DATA WAREHOUSING. Data Warehousing
|
|
- Levi Lisboa Lopes
- 8 Há anos
- Visualizações:
Transcrição
1 DATA WAREHOUSING Data Warehousing
2 Sumário Conceitos / Autores chave Introdução Modelos de Data Warehouse Processo de Extração, Transformação e Carga de Dados Data Mart versus Data Warehouse Conclusões Atividades... 9 Materiais complementares Bibliografia Curso - Data Warehousing
3 Conceitos / Autores-chave Glossário Business Intelligence Conjunto de conceitos e metodologias que, fazendo uso de acontecimentos (fatos) e sistemas baseados nos mesmos, apóia a tomada de decisões em negócios. OLAP uma mesma informação de diferentes formas pode ajudar na tomada exata de uma decisão. Ferramentas OLAP nos auxiliam nessa função. Data Mining (ou mineração de dados) é o processo de extrair informação válida, previamente desconhecida e de máxima abrangência a partir de grandes bases de dados, usando-as para efetuar decisões cruciais. Pontos Críticos Diferença entre Data Warehouse e Data Warehousing Data Warehousing (DWing) é o processo de desenvolvimento de um Data Warehouse (DW) adequado à análise de negócios e ao apoio à tomada de decisões gerenciais e estratégicas. Esta tecnologia é a base, sobre a qual se monta a Inteligência de Negócios (Business Intelligence ou BI) das empresas. Um data warehouse (ou armazém de dados, ou depósito de dados) é um sistema de computação utilizado para armazenar informações relativas às atividades de uma organização em bancos de dados, de forma consolidada. O desenho da base de dados favorece os relatórios, a análise de grandes volumes de dados e a obtenção de informações estratégicas que podem facilitar a tomada de decisão. 1. Introdução A elaboração de um Data Warehouse requer muito tempo, envolve custos e muito esforço gerencial. Muitas empresas iniciam o tratamento de suas necessidades focadas em um DW por meio de interesses de pequenos grupos dentro da organização, caracterizando o contexto de um data mart. Um data mart é um pequeno data warehouse que fornece suporte à decisão de um pequeno grupo de pessoas ou interessados nos processos de negócio deste grupo. A idéia básica, sugerida por fornecedores de data warehouse é que se deve pensar grande, mas começar de forma pequena e organizada. Um projeto de DW não pode ser uma idéia imediatista, ela deve ser construída de forma gradual ao longo do tempo. É importante ter em mente que a diferença entre um data mart e um data warehouse é apenas o tamanho e o escopo do problema a ser solucionado. Portanto, os problemas e os requisitos são essencialmente os mesmos para ambos. Curso - Data Warehousing
4 2. Modelos de Data Warehouse O Modelo multidimensional pode ser de dois tipos: O Modelo Estrela e o Modelo Floco de Neve, sendo mais usado o Estrela. 2.1 O modelo estrela (Star Schema) Este modelo é chamado de estrela porque a tabela fato fica ao centro, cercada das tabelas dimensionais, assemelhando-se a uma estrela. Mas o ponto forte a fixar é que as dimensões não são normalizadas e não existe relacionamento entre as mesmas, conforme é apresentado na figura abaixo. Representação de um modelo estrela Esta forma de disponibilizar as tabelas é conhecida como modelo estrela devido a sua disposição no modelo físico, que consiste de uma tabela central, a tabela fato, e as demais tabelas dimensões, em suas extremidades. Na tabela fato existe uma chave estrangeira que se associa a uma chave primária na tabela dimensão, deste modo todas as dimensões ficam associadas à tabela fato. Na figura a seguir é mostrado um exemplo de dimensões com seus papéis, associadas a uma tabela fato. Tabela Fato (Vendas) e tabelas Dimensões (Tempo, Vendedor, Cliente e Produto) 2.2 O modelo Floco de Neve (Snow Flake) No modelo Floco as tabelas dimensionais relacionam-se com a tabela fato, mas algumas dimensões relacionam-se apenas entre elas, isto ocorre para fins de normalização das tabelas dimensionais. Este modelo chama-se floco de neve, pois cada dimensão se divide em várias outras tabelas, que organizadas de certa forma, lembra um floco de neve. O modelo de dados multidimensional é usualmente similar a uma estrela. Um fato está no centro da estrela e as dimensões ao seu redor, formando as pontas dessa estrela. O modelo floco de neves é o resultado da decomposição de uma ou mais dimensões que possuem hierarquias entre seus membros O modelo floco de neve consiste de uma extensão do modelo estrela, onde cada uma das pontas da estrela pode vir a ser o centro de outras estrelas. Cada tabela dimensão uma vez normalizadas, seria convertido em tabelas compostas de hierarquias em função de seus atributos. Considerando possíveis complexidades hierárquicas, aconselha-se aos projetistas a resistirem à tentação de transformar esquemas estrela em floco de neve; devido ao impacto da complexidade deste tipo de estrutura sobre o usuário final, e tratando-se de ganho de espaço de armazenamento o resultado é pouco relevante. Na figura abaixo apresenta-se um exemplo de floco de neves. Modelo floco de neve Curso - Data Warehousing
