Faculdade Pitágoras PROJETO DE DW FASES FCS-EM PROJETOS DE DW 08/02/2012. Unidade 2.1. Curso Superior de Tecnologia: Banco de Dados

Transcrição

1 Faculdade Pitágoras Curso Superior de Tecnologia: Banco de Dados Disciplina: Ferramentaspara Tomada de Decisão 2 DataWarehouse Unidade Conceitos fundamentais e Cubos Prof.: Fernando Hadad Zaidan Material usado na montagem dos Slides BARBIERI, Carlos. BI - Business Inteligence: Modelagem e tecnologia. Rio Janeiro, Axcel Books, INMON, William. What is Data Warehouse? UNjobs, acessado em 19 de abril de 2009, disponível em < COME, Gilberto de. Contribuição ao Estudo da Implementação de Data Warehousing: um caso no setor de telecomunicações São Paulo : FEA/USP, p FANTAUZZI, F. A. C.; ROCHA, Rogério Morais. Diretório de Softwares para Inteligência Competitiva Monografia apresentada ao Departamento de Ciência da informação como requisito para a conclusão do curso de especialização em Gestão Estratégica da Informação da Universidade Federal de Minas Gerais - UFMG, Belo Horizonte, ano de de ACOMPANHAMENTO IMPLEMENTAÇÃO TESTE 6 CONTACTO ÁREAS DE NEGÓCIOS 1 PROJETO DW/DM 5 4 PLANEJAMENTO/ LEVANTAMENTO DIFICULDADES DE INFORMAÇÃO GERENCIAL->OBJETIVO INDICADORES ESTRATÉGICOS-MÉTRICAS INICIAIS RESTRIÇÕES DE INFORMAÇÕES-ESTRUTURA-TECNOLOGIA INFORMAÇÕES JÁ EXISTENTES NO DW-METADADOS REUNIÕES JAD-PARTICIPAÇÃO INTENSA USUÁRIOS DEFINIÇÃO DE PATROCINADOR DEFINIÇÃO DE EQUIPE DE PROJETO 2 3 REUNIÕES DE TRABALHO DETALHAMENTO DE NECESSIDADES DIMENSÕES-FATOS MÉTRICAS-GRANULARIDADE PROJETO-MODELAGEM DIMENSIONAL FARIA, João Marcos Bonadio de. Artefatos da Semiótica Organizacional na Elicitação de Requisitos para Soluções de Data Warehouse Trabalho final (mestrado profissional) - Universidade Estadual de Campinas, Instituto de Computação, fevereiro de CONSTRUÇÃO ETC DEFINIÇÃO DO ETC- EXTRAÇAÕ-TRANSFORMAÇÃO-CARGA PROJETO FÍSICO DW/DM PROJETO OLAP MINING CUBOS RELATÓRIOS ANALÍTICOS INFERENCIAIS FCS-EM PROJETOS DE DW PROJETO DE DW FASES DEFINIR UMA ORIENTAÇÃO METODOLÓGICA DW OU D GRADATIVO-D ISOLADO BILL INMON - RALPH KIMBALL DEFINIR UMA ARQUITETURA TECNOLÓGICA CONSISTENTE, MODERNA, EVOLUTIVA INTERFACE WEB É UM DIREFERENCIAL DEFINIR UMA METODOLOGIA PRÁTICA, ENXUTA, INTERATIVA,REFINAMENTOS SUCESSIVOS E PRODUTOS ENTREGUES EM PRAZO RAZOÁVEL DEFINIREQUIPE, COM PRESERVAÇÃO DO CONHECMENTO APÓS O TÉRMINO DO PROJETO CUIDADO COM TERCEIROS-CONSULTORES OBTER PATROCINADORES FORTESPARA O PROJETO, COM OBJETIVOS DIRETOS NO NEGÓCIO DA EMPRESA DESENVOLVER UM FORTE ESQUEMA DE DEMONSTRAÇÃO DOS PRODUTOS DESENVOLVIDOS(VENDER BEM) PLANEJAMENTO/LEVANTAMENTO DE NECESSIDADES MODELAGEM DIMENSIONAL PROJETO FÍSICO DW/DM PROJETO DAS APLICAÇÕES OLAP/MINING ETC-EXTRAÇÃO-TRANSFORMAÇÃO E CARGA CONSTRUÇÃO TESTE IMPLEMENTAÇÃO ACOMPANHAMENTO 1

