Data Warehouse Granularidade. rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 1
|
|
|
- Emanuel Teves Schmidt
- 8 Há anos
- Visualizações:
Transcrição
1 Data Warehouse Granularidade rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 1
2 Granularidade A granularidade de dados refere-se ao nível de sumarização dos elementos e de detalhe disponíveis nos dados, considerando o mais importante aspecto do projeto de um Data Warehouse. Quanto mais detalhe existir, mais baixo será o nível de granularidade. Quanto menos detalhe existir, mais alto será o nível de granularidade. (Grifei) MACHADO, Felipe Nery Rodrigues. Tecnologia e Projeto de Data Warehouse: uma visão multidimensional. 4ª edição. São Paulo: Érica, rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 2
3 Granularidade Granularity refers to the level of detail or summarization of the units of data in the data warehouse. The more detail there is, the lower the level of granularity. The less detail there is, the higher the level of granularity. High level of detail low level of granularity. INMON, William H.. Building the Data Warehouse. 4. ed. Wiley, rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 3
4 Granularidade Domingo: 3 unidades Segunda: 10 unidades ALTO nível de detalhe BAIXO nível de granularidade Terça: 5 unidades Quarta: 7 unidades Semana: 49 Quinta: 11 unidades Sexta: 9 unidades Sábado: 4 unidades rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 4
5 Granularidade Domingo: 3 unidades Segunda: 10 unidades Terça: 5 unidades Quarta: 7 unidades Semana: 49 Quinta: 11 unidades Sexta: 9 unidades Sábado: 4 unidades BAIXO nível de detalhe ALTO nível de granularidade rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 5
6 Granularidade Grão em um nível mais detalhado Grão em um nível mais alto (sumarizado) rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 6
7 Granularidade Grão em um nível mais detalhado Vantagem: O usuário poderá ver a informação em qualquer nível de agregação Desvantagem Pode acarretar um aumento muito grande do volume de dados armazenado Prejuízo de perfomance Grão em um nível mais alto (sumarizado) Vantagem: Menor volume de dados armazenado Desvantagem Usuário ficará impossibilitado de realizar consultas mais detalhadas rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 7
8 Granularidade Granularidade Sumarização Detalhamento rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 8
9 Granularidade Granularidade Sumarização Detalhamento rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 9
10 Granularidade Sumarização Detalhamento Inversamente proporcionais rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 10
11 Granularidade Detalhamento Drill down Domingo: 3 unidades Segunda: 10 unidades Terça: 5 unidades Quarta: 7 unidades Semana: 49 Quinta: 11 unidades Sexta: 9 unidades Sábado: 4 unidades Sumarização Roll up rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 11
12 Drill Down e Roll up O drill down ocorre quando o usuário aumenta o nível de detalhe da informação, diminuindo o nível de granularidade. O drill up ou roll up é o contrário. Ele ocorre quando o usuário aumenta o nível de granularidade, diminuindo o nível de detalhamento da informação. (Grifei) MACHADO, Felipe Nery Rodrigues. Tecnologia e Projeto de Data Warehouse: uma visão multidimensional. 4ª edição. São Paulo: Érica, rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 12
13 Pulo do gato!!! rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 13
14 Granularidade Sumarização Granularidade Diretamente proporcionais rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 14
15 Drill Down e Roll up O drill down ocorre quando o usuário aumenta o nível de detalhe da informação, diminuindo o nível de granularidade. O drill up ou roll up é o contrário. Ele ocorre quando o usuário aumenta o nível de granularidade, diminuindo o nível de detalhamento da informação. (Grifei) MACHADO, Felipe Nery Rodrigues. Tecnologia e Projeto de Data Warehouse: uma visão multidimensional. 4ª edição. São Paulo: Érica, rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 15
16 Drill Down e Roll up A operação de roll up ou drill up não é limitado pelo grão máximo Os dados podem ser agregados mesmo após se chegar a este limite superior A operação de drill down é limitado pelo grão mínimo rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 16
17 Drill Down e Roll up Domingo: 3 unidades Segunda: 10 unidades Terça: 5 unidades Quarta: 7 unidades Semana: 49 Quinta: 11 unidades Sexta: 9 unidades Sábado: 4 unidades rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 17
18 Drill Down e Roll up Domingo: 3 unidades Segunda: 10 unidades Grão máximo: semana Grão mínimo: dia Terça: 5 unidades Quarta: 7 unidades Semana 1: 49 Quinta: 11 unidades Sexta: 9 unidades Sábado: 4 unidades Domingo: 4 unidades Quinzena 1: 94 Segunda: 9 unidades Terça: 3 unidades Quarta: 8 unidades Semana 2: 45 Quinta: 2 unidades Sexta: 12 unidades Sábado: 7 unidades rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 18