5 2.3 Roteiro de Modelagem A seguir é apresentado um roteiro de modelagem multidimensional. Estes passos são fundamentais para a elaboração de um Data Warehouse. Identificar as necessidades do negócio. Definir os fatos. Definir as dimensões. Definir as medidas. Identificar os atributos das dimensões e das hierarquias. Definir a granularidade de cada tabela fato. Verificar o nível de detalhamento das dimensões. Definir a duração do Data Mart (previsão do histórico). Definir a freqüência com que os dados devem ser extraídos e carregados no DW. A definição de freqüência de ETL deve obedecer a critérios que levem em consideração os seguintes aspectos: - O encerramento das atividades em um período relativo ao grau de informação do Data Marts. - A determinação de que não existirão mais modificações de uma base de dados nas fontes relativas ao período em questão. 2.4 Erros na implantação de um DW O Data Warehousing Institute (SINGH, 2001) aponta os dez erros mais comuns na implantação de um DW: 1. Começar o projeto com o tipo errado de patrocínio. 2. Gerar expectativas que não possam ser satisfeitas, frustrando os executivos quando da utilização do DW. 3. Dizer: Isto vai ajudar os gerentes a tomar decisões melhores e outras informações politicamente ingênuas. 4. Carregar o DW com informações só porque estavam disponíveis. 5. Falhar no objetivo de acrescentar valor ao dado por meio de mecanismos de desnormatização, categorização e navegação assistida. 6. Escolher um gerente que seja voltado para a tecnologia e não para o usuário. 7. Focalizar em dados tradicionais internos orientados para o registro e ignorar o valor potencial de dados textuais, imagem, som, vídeo e dados externos. 8. Fornecer dados com definições confusas e sobrepostas. 9. Acreditar nas promessas de desempenho, capacidade e escalabilidade dos vendedores de produtos. 10. Usar o DW como justificativa para modelagem de dados e uso de ferramentas case. Definir o modelo de dados do DW. Escolher uma ferramenta case para realizar a modelagem multidimensional (Ex. ERWIN). Elaborar a modelagem multidimensional. Verificar a consistência e eficiência do modelo de DW. Curso - Data Warehousing
6 3. Processo de extração, transformação e carga de dados Esta etapa é uma das fases mais críticas de um Data Warehouse, pois envolve a fase de movimentação dos dados. A mesma se dá basicamente em três passos: extração, transformação e carga dos dados. Esses são os mais trabalhosos, complexos e também muito detalhados, embora tenhamos várias ferramentas (falaremos mais abaixo) que nos auxiliam na execução desse trabalho. O primeiro passo a ser tomado no processo de ETL é simplesmente a definição das fontes de dados e a extração deles. As origens deles podem ser várias e também em diferentes formatos, onde poderemos encontrar desde os sistemas transacionais das empresas, até planilhas, flat files (arquivos de textos), dados que vêm do grande porte e também arquivos do tipo DBF, do antigo Clipper ou Dbase. Definidas as fontes, partimos para o segundo passo que consiste em transformar e limpar esses dados. Mas, afinal de contas, o que é isso? Bem vamos descrever de uma forma bem simples: quando obtemos os dados de uma fonte, que na maioria das vezes é desconhecida nossa, e foi concebida há muito tempo atrás, os mesmos possuem muito lixo e há muita inconsistência. Por exemplo. Quando um vendedor de linhas telefônicas for executar uma venda, ou inscrição, ele está preocupado em vender, e não está preocupado com a qualidade dos dados que está inserindo na base. Então, se por acaso, o cliente não tiver o número do CPF à mão, ele cadastra um número qualquer, desde que o sistema aceite. Um dos mais utilizados é o Agora imagine se um diretor de uma companhia telefônica consultar o seu Data Warehouse (DW) para ver quais são os seus maiores clientes, e aparecer em primeiro lugar o cliente que tem o CPF ? Seria no mínimo estranho. Por isso, nessa fase do DW, fazemos a limpeza desses dados, para haver compatibilidade entre eles. Além da limpeza, temos de fazer na maioria das vezes uma transformação, pois os dados provêm de vários sistemas, e por isso, geralmente uma mesma informação tem diferentes formatos. Por exemplo: em alguns sistemas a informação sobre o sexo do cliente pode estar armazenada no formato: M para Masculino e F para Feminino, porém em algum outro sistema está guardado como H para Masculino e M para Feminino; e assim sucessivamente. Quando levamos esses dados para o DW, deve-se ter uma padronização deles, ou seja, quando o usuário for consultar o DW, ele não pode ver informações iguais em formatos diferentes; então, quando fazemos o processo de ETL, transformamos esses dados e deixamos num formato uniforme sugerido pelo próprio usuário. No DW, teremos somente M e F, fato esse que facilitará a análise dos dados que serão recuperados pela ferramenta OLAP (KIMBALL, 2002). A seguir são apresentados alguns dos fatores que devem ser analisados antes de começar a fase de extração dos dados (SINGH, 2001, OLIVEIRA, 2004): A extração de dados do ambiente operacional para o ambiente de data warehouse demanda uma mudança na tecnologia. Os dados são transferidos de bancos de dados hierárquicos, tal como o adabas, ou de bases do grande porte, como o DB2, para uma nova tecnologia de SGBD para Data Warehouse, tal como o IQ da Sybase, Red Brick da Informix, Essbase ou o DB2 para DW; Curso - Data Warehousing 6
