Metadados em Business Intelligence Estado da Arte

Transcrição

1 Metadados em Business Intelligence Estado da Arte André Alexandre Santos Simões - N o Dissertação para obtenção do Grau de Mestre em Engenharia Informática e de Computadores Orientador: Prof. Helena Galhardas Fevereiro de 2008

2 Resumo A necessidade de guardar e de disponibilizar informação é uma actividade tão antiga como o aparecimento da primeira biblioteca. Com a utilização de tecnologias mais actuais, como a Internet, o número de utilizadores aos quais é necessario disponibilizar informação aumentou substancialmente. Mais recentemente, a introdução dos Sistemas de Informação (SI) na vida activa das organizações passou a ser uma fonte crucial de informação. O conjunto de ferramentas utilizado para construir e operar os SI é diverso e heterogéneo, tendo cada ferramenta um objectivo diferente como, a modelação dos sistemas operacionais, o desenvolvimento dos processos de carregamento, extracção e transformação (ETL) das Data Warehouses e dos processos de análise de dados e, finalmente, os mecanismos de Reporting. Tendo cada uma destas ferramentas uma lógica e objectivos difererentes, geram inevitalmente uma representação diferente dos dados com os quais operam. Na área de Business Intelligence, torna-se necessária a gestão e integração de todo o conjunto de ferramentas que constituem estes sistemas. Esta integração permite obter uma visão global e estruturada dos mesmos tendo como objectivo principal, possibilitar tarefas de gestão mais eficientes. Devido à complexidade destes sistemas e, ao conjunto diverso de ferramentas utilizadas, a tarefa de integração destes não é trivial. Para este efeito, é necessário recorrer a um nível de detalhe superior aos dados de modo a tornar esta tarefa possível. Os dados de um nível superior sobre um conjunto de dados, denominam-se por metadados. Com este artigo pretende-se mostrar o estado actual das ferramentas existentes que permitem fazer a gestão de metadados entre aplicações de um sistema de Business Intelligence. Palavras chave: Dados, Informação, Metadados, Ferramentas, Data Warehouse, Business Intelligence 1 Introdução Um dos factores de sucesso mais importantes actualmente em todos os campos da actividade humana é a existência de informação [9]. A informação é, geralmente, proveniente de várias fontes e é necessário um trabalho de integração e ajuste, ao nível de detalhe necessário para suportar os processos de tomada de decisão. O modo como a informação está estruturada é passível de mudança durante o seu ciclo de vida, devido a factores como a mudança de estratégia de negócio ou alterações nas aplicações. Todavia, é necessário manter a sua completude e correspondência com o ambiente onde se encontra, assim como a sua entrega aos utilizadores num curto espaço de tempo. A recente problemática levantada em torno da gestão, documentação e disponibilização da informação aos seus utilizadores, tem sido alvo de preocupação por parte da globalidade das empresas e têm sido realizados esforços para a resolver [8]. Num contexto de tratamento e análise de informação, surge a área de Business Intelligence. Esta área é caracterizada por tratar um volume de informação elevado, com fim ao suporte de processos de tomada de decisão numa empresa. De modo a atingir este fim recorre a sistemas de Data Warehousing. Tipicamente, um sistema de Data Warehousing é constituído por: sistemas operacionais, Data 1

