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

Tamanho: px
Começar a partir da página:

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

Transcrição

1 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 de Oliveira, Tatiana Escovedo, Rubens N. Melo Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio) Rua Marquês de São Vicente, 225, Rio de Janeiro, RJ, , Brasil Resumo Este artigo tem como objetivo apresentar a solução de Business Intelligence para processamento de dados inerentes à coleta de sangue e doação de medula óssea coordenado pelo Hemorio, importante centro de Hematologia e Hemoterapia do Estado do Rio de Janeiro. Neste trabalho propomos a criação de um Data Mart para auxiliar a análise dos processos de coleta de sangue e de medula óssea desempenhados pelo órgão. 1. INTRODUÇÃO Com o advento da globalização, a busca pelo conhecimento e a necessidade de informação vem aumentando intensamente nos últimos anos. As empresas e órgãos contemporâneos, cientes da necessidade de adaptação a este cenário, têm investido na captação, no armazenamento, no tratamento e na aplicação da informação como diferencial estratégico e competitivo na condução de suas atividades. Nesse contexto, em meio à necessidade de desenvolver sistemas para auxiliar as decisões gerenciais, vem sendo utilizado o conceito de Data Warehouse (DW), que pode ser entendido como um banco de dados destinado a sistemas de apoio à decisão em que os dados são armazenados em estruturas lógicas dimensionais, possibilitando o seu processamento analítico por ferramentas especiais. A ideia do Data Warehouse é reunir em um único local os dados provenientes dos sistemas transacionais de uma organização com objetivo de oferecer informações úteis e confiáveis que apoiem o processo decisório sobretudo nos níveis tático e estratégico das empresas. Um Data Warehouse possui as seguintes características: orientação por assunto, integração, variação no tempo e não volatilidade [3]. A utilização do conceito de DW ganha importância tendo em vista que grande parte dos sistemas de informação opera sobre bancos de dados transacionais que, por sua característica de volatilidade, impedem o armazenamento de dados que forneçam análises completas acerca do negócio ou mesmo de um segmento de uma organização. Em contrapartida, os sistemas de informação proveem recursos que possibilitam a coleta e o armazenamento de enormes quantidades de dados, favorecendo uma gestão mais eficiente das informações armazenadas e, consequentemente, a melhoria do processo decisório. Nesse sentido, Data Warehouse é considerado um alicerce do processamento para os SADs (Sistemas de Apoio à Decisão), uma vez que oferece recursos e fundamentos necessários por meio de informações técnicas e táticas da organização que permitem aos gestores responder a questões que não podem ser atendidas através de seus sistemas OLTP (On-Line Transaction Processing), que podem ser definidos como sistemas que se caracterizam por sua alta taxa de utilização, grandes volumes de dados e acessos pontuais, ou seja, pesquisas cujo resultado seja de pequeno volume [6]. Frente a tudo isso, assim como qualquer outro segmento de uma organização, o segmento de Saúde Pública busca constantemente prestar serviços de qualidade e eficiência à população. Diante dessa necessidade, o Hemorio, notadamente reconhecido por sua contribuição nas áreas de Hematologia e Hemoterapia, percebeu a importância de otimizar os processos de coleta de sangue e de medula óssea. Isso porque apesar de grande parte da gestão dos dados pertinentes ao "ciclo do sangue" ser automatizada, ainda há pontos a serem discutidos. O conhecimento desses pontos ganha relevância já que pode favorecer o fornecimento de serviços à sociedade com excelência e, sobretudo, auxiliar a manutenção do atendimento das demandas de sangue e de medula óssea. Disso decorre a motivação da pesquisa: aplicar os conhecimentos do conceito de Data Warehouse no contexto do atendimento promovido por esse órgão. Como consequência, pretende-se auxiliar a prestação desse serviço público, através do melhor aproveitamento das informações obtidas