19 Marco - Questões de concursos rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 19
20 Marco - Questões de concursos [FGV 2010 BADESC Administração de Banco de Dados Questão 36 Item III] III. Drill Up: ocorre quando o usuário aumenta o nível de detalhe da informação, diminuindo a granularidade, ou seja, quais os tipos de consultas que podem ser feitas no DW, influenciando diretamente na velocidade do acesso às informações e no volume de dados armazenados. rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 20
21 Marco - Questões de concursos [FGV 2010 BADESC Administração de Banco de Dados Questão 36 Item III] III. Drill Up Down: ocorre quando o usuário aumenta o nível de detalhe da informação, diminuindo a granularidade, ou seja, quais os tipos de consultas que podem ser feitas no DW, influenciando diretamente na velocidade do acesso às informações e no volume de dados armazenados. Gabarito: ERRADO. rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 21
22 Marco - Questões de concursos [FCC 2011 TRT 1ª Região Analista Judiciário Tecnologia da Informação Questão 59] Ao nível de sumarização dos elementos e de detalhes disponíveis nos dados em um DW dá-se o nome de [A] relacionamento. [B] capacidade. [C] granularidade. [D] integridade. [E] arquitetura. rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 22
23 Marco - Questões de concursos [FCC 2011 TRT 1ª Região Analista Judiciário Tecnologia da Informação Questão 59] Ao nível de sumarização dos elementos e de detalhes disponíveis nos dados em um DW dá-se o nome de [A] relacionamento. [B] capacidade. [C] granularidade. [D] integridade. [E] arquitetura. rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 23
24 Marco - Questões de concursos [FCC 2007 TRF 3ª Região Analista Judiciário Tecnologia da Informação Questão 59] Importante conceito associado aos Data Warehouse como, por exemplo, a definição do menor intervalo correspondendo a um dia, sem levar em conta suas subdivisões tais como horas, minutos e assim sucessivamente, é o de [A] granularidade. [B] usabilidade. [C] funcionalidade. [D] temporalidade. [E] acessibilidade. rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 24
25 Marco - Questões de concursos [FCC 2007 TRF 3ª Região Analista Judiciário Tecnologia da Informação Questão 59] Importante conceito associado aos Data Warehouse como, por exemplo, a definição do menor intervalo correspondendo a um dia, sem levar em conta suas subdivisões tais como horas, minutos e assim sucessivamente, é o de [A] granularidade. [B] usabilidade. [C] funcionalidade. [D] temporalidade. [E] acessibilidade. rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 25
26 Marco - Questões de concursos [FCC 2007 Câmara dos Deputados Analista Legislativo Atribuição Informática Legislativa Questão 83] Para projetar um datawarehouse, a primeira atividade da modelagem dimensional deve ser definir [A] os atributos das tabelas Fato. [B] as tabelas Dimensão. [C] a normalização das tabelas Dimensão. [D] as áreas de negócio. [E] a granularidade. rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 26
27 Marco - Questões de concursos [FCC 2007 Câmara dos Deputados Analista Legislativo Atribuição Informática Legislativa Questão 83] Para projetar um datawarehouse, a primeira atividade da modelagem dimensional deve ser definir [A] os atributos das tabelas Fato. [B] as tabelas Dimensão. [C] a normalização das tabelas Dimensão. [D] as áreas de negócio. [E] a granularidade. rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 27
28 Marco - Questões de concursos [FCC 2003 TCE/SP Agente da Fiscalização Financeira Área de Sistemas Questão 96] O primeiro passo da modelagem dimensional, que efetivamente difere dos processos convencionais de bancos de dados, é [A] normalização das tabelas Dimensão. [B] definição dos atributos das tabelas Fato. [C] definição das tabelas Dimensão. [D] definição de granularidade. [E] definição da área de negócio. rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 28
29 Marco - Questões de concursos [FCC 2003 TCE/SP Agente da Fiscalização Financeira Área de Sistemas Questão 96] O primeiro passo da modelagem dimensional, que efetivamente difere dos processos convencionais de bancos de dados, é [A] normalização das tabelas Dimensão. [B] definição dos atributos das tabelas Fato. [C] definição das tabelas Dimensão. [D] definição de granularidade. [E] definição da área de negócio. rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 29
30 Marco - Questões de concursos [ESAF 2006 ENAP Analista de Sistemas Questão 43 Item III] III. Um dos mais importantes aspectos do projeto de um Data Warehouse é a granularidade dos dados, que se refere ao nível de sumarização dos elementos de detalhe disponível nos dados. Quanto mais detalhes existirem, mais baixo será o nível de granularidade. rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 30