3 Warehouses, um conjunto de processos que permitem extrair e transformar os dados dos sistemas operacionais e carregá-los nas Data Warehouses (ETL) e um conjunto de ferramentas que permitem fazer análise dos dados e, apresentá-los aos utilizadores. Nestes sistemas existem elementos estruturais (tabelas, relações, formulários, etc.) passíveis de mudança e, com necessidade de serem documentados que se encontram nas ferramentas e tecnologias utilizadas para os implementar (ferramentas de ETL, bases de dados, etc.). Como exemplo destas ferramentas temos, entre outras, o Sybase PowerDesigner 1, o IBM WebSphere DataStage 2 e o MicroStrategy 3 que são, respectivamente, ferramentas de modelação, desenvolvimento de processos ETL e Reporting. À medida que este tipo de sistemas se torna mais complexo, torna-se também igualmente complexa a actividade de gerir todas as suas componentes e garantir que estas cumprem os objectivos para o qual foram desenhadas e implementadas. Torna-se necessário obter uma visão global destes sistemas, ou seja, integrar todas as suas componentes de forma a observá-las como um todo. Esta visão global facilita não só a sua documentação (visto existir uma centralização das suas componentes), como também permite determinar a origem de um determinado conjunto de dados, as transformações aos quais estes são submetidos e analisar o impacto de alterações a estes sistemas antes de serem efectuadas. Embora esta integração pareça uma tarefa simples, todas as ferramentas que constituem um sistema desta natureza, geram um conjunto de representações diferentes das estruturas com as quais operam, sendo suficientemente heterogéneas para dificultar a sua integração. As dificuldades de integração deste tipo de ferramentas têm sido um dos problemas mais discutidos actualmente e, levaram ao aparecimento de um conjunto de standards que têm sido suportados pelos distribuidores destas aplicações. O Common Warehouse Metamodel (CWM) é um exemplo deste tipo de standards contudo, ainda não implementado por todas as ferramentas desta natureza. Estes standards baseiam-se na definição de modelos comuns de informação sobre um conjunto de dados - os metadados - que abrangem as estruturas das diversas componentes do Data Warehousing. No resto do artigo será feito um resumo do panorama geral dos metadados, na área de BI, e das ferramentas que permitem a sua gestão. Este artigo está organizado da seguinte forma. Na Secção 2 é apresentada uma definição de metadados. Na Secção 3 são descritos os metadados no contexto de Business Intelligence, nomeadamente nos sistemas de Data Warehousing. Na Secção 4 é introduzido o Common Warehouse Metamodel. Na secção 5 é efectuada uma comparação de ferramentas de gestão de metadados existentes no mercado. Na Secção 6 é apresentado o estado actual da dissertação. Na Secção 7, são tiradas algumas conclusões sobre o estudo efectuado

4 1.1 Enquadramento Esta dissertação de mestrado teve origem numa proposta da Portugal Telecom - Sistemas de Informação 4 (PT-SI), na qual se revelou o interesse de gerir os metadados referentes a um projecto de Business Intelligence. O objectivo desta dissertação é, o de integrar os metadados referentes ao projecto BIIO 5 de uma forma centralizada, de modo a que, seja possível determinar a origem e transformações a que os dados são sujeitos no contexto de Data Warehousing. Como resultado desta integração, será possível prever o impacto que alterações estruturais na origem dos dados têm em todo o processo. Esta integração será efectuada com base nas ferramentas Sybase PowerDesigner, o IBM WebSphere DataStage e o MicroStrategy. Desta integração, resultará um repositório de metadados modelado com base no CWM, no qual se irão efectuar interrogações a partir de uma aplicação externa, de modo a, com base nas relações determinadas pelos metadados, determinar o seu percurso e transformações a que são submetidos e, com base nessa informação, simular alterações na origem dos dados e determinar o seu impacto nesse percurso. 2 Metadados A existência de metadados é tão antiga quanto a existência de descrição de um objecto. Na sua definição mais simples, denominam-se por metadados o conjunto de informação sobre um conjunto de dados. A existência de dados sobre um conjunto de dados permite documentá-los (ou descrevê-los), tornando assim possivel a todos os seus utilizadores compreender a sua essência e contextualização. A possibilidade de utilizar os metadados como uma fonte de documentação é uma mais-valia para, por exemplo, a documentação técnica de um projecto organizacional. Vejamos um exemplo simples, considerando o seguinte conjunto de dados: 2910, Numa primeira análise, os dados representados carecem de significado e podem ser apenas um conjunto de caracteres escritos de uma forma aleatória. Contudo, podemos atribuir significado a estes números da seguinte forma: Código postal: 2910 Número de telemóvel: Com estes novos dados sobre os dados existentes - designados por metadados - é possível entender o significado dos dados anteriores. No entanto, é fácil imaginar que estes dados poderão ter outro significado, veja-se: Código de empregado: 2910 Código de armazém: Do exemplo anterior podemos concluir que o significado de um conjunto de dados depende do contexto em que forem inseridos, ou seja, o conjunto de metadados aos quais estão associados e que lhes Business Intelligence em Indicadores Operacionais 3