2 com o uso da aplicação de Data Warehouse. Além disso, a ausência de trabalhos anteriores relacionados ao tema constitui um fator de motivação para a realização dessa pesquisa. Sendo assim, esse artigo tem por objetivo apresentar a solução de DW criada para o estudo dos processos de coleta de sangue e de medula óssea, visando apoiar as decisões do referido órgão no que tange a qualidade dos serviços prestados à sociedade. O estudo consiste na construção de um Data Warehouse Departamental, isto é, um Data Mart sob o qual foram aplicadas tecnologias OLAP (On-Line Analytical Processing), isto é, tecnologias projetadas para apoiar análises e consultas, além de auxiliar seus usuários a sintetizar informações através de comparações, visões personalizadas e análises históricas que propiciaram a elaboração das análises solicitadas pelo órgão [7]. Esse artigo está organizado em 5 seções, sendo a primeira a introdução. A seção 2 apresenta a visão geral da solução proposta para o estudo de caso. Nela será mencionada a solução e seu objetivo. A seção 3 apresenta de forma detalhada a solução proposta para construção do ambiente de DW do Hemorio. Esta seção descreve as ferramentas de banco de dados e tecnologias utilizadas na construção do sistema de apoio à decisão, ressaltando suas principais funções, vantagens e áreas de aplicação. A seção 4 apresenta os mecanismos de implementação considerados na criação do ambiente de DW utilizado, fornecendo alguns resultados obtidos na pesquisa. A seção 5 destina-se à apresentação das conclusões do estudo e à descrição das contribuições relevantes do sistema desenvolvido para a área de coleta de sangue e doação de medula óssea. Além disso, essa seção também fornece sugestões para estudos futuros que possam sobrevir essa pesquisa. 2. PROPOSTA DA SOLUÇÃO A proposta desse trabalho é identificar, analisar e definir necessidades e características do Hemorio com base em informações e solicitações inicialmente levantadas e, a partir delas, propor a construção de um ambiente de Data Warehouse que auxilie a análise do processo de coleta e doação de sangue e medula. Destaca-se como foco deste trabalho a geração de análises estatísticas e comparativas que identifiquem, antecipadamente, em quais ciclos críticos a demanda por sangue pode comprometer os estoques existentes. A ideia é fomentar, através da sustentação de análises estatísticas, iniciativas e campanhas a partir do mapeamento das fases inerentes ao processo de coleta de sangue. Além disso, essas análises estatísticas também fundamentam o gerenciamento dos estoques mínimos ao longo do ano. Assim sendo, esse estudo tem por objetivo suportar os sistemas legados já existentes, visando: Permitir o monitoramento dos totais, a periodicidade e o consumo médio de sangue e a determinação de uma análise comparativa entre esse consumo e o volume de doação ao longo dos ciclos anuais identificados; Emitir relatórios estatísticos que permitam conhecer os grupos emergenciais, doadores eventuais e os grupos de coletas externos de forma a contabilizar o percentual de aptidão e a eficiência de cada grupo; Mapear os hospitais e as doações direcionadas de modo a classificá-los quanto à qualidade da captação e ao aproveitamento das bolsas coletadas; Identificar as principais causas de inaptidão de doadores, os grupos de doadores reversíveis e as chances de recuperação de doadores considerados inaptos em coletas anteriores, propiciando, com isso, o monitoramento desses grupos e de suas doações; Elaborar relatórios que permitam classificar a qualidade das campanhas veiculadas pelo órgão, cruzando a quantidade de doadores aptos e as respectivas quantidades de bolsas utilizadas de forma a reconhecer a qualidade do sangue ao estabelecer a relação entre o risco residual e o período de janela imunológica. Emitir relatórios que estabeleçam a relação entre as doações e os períodos de vacinação do Governo Federal a fim de conhecer o percentual de doadores inaptos por período. Conhecer o perfil dos doadores, estabelecendo a relação entre os doadores inaptos e reversíveis e, consequentemente, identificar o total de doadores perdidos. Emitir relatórios com os totais de doenças sorológicas e os tipos de testes empregados para a detecção dessas, elaborando indicadores que mostrem o percentual de ausência de doenças nos grupos já mapeados.

