de acordo com as mudanças que ocorrem no mercado. Porém, como conseguir esse tipo de informação? Com o intuito de responder a esta pergunta que se chegou à conclusão que os sistemas transnacionais, até então utilizados, não seriam capazes de gerar esse tipo de informação, principalmente porque tais sistemas não guardam o histórico e não são bem interligados entre si. Para a solução do problema de disponibilizar informações que dêem suporte às decisões gerenciais, surgiu o conceito de Data Warehouse. Tratase de um processo que se preocupa em extrair, integrar, limpar e dar consistência a dados provenientes de diferentes acervos, tanto dos sistemas de informações da companhia, quanto de dados externos, tais como pesquisas de mercado e dados sobre a concorrência. A partir do Data Warehouse surgiram os Sistemas de Suporte à Decisão (EIS - Enterprise Information Systems) que acabaram ficando restritos à geração de relatórios corporativos, devido à sua falta de flexibilidade. Para suprir as novas necessidades do mercado, surgiram as ferramentas OLAP (On Line Analytical Processing). Essas ferramentas viabilizavam a construção de um ambiente no qual analistas de negócio ou de marketing pudessem navegar com facilidade pelos dados da companhia, realizando consultas e fazendo novos cruzamentos entre as dimensões de análise, utilizando-se de uma interface fácil e flexível. Neste documento serão apresentadas algumas etapas de desenvolvimento do Projeto Data Warehouse da CTBC Telecom, que detalhará as ferramentas e metodologias utilizadas em estágio lá realizado, e que é tema desta monografia. Serão apontados, também, alguns problemas

12 2 observados ao longo o estágio e que estão relacionados com a teoria apresentada e os resultados obtidos.

13 3 1. A Empresa CTBC A CTBC Telecom - Companhia de Telecomunicações do Brasil Central - criada em 15 de Fevereiro de 1954 como uma empresa integrante do Grupo Algar. Sua sede administrativa está situada em Uberlândia, Minas Gerais e sua área de concessão incluem os estados de São Paulo, Mato Grosso do Sul, Minas Gerais e Goiás, como indica a figura 1: Figura 1 - Área de concessão da CTBC Telecom Desde o início de sua história no ramo de Telecom, a CTBC preocupouse fundamentalmente em atender bem seu cliente, com a prestação de serviços de qualidade e produtos cada vez mais inovadores. Prova disto é que, logo em 1996 a CTBC Telecom tornou-se a primeira operadora de telecomunicações da América Latina a conquistar a certificação ISO 9002, na

14 4 área de atendimento ao cliente. E em 1999 a empresa recebeu a recertificação. Com um estilo de administração moderno e participativo, a empresa pratica a filosofia Empresa Rede. Dentro desse estilo, a empresa busca a capacitação de seus talentos humanos ou associados, como são chamados seus funcionários. Esses são incentivados a desenvolver o melhor de suas habilidades e alcançar suas metas por meio de uma política de prêmios por resultado. Assim, a empresa investe em treinamentos técnicos, operacionais e comportamentais, além de incentivar a melhoria do nível de escolaridade de seus associados Programas de Estágios Investir no ser humano é a base para o sucesso de uma empresa. E esta tem sido a filosofia da CTBC em relação a seus talentos humanos. Consciente que a qualidade de seus profissionais faz a diferença em seu negócio, a CTBC investe na formação e desenvolvimento de cada um e na busca constante de profissionais empreendedores, dinâmicos, que têm visão estratégica e prontos para enfrentar os desafios do competitivo mercado de Telecomunicações. O Programa de Estágio da CTBC, assim como o de outras empresas do Grupo Algar, é oferecido a estudantes que estejam nos últimos períodos de curso de graduação, que exigem realização de estágio para a obtenção do certificado de conclusão. Também podem ser contemplados estudantes que estejam nos períodos iniciais desde que autorizados pela instituição de ensino, e também alunos de cursos técnicos. Ao ser selecionado, cada estudante tem um Plano de Estágio que o conduz em seu desenvolvimento e além um coordenador responsável pela elaboração e acompanhamento do processo. O objetivo é investir na formação dos profissionais do futuro que, sem experiência prática, teriam dificuldade em entrar no mercado de trabalho que está mais exigente.

15 Motivação para um Data Warehouse O mercado de telecomunicações no Brasil mudou repentinamente. Tínhamos estatais que não conseguiam atender a demanda de telefones, tanto para telefonia móvel quanto para a telefonia fixa. Havia a necessidade de se cumprir metas impostas pelo FMI, e uma delas foi a privatização de empresas desse ramo. Assim, por motivos governamentais, a abertura do mercado acabou acontecendo. A CTBC era, até então, a única empresa privada no campo de telecomunicações do Brasil, o que lhe dava uma certa comodidade para expandir mercado e atendimento de sua demanda. Porém, com as mudanças, a CTBC viu seu mercado sendo fatiado e explorado por outras empresas. Com aumento da competitividade, a CTBC necessitou trazer seu cliente para mais próximo de si, para conhecê-lo e saber o que procura em relação a serviços e produtos, com a inteção de disponibilizá-los aos seus consumidores. Neste contexto, foi inserido o Data Warehouse. Como mencionado, um sistema baseado nesse ambiente possibilita a uma empresa conhecer melhor seu negócio, traçar o perfil de seus clientes e tomar decisões estratégicas com segurança. Foram, então, desenvolvidos dois Data Warehouses: um para Telefonia Fixa e Comunicação de dados (DW fixa) e outro para Telefonia Móvel (DW celular). Com o histórico obtido por intermédio do Data Warehouse, a companhia pôde analisar, de várias formas, seus dados, além da possibilidade de usar técnicas de Data Mining para descobrir os padrões e tendências do mercado. Dessa maneira, a CTBC despontou em relação a os concorrentes, conhecendo: o comportamento do mercado; os produtos melhor aceitos; as campanhas de marketing que obtiveram sucesso; o perfil dos clientes, quais os clientes fiéis; o porque do crescimento estável em determinado período e assim por diante.