5 atribuem sentido. Podendo não ficar satisfeitos com esta descrição básica sobre o conjunto de dados inicial, é possível adicionar mais informação tornando-a mais completa e a um nível de granularidade tão refinado quanto se queira. Por exemplo: Código de empregado: 2910 Cadeia de caracteres constituída por 4 dígitos de 0-9 Código de armazém: Cadeia de caracteres constituída por 9 dígitos de 0-9 Do exemplo anterior, observamos que, ao adicionar mais níveis de detalhe a um conjunto de dados, a sua qualidade aumenta. Finalmente, os metadados podem ainda ser agregados a vários níveis. Considere-se o seguinte conjunto de metadados que definem, a nível abstracto, um possível cliente de uma empresa: Código de cliente, Nome, Idade, Morada, Telefone de contacto, Código Postal, Filiação, Número do bilhete de identidade, Número de informação fiscal Considerando este conjunto de metadados podemos, por exemplo, construir as agregações apresentadas na Tabela 2.1. Sendo estas três agregações sobre o conjunto de metadados iniciais, apenas a título de exemplo, é trivial concluir que existem tantas agregações quanto aquelas que façam sentido no contexto em que os metadados estão inseridos. Dados pessoais Dados de contacto Dados internos Nome Nome Nome Idade Morada Código de cliente Filiação Telefone de contacto Número do bilhete de identidade Número de informação fiscal Tabela 2.1: Exemplo de agregação de metadados Os metadados podem ser ainda classificados em três tipos distintos [4]: descritivos, estruturais e administrativos. Os metadados descritivos descrevem recursos tendo com objectivo da sua descoberta e identificação. O exemplo seguinte mostra este tipo de metadados: Nome: José Manuel Alberto Custódio Os metadados estruturais indicam como objectos compostos se relacionam entre si, como por exemplo os elementos de um DTD (Document Type Definition) de um documento XML que indicam como os elementos do documento se relacionam e estão estruturados. Os metadados administrativos contêm informação de suporte à gestão de um recurso. São compostos por informação técnica e permissões/regras de acesso (por exemplo, direitos de propriedade intelectual) e correspondem à informação necessária sobre um recurso de modo a facilitar a sua gestão. O exemplo seguinte descreve este tipo de metadados: Tipo de compressão do ficheiro: ZIP 4

6 3 Metadados em Business Intelligence O Business Intelligence (BI) é um termo utilizado para descrever um conjunto de aplicações, tecnologias e práticas que, agregam e analisam informação [11] com fim ao suporte dos processos de tomada de decisão [7]. O conceito de Business Intelligence tem origem conhecida na IBM e, a primeira referência a este termo data de 1958 [3], altura na qual se começaram a evidenciar a falta de meios de suporte a um crescimento abrupto na quantidade de informação disponível. Neste contexto, o termo Intelligence aplica-se à compreensão de relações entre factos de modo a atingir um determinado objectivo [3]. A economia actual baseia-se essencialmente em informação e, a análise e compreensão, eficientes e correctas desta representam uma vantagem competitiva importante para as organizações. A necessidade de fazer fluir atempadamente a informação para as pessoas correctas tornou-se um objectivo de alta prioridade. De modo a possibilitar este tratamento de informação, os sistemas de Business Intelligence recorrem a diversos tipos de tecnologias, tendo uma arquitectura típica (representada na Figura 3.1) constituída por: sistemas operacionais (fontes dos dados), processos de extracção, transformação e carregamento de dados (ETL), Data Warehouses, ferramentas de análise OLAP 1, ferramentas de Data Mining e ferramentas de Reporting. Figura 3.1: Arquitectura típica de BI Estas tecnologias são desenvolvidas por um conjunto de ferramentas diversificado que tratam de problemas como o carregamento de dados, a persistência e a sua posterior análise. A complexidade de um sistema desta natureza cresce proporcionalmente ao número de fontes de dados, o seu grau de heterogeneidade e o numero de aplicações necessárias para a sua concepção [10]. Nestes sistemas, os metadados têm um papel fundamental da documentação e descrição de todas as estruturas que os constituem, desde as fontes de dados, aos dados armazenados, à forma como estes se relacionam entre si ou como são calculados até à forma como são apresentados ao utilizador final. Num ponto de vista operacional, a existência de sistemas desta complexidade num ambiente organizacional (que está em costante mudança e alinhamento com as necessidade do negócio) levanta problemas de gestão de alterações e de manutenção destes. As ferramentas utilizadas têm, na sua generali- 1 Online Analytical Processing 5