31 Marco - Questões de concursos [ESAF 2006 ENAP Analista de Sistemas Questão 43 Item III] III. Um dos mais importantes aspectos do projeto de um Data Warehouse é a granularidade dos dados, que se refere ao nível de sumarização dos elementos de detalhe disponível nos dados. Quanto mais detalhes existirem, mais baixo será o nível de granularidade. Gabarito: CERTO. rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 31
32 [CESPE 2010 IJSN/ES] Marco - Questões de concursos [77] Uma das operações básicas de OLAP é denominada drill down e ocorre quando se eleva o nível de detalhamento da informação. Com isso, o nível da granularidade é reduzido. A operação inversa, denominada drill throught, ocorre quando o usuário diminui o nível de detalhamento. rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 32
33 [CESPE 2010 IJSN/ES] Marco - Questões de concursos [77] Uma das operações básicas de OLAP é denominada drill down e ocorre quando se eleva o nível de detalhamento da informação. Com isso, o nível da granularidade é reduzido. A operação inversa, denominada drill throught roll up, ocorre quando o usuário diminui o nível de detalhamento. Gabarito: ERRADO. rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 33
34 [CESPE 2010 BASA Cargo 16] Marco - Questões de concursos [90] Ao explorar um data warehouse por meio de uma ferramenta OLAP, o analista pode executar as operações de drill down e drill up, que, respectivamente, aumentam e reduzem o nível de granularidade dos dados. rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 34
35 [CESPE 2010 BASA Cargo 16] Marco - Questões de concursos [90] Ao explorar um data warehouse por meio de uma ferramenta OLAP, o analista pode executar as operações de drill down e drill up, que, respectivamente, aumentam e reduzem o nível de granularidade dos dados. rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 35
36 [CESPE 2010 BASA Cargo 16] Marco - Questões de concursos [90] Ao explorar um data warehouse por meio de uma ferramenta OLAP, o analista pode executar as operações de drill down e drill up, que, respectivamente, aumentam e reduzem o nível de granularidade dos dados. rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 36
37 [CESPE 2010 BASA Cargo 16] Marco - Questões de concursos [90] Ao explorar um data warehouse por meio de uma ferramenta OLAP, o analista pode executar as operações de drill down e drill up, que, respectivamente, aumentam e reduzem o nível de granularidade dos dados. Gabarito segunda a banca: CERTO. rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 37
38 [CESPE 2010 BASA Cargo 16] Marco - Questões de concursos [90] Ao explorar um data warehouse por meio de uma ferramenta OLAP, o analista pode executar as operações de drill down e drill up, que, respectivamente, aumentam e reduzem o nível de granularidade dos dados. Gabarito segunda a banca: CERTO. rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 38
39 [CESPE 2010 BASA Cargo 16] Marco - Questões de concursos [90] Ao explorar um data warehouse por meio de uma ferramenta OLAP, o analista pode executar as operações de drill down e drill up, que, respectivamente, aumentam reduzem e reduzem aumentam o nível de granularidade dos dados. Gabarito segunda a banca: CERTO, mas deveria ser ERRADO. rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 39
40 Marco - Questões de concursos [CESPE 2009 UNIPAMPA Cargo 2] [96] Ferramentas do tipo OLAP são utilizadas para extrair dados e realizar análise ad hoc, na área de business intelligence. Elas permitem, entre outras operações, executar o drill down, que é o aumento da granularidade dos dados, o slice and dice, que permite executar operações de projeção nas dimensões, e o pivoteamento, que permite realizar rotação (tabulação transversal) do cubo. rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 40
41 Marco - Questões de concursos [CESPE 2009 UNIPAMPA Cargo 2] [96] Ferramentas do tipo OLAP são utilizadas para extrair dados e realizar análise ad hoc, na área de business intelligence. Elas permitem, entre outras operações, executar o drill down, que é o aumento diminuição da granularidade dos dados, o slice and dice, que permite executar operações de projeção nas dimensões, e o pivoteamento, que permite realizar rotação (tabulação transversal) do cubo. Gabarito: ERRADO. rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 41
42 Marco - Questões de concursos [CESPE 2009 UNIPAMPA Cargo 2] [96] Ferramentas do tipo OLAP são utilizadas para extrair dados e realizar análise ad hoc, na área de business intelligence. Elas permitem, entre outras operações, executar o drill down, que é o aumento diminuição da granularidade dos dados, o slice and dice, que permite executar operações de seleção e projeção nas dimensões, e o pivoteamento, que permite realizar rotação (tabulação transversal) do cubo. Gabarito: ERRADO. Slice: Seleção Cláusula WHERE Dice: Projeção SELECT a, b, c FROM table rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 42
43 Marco - Questões de concursos [CESPE 2008 Ministério da Saúde Área de Atuação 7 Tecnologia da Informação Gestão e Desenvolvimento de Sistemas] [74] O procedimento de drill down ocorre quando o usuário diminui o nível de detalhe da informação, diminuindo, consequentemente, a granularidade. rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 43