7 A seleção de dados do ambiente operacional pode ser muito complexa, pois muitas vezes é necessário selecionar vários campos de um sistema transacional para compor um único campo no data warehouse; Outro fator que deve ser levado em conta é que dificilmente há o modelo de dados dos sistemas antigos, e se existem não estão documentados; Os dados são reformatados. Por exemplo: um campo data do sistema operacional do tipo DD/MM/AAAA pode ser passado para o outro sistema do tipo ano e mês como AAAA/ MM; Quando há vários arquivos de entrada, a escolha das chaves deve ser feita antes que os arquivos sejam intercalados. Isso significa que se diferentes estruturas de chaves são usadas nos diferentes arquivos de entrada, então se deve optar por apenas uma dessas estruturas; Os arquivos devem ser gerados obedecendo à mesma ordem das colunas estipuladas no ambiente de data warehouse; Pode haver vários resultados. Dados podem ser produzidos em diferentes níveis de resumo pelo mesmo programa de criação do data warehouse; Valores default devem ser fornecidos. Às vezes pode existir um campo no data warehouse que não possui fonte de dados, então a solução é definir um valor padrão para estes campos. Importante O data warehouse espelha as informações históricas necessárias, enquanto o ambiente operacional focaliza as informações pontuais correntes. A parte de carga dos dados também possui uma enorme complexidade, e os seguintes fatores devem ser levados em conta: A parte de Integridade dos dados. No momento da carga é necessário checar os campos que são chaves estrangeiras com suas respectivas tabelas para certificar-se de que os dados existentes na tabela da chave estrangeira estão de acordo com a tabela da chave primária; Se a tabela deve receber uma carga incremental ou a carga por cima dos dados. A carga incremental normalmente é feita para tabelas fato e a carga por cima dos dados é feita em tabelas dimensões onde o analista terá que deletar os dados existentes e incluí-los novamente. Mas, em alguns casos, poderá acontecer que as tabelas de dimensões tenham de manter o histórico, então o mesmo deverá ser mantido; Apesar de existirem ferramentas de ETL como o DTS (Data Transformation Service), Data Stage, ETI, Acta e Sagent, ainda têm-se a necessidade de criar rotinas de carga para atender determinadas situações que poderão ocorrer. As ferramentas de ETL mais utilizadas no mercado são o Data Stage da Ardent, agora adquirido pela Informix, o ETI da IBM, Sagent da própria Sagent, Informática Power Conect da Informática e o DTS da Microsoft. Todos têm os seus diferenciais e cada um poderá ser utilizado dependendo do caso de cada empresa. Algumas ferramentas têm a curva de aprendizado mais suave, outras um pouco mais íngreme, mas em certos casos mesmo sendo uma ferramenta de difícil aprendizado exigindo maiores investimentos em pessoal, serão compensados com o desempenho e flexibilidade da mesma. Há outras ferramentas que têm custo zero de aquisição, pois, vem embutida junto com um SGBD (Sistema Gerenciador de Banco de Dados), mas, em contrapartida são bastante limitadas no tocante à extração de dados e exigem uma maior codificação dos processos de ETL, em relação às outras. O que vale dizer é que uma ferramenta de ETL tem grande valia, principalmente se os sistemas OLTP (transacionais) são muitos, pois ela é uma poderosa fonte de geração de metadados, e que contribuirão muito para a produtividade da sua equipe, porém devese tomar muito cuidado ao escolhê-la. Seja minucioso, teste o máximo de ferramentas que puder e veja qual é a mais adequada ao seu caso, pois elas exigem um alto investimento, tanto em capacitação, quanto na própria aquisição. Em alguns casos é interessante o auxílio de profissionais externos para a escolha. O fato verdadeiro é que os benefícios serão bastante vistosos e a produtividade aumentará consideravelmente. Curso - Data Warehousing 7