7 dade, modelos e representações diferentes para as estruturas de dados que tratam e, é necessário um trabalho dispendioso para identificar problemas e o local necessário para efectuar alterações. Deste modo, é fácil perceber a importância de estruturas como os metadados, nomeadamente a sua gestão, de modo a diminuir a complexidade destes sistemas visto servirem como fonte de documentação acerca da estrutura, desenvolvimento e utilização de uma Data Warehouse. Como exemplo deste problema, considere-se um sistema de BI constituído por: sistemas operacionais, uma data warehouse e uma ferramenta OLAP/Reporting. Estas três componentes são modeladas e desenvolvidas por três ferramentas diferentes, considerando para este exemplo: o Sybase PowerDesigner, como ferramenta CASE 2 de desenho dos modelos dos sistemas operacionais e da data warehouse, o IBM WebSphere DataStage, como ferramenta de desenvolvimento dos processos ETL e o MicroStrategy como ferramenta de OLAP/Reporting. Estas três ferramentas geram metadados heterogéneos, nomeadamente: (i) metadados sobre os processos de ETL; (ii) metadados relativos à estrutura relacional dos sistemas operacionais; (iii) metadados sobre o modelo multidimensional da Data Warehouse; (iv) metadados relativamente aos processos analíticos. Considerando que durante o tempo de vida deste sistema, algumas mudanças estruturais são necessárias, por exemplo, no conteudo da origem dos dados provenientes dos sistemas operacionais, ou da inclusão de uma nova dimensão no modelo multi-dimensional da Data Warehouse. Consequentemente, é necessário verificar todas as mudanças necessárias efectuar no sistema de modo a manter a sua consistência e funcionalidade. A esta tarefa, dá-se o nome de análise de impacto. Para este efeito é necessária uma visão global do projecto sendo necessária, consequentemente, uma integração das ferramentas que o constituem, nomeadamente, a centralização num formato standard e homogéneo dos dados sobre as estruturas sobre os quais cada ferramenta opera e as relações existentes entre eles, ou seja, os metadados. De forma a atingir este objectivo são necessários formatos homogéneos de representação de metadados, nomeadamente, standards como será visto na Secção 4. No contexto particular de data warehousing os metadados podem ser divididos segundo dois grupos distintos dependendo do tipo de utilização, nomeadamente: metadados técnicos e metadados de negócio [10]. Os metadados técnicos correspondem a metadados produzidos por administradores de bases de dados ou pelos componentes de software que compoêm a data warehouse e compreendem informação sobre a definição de interrogações, configurações, direitos de acesso e informação relativa ao desempenho ou relatórios de execução. Exemplo deste tipo de metadados são a definição de tabelas e colunas de uma base de dados. Os metadados de negócio correspondem a informação sobre conceitos de negócio e terminologias utilizadas no contexto onde a data warehouse se encontra inserida. Este tipo de metadados refere-se a, por exemplo, calculos de lucro de uma empresa ou à descrição do que é considerado um cliente. Podem ser ainda encontradas algumas referências a um terceiro tipo de metadados neste contexto, os metadados operacionais. Estes metadados referem-se a um pequeno sub-conjunto dos metadados técnicos que correspondem à informação de desempenho e execução. 2 Computer-Aided Software Engineering 6