3 Monitorar os totais de bolsas, seus estoques e volumes médios por grupos sanguíneos. Totalizar o número de cadastros no REDOME (Registro Nacional de Doadores de Medula Óssea) por região do estado buscando cruzar o total de cadastros contra o total de doadores. Previsibilidade do número de doadores necessários para atender as demandas dos ciclos futuros tendo por base os números já conhecidos e monitorados nos ciclos passados. Monitoramento e análise do volume de doações nos períodos de e entre campanhas; monitoramento das campanhas para permitir que o órgão defina quais são as campanhas que realmente atingiram seu público alvo auxiliando o órgão a direcionar campanhas vindouras. 3. DETALHAMENTO DA SOLUÇÃO 3.2. Modelagem dimensional do DW Inicialmente foi criado um banco de dados a partir dos dados extraídos do Hemorio no período mencionado. Esses dados foram armazenados em três tabelas utilizadas como repositório de dados, quais sejam: REP_SOFIS_ARQUIVO, REP_REDOME_ARQUIVO e REP_ORIGEM_BOLSA_ARQUIVO. A partir das tabelas de repositório supracitadas foi construído um ambiente de DW baseado na modelagem constelação de fatos. A utilização desse tipo de esquema se justifica pela existência de mais de uma tabela de fatos no modelo de dados. Além disso, esse esquema favorece a otimização das consultas na ferramenta OLAP. A figura 1 ilustra o modelo constelação de fatos considerado na pesquisa. A modelagem dimensional ilustrada nessa figura apresenta duas tabelas de fatos (FT_CONSUMO e FT_COMPONENTE_DOACAO) e 8 tabelas de dimensões: DIM_EVENTO, DIM_TIPO_COMPONENTE,DIM_INSTITUICAO, DIM_LOCALIDADE, DIM_CAMPANHA, DIM_TRIAGEM, DIM_DOADOR e DIM_REDOME. Esta seção descreve a solução adotada no projeto de DW proposto para o Hemorio Obtenção das fontes de dados Durante as entrevistas realizadas com os usuários envolvidos com o processo de análise e coleta de sangue e de medula óssea foram identificados os requisitos de negócio. Para o desenvolvimento do DW do Hemorio foram utilizadas informações de coleta de sangue e de medula óssea realizadas no período de 18/11/2010 a 18/11/2011. Tais informações foram segmentadas em três arquivos distintos, quais sejam: 1) Arquivo contendo as informações acerca do doador e do processo de triagem e consumo das bolsas de sangue, tais como: matrícula do doador, data de nascimento, fator RH, origem da doação, consumo e etc denominado Sofis.txt. 2) Arquivo de Redome.csv que contém as informações relativas à doação de medula óssea. 3) Arquivo contendo as informações sobre as doações de sangue captadas em outras instituições cuja denominação é Bolsa_Doada.csv. Como esses arquivos continham apenas as fontes de dados, tornou-se necessária a geração de tabelas com o propósito de armazenar as informações oriundas das fontes de dados e que serviram de base para o desenvolvimento do DW. Figura 1. Modelo de constelação de fatos do DW. Esse esquema é comumente usado para Data Warehouse, pois permite a modelagem de assuntos múltiplos e interrelacionados. Por outro lado, os Data Marts normalmente utilizam o esquema floco de neve, visto que são orientados à modelagem de um único assunto [5]. A ferramenta usada no desenvolvimento do DW do Hemorio foi o Microsoft SQL Server Analysis Services A escolha dessa ferramenta se justifica por ser esta uma ferramenta compatível com o SGBD utilizado pelo órgão. Além disso, outras ferramentas foram empregadas na construção desse ambiente de DW, as quais são listadas na tabela 1:

4 Tabela 1: Aplicativos usados na construção do DW Software Uso Fornecedor EditPad Lite 7 Editor de texto Just Great Software SQL Server Integration Services 2005 Atividades de ETL Microsoft DB Designer Modelagem de dados Fabforce.net Sql Server Manager Studio 2005 Microsoft SQL Server Analysis Services 2005 Administração de banco de dados e execução de queries Geração do cubo Ferramenta OLAP Microsoft Microsoft Microsoft Office Excel Ferramenta de análise Microsoft 4 IMPLEMETAÇÕES E RESULTADOS 4.1. Extração e Transformação de dados Uma das fases mais demoradas na construção do DW é a fase de transformação, que pode requerer a limpeza ou o tratamento dos dados antes de se efetuar a carga para o DW. Para isso foi utilizada a ferramenta Integration Services. Integration Services fornece solução e integração de dados para extrair e transformar dados de varias fontes e movê-los para uma ou mais fontes de destino, permitindo mesclar dados de fontes heterogênias, carregar dados em Data Warehouse e Data Marts [1]. O Integration Services é uma plataforma para construir soluções para integração de dados de alto desempenho, inclui pacotes que fornecem processamento de extração, transformação, e carregamento (ETL) para armazenamento de dados [2] Ferramentas de análise Para execução das operações OLAP realizadas nesse trabalho foi utilizada a ferramenta Microsoft SQL Server A- nalysis Services A partir da carga dos arquivos mencionados na seção 3, foi criado um projeto por meio da ferramenta Analisys Services Multidimensional para realizar o desenvolvimento e gerenciamento dos dados. O Analysis Services suporta OLAP, permitindo ao usuário projetar, criar e gerenciar estruturas multidimensionais que contenham dados agregados de outras fontes de dados, como bancos de dados relacionais [2]. Uma vez criado o projeto no Analisys Services, é necessária a criação de alguns objetos antes de começar a manipulação dos dados no ambiente de DW, os quais são apresentados a seguir Data Source Data Source no Microsoft SQL Server Analysis Services é um objeto que fornece ao serviço Analysis Services as informações necessárias para ele se conectar com um banco de dados para a solução de Business Intelligence. A ferramenta Analysis Services pode acessar dados de um ou mais Data Sources, desde que consiga construir as consultas OLAP ou de mineração de dados exigidas pela solução de Business Intelligence [2] Data Source View Os projetos de processamento analítico online (OLAP) e de mineração de dados no Microsoft SQL Server são criados com base em um modelo de dados lógico de tabelas, exibições e consultas relacionadas a partir de uma ou mais fontes de dados. Os Datas Sources Views armazenam os metadados dos Data Sources nos quais se baseia [2] Dimensões Após a criação dos objetos citados anteriormente, dá-se início à geração das dimensões, usadas para a manipulação das informações que formarão o cubo de dados. As dimensões no Analysis Services contêm atributos que correspondem às colunas nas tabelas de dimensões. Esses atributos aparecem como hierarquias de atributo e podem ser organizados conforme a definição do usuário ou podem ser definidos como hierarquias pai-filho com base em colunas na tabela de dimensões subjacente. As hierarquias são usadas para organizar medidas contidas em um cubo de maneira agrupada. Uma dimensão do banco de dados é uma coleção de objetos relacionados chamados atributos, que podem ser usados para fornecer informações sobre dados de fatos de um ou mais cubos [2]. Em um esquema Snow Flake, um atributo estará diretamente vinculado à chave do atributo se a tabela subjacente estiver diretamente vinculada à tabela de fatos, ou vinculado indiretamente pelos atributos associados à chave na tabela subjacente. No modelo dimensional adotado, um exemplo dessa situação é a tabela de dimensão DIM_LOCALIDADE, que não está ligada diretamente à tabela de fatos, mas a outra tabela de dimensão Cubo