8 4. Data Mart versus Data Warehouse Por muitos anos, todos os sistemas que extraíam dados de sistemas legados e os armazenavam, de maneira utilizável para suporte à decisão, eram chamados data warehouses. Ao longo dos últimos anos, uma distinção tem sido feita entre os data warehouses corporativos e os departamentais data marts, mesmo que, geralmente, o conceito ainda continue sendo chamado de data warehousing. Debates na indústria em geral indicam que aproximadamente 70 a 80 por cento de todos os data warehouses, atualmente em produção, são, de fato, data marts. Na Conferência de fevereiro do Meta Group/DCI 1997 Data Warehouse World Conference, observou-se que o foco dos departamentos de informática tem se transferido da justificação do custo de implementação de data warehouses para a entrega de aplicações de data marts. Os data marts atendem às necessidades de unidades específicas de negócio, ao invés de atender às da corporação inteira. Eles otimizam a entrega de informação de suporte à decisão e se focam na gerência sumarizada e/ou dados exemplificativos ao invés do histórico de níveis atomizados. Eles podem ser apropriados e gerenciados por pessoal fora do departamento de informática das corporações. A crescente popularidade desses mal definidos data marts em cima da popularidade dos grandes sistemas de data warehouses corporativos é baseada em muitos bons motivos: Os data marts têm diminuído drasticamente o custo de implementação e manutenção de sistemas de apoio à decisão e os têm posto ao alcance de um número muito maior de corporações; Eles podem ser prototipados muito mais rápido, com alguns pilotos sendo construídos entre 30 e 120 dias e sistemas completos sendo construídos entre 3 e seis meses; Os data marts têm o escopo mais limitado e são mais identificados com grupos de necessidades dos usuários, o que se traduz em esforço/time concentrado. Os departamentos autônomos e as pequenas unidades de negócio freqüentemente preferem construir o seu próprio sistema de apoio à decisão, via data marts. Muitos departamentos de informática estão vendo a efetividade desta abordagem e estão construindo agora o data warehouse por assunto ou um data mart por vez; ganhando experiência gradualmente e garantindo o suporte dos fatores chave de gerenciamento e vendo, então, benefícios concretos muitas vezes ao ano. Começando com planos modestos e os desenvolvendo à medida que se adquire mais conhecimento sobre as fontes de dados e às necessidades dos usuários, faz com que as organizações justifiquem os data marts enquanto progridem. Algumas vezes, projetos que começam como data warehouses se transformam em data marts. Quando as organizações acumulam grandes volumes de dados históricos para suporte à decisão que se mostram pouco ou nunca utilizados, elas podem reduzir o armazenamento ou arquivamento de informação e contrair o seu data warehouse em um data mart mais focado. Ou, elas podem dividir o warehouse em vários data marts, oferecendo tempo de resposta mais rápido, acesso mais fácil e menos complexidade para os usuários finais. Tanto um Data Warehouse quanto um Data Mart são sistemas orientados a consultas, sobre os quais se produzem processos batch com elevada carga de dados e baixa freqüência. Ambos, data mart e data warehouse, são consultados mediante ferramentas OLAP (On Line Analytical Processing) que oferecem uma visão multidimensional da informação (DALLORA, 2004). Curso - Data Warehousing 8
9 5. Conclusões A escolha de um data mart ou de um data warehouse é diretamente proporcional à necessidade da empresa e de seus processos de negócio. No entanto, se faz necessário o uso da extração de dados de fontes que em princípio devam ser confiáveis, pois este é o ponto de partida para a carga de dados no banco de dados. A transformação dos dados é o passo seguinte, que deve ser feito de tal forma, que mantenha a qualidade dos dados em questão para então proceder com a devida carga no banco de dados. O processo ETL é fundamental para a manutenção do banco de dados, e deve ser atualizado para adequar-se aos novos processos de negócio que são adotados pela empresa, visto que estes processos geralmente ocorrem em função do dinamismo decorrente do mercado. 6. Atividade Introdução O objetivo desta atividade é mostrar um exemplo prático de implantação de data warehouse; e verificar a habilidade do aluno em identificar os conceitos estudados e as vantagens obtidas pela organização que implantou o data warehouse. Processo Depois de ler e analisar o artigo intitulado Vantagens Obtidas com a Utilização da Implantação do Data Warehouse: Um Estudo de Caso na Unimed de Francisco Beltrão (<Artigo_ Unimed_Unidade7.pdf>), realizar as seguintes atividades: 1. Defina os seguintes termos: data warehouse e data mart. 2. Comente sobre as vantagens obtidas pela Unimed depois de implantar um data warehouse. 3. Quais são os requisitos que uma organização deve cumprir para obter bons resultados com a implantação de um data warehouse? 4. Elabore uma análise crítica do artigo, comentando seu parecer sobre o estudo de caso analisado. Curso - Data Warehousing 9