8 4 Common Warehouse Model O Common Warehouse Model (CWM) é uma especificação que descreve objectos e as respectivas relações entre estes num contexto de Data Warehousing [1][5]. Como referido na Secção 3, os sistemas de Data Warehousing são uma componente fundamental num ambiente de BI e, são constítuidos por um conjunto diversificado de ferramentas. A proliferação em massa destas ferramentas, tem implicado um aumento das representações e tratamento dos metadados [6], revelando-se bastante problemática no que diz respeito à integração destas. Com o actual crescimento dos sistemas de Data Warehousing e o aumento de complexidade associado é necessário, cada vez mais, ter uma visão global destes sistemas de modo a facilitar a sua gestão, ou seja, é necessário integrar todas as ferramentas que os constituem. Esta integração permite antecipar alterações e, analisar o impacto destas num sistema desta natureza visto, existir um conjunto de informação centralizado de todos os metadados referentes a estes. Embora esta pareça uma tarefa simples, a existência de representações heterogéneas de metadados entre aplicações dificulta o processo de centralização destes, sendo necessário um tratamento diferente dos dados provenientes de cada aplicação, tendo um impacto negativo nos custos e disponibilidade temporal necessário para ser concluído. Figura 4.1: O metamodelo CWM Com o objectivo de solucionar a heterogeneidade entre aplicações num contexto de Data Warehousing, o grupo OMG [5] desenvolveu o CWM como uma framework de intercâmbio de metadados entre estas. O metamodelo introduzido pelo CWM (representado na Figura 4.1) consiste num conjunto de sub-metamodelos que representam os metadados mais comuns nas áreas que o Data Warehousing abrange. Como exemplo prático da aplicação do CWM, seguindo o exemplo apresentado na secção 3, utilizando o metamodelo do CWM, nomeadamente os sub-modelos que representam estruturas relacionais (o sub-modelo Relational) e multidimensionais (o sub-modelo Multidimensional), dados sobre transformação de dados de forma a representar os processos ETL (o sub-modelo Transformation) e dados sobre relatórios e processos analíticos (sub-modelos OLAP e Information Visualization), é possível modelar um repositório centralizado de metadados com uma estrutura homogénea bem conhecida e documentada. 7

9 Com este repositório centralizado de metadados sobre toda a data warehouse é possível utilizar a representação estrutural de todo o sistema de forma a analisar o impacto de algumas mudanças estruturais. Por exemplo, utilizado a informação sobre o modelo relacional dos sistemas operacionais e do modelo multidimensional da data warehouse é possível, utilizando o modelo transformation, efectuar interrogações ao repositório de metadados de modo a: (i) Determinar a origem de um determinado elemento da data warehouse e todas as transformações a que foi submetido; (ii) Utilizar essa informação para simular uma alteração e verificar todas as mudanças necessárias para tornar o sistema consistente no contexto dessa mudança. Entre outras aplicações, podemos referir a utilização do repositório para fins estatísticos ou como a documentação de todo o sistema. 5 Ferramentas de Gestão de Metadados em Business Intelligence No mercado actual existem diversas ferramentas que efectuam gestão de metadados. Em geral, esta funcionalidade faz parte do portfólio das ferramentas que efectuam integração de dados. Num recente relatório do Gartner Group [2] sobre ferramentas de integração de dados, a IBM 1 e a Informatica 2 são classificadas como as empresas actualmente lideres do mercado de ferramentas de integração de dados. As duas empresas são classificadas como tendo maior número de clientes e maior flexibilidade nos seus produtos, nomeadamente o Informatica Power Center e os produtos da família IBM Websphere. Seguindo de perto estas duas empresas líderes encontramos a Microsoft 3, a Business Objects 4 e a Oracle 5. Estas últimas são classificadas como adversárias (do inglês challenger) devido à falta de flexibilidade das suas implementações ou seja, demasiada especificidade a um determinado ambiente dos produtos oferecidos. Por fim, das empresas com o menor (ou mais fraco) posicionamento no mercado nesta área podem-se destacar a Sybase 6 e a SAS 7 que ainda se encontram numa fase bastante prematura de oferta de produtos desta natureza. Seguidamente, analisaremos, do ponto de vista de gestão de metadados, as ferramentas com um maior impacto no mercado de integração de dados, nomeadamente, o Informatica Powercenter Metadata Manager,o Business Objects Metadata Manager o IBM Metadata Workbench, o ASG Rochade, o Oracle Warehouse Builder, a família de produtos SAS que suportam, no seu conjunto, a gestão de metadados (SAS Metadata Server, SAS Enterprise Data Integration Server e SAS Data Integration Studio) e, por fim, representando a Microsoft num campo ainda pouco explorado por esta, os Microsoft SQL Server Integration Services (SSIS). Esta análise foi efectuada através do estudo comparativo dos folhetos informativos de cada ferramenta (do inglês Data Sheet) disponibilizados nas web, sendo restrita à informação aí disponibilizada