2 PLANEJAMENTO DEFINIR: ESCOPO DO PROJETO ÁREAS DE NEGÓCIO-PRIORIDADES ARQUITETURA DO DW: DW OU DW+DM(EVOLUTIVO) RECURSOS: REDE-BD-GATEWAYS-TOOLS -TREINAMENTO PLANEJAMENTO DE CAPACIDADE P/FUTURO ETAPAS-ATIVIDADES-PRODUTOS LIBERADOS ESTRATÉGIAS: ATUALIZAÇÃO/PERIODICIDADE CRONOGRAMAS PROJETOS DE DW ESTRATÉGIAS DUAS ABORDAGENS DISTINTAS: MONOLÍTICA(TUDO DE UMA VEZ) BILL INMON-PRISM- WAREHOUSE INCREMENTAL-PASSO A PASSO RALPH KIMBALL- S CONVERGÊNCIA(MELHOR DE 2 MUNDOS): S COM PLANO DE INTEGRAÇÃO DEFINIDO PARA O DW PASSO A PASSO COM CUIDADOS DE CONFORMIDADE DE MÉTRICAS, DIMENSÕES COMPARTILHADAS PROJETO DE DW/D INTEGRAÇÃO EVOLUTIVA CONCEITOS T0 PLANO DE INTEGRAÇAO: MIDDLE--UP ALINHAVO DE DIMENSÕES CONFORMES MÉTRICAS COMPATÍVEIS CLIENTE ÁSSUNTO-1 CLIENTE WAREHOUSE ÁSSUNTO-2 MARKETING MARKETING ASSUNTO-3 FINANÇAS IMPLEMENTAÇÃO GRADATIVA FINANÇAS T1 T2 T3 CUIDADOS COM GIGANTISMO PRODUTOS E FASES BEM DEFINIDAS ACERTOS GRADATIVOS NO CAMINHO IMPLEMENTAÇÕES COM TEMPO BEM DEFINIDO DW FORMADO GRADATIVAMENTE DE DS DS SÃO PROJETADOS POR ASSUNTO COM CRITÉRIOS DE INTEGRAÇÃO DS SÃO COMPOSTOS DE N CUBOS CADA CUBO É UMA VISÃO DIMENSIONAL DE DADOS FORMADO POR: 1 TABELA FATO E N TABELAS DIMENSÕES-FORMANDO AS INFORMAÇÕES BASE(GRANULAR) N TABELAS AGREGADAS OS CUBOS SÃO IMPLEMENTADOS SEPARADAMENTE OS CUBOS PODEM SER JOINED CRIANDO VIEWS DIMENSIONAIS WAREHOUSE /ODS DADOS OPERACIONAIS/ SISTEMAS TRANSACIONAIS CONSOLIDAÇÃO ETC-EXTRAÇÃO-TRANSFORMAÇÃO-CARGA OPERATIONAL STORE ODS Visualiazando as Dimenções E i Empresa R j - Região INTEGRAÇAO MIDDLE-UP WAREHOUSE ÁREA-1 ÁREA-2 ÁREA-3 FERRAMENTAS DADOS BASE AGREGADOS DISTRIBUIÇÃO RECURSOS HUMANOS FINANCEIRA QUERY/REPORT EIS-OLAP MINING -- 1 Dimensão -- 08/02/2012 BD Multidimensional 12 2