10 Materiais complementares INMON, William H.. Como construir o Data warehouse. 2ª ed. New York: Editora Campus, MACHADO, Felipe Nery Rodrigues. Tecnologia e Projeto de Data Warehouse. 1ª Edição. São Paulo: Editora Érica, 2004, 318p. QUADROS, A. A., MUNIZ, D.B., NETO, D.F., FILHO, J.D. Introdução ao Banco de Dados Data Warehouse, Departamento de Ciência da Computação, Salvador, 14p. HACKNEY, Douglas. Data Warehouse Delivery: Who are You? Part I. DM Review Magazine, v.8, n. 2, Bibliografia DALLORA. M., GOES, W. M., ROSA, N. A., CORABOLANTE, F. J., SANTOS, F. G., Proposta de utilização de um Data Mart no centro cirúrgico do HCFMRP-USP, ix Congresso Brasileiro de Informática em Saúde, CBIS 2004, Ribeirão Preto, KIMBALL, Ralph; ROSS, Margy. The Data Warehouse Toolkit Guia Completo para Modelagem Dimensional. Tradução da 2ª. ed. Rio de Janeiro, Campus, 2002 SINGH, H. S. Data Warehouse: conceitos, tecnologias, implantação e gerenciamento. Makron Books, OLIVEIRA, A. G., DENISE, F. G. Mineração da Base de Dados de um Processo Seletivo Universitário, INFOCOMP, Revista de Ciência da Computação, vol. 3, n.2, nov Curso - Data Warehousing 10
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 maisUNG CIC Tópicos Especiais de TI. Aula 13
Aula 13 1. Data Warehouse Armazém de Dados (Continuação) 1 Erros na implantação de um Data Warehouse Segundo o Data Warehousing Institute existem dez erros mais comuns na implantação de um Data Warehouse
Leia maisAdriano 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 maisBanco 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 maisDATA 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 maisComplemento 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 maisData 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 maisPlanejamento 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
Leia maisMódulo 4: Gerenciamento de Dados
Módulo 4: Gerenciamento de Dados 1 1. CONCEITOS Os dados são um recurso organizacional decisivo que precisa ser administrado como outros importantes ativos das empresas. A maioria das organizações não
Leia maisSUMÁRIO 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 maisData 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 maisData 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 maisPLANO 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 maisInteratividade 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 maissrbo@ufpa.br www.ufpa.br/srbo
CBSI Curso de Bacharelado em Sistemas de Informação BI Prof. Dr. Sandro Ronaldo Bezerra Oliveira srbo@ufpa.br www.ufpa.br/srbo Tópicos Especiais em Sistemas de Informação Faculdade de Computação Instituto
Leia maisDATA 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 maisData 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 mais5 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 maisCurso 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 4.1 2 1 Material usado na montagem dos Slides BARBIERI,
Leia maisBusiness 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 maisPlanejamento 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 maisData 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 maisKimball University: As 10 Regras Essenciais para a Modelagem de Dados Dimensional
Kimball University: As 10 Regras Essenciais para a Modelagem de Dados Dimensional Margy Ross Presidente Kimball Group Maio de 2009, Intelligent Enterprise.com Tradução livre para a língua portuguesa por
Leia maisTÓPICOS 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 maisCurso 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 maisConceitos de Banco de Dados
Conceitos de Banco de Dados Autor: Luiz Antonio Junior 1 INTRODUÇÃO Objetivos Introduzir conceitos básicos de Modelo de dados Introduzir conceitos básicos de Banco de dados Capacitar o aluno a construir
Leia maisTOTVS BA Guia de Customização Linha Logix
TOTVS BA Guia de Customização Linha Logix Guia de Customização Sumário Título do documento 1. Objetivo... 3 2. Introdução... 3 3. Customização... 3 2 TOTVS BA Linha Logix Guia de Customização Projeto/Versão:
Leia maisResumo 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 maisSoluções de Inteligência de Negócio e Mercado
Soluções de Inteligência de Negócio e Mercado Fernando Garre e Majela Fortes Especialistas em consultoria de Business Intelligence / Data Warehouse Consultoria focada nas Soluções de Business Intelligence
Leia maisUma 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 maisCONSIDERAÇÕES 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 maisProcessos Técnicos - Aulas 4 e 5
Processos Técnicos - Aulas 4 e 5 Trabalho / PEM Tema: Frameworks Públicos Grupo: equipe do TCC Entrega: versão digital, 1ª semana de Abril (de 31/03 a 04/04), no e-mail do professor (rodrigues.yuri@yahoo.com.br)
Leia maisMRP II. Planejamento e Controle da Produção 3 professor Muris Lage Junior
MRP II Introdução A lógica de cálculo das necessidades é conhecida há muito tempo Porém só pode ser utilizada na prática em situações mais complexas a partir dos anos 60 A partir de meados da década de
Leia maisCurso 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 maisFUNDAMENTOS 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 maisATIVIDADES PRÁTICAS SUPERVISIONADAS
ATIVIDADES PRÁTICAS SUPERVISIONADAS Tecnologia em Gestão da Tecnologia da Informação 4ª. Série Administração de Banco de Dados A atividade prática supervisionada (ATPS) é um método de ensinoaprendizagem