10 Identificaram-se características destas aplicações (representadas na Tabela 5.1) que permitem caracterizálas de uma forma mais geral, e de um ponto de vista mais focalizado na gestão de metadados. Nomeadamente, de um uma forma geral podem-se caracterizar estas ferramentas segundo: (i) O tipo de interface, nomeadamente se possui uma interface própria ou, se as funcionalidades são disponibilizadas através de um simples browser facilitando o processo de instalação. (ii) O tipo de arquitectura utilizada para a sua instalação. Foram identificadas três tipos de arquitecturas: (a) Cliente/servidor, sendo ambos os produtos (aplicação cliente e aplicação servidor) distribuidos separadamente, contudo ambos necessários para se obter a funcionalidade desejada. (b) Plug-in, fazendo parte de um pacote de distribuição mais generalidado. (c) Standalone, sendo ferramentas completas e auto-suficientes. (iii) Existência de controlo de versões, permitindo uma melhor gestão de ambientes que sofrem modificações frequentes, sendo mais susceptiveis de erros. De um ponto de vista focalizado na gestão de metadados foram identificadas as seguintes características: (i) O suporte à proveniência de dados (Data Lineage), permitindo analisar a origem de todos os dados de um projecto, incluindo as transformações a que são submetidos. (ii) O suporte à análise de impacto a mudanças nos sistemas, permitindo observar as consequências de alterações a elementos do caminho dos dados, podendo antecipadamente prever todas as alterações necessárias a um projecto. (iii) O suporte do CWM, possibilitando futuramente, uma integração facilitada deste tipo de ferramentas com outras que necessitem dos dados com os quais estas operam. É uma característica fundamental num ambiente em que é necessária a troca de informação entre ferramentas de diversos distribuidores e que são potencialmente heterogéneas entre si. (iv) Suporte de extracção de metadados de ferramentas de outros distribuidores (em formato proprietário). Este tipo de funcionalidade permite integrar ferramentas que não implementam standards como o CWM, sendo necessário recorrer a transformações de dados que obedecem a um formato proprietário para o formato da ferramenta de gestão de metadados. Este suporte de integração de ferramentas encontra-se sob três formas: (a) É incluido na própria aplicação. (b) É opcional, e é necessário comprar adicionalmente os modulos para as ferramentas específicas. (c) É suportado utilizando ferramentas terceiras. É importante referir que de todas as aplicação analisadas o Oracle Warehouse Builder é também uma suite completa de modelação que permite criar uma Data Warehouse como um todo desde os processos ETL até ao esquema multidimensional da base de dados. 6 Estado Actual da Dissertação 9