16 6 2. O que é um Data Warehouse? 2.1. Conceito Um Data Warehouse é uma coleção de dados orientada por assuntos, integrada, variante no tempo, e não volátil que tem por objetivo dar suporte aos processos de tomada de decisão. (W. H. Inmom, considerado o pioneiro no tema). Figura 2 - Atuação do data warehouse atua no negócio da empresa O Data Warehouse é um banco de dados contendo dados extraídos do ambiente de produção da empresa, tendo sido otimizados para processamento de consultas e não para processamento de transações. O objetivo do Data Warehouse é fornecer uma imagem única da realidade do negócio (Hackathorn, 1994). De uma forma geral, sistemas de Data Warehouse compreendem um conjunto de programas que extraem informações de ambientes de dados operacionais da empresa, de um banco de dados que os mantém e de sistemas que fornecem estes dados aos seus usuários. Percebe-se, então, que existem diferentes visões sobre que seja um Data Warehouse: uma arquitetura, um conjunto de dados semanticamente consistentes com o objetivo de atender a diferentes necessidades de acesso a

17 7 dados e extração de relatórios ou um processo em constante evolução, que utiliza dados de diferentes fontes heterogêneas para dar suporte a consultas, relatórios para análise de negócio e tomada de decisões Características do Data Warehouse Orientado Por Temas Refere-se ao fato do Data Warehouse armazenar informações sobre temas específicos, importantes para o negócio da empresa. A implementação de um tema pode corresponder a um conjunto de tabelas relacionadas, cumulativas e detalhadas. Por exemplo, considerando a empresa CTBC Telecom, tabelas referentes às informações sobre vendas de cartões para telefones pré-pagos feitas pelos atendentes das lojas credenciadas: Existem tabelas contendo informações básicas sobre os atendentes. Além destas, existem tabelas cumulativas intermediárias contendo o registro resumo para as atividades de cada mês. E, finalmente, encontramse, ainda, tabelas detalhadas de atividades. Existem, portanto, para o mesmo tipo de informação, diferentes níveis de detalhe e sumarização Integrado Refere-se à consistência de nomes, das unidades de variáveis, entre outros, no sentido de que os dados são transformados até um estado uniforme. Por exemplo, considera-se sexo como um elemento dado. Uma aplicação pode codificar sexo como M/F, outra como 1/0 e uma terceira como H/M. Conforme os dados são trazidos para o Data Warehouse, eles são convertidos em estado uniforme, ou seja, sexo é codificado apenas de uma forma. Isto também se aplica à questão das unidades variáveis. Por exemplo, se um dado é medido em segundos em uma aplicação e em minutos em outra,

18 8 será convertido para uma representação única ao ser colocado do Data Warehouse Variante no Tempo Expressão que se refere ao fato de o dado em Data Warehouse referirse a um momento específico, significando que ele não é atualizável. A cada ocorrência de mudança, uma nova entrada é criada para marcar esta mudança. O tratamento de séries temporais apresenta características específicas, que adicionam complexidade ao ambiente Data Warehouse. Processamentos mensais ou anuais são simples, entretanto dias e meses oferecem dificuldades pelas variações encontradas no número de dias de um mês ou de um ano ou, ainda, no início das semanas dentro de um mês Não Volátil Significa que o Data Warehouse permite apenas a carga inicial dos dados e consultas a eles (ambiente Load-and-access ). Após serem integrados e transformados, os dados são carregados em bloco para o Data Warehouse, para que estejam disponíveis aos usuários para o acesso. Em ambiente operacional, ao contrário, os dados são, em geral, atualizados registro a registro em múltiplas transações. Esta volatilidade requer um trabalho considerável para assegurar integridade e consistência, por meio de atividades de rollback, recuperação de falhas, commits e bloqueios. Um Data Warehouse não requer este grau de controle, típico dos sistemas orientados a transações.