44 Marco - Questões de concursos [CESPE 2008 Ministério da Saúde Área de Atuação 7 Tecnologia da Informação Gestão e Desenvolvimento de Sistemas] [74] O procedimento de drill down ocorre quando o usuário diminui aumenta o nível de detalhe da informação, diminuindo, consequentemente, a granularidade. Gabarito: ERRADO. rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 44
45 Marco - Questões de concursos [CESPE 2007 TCU Analista de Tecnologia da Informação] [150] Quanto ao nível de granularidade dos dados do data warehouse, é correto afirmar que quanto maior for o nível de detalhe, mais alto será o nível de granularidade dos dados e maior será a possibilidade de o sistema responder a qualquer consulta. rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 45
46 Marco - Questões de concursos [CESPE 2007 TCU Analista de Tecnologia da Informação] [150] Quanto ao nível de granularidade dos dados do data warehouse, é correto afirmar que quanto maior for o nível de detalhe, mais alto baixo será o nível de granularidade dos dados e maior será a possibilidade de o sistema responder a qualquer consulta. Gabarito: ERRADO. A medida que o nível de granularidade é elevado há uma correspondente diminuição da possibilidade de utilização dos dados para atender uma possível consulta, ou seja, comum nível muito baixo de granularidade é possível responder a qualquer consulta relacionada aos dados. Todavia, com um alto nível de granularidade, o número de questões a que os dados podem satisfazer é limitado. rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 46
47 Marco - Questões de concursos [CESGRANRIO 2010 EPE Questão 44] Em uma reunião técnica sobre a construção de um data mart de vendas de uma empresa, discute-se o nível de detalhamento dos dados dentro do banco de dados. [A] composição. [B] integração. [C] volatilidade. [D] independência. [E] granularidade. rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 47
48 Marco - Questões de concursos [CESGRANRIO 2010 EPE Questão 44] Em uma reunião técnica sobre a construção de um data mart de vendas de uma empresa, discute-se o nível de detalhamento dos dados dentro do banco de dados. [A] composição. [B] integração. [C] volatilidade. [D] independência. [E] granularidade. rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 48
49 Marco - Questões de concursos [CESGRANRIO 2010 PETROBRAS Engenharia de Software Questão 62] Ferramentas de OLAP são aplicações que permitem uma visão dos dados por meio de perspectivas múltiplas, ajudando aos usuários a tomar decisões através da utilização de uma série de operações básicas que permitem a navegação pelas dimensões do hipercubo de dados definidos no Data Warehouse. Qual das seguintes descrições refle te corretamente uma propriedade das operações das ferramentas de OLAP? [A] A operação de roll up ou drill up diminui o nível de detalhamento da informação e não é limitado pelo grão máximo, pois os dados podem ser agregados mesmo após se chegar a este limite superior. [B] A operação de drill down permite aumentar o nível de detalhe e não é limitado pelo grão mínimo, pois os dados podem ser desagregados mesmo após se chegar a este limite inferior. rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 49
50 Marco - Questões de concursos [CESGRANRIO 2010 PETROBRAS Engenharia de Software Questão 62] Ferramentas de OLAP são aplicações que permitem uma visão dos dados por meio de perspectivas múltiplas, ajudando aos usuários a tomar decisões através da utilização de uma série de operações básicas que permitem a navegação pelas dimensões do hipercubo de dados definidos no Data Warehouse. Qual das seguintes descrições refle te corretamente uma propriedade das operações das ferramentas de OLAP? [A] A operação de roll up ou drill up diminui o nível de detalhamento da informação e não é limitado pelo grão máximo, pois os dados podem ser agregados mesmo após se chegar a este limite superior. [B] A operação de drill down permite aumentar o nível de detalhe e não é limitado pelo grão mínimo, pois os dados não podem ser desagregados mesmo após se chegar a este limite inferior. rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 50
51 rogerioaraujo.wordpress.com - rgildoaraujo@gmail.com 51
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
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
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
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
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
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
CobiT 4.1 Domínios de Processos. rogerioaraujo.wordpress.com twitter: @rgildoaraujo - rgildoaraujo@gmail.com 1
CobiT 4.1 Domínios de Processos rogerioaraujo.wordpress.com twitter: @rgildoaraujo - rgildoaraujo@gmail.com 1 Modelo de processos do CobiT Curso de Fundamentos da Governança de TI com ênfase em CobiT 4.1
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
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...