5 Um cubo é uma estrutura multidimensional que contém dimensões e medidas [2]. O cubo pode ser entendido como resultado do cruzamento das informações das tabelas de fatos com as tabelas de dimensões. Para essa pesquisa foi desenvolvido um cubo para realizar análise dos totais de doadores medula óssea, bem como dos doadores de sangue. O cubo Doador Redome visa totalizar o número de cadastros no REDOME por região do estado, buscando cruzar o total de cadastros contra o total de doadores. A elaboração desse relatório está pautada na utilização de algumas operações específicas da ferramenta que foram usadas para configurar o cubo. Para facilitar o entendimento do processo, essas operações são descritas resumidamente: Medida é o atributo numérico que representa um fato, a performance de um indicador de negócios relativo às dimensões que participam desse fato [4]. Processado o cubo com suas devidas medidas, podemos começar a explorar os dados na Tab. do browser do Cubo desenvolvido. Essa opção extremamente importante para o analista de dados que desenvolveu o cubo. No browser é possível identificar se ficou faltando anexar alguma informação em relação a atributo de dimensão, visualizar se as hierarquias das dimensões foram criadas de forma correta. Tab Cube Structure: permite a visualização dos grupos de medidas criados; Tab Dimension Usage: por meio desse mecanismo se realizam os relacionamentos entre as tabelas de dimensões e de fatos; Tab Calculation: é usado para criação dos campos calculados; Tab Browser: permite ao analista de dados analisar e visualizar os dados. No relatório de Redome foram criadas medidas ou métricas para quantificar informações demandadas por essa consulta. São elas: DoadorSangue: representa o total de doadores cadastrado somente como doadores de sangue; DoadorSangue_e_Redome: totaliza as pessoas que doam concomitantemente sangue e medulaóssea; TotalDoador: representa o universo total de doadores, ou seja, é o somatório de doadores de sangue e de medula óssea Figura 2. Relatório com a exploração dos dados do cubo. De posse do relatório acima é possível realizar diversas análises sobre a situação de doadores de medula óssea e de sangue, entre as quais, citamos: observou-se um volume maior de doadores de sangue em comparação aos doadores de medula óssea. Além disso, foi verificada uma concentração maior de doadores no estado do Rio de Janeiro, justificada pelo fato de que a maioria das coletas consideradas na fonte de dados pertencia ao estado mencionado. A figura 3 apresenta outro relatório contendo o volume de sangue doado, o volume consumido e o volume disponível em estoque. A partir da análise desse relatório é possível verificar períodos em que há um consumo maior das bolsas de sangue, como é o caso do dia 30/11/2010. Redome e Redome_De_Doador: essas medidas são utilizadas para se comparar as matrículas existentes nas tabelas de dimensão DIM_DOADOR e DIM_REDOME. Isso porque em se tratando de doador de medula óssea a matrícula atribuída no momento da doação de parte da medula não é a matrícula definitiva no cadastro do REDOME, tendo em vista que o resultado do exame de medula demora mais do que os exames feitos nas bolsas de sangue. Figura 3. Análise do volume de sangue