19 Alguns Conceitos Envolvidos Modelagem Multidimensional A resposta a perguntas complexas e que envolvem questões de análise dos negócios de uma empresa, normalmente requerem uma visão dos dados de perspectivas diferentes. As respostas a esse tipo de pergunta é que podem levar a tomadas de decisões acertadas ou não. As ferramentas baseadas em SQL podem ajudar na pesquisa de dados relacionados a este tipo de consulta, entretanto as respostas não são conseguidas em um tempo curto, principalmente pela falta de flexibilidade destas ferramentas. Para exemplificar, toma-se uma rede de supermercados que esteja querendo melhorar o desempenho de suas vendas ou saber se suas promoções estão trazendo bons resultados. Para tal, é necessário examinar os dados sobre as vendas disponíveis na empresa. Uma avaliação deste tipo requer uma visão histórica do volume de vendas sob múltiplas perspectivas, como, por exemplo, o volume de vendas por produto, por marca, por filial, e por período de tempo. Chama-se de dimensões as diferentes perspectivas envolvidas, no caso, produto, marca, filial e mês. Estas dimensões usualmente correspondem a campos não numéricos em um banco de dados. Considera-se também um conjunto de medidas, tal como vendas ou despesas com promoção. Estas medidas correspondem geralmente a campos numéricos em um banco de dados. A seguir, avaliam-se agregações destas medidas segundo às diversas dimensões, e essas agregações ficam armazenadas para acesso futuro. Por exemplo, calcula-se a média de todas as vendas por todos os meses por filial. A forma como estas agregações são armazenadas pode ser vista em termos de dimensões e coordenadas, dando origem ao termo multidimensional. A modelagem multidimensional é o nome de uma técnica de projeto lógico freqüentemente usado para DW, cujo principal objetivo é apresentar o dado em uma arquitetura padrão e intuitiva, que permita acessos de alto desempenho (Kimbal,1996). Cada eixo no espaço multidimensional

20 10 corresponde a um campo ou coluna de uma tabela relacional e cada ponto um valor correspondente à interseção desses campos ou colunas. Assim, o valor para o campo vendas, correspondente a mês igual a maio e filial 4 é um ponto com coordenada [maio, filial 4]. Neste caso, mês e filial são duas dimensões e vendas é uma medida. Teoricamente, quaisquer dados podem ser considerados multidimensionais. Entretanto, o termo normalmente se refere a dados representando objetos ou eventos que podem ser descritos e portanto classificados, por dois ou mais de seus atributos. Dados multidimensionais podem ser armazenados e representados em estruturas relacionais. Para isso é necessário utilizar formas específicas de modelagem como o modelo "Star Schema" e o modelo "Snowflake" descritos a seguir Modelo Star Schema Star Schema é uma técnica de modelagem de dados voltada especialmente para a implementação de um modelo de dados que permita a visualização de dados de forma intuitiva e com altos índices de performance na extração de dados (KIMBALL et al., 1998b, MACHADO, 2000). O modelo dimensional proporciona uma representação do banco de dados consistente com o modo como o usuário visualiza e navega pelo Data Warehouse, combinando tabelas com dados históricos em séries temporais, cujo contexto é descrito através de tabelas de dimensões (BALLARD et al., 2001, HARRISON, 1998). O modelo dimensional é baseado em três elementos: Fatos; Dimensões Medidas O modelo dimensional permite a visualização de dados na forma de um cubo, onde cada dimensão do cubo representa o contexto de um determinado fato, e a intersecção entre as dimensões representa as medidas do fato.

21 11 Matematicamente o cubo possui apenas três dimensões, entretanto, no modelo dimensional a metáfora do cubo pode possuir quantas dimensões forem necessárias para representar um determinado fato (MACHADO, 2000). Dimensões, fatos e medidas terão seus conceitos discutidos detalhadamente nas seções à frente. MERCADO ChaveMercado Descrição Região Estado Distrito PRODUTO ChaveProduto Descricao VENDAS ChaveMercado... Dólares Unidade Preço OPORTUNIDADE ChaveOportunidade Descrição CONTRATO ChaveContrato Descricao Tabela Fato Tabela Dimensão Figura 3 - Modelo Star Schema (um exemplo) Como é possível observar ver na figura 3, este modelo é altamente desnormalizado, com o intuito óbvio de reduzir o número de joins envolvidos nas consultas, fazendo com que a consulta seja executada mais facilmente,

22 12 reduzindo o tempo de processamento, principalmente quando se liga com grandes volumes de dados. Uma desvantagem para este tipo de modelo é o grande volume de espaço necessário para abrigar um sistema deste porte, já que os dados se repetem em diversas tabelas. Na verdade, o modelo final de um data mart é composto por várias tabelas de fato, contendo diferentes subconjuntos de informações sobre o negócio com diversas tabelas de dimensão, ligadas a uma ou mais tabelas de fato. Existem diversas maneiras de se determinar os componentes do modelo dimensional. Elas diferem, essencialmente, na ordem em que os objetos são identificados. Por exemplo: Medidas Dimensões Fatos: essa é a análise orientada à consulta, baseando-se nas perguntas do usuário final; Fatos Dimensões Medidas: é a análise orientada ao negócio. Identifica, a priori, os elementos do domínio do negócio, os fatos e dimensões, para só então entrar em detalhes quanto às medidas. Dimensões Medidas Fatos: é o método usado quando começamos a análise através dos modelos de dados dos sistemas fonte. No entanto, nem sempre as dimensões identificadas na primeira fase permanecerão até o final da análise, podendo ser divididas em outras, se juntar a outras ou simplesmente sumir do modelo. Tabelas de Fatos Um fato é uma coleção de itens de dados composta de dados de medida e dados de contexto. Dados de medida são as medições numéricas do negócio e os dados de contexto são chaves estrangeiras apontando para cada uma das dimensões. Cada fato representa uma determinada transação ou