Leia mais05/06/2012. Banco de Dados. Gerenciamento de Arquivos. Gerenciamento de Arquivos Sistema Gerenciador de Banco de Dados Modelos de Dados
Banco de Dados Gerenciamento de Arquivos Sistema Gerenciador de Banco de Dados Modelos de Dados Gerenciamento de Arquivos Gerenciamento de Arquivos 1 Gerenciamento de Arquivos Em uma indústria são executadas
Leia maisA importância da. nas Organizações de Saúde
A importância da Gestão por Informações nas Organizações de Saúde Jorge Antônio Pinheiro Machado Filho Consultor de Negócios www.bmpro.com.br jorge@bmpro.com.br 1. Situação nas Empresas 2. A Importância
Leia maisIntrodução ao GED Simone de Abreu
Introdução ao GED Simone de Abreu GED O que é isso? O conhecimento teve, ao longo da história, diferentes significados e funções. No tempo das cavernas nossos antepassados transmitiam aos seus descendentes
Leia maisISO/IEC 12207: Gerência de Configuração
ISO/IEC 12207: Gerência de Configuração Durante o processo de desenvolvimento de um software, é produzida uma grande quantidade de itens de informação que podem ser alterados durante o processo Para que
Leia maisDATA WAREHOUSE. Data Warehouse
DATA WAREHOUSE Data Warehouse Sumário Conceitos / Autores chave... 3 1. Introdução... 5 2. Características de um Data Warehouse... 6 3. Arquitetura de Data Wirehouse... 8 4. Conclusões... 10 Materiais
Leia maisTERMO DE REFERÊNCIA Nº 4031 PARA CONTRATAÇÃO DE PESSOA FÍSICA PROCESSO DE SELEÇÃO - EDITAL Nº
Impresso por: RAFAEL DE SOUZA RODRIGUES DOS SANTOS Data da impressão: 10/08/015-14:4:5 SIGOEI - Sistema de Informações Gerenciais da OEI TERMO DE REFERÊNCIA Nº 401 PARA CONTRATAÇÃO DE PESSOA FÍSICA PROCESSO
Leia maisSISTEMAS DE GESTÃO São Paulo, Janeiro de 2005
SISTEMAS DE GESTÃO São Paulo, Janeiro de 2005 ÍNDICE Introdução...3 A Necessidade do Gerenciamento e Controle das Informações...3 Benefícios de um Sistema de Gestão da Albi Informática...4 A Ferramenta...5
Leia maisFeature-Driven Development
FDD Feature-Driven Development Descrição dos Processos Requisitos Concepção e Planejamento Mais forma que conteúdo Desenvolver um Modelo Abrangente Construir a Lista de Features Planejar por
Leia maisO Que é Data Warehouse
O Que é Data Warehouse Escrito por Carlos Alberto Sowek Buscando dar uma melhor visão sobre uma proposta de arquitetura de um Data Warehouse para a Celepar, bem como para os clientes da Celepar, sentimos
Leia maisENGENHARIA DE SOFTWARE I
ENGENHARIA DE SOFTWARE I Prof. Cássio Huggentobler de Costa [cassio.costa@ulbra.br] Twitter: www.twitter.com/cassiocosta_ Agenda da Aula (002) Metodologias de Desenvolvimento de Softwares Métodos Ágeis
Leia maisMódulo 15 Resumo. Módulo I Cultura da Informação
Módulo 15 Resumo Neste módulo vamos dar uma explanação geral sobre os pontos que foram trabalhados ao longo desta disciplina. Os pontos abordados nesta disciplina foram: Fundamentos teóricos de sistemas
Leia maisMódulo 4. Construindo uma solução OLAP
Módulo 4. Construindo uma solução OLAP Objetivos Diferenciar as diversas formas de armazenamento Compreender o que é e como definir a porcentagem de agregação Conhecer a possibilidade da utilização de
Leia maisESTUDO DE VIABILIDADE. Santander, Victor - Unioeste Aula de Luiz Eduardo Guarino de Vasconcelos
ESTUDO DE VIABILIDADE Santander, Victor - Unioeste Aula de Luiz Eduardo Guarino de Vasconcelos Objetivos O que é um estudo de viabilidade? O que estudar e concluir? Benefícios e custos Análise de Custo/Benefício
Leia maisLista de verificação (Check list) para planejamento e execução de Projetos
www.tecnologiadeprojetos.com.br Lista de verificação (Check list) para planejamento e execução de Projetos Eduardo F. Barbosa Dácio G. Moura Material didático utilizado na disciplina Desenvolvimento de
Leia maisPROCESSO DE DESENVOLVIMENTO DE SOFTWARE. Modelos de Processo de Desenvolvimento de Software
PROCESSO DE DESENVOLVIMENTO DE SOFTWARE Introdução Modelos de Processo de Desenvolvimento de Software Os modelos de processos de desenvolvimento de software surgiram pela necessidade de dar resposta às
Leia maisFATEC Cruzeiro José da Silva. Ferramenta CRM como estratégia de negócios
FATEC Cruzeiro José da Silva Ferramenta CRM como estratégia de negócios Cruzeiro SP 2008 FATEC Cruzeiro José da Silva Ferramenta CRM como estratégia de negócios Projeto de trabalho de formatura como requisito
Leia maisNo 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
Leia maisUniversidade Federal de Santa Maria Curso de Arquivologia. Disciplina de Banco de Dados Aplicados à Arquivística. Versao 1.
Universidade Federal de Santa Maria Curso de Arquivologia Disciplina de Banco de Dados Aplicados à Arquivística Prof. Andre Zanki Cordenonsi Versao 1.0 Março de 2008 Tópicos Abordados Conceitos sobre Banco
Leia maisPalavras-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 maisData 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 maisPlataformas de BI Qual é a mais adequada para o meu negócio?