6 Para apresentação das consultas aos usuários procedeu-se à importação do cubo compilado para uma planilha Excel a partir da qual se obteve o mesmo resultado da análise dos dados conseguida na visualização da tab. Browser do cubo do Analisys Services. O Hemorio obterá os seguintes benefícios depois da implantação do projeto: Fomentação de iniciativas e campanhas; Gerenciamento dos estoques mínimos ao longo do ano; Monitoramento do aproveitamento de grupos de doação e instituições; Conhecimento do perfil dos doadores; Previsibilidade do número de doadores necessários para atender às demandas dos ciclos futuros; Totalização do número de cadastros no Redome por região do estado buscando cruzar o total de cadastros contra o total de doadores. 5. CONCLUSÕES E FUTUROS TRABA- LHOS O uso de Data Marts para análise de dados históricos possibilita um melhor entendimento da evolução destes dados ao longo do tempo. Este tipo de abordagem é bastante adequado, visto que há grandes variações no volume de doações e consumos de bolsas de sangue no Hemorio no aspecto sazonal. Um dos maiores desafios de um projeto de Data Warehouse é a gestão de requisitos, que deve ser muito bem definida no início e bem gerida no decorrer do projeto. Na fase de levantamento de requisitos e análise de dados deve-se ter o acompanhamento e a validação do usuário para que sejam evitados ajustes, retrabalho ou complementos na fase final do projeto. Em um projeto desse porte, com um banco relacional bem robusto, é normal haver a necessidade da realização de ajustes a partir da análise dos resultados dos relatórios. As solicitações de ajustes, normalmente, resultam em um trabalho de revisão e alteração do modelo e do ETL para atender os resultados esperados. O projeto atendeu os objetivos listados na seção 2, sendo gerados os relatórios gerenciais solicitados pelo referido órgão, os quais podem ser acessados por meio dos dados históricos armazenados no Data Mart gerado para a pesquisa. Um dos aspectos positivos da pesquisa reside no fato de que não há dependência direta com o banco de dados relacional, sendo requeridos apenas de 3 arquivos fonte para carga do Data Mart. Essa solução foi escolhida principalmente para não prejudicar as aplicações que utilizam o banco de dados operacional do órgão. Vale ressaltar que todo o aprendizado na ferramenta de Business Intelligence da Microsoft foi totalmente útil na construção do ETL e na geração dos relatórios. O resultado que uma organização alcança é fruto da estratégia que adota. Com o uso do Business Intelligence o Hemorio se posiciona como uma entidade que reconhece a importância do processo de conhecimento das informações como forma de melhoria dos serviços prestados à sociedade. A proposta desse trabalho foi contribuir com as atividades desempenhadas pelo órgão por meio da aplicação desenvolvida. A solução projetada buscou apoiar o processo decisório do órgão no que tange aos procedimentos de coleta e doação de sangue e medula óssea. Essa solução, entretanto, não pretende ser definitiva, sobretudo por se tratar de uma área que requer constantes aperfeiçoamentos. Esse artigo foi organizado em 5 seções: nas seções 1 e 2 foram Apresentados respectivamente a introdução e a proposta de solução. A seção 3 detalhou a solução implementada. Na seção 4 foram descritos os mecanismos de implementação considerados na criação do ambiente de DW. Finalmente, a seção 5 abordou a conclusão e os trabalhos futuros relacionados à pesquisa. 6. REFERÊNCIAS [1] Stanek, William R, Guia de Bolso do Administrador - Microsoft SQL Server 2008, Bookman,2010. [2] Manual On- Line SqlServer 2008, acessado em 19/10/2011. [3] INMON, William H. Como construir o Data Warehouse. Editora Campus, Rio de Janeiro, 387 págs. [4] MACHADO, Felipe Nery Rodrigues. Tecnologia e Projeto de Data Warehouse. 5ª. Edição. Editora: Érica, [5] CORDEIRO, Kelli de Faria. Cubo while Mining: Ambiente Analítico para Apoio ao Processo de Exploração de Regras de Associação. Dissertação de Mestrado, Núcleo de Computação Eletrônica, Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2005, 101. [6] Acesso em: 13/03/2012 [7] GOUVEIA, Roberta Macêdo Marques. Mineração de Dados em Data Warehouse para sistema de abastecimento de água. Dissertação de Mestrado, Centro de Ciências Exatas e da Natureza, Universidade Federal da Paraíba, Paraíba, 2009, 147. Disponível em: 15T111620Z-136/Publico/. Acesso em: 25/06/2011.

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

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

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

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

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

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

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 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

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

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

Uma Ferramenta Web para BI focada no Gestor de Informação

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

Leia mais

Data Warehouse 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

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

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

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

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

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

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

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. 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

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

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 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

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

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

Fundamentos da Análise Multidimensional

Fundamentos da Análise Multidimensional Universidade Técnica de Lisboa INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Informática e Sistemas de Informação Aplicados em Economia Fundamentos da Análise Multidimensional Fundamentos da Análise Multidimensional

Leia 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

A evolução da tecnologia da informação nos últimos 45 anos

A evolução da tecnologia da informação nos últimos 45 anos A evolução da tecnologia da informação nos últimos 45 anos Denis Alcides Rezende Do processamento de dados a TI Na década de 1960, o tema tecnológico que rondava as organizações era o processamento de