23 13 evento do negócio ocorrido em um determinado contexto obtido na intersecção das dimensões (KIMBALL et al., 1998b, MACHADO, 2000). Tabela de fatos é a tabela que armazena os eventos que ocorrem em uma companhia em relação ao mercado, ao tempo e aos produtos. Essas tabelas contém métricas (também chamadas de medidas ou indicadores) usadas para medir o desempenho do negócio bem como as chaves primárias das dimensões com as quais ela se relaciona. Tabelas de Dimensões Uma dimensão refere-se ao contexto em que um determinado fato ocorreu, tais como períodos de tempo, produtos, mercados, clientes e fornecedores, elementos que podem descrever o contexto de um determinado fato (HARRISON, 1998, MACHADO, 2000), classificando as medições ativas de uma organização (KIMBALL, 1998a). As tabelas dimensionais armazenam as descrições textuais das dimensões do negócio. Cada uma dessas descrições ajuda a definir um componente da respectiva dimensão Modelo Snowflake O modelo snowflake é uma extensão do modelo star Schema. Ele é o resultado da decomposição (normalização) de uma ou mais dimensões, formando hierarquias nessas dimensões. Esse tipo de modelo é usado quando temos dimensões muito grandes que são estáticas ou semi-estáticas ou quando a ferramenta em uso assim o exige. O modelo Snowflake incorpora tabelas dimensionais principais conectadas às tabelas de fato e tabelas dimensionais de extensão, onde são armazenadas as descrições das dimensões. Estas tabelas de extensão são obtidas normalizando-se as dimensões. (BALLARD et al., 2001, HARRISON, 1998, KIMBALL, 1998a, SINGH, 2001).

24 14 A desvantagem snowflake é a necessidade de múltiplos joins em consultas SQL, caso necessitem combinar diversas dimensões, o que aumenta a complexidade da instrução e reduz o desempenho (HARRISON, 1998). A vantagem do seu uso está na diminuição do volume de dados trazido para a memória, além do join com a tabela normalizada que é mais facilmente resolvido. No entanto, caso a navegação dentro da hierarquia da dimensão seja inevitável, a maior quantidade de joins torna a consulta mais complexa. REGIAO ChaveRegiao Descricao DISTRITO ChaveDistrito Descricao PRODUTO ChaveProduto Descricao MERCADO ChaveMercado Descrição ChaveRegiao ChaveEstado ChaveDistrito VENDAS ChaveMercado... Dólares Unidade Preço CIDADE ChaveCidade Descrição ChaveEstado ESTADO ChaveEstado Descricao CONTRATO ChaveContrato Descricao Tabela Fato Tabela Dimensão Tabela Extensão Figura 4 - Modelo Snowflake (um exemplo)

25 Normalização / Desnormalização O processo de construção do modelo de dados resulta em uma série de tabelas com suas respectivas chaves e atributos, sendo que cada uma dessas tabelas contém apenas um mínimo de dados. Para uma aplicação transacional a normalização é importante, enquanto para um Data Warehouse, ocorre o contrário. A desnormalização deve ser bem planejada, na qual se faz a introdução intencional de dados redundantes em uma mesma tabela, minimizando o consumo de E/S já que é evitado o Join entre muitas tabelas. È possível, contudo, ter um modelo entidaderelacionamento (E-R) para um Data Warehouse com objetos normalizados e outros desnormalizados Granularidade Outro conceito importante a ser levado em consideração ao se fazer o modelo é o da granularidade. Granularidade é o nível no qual os dados do Data Warehouse estão sumarizados. O grão é o nível mais detalhado do dado. Se for definido o grão num nível muito detalhado, o usuário poderá ver a informação em qualquer nível de agregação. No entanto, a escolha de um nível baixo demais pode acarretar em elevado aumento do volume de dados armazenado e, conseqüentemente, em prejuízo do desempenho. Por outro lado, se a granularidade definida for muito alta, o usuário ficará impossibilitado de realizar consultas mais detalhadas Agregação de Dados Em aplicações de análise de dados, um dos fatores mais críticos é o tempo de resposta ao usuário devido ao grande volume de dados envolvido nas consultas desse tipo de aplicação. A única maneira de reduzir o tempo de

26 16 execução das consultas de maneira consistente é pré-agregar ou consolidar os dados em totais e subtotais através das dimensões envolvidas no assunto em questão. Mas de que forma agregar cada dimensão? Essa é uma questão mais simples do que parece a princípio, uma vez que é inerente ao ser humano agrupar em hierarquias todas as entidades que o cercam. Foram agrupados cidades em estados, regiões e países, produtos em linhas de produtos, meses em trimestres e anos, etc. Apesar das hierarquias não serem partes necessárias das dimensões, as aplicações que refletem negócios do mundo real com um mínimo de complexidade sempre apresentam algumas hierarquias dimensionais a exemplo das listadas acima. Sendo assim, a base para a agregação dos dados será justamente o conjunto das hierarquias existentes. É evidente que se o usuário quiser fazer um drill-down na informação que estiver analisando, isto é, detalhar mais a informação, ele acabará tendo que usar tabelas não-agregadas, arcando, portanto com um tempo maior de resposta. Também se deve estar atento a que cada nova carga de dados no Data Warehouse acarretará no recálculo de toda ou pelo menos parte da(s) tabela(s) de agregação, referente aos novos dados incluídos Implantação de um DW O processo de implementação do Data Warehouse seguiu uma certa ordem de procedimentos. Primeiramente, populou-se o banco de dados do Data Warehouse para, depois, a partir deles, criar os data marts e utilizar técnicas de Data Mining para apresentá-los aos usuários por meio de ferramentas de visualização que permitam vários tipos de análise. A Figura 5 que dá uma visão geral do sistema DW da CTBC Telecom. Nos próximos itens, as etapas de desenvolvimento e as ferramentas utilizadas serão detalhadas. Genericamente, Data Warehouse são compostos por três camadas: staging area, data warehouse e data marts.