Plataformas de BI Qual é a mais adequada para o meu negócio? Comparativo prático para escolher a ferramenta perfeita para a sua empresa Faça nosso Quiz e veja as opções que combinam com o seu perfil ÍNDICE
Leia mais3 Qualidade de Software
3 Qualidade de Software Este capítulo tem como objetivo esclarecer conceitos relacionados à qualidade de software; conceitos estes muito importantes para o entendimento do presente trabalho, cujo objetivo
Leia maisGESTÃO DAS INFORMAÇÕES DAS ORGANIZAÇÕES MÓDULO 11
GESTÃO DAS INFORMAÇÕES DAS ORGANIZAÇÕES MÓDULO 11 Índice 1. Importância do ERP para as organizações...3 2. ERP como fonte de vantagem competitiva...4 3. Desenvolvimento e implantação de sistema de informação...5
Leia maisDESENVOLVIMENTO 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 maisTabela e Gráficos Dinâmicos Como estruturar dinamicamente dados no Excel
Tabela e Gráficos Dinâmicos Como estruturar! Para que serve a Tabela e o Gráfico Dinâmico?! Como criar uma Tabela Dinâmica?! Como criar um Gráfico Dinâmico?! Como podemos atualizar dos dados da Tabela
Leia maisSistema de Informação Gerencial baseado em Data Warehouse aplicado a uma software house
Universidade Regional de Blumenau Centro de Ciências Exatas e Naturais Curso de Sistemas de Informação (Bacharelado) Sistema de Informação Gerencial baseado em Data Warehouse aplicado a uma software house
Leia maisProcessos de Desenvolvimento de Software
Processos de Desenvolvimento de Software Gerenciamento de Projetos Mauro Lopes Carvalho Silva Professor EBTT DAI Departamento de Informática Campus Monte Castelo Instituto Federal de Educação Ciência e
Leia maisIMPLANTAÇÃO 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 maisEstruturando o modelo de RH: da criação da estratégia de RH ao diagnóstico de sua efetividade
Estruturando o modelo de RH: da criação da estratégia de RH ao diagnóstico de sua efetividade As empresas têm passado por grandes transformações, com isso, o RH também precisa inovar para suportar os negócios
Leia maisGerenciamento de Dados e Gestão do Conhecimento
ELC1075 Introdução a Sistemas de Informação Gerenciamento de Dados e Gestão do Conhecimento Raul Ceretta Nunes CSI/UFSM Introdução Gerenciando dados A abordagem de banco de dados Sistemas de gerenciamento
Leia maisREDUZINDO AS QUEBRAS ATRAVÉS DA MANUTENÇÃO PROFISSIONAL
REDUZINDO AS QUEBRAS ATRAVÉS DA MANUTENÇÃO PROFISSIONAL Luiz Rodrigo Carvalho de Souza (1) RESUMO O alto nível de competitividade exige que as empresas alcancem um nível de excelência na gestão de seus
Leia maisTópicos 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 mais4o ENCONTRO DE USUÁRIOS DE BI
4o ENCONTRO DE USUÁRIOS DE BI Contextualizando Para o quarto Encontro de Usuários de Bi o tema escolhido foi sobre os mo8vos que levam projetos de BI a serem tão longos e o que poderia ser feito para torná-
Leia maisMídias sociais como apoio aos negócios B2C
Mídias sociais como apoio aos negócios B2C A tecnologia e a informação caminham paralelas à globalização. No mercado atual é simples interagir, aproximar pessoas, expandir e aperfeiçoar os negócios dentro
Leia maisDESENVOLVENDO O SISTEMA
DESENVOLVENDO O SISTEMA Declaração da Necessidade O primeiro passo do processo de análise de sistema envolve a identificação da necessidade [Pressman-95]. Normalmente o analista reúne-se com o usuário
Leia maisUma 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 maisAssessoria Técnica de Tecnologia da Informação - ATTI SIGA SAÚDE - BUSINESS INTELLIGENCE BI SIGA-SP. Manual de Orientação
Assessoria Técnica de Tecnologia da Informação - ATTI SIGA SAÚDE - BUSINESS INTELLIGENCE BI SIGA-SP Versão 1 Manual de Orientação Conteúdo 1. Introdução 3 2. Abrangência 4 3. Vagas 5 4. Fila de Espera
Leia maisRESUMO DA SOLUÇÃO CA ERwin Modeling. Como eu posso gerenciar a complexidade dos dados e aumentar a agilidade dos negócios?
RESUMO DA SOLUÇÃO CA ERwin Modeling Como eu posso gerenciar a complexidade dos dados e aumentar a agilidade dos negócios? O CA ERwin Modeling fornece uma visão centralizada das principais definições de
Leia mais04/08/2012 MODELAGEM DE DADOS. PROF. RAFAEL DIAS RIBEIRO, M.Sc. @ribeirord MODELAGEM DE DADOS. Aula 2. Prof. Rafael Dias Ribeiro. M.Sc.
MODELAGEM DE DADOS PROF. RAFAEL DIAS RIBEIRO, M.Sc. @ribeirord MODELAGEM DE DADOS Aula 2 Prof. Rafael Dias Ribeiro. M.Sc. @ribeirord 1 Objetivos: Revisão sobre Banco de Dados e SGBDs Aprender as principais
Leia maisGuia de utilização da notação BPMN
1 Guia de utilização da notação BPMN Agosto 2011 2 Sumário de Informações do Documento Documento: Guia_de_utilização_da_notação_BPMN.odt Número de páginas: 31 Versão Data Mudanças Autor 1.0 15/09/11 Criação
Leia maisAjuda ao SciEn-Produção 1. 1. O Artigo Científico da Pesquisa Experimental
Ajuda ao SciEn-Produção 1 Este texto de ajuda contém três partes: a parte 1 indica em linhas gerais o que deve ser esclarecido em cada uma das seções da estrutura de um artigo cientifico relatando uma
Leia maisMINISTÉRIO DA EDUCAÇÃO FUNDO NACIONAL DE DESENVOLVIMENTO DA EDUCAÇÃO TERMO DE REFERÊNCIA PARA CONTRATAÇÃO DE PESSOA FÍSICA - CONSULTOR POR PRODUTO
MINISTÉRIO DA EDUCAÇÃO FUNDO NACIONAL DE DESENVOLVIMENTO DA EDUCAÇÃO TERMO DE REFERÊNCIA PARA CONTRATAÇÃO DE PESSOA FÍSICA - CONSULTOR POR PRODUTO Analista Desenvolvedor de ETL OEI/TOR/FNDE/CGETI Nº /09
Leia maisGovernança de TI. ITIL v.2&3. parte 1
Governança de TI ITIL v.2&3 parte 1 Prof. Luís Fernando Garcia LUIS@GARCIA.PRO.BR ITIL 1 1 ITIL Gerenciamento de Serviços 2 2 Gerenciamento de Serviços Gerenciamento de Serviços 3 3 Gerenciamento de Serviços
Leia mais5o ENCONTRO DE USUÁRIOS DE BI
5o ENCONTRO DE USUÁRIOS DE BI Contextualizando Para o quinto Encontro de Usuários de BI, o tema escolhido foi a importância de adotar uma Arquitetura de Referência em projetos de BI. Durante os encontros
Leia maisFornecendo Inteligência, para todo o mundo, a mais de 20 anos.