3 Cubos Os relatórios provenientes de OLAP possuem estruturas dinâmicas chamadas CUBOS; 2000 Podem ter várias dimensões: tempo, região, produto, etc; Estruturas de dados que forma um sub-conjunto de um banco de dados grande; p/ano p/e p/r p/e p/r p/ano Podem ser manipulados e visualizados por inúmeros ângulos e diferentes níveis de agregação, onde é possível através de suas dimensões (faces) analisar uma determinada situação Dimensões -- 08/02/2012 BD Multidimensional 13 E Produto Ano Data (Dia) p/e, p/r, p/ano R -- 3 Dimensões (Cubo de Dados) -- 08/02/2012 BD Multidimensional 15 Vendas = (Faturamento, Quantidade) p/dia, p/produto, p/fornecedor Fornecedor -- 3 Dimensões (Cubo de Dados) -- 08/02/2012 BD Multidimensional 16 Data Warehouse (DW) Implementação dos Cubos DW Relacional = Simulação relacional de um cubo de dados CUBOS COMO VISÃO DIMENSIONALPODEM SER MATERIALIZADOS/IMPLEMENTADOS EM: MOLAP-Multidimensional FORMA FÍSICA DE UMA ESTRUTURA DIMENSIONAL. ROLAP: Relacional -FORMA FÍSICA DE TABELAS RELACIONAIS VISTAS COMO ESTRUTURAS DIMENSIONAIS VIEWS COM MENOR PERFORMANCE- DADO BASE-ACESSO DIRETO AO RELACIONAL COMO VIEW AGREGADOS SÃO CRIADOS NO RELACIONAL HOLAP- Híbrido - FORMA MISTA ORIGINADA DAS OUTRAS ANTERIORES 08/02/2012 BD Multidimensional 17 3

4 Cubo de Dados Pode ter ndimensões Nós, humanos, só podemos enxergar 3 dimensões ao mesmo tempo Operações especiais permitem decompor um cubo de ndimensões em sub-cubos de até 3 dimensões Navegação em Agregados Roll-up: aumentando o nível de agregação. Por exemplo, Drill-down: diminuindo o nível de agregação. Por exemplo 08/02/2012 BD Multidimensional 19 08/02/2012 BD Multidimensional 20 Hierarquias em Dimensões As operações roll-upe drill-downsão normalmente realizadas segundo Hierarquias (1:N) de Dimensão, mas não necessariamente Tempo: dia semana quinzena mês trimestre ano Produto: produto sub categoria categoria departamento Fornecedor: fornecedor cidade região EquipeDeVenda: equipe região Navegação em Agregados Slice and Dice: seleção e projeção do cubo de dados Slice (fatia): seleção / projeção de valores de uma dimensão. Exemplo: as vendas (faturamento) da região Norte Dice (dados): seleção / projeção de valores de mais de uma dimensão. Exemplo: as vendas (lucro líquido) da região Norte, no ano /02/2012 BD Multidimensional 21 08/02/2012 BD Multidimensional 22 Cubos AQUELE PRODUTO P1 VENDEU NAQUELA LOJA L1 NAQUELE DIA D1 A QUANTIDADE QX NO VALOR VY Exercícios - Cubos PRODUTO (P1,L1,D1)->QX,VY AQUELE PRODUTO P1, VENDEU EM TODOS OS DIAS, EM TODAS AS LOJAS O VALOR(SOMATÓRIO) DE QX E VY Localização Betim Ipatinga Uberlândia Vendas Produto Antarctica Bavaria Brahma Kaiser Skol LOJA AQUELE SUBCONJUNTO DE PRODUTOS VENDEU NUM SUB CONJUNTO DE LOJAS NUM SUBCONJUNTO DE DIAS, AQUELE SOMATÓRIO DE QX, NO VALOR VY DIA T1 T2 T3 Período T4 Fonte: Rogério Morais 4

5 Exercícios - Cubos Análise do ano 2007 Produtos All Região All Tempo 2007 Qtd. Vendida 3000 un Faturamento R$ , Produtos Cubo Balas Cafés Bons Estudos! Prof. Zaidan Modelo Estrela Produtos Venda key_produto key_produto descricao key_tempo key_região qtd_vendida Dimensões Fato Faturamento faturamento Tempo key_tempo ano quartil mes Região key_regiao descricao Cereais Sul Dimensões Sudeste Região Norte As pessoas podem alterar suas vidas alterando suas atitudes. Willian James 5