27 17 A área de Data staging é a camada que envolve todos os processos e ferramentas necessárias à extração, transformação e limpeza dos dados antes que passem para o Data Warehouse físico. É a camada na qual os dados permanecem até serem ajustados e padronizados antes do processo de carga do DW. Após este estágio, o dado é tratado, limpo e carregado no Data Warehouse. Nessa fase, o grau de normalização e/ou desnormalização vai depender do intuito dele, ou seja, do tipo de consulta que será feito nele. A terceira e última camada é o data mart, um banco de dados multidimensional ou relacional modelado de forma multidimensional. Figura 5 - Esquema geral do Data Warehouse da CTBC Telecom No entanto, o que definirá a presença ou não de todas as camadas e a maneira como elas serão implementadas será o grau de complexidade da aplicação. A Figura 6 mostra um exemplo realçando as camadas de um DW.

28 18 Figura 6 - Camadas que compõem um Data Warehouse Camada ODS A Camada ODS (Operation Data Store) é a responsável pela armazenagem dos dados operacionais. Para fazer as transformações e a distribuição dos dados no modelo de dados do Data Warehouse não podemos utilizar os sistemas do ambiente operacional. Então, é criada uma camada, que denominados ODS, cuja função é armazenar os dados que serão exportados ao Data Warehouse com as devidas transformações. Esta camada é volátil, o que significa dizer que uma vez carregado um lote de dados, este vai para o banco de dados do Data Warehouse e, na próxima vez que esta ODS for carregada, com um novo lote de dados, os dados antigos serão apagados, uma vez que eles já foram carregados no banco do DW. Para a extração de dados dos sistemas do ambiente operacional, utilizam-se ferramentas ETL (Extract, Transform and Load), de extração de dados. Estas ferramentas buscam os dados de um período selecionado dos sistemas operacionais sem aplicar nenhuma transformação e os colocam em uma base Oracle.

29 19 Sistemas Operacionais ODS Ferramenta de ETL Figura 7 - Extração de dados dos ambientes operacionais para a camada ODS É importante observar que a ferramenta ETL busca dados de diversos sistemas, podendo estes ser Oracle ou não. Já o banco do DW está em um servidor com base Oracle. A ferramenta ETL utilizada é o Data Stage e será melhor explicada no decorrer deste relatório Camada DW O banco de dados do Data Warehouse comporta dados vindos de vários sistemas do ambiente operacional da empresa. Para que possamos popular o Data Warehouse com dados vindos de sistemas tão diferentes, precisamos transformá-los de forma a obter uma informação comum. Ou seja, pelo fato de que cada sistema operacional possui uma codificação específica para alguns atributos de suas tabelas, essas informações precisam ser transformadas e unificadas no DW. É importante lembrar que essas transformações tem o objetivo de tornar o banco de dados do Data Warehouse consistente, confiável e compreensível. Os dados da camada ODS precisam passar por transformações para que obtenhamos dados formatados para popular a camada DW.

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

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

Prova INSS RJ - 2007 cargo: Fiscal de Rendas

Prova INSS RJ - 2007 cargo: Fiscal de Rendas Prova INSS RJ - 2007 cargo: Fiscal de Rendas Material de Apoio de Informática - Prof(a) Ana Lucia 53. Uma rede de microcomputadores acessa os recursos da Internet e utiliza o endereço IP 138.159.0.0/16,

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

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

SUMÁRIO 1. INTRODUÇÃO... 2 2. O QUE É DATA WAREHOUSE?... 2 3. O QUE DATA WAREHOUSE NÃO É... 4 4. IMPORTANTE SABER SOBRE DATA WAREHOUSE... 5 4.

SUMÁRIO 1. INTRODUÇÃO... 2 2. O QUE É DATA WAREHOUSE?... 2 3. O QUE DATA WAREHOUSE NÃO É... 4 4. IMPORTANTE SABER SOBRE DATA WAREHOUSE... 5 4. SUMÁRIO 1. INTRODUÇÃO... 2 2. O QUE É DATA WAREHOUSE?... 2 3. O QUE DATA WAREHOUSE NÃO É... 4 4. IMPORTANTE SABER SOBRE DATA WAREHOUSE... 5 4.1 Armazenamento... 5 4.2 Modelagem... 6 4.3 Metadado... 6 4.4

Leia mais

Sistemas de Apoio à Decisão (SAD) - Senado

Sistemas de Apoio à Decisão (SAD) - Senado Sistemas de Apoio à Decisão (SAD) - Senado DW OLAP BI Ilka Kawashita Material preparado :Prof. Marcio Vitorino Sumário OLAP Data Warehouse (DW/ETL) Modelagem Multidimensional Data Mining BI - Business

Leia mais

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

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

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

Aplicação A. Aplicação B. Aplicação C. Aplicação D. Aplicação E. Aplicação F. Aplicação A REL 1 REL 2. Aplicação B REL 3.

