DATA WAREHOUSE. Prof. Fulvio Cristofoli. Armazenagem De Dados.

Transcrição

1 DATA WAREHOUSE Armazenagem De Dados Prof. Fulvio Cristofoli

2 Conceito Data Warehouse é um banco de dados orientado por assunto, integrado, não volátil e histórico, criado para suportar o processo de tomada de decisão. Willian H. Inmon Um DATA WAREHOUSE (ou armazém de dados, ou depósito de dados no Brasil) é um sistema de computação utilizado para armazenar informações relativas às atividades de uma organização em banco 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.

3 Conceito Geralmente, o Data Warehouse não armazena informações sobre os processos correntes de uma única atividade de negócio, mas sim cruzamentos e consolidações de várias unidades de negócios de uma empresa.

4 Conceito Data Mining: modelos estatísticos que permitem descobrir padrões de comportamento, sem partir de hipóteses Data Warehouse: repositório central de informações detalhadas, baseado em conceitos comuns à toda organização Data Mining Data Warehouse Data Mart EIS Data Mart: provê acesso fácil e interativo às informações, para análise de comportamentos EIS: provê informações de indicadores estratégicos para executivos de alto nível

5 Como Funciona? A figura ao lado exibe um esquema de um DW montado a partir de Data Marts

6 Apoio Um DW permite a geração de dados integrados e históricos, auxiliando os diretores a decidirem embasados em fatos e não em intuições ou especulações, o que reduz a probabilidade de erros e aumentado a velocidade na hora da decisão. Cerca de 88% dos diretores admitem que dedicam quase 75% do tempo às tomadas de decisão apoiadas em análises subjetivas (Aspect International Consulting, 1997), menosprezando o fato de que por volta de 100% deles tem acesso a computadores. Conhecer mais sobre essa tecnologia permitirá aos administradores descobrir novas maneiras de diferenciar sua empresa numa economia globalizada, deixando-os mais seguros para definirem as metas e adotarem diferentes estratégias em sua organização, conseguindo assim visualizarem antes de seus concorrentes novos mercados e oportunidades atuando de maneiras diferentes conforme o perfil de seus consumidores.

7 Apoio Conhecer mais sobre essa tecnologia permitirá aos administradores descobrir novas maneiras de diferenciar sua empresa numa economia globalizada, deixando-os mais seguros para definirem as metas e adotarem diferentes estratégias em sua organização, conseguindo assim visualizarem antes de seus concorrentes novos mercados e oportunidades atuando de maneiras diferentes conforme o perfil de seus consumidores. Um Data Warehouse pode armazenar grandes quantidades de informação, às vezes divididas em unidades lógicas menores que são chamadas de Data Marts.

8 Data Marts DATA MART (entreposto ou bazar de dados) é sub-conjunto de dados de um Data Warehouse (armazém de dados). Geralmente são dados referentes a um assunto em especial (ex: Vendas, Estoque, Controladoria) ou diferentes níveis de sumarização (ex: Vendas Anual, Vendas Mensal, Vendas 5 anos), que focalizam uma ou mais áreas específicas. Seus dados são obtidos do DW, desnormalizados e indexados para suportar intensa pesquisa. Data marts extraem e ajustam porções de DWs aos requisitos específicos de grupos/departamentos.

9 Data Marts Data Marts são tipos especiais de Data Warehouse,, contendo dados específicos para uma área ou departamento da empresa. É um subconjunto dos dados empresariais que contém m dados úteis apenas para uma unidade de negócio específica ou departamento. Os Data Marts são muito bem aceitos no campo empresarial, pois por suas características exigem menos investimento de infra-estrutura, produzem resultados mais rapidamente e são escaláveis até um Data Warehouse.

10 Ferramentas OLAP As ferramentas OLAP (do inglês, Online Analytical Processing) são geralmente desenvolvidas para trabalhar com banco de dados, embora existam ferramentas que trabalham com esquemas especiais de armazenamento, com dados (informações) normalizados. Essas ferramentas são capazes de navegar pelos dados de um Data Warehouse, possuindo uma estrutura adequada tanto para a realização de pesquisas como para a apresentação de informações.

11 Ferramentas Nas ferramentas de navegação OLAP, é possível navegar entre diferentes granularidades (detalhamento) de um cubo de dados O que é OLAP? Processamento de dados; Dedicado ao suporte a decisão; Por meio de visualização de dados agregrados ao longo de várias dimensões analíticas (tempo, espaço, categoria de produto, quantidade vendida, preço...); Hierarquizadas em várias granularidades; Armazenados em BD especializadas; Seguindo um modelo lógico de dados multidimensional; Chamados de Data Warehouse, Data Mart ou BD multidimensionais.

12 Exemplo de Consultas Quais foram os produtos mais vendidos no mês passado? A média salarial dos funcionários de informática com menos de 5 anos de experiência é maior do que a mesma para funcionários de telecomunicação? Qual foi o total de vendas o mês passado por região de vinhos tintos importados da Europa? Por quais semanas, quais produtos e quais cidades, a variação de venda de produtos em promoção em comparação da semana anterior sem promoção foi 15%

13 Tela de Sistema OLAP Prof. Fulvio Cristofoli

14 Tela de Sistema OLAP Prof. Fulvio Cristofoli

15 Cubóide de Dados: Exemplo 3D

16 Cubóide de Dados: Exemplo 4D Chicago New York Toronto Vancouver loc a tion (c ities) tim e (q u a rte rs) Q1 Q supplier = ÒSUP1Ó supplier = ÒSUP2Ó supplier = ÒSUP3Ó Q3 Q4 computer home entertainment phone item (types) security computer home entertainment phone item (types) security computer home entertainment phone item (types) security

17 Reticulado de Cubóide all 0-D (apex) cuboid time item location supplier 1-D cuboids time, item time, supplier item, supplier time, location item, location location, 2-D cuboids supplier time, item, location time, location, supplier time, item, supplier item, location, supplier 3-D cuboids time, item, location, supplier 4-D (base) cuboid

18 Referências Bibliográficas ALFREDO, Luís V. de Carvalho. Data mining, A Mineração de Dados. Editora Érica, AMARAL, Fernanda C. Naliato. Data Mining, Técnicas e aplicações para o Marketing Direto. Berkeley Brasil, ILMAN, W.H., WELCH, J.D., GLASSEY, K.L.. Gerenciando Data Warehouse. São Paulo: Makron Books,1999. INMON, W.H. Como Construir o Data Warehouse. São Paulo: Makron Books,1998. KIMBALL, Ralph. Data warehouse Toolkit. São Paulo: Makron Books,1998. OLIVEIRA, A.G. Data Warehouse Conceitos e Soluções. Florianópolis: Advanced,1998. REFERÊNCIAS INTERNET