11 No âmbito da dissertação e, até à data de submissão deste artigo, foram tratados os seguintes pontos: (i) Foi efectuada uma investigação sobre o estado actual da gestão de metadados; (ii) Auto-formação nas ferramentas que são a base da integração proposta nesta dissertação; (iii) Extracção dos metadados existentes nestas ferramentas que representam todo o processo de Data Warehousing do projecto BIIO na PT-SI; (iv) Estudo das ferramentas existentes no mercado de gestão de metadados; (v) Elaboração deste documento. Posteriormente à elaboração e submissão deste documento, será iniciada uma fase mais prática da dissertação, que envolve: (i) A implementação do repositório centralizado de metadados; (ii) A definição de interrogações a efectuar sobre o repositório; (iii) A implementação de uma aplicação, numa linguagem de programação a definir, que utiliza o repositório de metadados para efectuar análises de impacto a alterações das fontes de dados do sistema; (iv) A documentação de todo o sistema implementado. 7 Conclusões Neste artigo, foi apresentada uma visão geral do estado actual da arte de metadados em BI. Em particular, apresentou-se uma definição de metadados e explicada a sua importância. Demonstrámos a importância dos metadados no contexto de BI e a sua aplicação em Data Warehousing. Foi apresentado o metamodelo CWM como standard de intercâmbio de metadados entre aplicações de Data Warehousing e dado um exemplo prático. Por fim, foi efectuada uma análise das ferramentas existentes no mercado de integração de dados que incluem gestão de metadados. Desta análise foi inferido um conjunto de caracteristicas gerais, comuns e distintivas que permitem classificar uma ferramenta de gestão de metadados. Do conjunto de ferramentas analisado podemos concluir que o Business Objects Metadata Manager é a ferramenta ideal para efectuar gestão de metadados, possuindo todas as caracteristicas principais de uma aplicação deste âmbito. Numa situação completamente oposta, o Microsoft SSIS encontra-se ainda numa fase pouco desenvolvida proporcionando apenas, até à data, uma framework que permite desenvolver algumas das funcionalidades referidas anteriormente. Todas as outras ferramentas podem ter algumas vantagens em ambientes que utilizem produtos da mesma família (por exemplo, Oracle ou SAS) não sendo tão completas ou flexiveis como o Business Objects Metadata Manager. Futuramente, podemos prever um suporte completo do CWM por todas as ferramentas. De facto, a necessidade de um formato aberto de intercâmbio de metadados é cada vez maior, visto que os problemas de integração continuam ser alvo de discussões e preocupação a nível organizacional. Referências [1] CAHOON, J. Fast development of a data warehouse using mof, cwm, and code generation. 10

12 [2] GARTNER. Magic quadrant for data integration tools, [3] LUHN, H. P. A business intelligence system. IBM Journal, October 1958 (1958), [4] NISO. Understanding Metadata. NISO Press, [5] OMG. Omg homepage. [6] OMG OBJECT MANAGEMENT GROUP, I. Common Warehouse Metamodel (CWM) Specification. OMG, [7] POWER, D. J. A brief history of decision support systems. [8] STEPHENS, R. T. In metadata, good enough never is. [9] TVRDÍKOVÁ, M. Support of decision making by business intelligence tools. 6th Int l. CISIM (2007), [10] VADUVA, A., AND DITTRICH, K. R. Metadata management for data warehousing: Between vision and reality Int l Symposium on Database Engineering and Applications (2001), [11] WIKIPEDIA. Business intelligence. 11

13 Ferramentas Tipo de Tipo de Controlo de Suporte Data Análise de Interface Arquitectura Versões CWM Lineage Impacto Informatica PMM Web-based Plug-in Não Não Sim Sim IBM Metadata Workbench Web-based Cliente/Servidor Não Não Sim Sim ASG Rochade Web-based Cliente/Servidor Sim Sim Sim Sim Oracle Warehouse Builder Local Standalone Sim Sim Sim Sim Microsoft SSIS Local Cliente/Servidor Não Não Não Não SAS Local Cliente/Servidor Sim Não Sim Sim BO Metadata Manager Web-based Standalone Sim Não Sim Sim Tabela 5.1: Características das ferramentas de gestão de metadados 12