Aplicação A. Aplicação B. Aplicação C. Aplicação D. Aplicação E. Aplicação F. Aplicação A REL 1 REL 2. Aplicação B REL 3. Sumário Data Warehouse Modelagem Multidimensional. Data Mining BI - Business Inteligence. 1 2 Introdução Aplicações do negócio: constituem as aplicações que dão suporte ao dia a dia do negócio da empresa,

Leia mais

Data Warehouse. 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

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

Analysis Services. Manual Básico

Analysis Services. Manual Básico Analysis Services Manual Básico Construindo um Banco de Dados OLAP... 2 Criando a origem de dados... 3 Definindo as dimensões... 5 Níveis de dimensão e membros... 8 Construindo o cubo... 11 Tabela de fatos...12

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

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

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

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

Arquiteturas de DW e Abordagens de Implementação. Arquiteturas e Abordagens de Implementação

Arquiteturas de DW e Abordagens de Implementação. Arquiteturas e Abordagens de Implementação Curso de Dwing TecBD-DI PUC-Rio Prof. Rubens Melo Arquiteturas de DW e Abordagens de Implementação Arquiteturas e Abordagens de Implementação Arquitetura adequada é fundamental Infra-estrutura disponível

Leia mais

DATA WAREHOUSE. Rafael Ervin Hass Raphael Laércio Zago

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

Leia mais

Data Warehousing 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

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

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

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

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

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

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

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

Sistemas de Informação James A. O Brien Editora Saraiva Capítulo 5

Sistemas de Informação James A. O Brien Editora Saraiva Capítulo 5 Para entender bancos de dados, é útil ter em mente que os elementos de dados que os compõem são divididos em níveis hierárquicos. Esses elementos de dados lógicos constituem os conceitos de dados básicos

Leia mais

Curso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan

Curso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan Faculdade INED Curso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan 1 Unidade 4.3 2 1 BI BUSINESS INTELLIGENCE BI CARLOS BARBIERI

Leia mais

Unidade 5 Armazenamento e Indexação

Unidade 5 Armazenamento e Indexação Unidade 5 Armazenamento e Indexação Engenharia de Computação / Engenharia de Produção Banco de Dados Prof. Maria das Graças da Silva Teixeira Material base: Banco de Dados, 2009.2, prof. Otacílio José

Leia mais

BUSINESS INTELLIGENCE COMO GARANTIA DE DIFERENCIAL COMPETITIVO

BUSINESS INTELLIGENCE COMO GARANTIA DE DIFERENCIAL COMPETITIVO UNIMINAS UNIÃO EDUCACIONAL MINAS GERAIS S/C LTDA FACULDADE DE CIÊNCIAS APLICADAS DE MINAS Autorizada pela Portaria nº 577/2000 MEC, de 03/05/2000 BACHARELADO CURSO DE SISTEMAS EM SISTEMAS DE INFORMAÇÃO

Leia mais

e-business A IBM definiu e-business como: GLOSSÁRIO

e-business A IBM definiu e-business como: GLOSSÁRIO Através do estudo dos sistemas do tipo ERP, foi possível verificar a natureza integradora, abrangente e operacional desta modalidade de sistema. Contudo, faz-se necessário compreender que estas soluções

Leia mais

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

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

Leia mais

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

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

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

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: 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

Módulo 4. Construindo uma solução OLAP

Módulo 4. Construindo uma solução OLAP Módulo 4. Construindo uma solução OLAP Objetivos Diferenciar as diversas formas de armazenamento Compreender o que é e como definir a porcentagem de agregação Conhecer a possibilidade da utilização de

Leia mais

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

Data Warehousing e OLAP

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 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

Decisão Suporte: Warehousing, OLAP e Data Mining

Decisão Suporte: Warehousing, OLAP e Data Mining Decisão Suporte: Warehousing, OLAP e Data Mining 7-1 Introdução Cada vez mais, organizações estão analizando dados correntes e históricos para identificar padrões úteis e suporte a estratégias de negócios.

Leia mais

Decisão Suporte: Warehousing, OLAP e Data Mining

Decisão Suporte: Warehousing, OLAP e Data Mining Decisão Suporte: Warehousing, OLAP e Data Mining 7-1 Introdução Cada vez mais, organizações estão analizando dados correntes e históricos para identificar padrões úteis e suporte a estratégias de negócios.

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

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

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

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

Leia mais

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

SAD orientado a DADOS

SAD orientado a DADOS Universidade do Contestado Campus Concórdia Curso de Sistemas de Informação Prof.: Maico Petry SAD orientado a DADOS DISCIPLINA: Sistemas de Apoio a Decisão SAD orientado a dados Utilizam grandes repositórios

Leia mais

CAPÍTULO 5. Introdução ao Gerenciamento de Bancos de Dados.