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
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
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
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
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,
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
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
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
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
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
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 /
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
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
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
Armazenamento em nuvem é feito em serviços que poderão ser acessados de diferentes lugares, a qualquer momento e utilizando diferentes dispositivos,
Nuvem cloud Armazenamento em nuvem é feito em serviços que poderão ser acessados de diferentes lugares, a qualquer momento e utilizando diferentes dispositivos, não havendo necessidade de armazenamento
Sou o professor Danilo Augusto, do TIParaConcursos.net, e costumo trabalhar temas relacionados a Redes de Computadores e Sistemas Operacionais.
Olá nobre concurseiro e futuro servidor público! Sou o professor Danilo Augusto, do TIParaConcursos.net, e costumo trabalhar temas relacionados a Redes de Computadores e Sistemas Operacionais. Essa lista
Oracle Hyperion Essbase
Oracle Hyperion Essbase Guia Claudio Bonel Oracle Hyperion Essbase Guia Dedicatória Este Livro é dedicado a minha família. 2 Guia Oracle Hyperion Essbase Sumário Agradecimentos Introdução Capítulo 1: OLAP
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
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
4. SISTEMAS DE APOIO À DECISÃO
1 4. SISTEMAS DE APOIO À DECISÃO A necessidade dos Sistemas de Apoio à Decisão (SAD) ou Sistemas de Suporte à Decisão (SSD) surgiu em decorrência de diversos fatores, como, por exemplo: Competição cada
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
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:
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
NOÇÕES DE INFORMÁTICA Agente de Polícia Federal 2012
NOÇÕES DE INFORMÁTICA Agente de Polícia Federal 2012 SUMÁRIO UNIDADE 1 Conceitos básicos e modos de utilização de tecnologias, ferramentas, aplicativos e procedimentos de informática 1.1 Tipos de computadores
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
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
(BB 2010/FCC) Um capital é aplicado, durante 8 meses, a uma taxa de juros simples de 15% ao ano, apresentando um montante igual a R$ 13.200,00 no final do prazo. Se este mesmo capital tivesse sido aplicado,
SISTEMA DE INFORMAÇÃO APLICADO A ADMINISTRAÇÃO DE VENDAS POR MEIO DA INTERNET UTILIZANDO DATA MART
Centro de Ciências Exatas e Naturais Departamento de Sistemas e Computação Bacharelado em Ciências da Computação SISTEMA DE INFORMAÇÃO APLICADO A ADMINISTRAÇÃO DE VENDAS POR MEIO DA INTERNET UTILIZANDO
Sou o professor Danilo Augusto, do TIParaConcursos.net, e lá costumo trabalhar temas relacionados a Redes de Computadores e Sistemas Operacionais.