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

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

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

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

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

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

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

Professor: Disciplina:

Professor: Disciplina: Professor: Curso: Esp. Marcos Morais de Sousa marcosmoraisdesousa@gmail.com Sistemas de informação Disciplina: Introdução a SI Noções de sistemas de informação Turma: 01º semestre Prof. Esp. Marcos Morais

Leia mais

BUSINESS INTELLIGENCE -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

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

DATA WAREHOUSING. Data Warehousing

DATA WAREHOUSING. Data Warehousing DATA WAREHOUSING Data Warehousing Sumário Conceitos / Autores chave... 3 1. Introdução... 3 2. Modelos de Data Warehouse... 4 3. Processo de Extração, Transformação e Carga de Dados... 6 4. Data Mart versus

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

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

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

Medição de tamanho para Sistemas de Data Mart

Medição de tamanho para Sistemas de Data Mart 1 Universidade Católica de Brasília Programa de Pós-Graduação em Gestão do Conhecimento e Tecnologia da Informação Medição de tamanho para Sistemas de Data Mart Angélica Toffano Seidel Calazans Orientadores:

Leia mais

Aline França a de Abreu, Ph.D

Aline França a de Abreu, Ph.D Aline França a de Abreu, Ph.D igti.eps.ufsc.br 07 / 10/ 04 Núcleo de estudos Criado em 1997 - UFSC/EPS Equipe multidisciplinar, com aproximadamente 20 integrantes OBJETIVO Gerar uma competência e uma base

Leia mais

Conversão de Base de Dados Relacional para Dimensional para Business Intelligence Utilizando Banco de Dados Mysql

Conversão de Base de Dados Relacional para Dimensional para Business Intelligence Utilizando Banco de Dados Mysql Conversão de Base de Dados Relacional para Dimensional para Business Intelligence Utilizando Banco de Dados Mysql Carlos H. Cardoso 1, Roberto D Nebo 1, Luis A. da Silva 1 1 Curso de Tecnologia em Banco

Leia mais

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

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

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 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

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

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

AGILE ROLAP - UMA METODOLOGIA ÁGIL PARA IMPLEMENTAÇÃO DE AMBIENTES DE NEGÓCIOS BASEADO EM SERVIDORES OLAP.

AGILE ROLAP - UMA METODOLOGIA ÁGIL PARA IMPLEMENTAÇÃO DE AMBIENTES DE NEGÓCIOS BASEADO EM SERVIDORES OLAP. AGILE ROLAP - UMA METODOLOGIA ÁGIL PARA IMPLEMENTAÇÃO DE AMBIENTES DE NEGÓCIOS BASEADO EM SERVIDORES OLAP. Luan de Souza Melo (Fundação Araucária), André Luís Andrade Menolli (Orientador), Ricardo G. Coelho

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

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

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

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

Uma análise de ferramentas de modelagem e gerência de metadados aplicadas ao projeto de BI/DW-UFBA

Uma análise de ferramentas de modelagem e gerência de metadados aplicadas ao projeto de BI/DW-UFBA Universidade Federal da Bahia Instituto de Matemática Departamento de Ciência da Computação MATA67 Projeto Final II Uma análise de ferramentas de modelagem e gerência de metadados aplicadas ao projeto

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

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

Planejamento e Orçamento

Planejamento e Orçamento Planejamento e Orçamento O SIPLAG Sistema Integrado de Planejamento, Orçamento e Gestão, é um sistema voltado à gestão governamental, permitindo a elaboração do Plano Plurianual, da Lei Orçamentária Anual,

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

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

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 Data warehouse e Business Intelligence Fundamentos, Metodologia e Arquitetura

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

Leia mais

Requisitos de business intelligence para TI: O que todo gerente de TI deve saber sobre as necessidades reais de usuários comerciais para BI

Requisitos de business intelligence para TI: O que todo gerente de TI deve saber sobre as necessidades reais de usuários comerciais para BI Requisitos de business intelligence para TI: O que todo gerente de TI deve saber sobre as necessidades reais de usuários comerciais para BI Janeiro de 2011 p2 Usuários comerciais e organizações precisam

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

Planejamento Estratégico de TI. Prof.: Fernando Ascani

Planejamento Estratégico de TI. Prof.: Fernando Ascani Planejamento Estratégico de TI Prof.: Fernando Ascani Data Mining Os métodos tradicionais de Data Mining são: Classificação Associa ou classifica um item a uma ou várias classes categóricas pré-definidas.