CAPÍTULO 5. Introdução ao Gerenciamento de Bancos de Dados. CAPÍTULO 5. Introdução ao Gerenciamento de Bancos de Dados. VISÃO GERAL DO CAPÍTULO O objetivo do capítulo é enfatizar o gerenciamento dos recursos de dados de organizações que utilizam computadores. O

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

Administração de Banco de Dados

Administração de Banco de Dados Administração de Banco de Dados Professora conteudista: Cida Atum Sumário Administração de Banco de Dados Unidade I 1 INTRODUÇÃO A BANCO DE DADOS...1 1.1 Histórico...1 1.2 Definições...2 1.3 Importância

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

MODELAGEM DIMENSIONAL

MODELAGEM DIMENSIONAL CENTRO UNIVERSITÁRIO DO TRIÂNGULO INSTITUTO DE CIÊNCIAS EXATAS E TECNOLÓGICAS CURSO DE CIÊNCIA DA COMPUTAÇÃO MODELAGEM DIMENSIONAL HELOISA MENDES LOPES Uberlândia, dezembro de 2000 CENTRO UNIVERSITÁRIO

Leia mais

ACOMPANHAMENTO TESTE 6. Fonte: Carlos Barbieri. Fonte: Carlos Barbieri

ACOMPANHAMENTO TESTE 6. Fonte: Carlos Barbieri. Fonte: Carlos Barbieri PÓS-GRADUAÇÃO LATO SENSU Curso: Banco de Dados Disciplina: Data Warehouse e Business Intelligence Professor: Fernando Zaidan Unidade 2.1 - Cubos 2012 ACOMPANHAMENTO IMPLEMENTAÇÃO 8 7 9 TESTE 6 CONSTRUÇÃO

Leia mais

Data Warehouse. Diogo Matos da Silva 1. Universidade Federal de Ouro Preto, Ouro Preto, MG, Brasil. Banco de Dados II

Data Warehouse. Diogo Matos da Silva 1. Universidade Federal de Ouro Preto, Ouro Preto, MG, Brasil. Banco de Dados II Data Warehouse Diogo Matos da Silva 1 1 Departamento de Computação Universidade Federal de Ouro Preto, Ouro Preto, MG, Brasil Banco de Dados II Diogo Matos (DECOM - UFOP) Banco de Dados II Jun 2013 1 /

Leia mais

Capítulo 2 Data Warehousing

Capítulo 2 Data Warehousing Capítulo 2 Data Warehousing Objetivos de Aprendizado Compreender as definições e os conceitos básicos dos data warehouses Compreender as arquiteturas de data warehousing Descrever os processos usados no

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

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

MSc. Daniele Carvalho Oliveira

MSc. Daniele Carvalho Oliveira MSc. Daniele Carvalho Oliveira AULA 2 Administração de Banco de Dados: MSc. Daniele Oliveira 2 CONCEITOS FUNDAMENTAIS DE BANCO DE DADOS Administração de Banco de Dados: MSc. Daniele Oliveira 3 Conceitos

Leia mais

INTRODUÇÃO E CONCEITOS BÁSICOS. Prof. Ronaldo R. Goldschmidt

INTRODUÇÃO E CONCEITOS BÁSICOS. Prof. Ronaldo R. Goldschmidt INTRODUÇÃO E CONCEITOS BÁSICOS Prof. Ronaldo R. Goldschmidt Hierarquia Dado - Informação - Conhecimento: Dados são fatos com significado implícito. Podem ser armazenados. Dados Processamento Informação

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

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

Modelagem de Sistemas de Informação

Modelagem de Sistemas de Informação Modelagem de Sistemas de Informação Professora conteudista: Gislaine Stachissini Sumário Modelagem de Sistemas de Informação Unidade I 1 SISTEMAS DE INFORMAÇÃO...1 1.1 Conceitos...2 1.2 Objetivo...3 1.3

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

Introdução a Informática. Prof.: Roberto Franciscatto

Introdução a Informática. Prof.: Roberto Franciscatto Introdução a Informática Prof.: Roberto Franciscatto 6.1 ARQUIVOS E REGISTROS De um modo geral os dados estão organizados em arquivos. Define-se arquivo como um conjunto de informações referentes aos elementos

Leia mais

Curso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan

Curso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan Faculdade INED Curso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan 1 Unidade 4.4 2 1 BI BUSINESS INTELLIGENCE BI CARLOS BARBIERI

Leia mais

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

ADMINISTRAÇÃO DOS RECURSOS DE DADOS

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

Leia mais

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

Particionamento no Banco de Dados Oracle 11g. Um artigo técnico da Oracle Junho de 2007

Particionamento no Banco de Dados Oracle 11g. Um artigo técnico da Oracle Junho de 2007 Particionamento no Banco de Dados Oracle 11g Um artigo técnico da Oracle Junho de 2007 OBSERVAÇÃO: A intenção do texto a seguir é delinear nossa direção geral em matéria de produtos. Ele tem caráter meramente

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

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

XDR. Solução para Big Data.