Olá nobre concurseiro e futuro servidor público! Sou o professor Danilo Augusto, do TIParaConcursos.net, e lá costumo trabalhar temas relacionados a Redes de Computadores e Sistemas Operacionais. Essa
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
Questões comentadas informática
Questões comentadas informática INFORMÁTICA (TÉCNICO JUDICIÁRIO ÁREA ADMINISTRATIVA FCC 2012) O sistema operacional de um computador consiste em um A) conjunto de procedimentos programados, armazenados
Inteligência Empresarial. BI Business Intelligence. Business Intelligence 22/2/2011. Prof. Luiz A. Nascimento
Inteligência Empresarial Prof. Luiz A. Nascimento BI Pode-se traduzir informalmente Business Intelligence como o uso de sistemas inteligentes em negócios. É uma forma de agregar a inteligência humana à
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
Curso de Engenharia de Sistemas e Informática - 5º Ano. Ficha T. Prática n.º 1
Análise Inteligente de Dados Objectivo: Curso de Engenharia de Sistemas e Informática - 5º Ano Ficha T. Prática n.º 1 Estudo do paradigma multidimensional com introdução de uma extensão ao diagrama E/R
OLAP: Características, Arquitetura e Ferramentas
INSTITUTO VIANNA JÚNIOR FACULDADES INTEGRADAS VIANNA JÚNIOR OLAP: Características, Arquitetura e Ferramentas Erika Maria Teixeira Araújo 1 Mônica de Lourdes Souza Batista 2 Teresinha Moreira de Magalhães
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
Prof. Ronaldo R. Goldschmidt. ronaldo@de9.ime.eb.br rribeiro@univercidade.br geocities.yahoo.com.br/ronaldo_goldschmidt
Prof. Ronaldo R. Goldschmidt ronaldo@de9.ime.eb.br rribeiro@univercidade.br geocities.yahoo.com.br/ronaldo_goldschmidt Prof. Ronaldo Ribeiro Goldschmidt REVISÃO DE BD RELACIONAIS E SQL! "" #!$ #%! $& #
AULA 1 Iniciando o uso do TerraView
1.1 AULA 1 Iniciando o uso do TerraView Essa aula apresenta a interface principal do TerraView e sua utilização básica. Todos os arquivos de dados mencionados nesse documento são disponibilizados junto
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
SAD. Paulo Silva, Rodolfo Ribeiro, Vinicius Tavares
SAD Paulo Silva, Rodolfo Ribeiro, Vinicius Tavares DataWarehouse Armazena informações relativas a uma organização em BD Facilita tomada de decisões Dados são coletados de OLTP(séries históricas) Dados
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
Gerenciamento de Níveis de Serviço
Gerenciamento de Níveis de Serviço O processo de Gerenciamento de Níveis de Serviço fornece o contato entre a organização de TI e o cliente, para garantir que a organização de TI conhece os serviços que
TotalData empresa brasileira há mais de 25 anos no mercado. Provedora de ferramentas de fácil utilização. Presente em empresas de vários segmentos
TotalData empresa brasileira há mais de 25 anos no mercado Provedora de ferramentas de fácil utilização Presente em empresas de vários segmentos Contribuição de forma eficaz na operação de cada cliente
Módulo 5. Implementando Cubos OLAP
Módulo 5. Implementando Cubos OLAP Objetivos Compreender a importância da manipulação correta da segurança nos dados. Conhecer as operações que podem ser realizadas na consulta de um cubo. Entender o uso
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,
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
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
MINISTÉRIO DA EDUCAÇÃO FUNDO NACIONAL DE DESENVOLVIMENTO DA EDUCAÇÃO DIRETORIA DE ADMINISTRAÇÃO E TECNOLOGIA
MINISTÉRIO DA EDUCAÇÃO FUNDO NACIONAL DE DESENVOLVIMENTO DA EDUCAÇÃO DIRETORIA DE ADMINISTRAÇÃO E TECNOLOGIA TERMO DE REFERÊNCIA PARA CONTRATAÇÃO DE PESSOA FÍSICA - CONSULTOR POR PRODUTO OEI/TOR/FNDE/CGETI
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
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.
Identificar as mudanças que acontecem na forma e no uso de apoio à decisão em empreendimentos de e-business. Identificar o papel e alternativas de
1 Identificar as mudanças que acontecem na forma e no uso de apoio à decisão em empreendimentos de e-business. Identificar o papel e alternativas de relatórios dos sistemas de informação gerencial. Descrever
SISTEMA DE INFORMAÇÃO DA ARS Gestão de Unidades Funcionais
SISTEMA DE INFORMAÇÃO DA ARS Gestão de Unidades Funcionais Manual de Utilização Administração Regional de Saúde do Norte Departamento de Estudos e Planeamento Março de 2011 Índice 1 Introdução... 3 1.1
GESTÃO POR PROCESSOS
GESTÃO POR PROCESSOS O que é um Processo: Uma série de ações que produz um resultado que agrega valor ao produto ou serviço. Gestão de Processos: Conjunto de ações sistemáticas, baseadas em fatos e dados
Sou o professor Danilo Augusto, do TIParaConcursos.net, e lá costumo trabalhar temas relacionados a Redes de Computadores e Sistemas Operacionais.