Fornecendo Inteligência, para todo o mundo, a mais de 20 anos. Fundada em 1989, a MicroStrategy é fornecedora líder Mundial de plataformas de software empresarial. A missão é fornecer as plataformas mais
Leia maisSAD. 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
Leia maisSGQ 22/10/2010. Sistema de Gestão da Qualidade. Gestão da Qualidade Qualquer atividade coordenada para dirigir e controlar uma organização para:
PARTE 2 Sistema de Gestão da Qualidade SGQ Gestão da Qualidade Qualquer atividade coordenada para dirigir e controlar uma organização para: Possibilitar a melhoria de produtos/serviços Garantir a satisfação
Leia maisMetadados. 1. Introdução. 2. O que são Metadados? 3. O Valor dos Metadados
1. Introdução O governo é um dos maiores detentores de recursos da informação. Consequentemente, tem sido o responsável por assegurar que tais recursos estejam agregando valor para os cidadãos, as empresas,
Leia maisO Plano Financeiro no Plano de Negócios Fabiano Marques
O Plano Financeiro no Plano de Negócios Fabiano Marques Seguindo a estrutura proposta em Dornelas (2005), apresentada a seguir, podemos montar um plano de negócios de forma eficaz. É importante frisar
Leia maisDistribuidor de Mobilidade GUIA OUTSOURCING
Distribuidor de Mobilidade GUIA OUTSOURCING 1 ÍNDICE 03 04 06 07 09 Introdução Menos custos e mais controle Operação customizada à necessidade da empresa Atendimento: o grande diferencial Conclusão Quando
Leia maisModelo de dados do Data Warehouse
Modelo de dados do Data Warehouse Ricardo Andreatto O modelo de dados tem um papel fundamental para o desenvolvimento interativo do data warehouse. Quando os esforços de desenvolvimentos são baseados em
Leia maisDisciplina de Banco de Dados Introdução
Disciplina de Banco de Dados Introdução Prof. Elisa Maria Pivetta CAFW - UFSM Banco de Dados: Conceitos A empresa JJ. Gomes tem uma lista com mais ou menos 4.000 nomes de clientes bem como seus dados pessoais.
Leia maisRequisitos 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 maisPós-Graduação em Gerenciamento de Projetos práticas do PMI
Pós-Graduação em Gerenciamento de Projetos práticas do PMI Planejamento do Gerenciamento das Comunicações (10) e das Partes Interessadas (13) PLANEJAMENTO 2 PLANEJAMENTO Sem 1 Sem 2 Sem 3 Sem 4 Sem 5 ABRIL
Leia maisProf. JUBRAN. Aula 1 - Conceitos Básicos de Sistemas de Informação
Prof. JUBRAN Aula 1 - Conceitos Básicos de Sistemas de Informação Conhecimento em Sistemas de Informação Os filósofos tentam há séculos definir dados ou fatores, informação e conhecimento. Seus resultados
Leia maisGestão de Relacionamento com o Cliente CRM
Gestão de Relacionamento com o Cliente CRM Fábio Pires 1, Wyllian Fressatti 1 Universidade Paranaense (Unipar) Paranavaí PR Brasil pires_fabin@hotmail.com wyllian@unipar.br RESUMO. O projeto destaca-se
Leia maisHoje é inegável que a sobrevivência das organizações depende de dados precisos e atualizados.
BANCO DE DADOS Universidade do Estado de Santa Catarina Centro de Ciências Tecnológicas Departamento de Ciência da Computação Prof. Alexandre Veloso de Matos alexandre.matos@udesc.br INTRODUÇÃO Hoje é
Leia maisCurso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan
Faculdade INED Curso Superior de Tecnologia em Banco de Dados Disciplina: Projeto de Banco de Dados Relacional II Prof.: Fernando Hadad Zaidan 1 Unidade 4.4 2 1 BI BUSINESS INTELLIGENCE BI CARLOS BARBIERI
Leia maisTecnologia em Gestão Pública Desenvolvimento de Projetos - Aula 9 Prof. Rafael Roesler
Tecnologia em Gestão Pública Desenvolvimento de Projetos - Aula 9 Prof. Rafael Roesler Introdução Objetivos da Gestão dos Custos Processos da Gerência de Custos Planejamento dos recursos Estimativa dos
Leia maisThalita Moraes PPGI Novembro 2007
Thalita Moraes PPGI Novembro 2007 A capacidade dos portais corporativos em capturar, organizar e compartilhar informação e conhecimento explícito é interessante especialmente para empresas intensivas
Leia mais