XDR. Solução para Big Data. XDR Solução para Big Data. ObJetivo Principal O volume de informações com os quais as empresas de telecomunicações/internet têm que lidar é muito grande, e está em constante crescimento devido à franca

Leia mais

Bases de Dados aplicadas a Inteligência de Negócios

Bases de Dados aplicadas a Inteligência de Negócios Agenda Bases de Dados aplicadas a Inteligência de Negócios Professor Sérgio Rodrigues professor@sergiorodrigues.net Sistemas de Gerenciamento de Bancos de Dados (SGBD) Tipos de Banco de Dados Noções de

Leia mais

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

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

Leia mais

Programa do Curso de Pós-Graduação Lato Sensu MBA em Business Intelligence (BI)

Programa do Curso de Pós-Graduação Lato Sensu MBA em Business Intelligence (BI) Programa do Curso de Pós-Graduação Lato Sensu MBA em Business Intelligence (BI) Apresentação O programa de Pós-graduação Lato Sensu em Business Intelligence Inteligência Competitiva tem por fornecer conhecimento

Leia mais

PÓS-GRADUAÇÃO Lato Sensu. Gestão e Tecnologia da Informação

PÓS-GRADUAÇÃO Lato Sensu. Gestão e Tecnologia da Informação IETEC - INSTITUTO DE EDUCAÇÃO TECNOLÓGICA PÓS-GRADUAÇÃO Lato Sensu Gestão e Tecnologia da Informação BAM: Analisando Negócios e Serviços em Tempo Real Daniel Leôncio Domingos Fernando Silva Guimarães Resumo

Leia mais

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

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

Leia mais

Arquitetura de SGBD. Prof. Antonio Almeida de Barros Junior

Arquitetura de SGBD. Prof. Antonio Almeida de Barros Junior Arquitetura de SGBD Prof. Antonio Almeida de Barros Junior Agenda Caracterização de SGBDs SGBDs Centralizados SGBDs Cliente-Servidor SGBDs Distribuídos Homogêneos Multi-SGBDs Heterogêneos SGBDs Paralelos

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

Introdução a Banco de Dados

Introdução a Banco de Dados Introdução a Banco de Dados O modelo relacional Marta Mattoso Sumário Introdução Motivação Serviços de um SGBD O Modelo Relacional As aplicações não convencionais O Modelo Orientado a Objetos Considerações

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

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

Autor: Júlio Battisti www.juliobattisti.com.br

Autor: Júlio Battisti www.juliobattisti.com.br Autor: Júlio Battisti www.juliobattisti.com.br Livro: Aprenda com Júlio Battisti: Excel 2010 Avançado, Análise de Dados e Cenários, Tabelas e Gráficos Dinâmicos, Macros e Programação VBA - Através de Exemplos

Leia mais

Organizações Básicas de Arquivos

Organizações Básicas de Arquivos Estrtura de Dados II Organizações Básicas de Arquivos Prof Márcio Bueno ed2tarde@marciobueno.com / ed2noite@marciobueno.com Introdução Armazenamento de pequeno volume de dados Distribuição simples dos

Leia mais

Evolução. Tópicos. Bancos de Dados - Introdução. Melissa Lemos. Evolução dos Sistemas de Informação Esquemas Modelos. Características de SGBDs

Evolução. Tópicos. Bancos de Dados - Introdução. Melissa Lemos. Evolução dos Sistemas de Informação Esquemas Modelos. Características de SGBDs 1 Bancos de Dados - Introdução Melissa Lemos melissa@inf.puc-rio.br Tópicos Evolução dos Sistemas de Informação Esquemas Modelos Conceitual Lógico Características de SGBDs 2 Evolução tempo Programas e

Leia mais

Faculdade Pitágoras Curso Superior de Tecnologia: Banco de Dados

Faculdade Pitágoras Curso Superior de Tecnologia: Banco de Dados Faculdade Pitágoras Curso Superior de Tecnologia: Banco de Dados Disciplina: Ferramentaspara Tomadade Decisão Prof.: Fernando Hadad Zaidan Unidade 1.2 1 Conceitos Iniciais Tomada de Decisão, Modelagem

Leia mais

1 http://www.google.com

1 http://www.google.com 1 Introdução A computação em grade se caracteriza pelo uso de recursos computacionais distribuídos em várias redes. Os diversos nós contribuem com capacidade de processamento, armazenamento de dados ou

Leia mais

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

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

Leia mais

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

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

Etapas da evolução rumo a tomada de decisão: Aplicações Isoladas: dados duplicados, dados inconsistentes, processos duplicados.

Etapas da evolução rumo a tomada de decisão: Aplicações Isoladas: dados duplicados, dados inconsistentes, processos duplicados. Histórico Etapas da evolução rumo a tomada de decisão: Aplicações Isoladas: dados duplicados, dados inconsistentes, processos duplicados. Sistemas Integrados: racionalização de processos, manutenção dos

Leia mais

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

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

Leia mais

CONHECIMENTOS ESPECÍFICOS

CONHECIMENTOS ESPECÍFICOS CONHECIMENTOS ESPECÍFICOS Acerca dos conceitos básicos de gerenciamento de projetos e considerando o PMBOK, julgue os itens a seguir. 51 No gerenciamento de um projeto, deve-se utilizar não apenas as ferramentas

Leia mais

Curso Data warehouse e Business Intelligence

Curso Data warehouse e Business Intelligence Curso Data warehouse e Business Intelligence Fundamentos, Metodologia e Arquitetura Apresentação Os projetos de Data Warehouse e Business Intelligence são dos mais interessantes e complexos de desenvolver

Leia mais

Sistema de Bancos de Dados. Conceitos Gerais Sistema Gerenciador de Bancos de Dados

Sistema de Bancos de Dados. Conceitos Gerais Sistema Gerenciador de Bancos de Dados Sistema de Bancos de Dados Conceitos Gerais Sistema Gerenciador de Bancos de Dados # Definições # Motivação # Arquitetura Típica # Vantagens # Desvantagens # Evolução # Classes de Usuários 1 Nível 1 Dados

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