Olá nobre concurseiro e futuro servidor público! Sou o professor Danilo Augusto, do TIParaConcursos.net, e lá costumo trabalhar temas relacionados a Redes de Computadores e Sistemas Operacionais. Essa
Fases para um Projeto de Data Warehouse. Fases para um Projeto de Data Warehouse. Fases para um Projeto de Data Warehouse
Definição escopo do projeto (departamental, empresarial) Grau de redundância dos dados(ods, data staging) Tipo de usuário alvo (executivos, unidades) Definição do ambiente (relatórios e consultas préestruturadas
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
Contrata Consultor na modalidade Produto
Contrata Consultor na modalidade Produto PROJETO 914BRA/1123 FNDE -EDITAL Nº 01/2009 1. Perfil: Consultor ESPECIALISTA EM PLANO DE METAS ANALISTA PROGRAMADOR DELPHI - Código 1 - CGETI. 2. Nº de vagas:
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
LEI COMPLEMENTAR Nº 447, DE 29 DE NOVEMBRO DE 2010
LEI COMPLEMENTAR Nº 447, DE 29 DE NOVEMBRO DE 2010 Dispõe sobre a extinção e criação de cargos, com respectivas atribuições e remunera, do Quadro de Servidores dos Serviços Auxiliares de Apoio Administrativo
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
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
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
www.leitejunior.com.br 29/06/2012 14:30 Leite Júnior QUESTÕES CESPE BACKUP
QUESTÕES CESPE BACKUP QUESTÃO 01 - Analise as seguintes afirmações relativas a cópias de segurança. I. No Windows é possível fazer automaticamente um backup, em um servidor de rede, dos arquivos que estão
No mundo atual, globalizado e competitivo, as organizações têm buscado cada vez mais, meios de se destacar no mercado. Uma estratégia para o
DATABASE MARKETING No mundo atual, globalizado e competitivo, as organizações têm buscado cada vez mais, meios de se destacar no mercado. Uma estratégia para o empresário obter sucesso em seu negócio é
A Grande Importância da Mineração de Dados nas Organizações
A Grande Importância da Mineração de Dados nas Organizações Amarildo Aparecido Ferreira Junior¹, Késsia Rita da Costa Marchi¹, Jaime Willian Dias¹ ¹Universidade Paranaense (Unipar) Paranavaí PR Brasil
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
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
Ferramentas Livres de Armazenamento e Mineração de Dados
Ferramentas Livres de Armazenamento e Mineração de Dados JasperBI, Pentaho, Weka 09/2009 Eng. Pablo Jorge Madril pmadril@summa.com.br Summa Technologies www.summa.com.br Eng. Pablo Jorge Madril pmadril@summa.com.br
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
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
Tópicos Especiais em Informática
Tópicos Especiais em Informática BackUp Prof. Ms.-Eng. Igor Sousa Faculdade Lourenço Filho 29 de setembro de 2014 igorvolt@gmail.com (FLF) Tópicos Especiais em Informática 29 de setembro de 2014 1 / 19
MODELAGEM DE DADOS MODELAGEM DE DADOS. rafaeldiasribeiro.com.br. Aula 3. Prof. Rafael Dias Ribeiro. M.Sc. @ribeirord
MODELAGEM DE DADOS PROF. RAFAEL DIAS RIBEIRO, M.Sc. @ribeirord MODELAGEM DE DADOS Aula 3 Prof. Rafael Dias Ribeiro. M.Sc. @ribeirord 1 Objetivos: Conhecer a arquitetura de 3 esquemas (conceitual, lógico
TECNOLOGIA DA INFORMAÇÃO - TI Elaborado e adaptado por: Prof.Mestra Rosimeire Ayres
TECNOLOGIA DA INFORMAÇÃO - TI Elaborado e adaptado por: Prof.Mestra Rosimeire Ayres Aula 6 Fazendo BI NO EXCEL USANDO TABELA DINÂMICA EXCEL PARA TOMADA DE DECISÕES A ferramenta é nada, o talento é tudo.