Leia mais

TÉCNICAS DE INFORMÁTICA WILLIAN FERREIRA DOS SANTOS

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

Leia mais

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

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

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

Bloco Administrativo

Bloco Administrativo Bloco Administrativo BI Business Intelligence Objetivo O objetivo deste artigo é dar uma visão geral sobre o Módulo Business Intelligence, que se encontra no Bloco Administrativo. Todas informações aqui

Leia mais

4 Aplicação da Sistemática

4 Aplicação da Sistemática 4 Aplicação da Sistemática Este capítulo descreve a aplicação da sistemática definida no Capítulo 3 utilizando dados reais de uma estatística pública e aplicando tecnologias avançadas fazendo o uso de

Leia mais

Modelagem Relacional e Multidimensional: uma análise envolvendo Sistemas de Apoio a decisão

Modelagem Relacional e Multidimensional: uma análise envolvendo Sistemas de Apoio a decisão Modelagem Relacional e Multidimensional: uma análise envolvendo Sistemas de Apoio a decisão Rita Cristina Galarraga Berardi, Flávia Braga de Azambuja, Ana Marilza Pernas, Rodrigo Coelho Barros Departamento

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

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

Microsoft Analysis Service

Microsoft Analysis Service Microsoft Analysis Service Neste capítulo você verá: BI Development Studio Analysis Services e Cubos Microsoft Analysis Services é um conjunto de serviços que são usados para gerenciar os dados que são

Leia mais

Criação e uso da Inteligência e Governança do BI

Criação e uso da Inteligência e Governança do BI Criação e uso da Inteligência e Governança do BI Criação e uso da Inteligência e Governança do BI Governança do BI O processo geral de criação de inteligência começa pela identificação e priorização de

Leia mais

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

PowerPivot FÁBIO ÁVILA / THIAGO CARVALHO

PowerPivot FÁBIO ÁVILA / THIAGO CARVALHO PowerPivot FÁBIO ÁVILA / THIAGO CARVALHO Definição 2 O PowerPivot é um suplemento do Microsoft Excel que permite importar milhões de linhas de dados de várias fontes para uma única pasta de trabalho do

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

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

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

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

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

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

Uma estrutura (framework) para o Business Intelligence (BI)

Uma estrutura (framework) para o Business Intelligence (BI) Uma estrutura conceitural para suporteà decisão que combina arquitetura, bancos de dados (ou data warehouse), ferramentas analíticas e aplicações Principais objetivos: Permitir o acesso interativo aos

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

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

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

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

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

Introdução. Formação Informática Para Estatísticos Na DPINE. Formação Informática Para Estatísticos Na DPINE. Usar Tabelas Dinâmicas em EXCEL

Introdução. Formação Informática Para Estatísticos Na DPINE. Formação Informática Para Estatísticos Na DPINE. Usar Tabelas Dinâmicas em EXCEL Usar Tabelas Dinâmicas em EXCEL Introdução Neste Módulo aprendemos o importante recurso de Tabelas Dinâmicas e Gráficos Dinâmicos. Aprendemos a criar tabelas dinâmicas, a aplicar filtros e a fazer análise

Leia mais

Plataforma de Business Intelligence

Plataforma de Business Intelligence Plataforma de Business Intelligence ASTEN TECNOLOGIA DA INFORMAÇÃO A Asten é uma empresa do ramo da tecnologia da informação (TI) que tem seu foco na busca por soluções inovadoras. Nosso slogan criando

Leia mais