MANUAL PAPELETA MOTORISTA Criado em: 15/02/2013 Atualizado em: 12/11/2014
O objetivo deste manual é explicar passo a passo o controle da papeleta do motorista realizado no SAT. De acordo com a LEI Nº 12.619, DE 30 DE ABRIL DE 2012, que pode ser acessada em: http://www.planalto.gov.br
INF 2125 PROJETO DE SISTEMAS DE SOFTWARE Prof. Carlos J. P. de Lucena
INF 2125 PROJETO DE SISTEMAS DE SOFTWARE Prof. Carlos J. P. de Lucena Trabalho Experimental Sistema de Gestão Hoteleira 1. Objetivo Este trabalho tem o objetivo de consolidar o conhecimento sobre UML e
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
Planejamento Estratégico de TI. Prof.: Fernando Ascani
Planejamento Estratégico de TI Prof.: Fernando Ascani BI Business Intelligence A inteligência Empresarial, ou Business Intelligence, é um termo do Gartner Group. O conceito surgiu na década de 80 e descreve
SISTEMA INFORMATIZADO PARA CONTROLE DE JOGO E GERAÇÃO DE SÚMULAS DE HANDEBOL
SISTEMA INFORMATIZADO PARA CONTROLE DE JOGO E GERAÇÃO DE SÚMULAS DE HANDEBOL ¹ Hélder SANTOS; ² Bruno FERREIRA; ¹ Estudante de Análise e Desenvolvimento de Sistemas. IFMG campus Bambuí ² Professor do curso
NOME SEXO CPF NASCIMENTO SALARIO
Tutorial SQL Fonte: http://www.devmedia.com.br/articles/viewcomp.asp?comp=2973 Para começar Os Sistemas Gerenciadores de Bancos de Dados Relacionais (SGBDr) são o principal mecanismo de suporte ao armazenamento
INFORMÁTICA SEMANA 10
AULA 10 PLANILHA ELETRÔNICA APLICATIVO - EXCEL QUESTÃO 1 FCC - Oficial de Chancelaria FEV/2009 Atenção: Para responder à questão considere as informações abaixo. O Diretor de um certo órgão público incumbiu
Prof. Ravel Silva (https://www.facebook.com/professorravelsilva) SIMULADO 01 PRF
Orientações aos alunos: 1. Este simulado visa auxiliar os alunos que estão se preparando para o cargo de Policial Rodoviário Federal. 2. O Simulado contém 10 questões estilo CESPE (Certo e Errado) sobre
IBM WebSphere DataStage
IBM WebSphere DataStage Os Desafios de Integração de Dados Integrar dados discrepantes entre aplicações e processos de negócio sempre foi uma tarefa difícil, e dado a explosão de dados que acontece na
ADMINISTRAÇÃO DOS RECURSOS DE DADOS
Capítulo 7 ADMINISTRAÇÃO DOS RECURSOS DE DADOS 7.1 2003 by Prentice Hall OBJETIVOS Por que as empresas sentem dificuldades para descobrir que tipo de informação precisam ter em seus sistemas de informação?
Guia de Especificação de Caso de Uso Metodologia CELEPAR
Guia de Especificação de Caso de Uso Metodologia CELEPAR Agosto 2009 Sumário de Informações do Documento Documento: guiaespecificacaocasouso.odt Número de páginas: 10 Versão Data Mudanças Autor 1.0 09/10/2007
1- Identifique para cada questão abaixo, se o enunciado se refere a View, Stored Procedures, Trigger ou Function. Apenas um por questão.
1- Identifique para cada questão abaixo, se o enunciado se refere a View, Stored Procedures, Trigger ou Function. Apenas um por questão. a- Representam tabelas virtuais não armazenadas, compostas de campos
Prof. Raul Sidnei Wazlawick UFSC-CTC-INE. Fonte: Análise e Projeto de Sistemas de Informação Orientados a Objetos, 2ª Edição, Elsevier, 2010.
Casos de Uso de Alto Nível Prof. Raul Sidnei Wazlawick UFSC-CTC-INE 2010 Fonte: Análise e Projeto de Sistemas de Informação Orientados a Objetos, 2ª Edição, Elsevier, 2010. Contexto Na fase de concepção
A UTILIZAÇÃO ADEQUADA DO PLANEJAMENTO E CONTROLE DA PRODUÇÃO (PCP), EM UMA INDÚSTRIA.
A UTILIZAÇÃO ADEQUADA DO PLANEJAMENTO E CONTROLE DA PRODUÇÃO (PCP), EM UMA INDÚSTRIA. KAIHATU, Rodrigo. Discente da Faculdade de Ciências Jurídicas e Gerenciais/ACEG E-mail: rodrigo.hiroshi@hotmail.com
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