DEFINIÇÃO CONCEITUAL DE UM AMBIENTE DATA WAREHOUSE PARA OS INDICADORES DE DESEMPENHO UTILIZADOS COMO APOIO NOS PROCESSOS DECISÓRIOS DA UNIVERSIDADE DO

UNIVERSIDADE DO EXTREMO SUL CATARINENSE - UNESC CURSO DE PÓS-GRADUAÇÃO ESPECIALIZAÇÃO EM MBA GERENCIAMENTO EM BANCO DE DADOS DIRLENE UGGIONI DALTOÉ DEFINIÇÃO CONCEITUAL DE UM AMBIENTE DATA WAREHOUSE PARA OS INDICADORES DE DESEMPENHO UTILIZADOS COMO APOIO NOS PROCESSOS DECISÓRIOS DA UNIVERSIDADE DO EXTREMO SUL CATARINENSE - UNESC CRICIÚMA, JULHO DE 2005

1 DIRLENE UGGIONI DALTOÉ DEFINIÇÃO CONCEITUAL DE UM AMBIENTE DATA WAREHOUSE PARA OS INDICADORES DE DESEMPENHO UTILIZADOS COMO APOIO NOS PROCESSOS DECISÓRIOS DA UNIVERSIDADE DO EXTREMO SUL CATARINENSE - UNESC Monografia apresentada à Diretoria de Pós- Graduação da Universidade do Extremo Sul Catarinense UNESC, para a obtenção do título de especialista em MBA Gerenciamento de Banco de Dados. Orientador: Valéria de Araújo CRICIÚMA, JULHO DE 2005.

2 AGRADECIMENTOS A Valéria de Araújo, minha orientadora, que contribuiu muito para o sucesso do trabalho, conduzindo-me sabiamente, não deixando que me desviasse dos objetivos do mesmo.

3 RESUMO Os bancos de dados tradicionais, utilizados hoje na grande maioria das Instituições de Ensino Superior (IES), não oferecem informações gerencias seguras e no tempo de resposta desejado. O Data WareHouse (DW), poderosa ferramenta de armazenamento de dados surgida no anos 90, com todos os seus conceitos de integração, integridade e disponibilidade de informação é a tecnologia que veio para suprir esta deficiência. Por meio da modelagem conceitual de um DW para os indicadores de desempenho utilizados pelos gestores da UNESC, objetivo central desta monografia, é mostrado a utilidade desta nova tecnologia de armazenamento e os resultados obtidos com ela. O trabalho apresenta o modelo conceitual de um ambiente Data WareHouse com arquitetura botton-up para os indicadores de desempenho da UNESC. Traz ainda uma visão geral sobre os processos de tomada de decisão e a estrutura organizacional das IES. Aborda também a tecnologia DW nos pontos específicos que apóiam a proposta do modelo apresentado. Palavras-chave: Tomada de Decisão; Informações Gerenciais; Indicadores de Desempenho; Banco de Dados; Organização Universitária; Data WareHouse; Data Mart.

4 LISTA DE FIGURAS Figura 1 Exemplo de cubo representando o índice de evasão por cursos em vários semestres (três medidas: cursos X evasão X semestres)... Figura 2 Esquema Estrela com as tabelas fato e dimensões... Figura 3 Organograma da Pró-Reitoria Administrativa da UNESC... Figura 4 Indicadores para medir e avaliar desempenho para as Atividades da área de Ensino... Figura 5 Indicadores para medir e avaliar desempenho para as Atividade da área de Desenvolvimento Humano (DH)... Figura 6 Indicadores para medir e avaliar desempenho para as Atividades da área Financeira (Receitas e Despesas)... Figura 7 Tabela de Fato e tabelas de Dimensão para o DM de Ensino... Figura 8 Tabela de Fato e tabelas de Dimensão para o DM de DH... Figura 9 Tabela de Fato e tabelas de Dimensão para o DM de Contas a Receber (Receitas)... Figura 10 Tabela de Fato e tabelas de Dimensão para o DM de Folha de Pagamento (Despesas)... 25 27 45 48 48 49 55 56 57 58

5 LISTA DE ABREVIATURAS BD Banco de Dados CONSEPE Conselho de Ensino Pesquisa e Extensão CONSU DW DM IES ODS OLTP MDM MER SAD SGBD SIG SIE SQL UNESC Conselho Superior Data WareHouse Data Mart Instituição de Ensino Superior Operational Data Store On-Line Transacional Processing Modelo Multidimensional Modelagem Tradicional Entidade-Relacionamento Sistema de Apoio a Decisão Sistema Gerenciador de Banco de Dados Sistemas de Informação Gerenciais Sistemas de Informação Executivas Structured Query Language Universidade do Extremo Sul Catarinense

6 SUMÁRIO 1 INTRODUÇÃO... 1.1 Justificativas... 2 OBJETIVOS... 2.1 Objetivo Geral... 2.2 Objetivos Específicos... 2.3 Estrutura do Trabalho... 3 O PROCESSO DE TOMADA DE DECISÃO... 3.1 Níveis de Decisão... 3.2 Tipos de Decisão... 3.3 Sistemas de Apoio a Decisão (SAD)... 3.3.1 Características de um SAD... 3.4 Considerações... 4 DATA WAREHOUSE... 4.1 Conceitos de DW... 4.2 Diferenças entre BD Tradicionais e DW... 4.3 Características de um DW... 4.4 Modalidades de um DW... 4.5 Modelagem de Dados para DW... 4.5.1 Modelagem Multidimensional... 4.6 Projeto de um DW... 4.7 Considerações... 5 ESTRUTURA ORGANIZACIONAL UNIVERSITÁRIA... 5.1 Modelos de Organização Universitária... 5.2 Tipos de Organização Universitária... 5.3 Grau de Dependência de uma Organização Universitária... 5.4 A Administração Superior e os níveis do Processo de Tomada de Decisão. 5.5 A importância da Informação numa IES... 5.6 O Processo de Tomada de Decisão nas IES... 5.7 Considerações... 8 9 10 10 10 10 12 12 13 14 15 16 18 18 19 19 21 23 25 27 29 31 31 32 33 34 35 35 36

7 6 SOLUÇÃO PROPOSTA: Modelagem de um DW para armazenamento dos Indicadores de Desempenho utilizados pelos gestores UNESC Universidade do Extremo Sul Catarinense - nos seus processo decisórios... 6.1 Estrutura Organizacional da UNESC... 6.1.1 Histórico... 6.1.2 Órgãos de Administração... 6.1.3 Sistemas Existentes... 6.1.3.1 Sistemas Próprios (Desenvolvimento Interno)... 6.1.3.2 Sistemas de Terceiros... 6.1.4 O Processo de Tomada de Decisão na UNESC... 6.2 Área de Aplicação... 6.3 Modelagem do DM para a Área de Aplicação Proposta... 6.3.1 Projeto do DW... 6.3.1.1 Etapa de Ante-Projeto... 6.3.1.1.1 Levantamento de Dados... 6.3.1.1.2 Fontes de Origem... 6.3.1.1.2.1 Indicadores de Ensino... 6.3.1.1.2.2 Indicadores de RH... 6.3.1.1.2.3 Indicadores de Finanças... 6.3.1.1.3 Granularidade e Freqüência de Atualização... 6.3.1.2 Etapa de Definição... 6.3.1.2.1 Arquitetura de Dados... 6.3.1.2.2 Arquitetura funcional... 6.3.1.2.3 Modelagem dimensional... 6.3.1.2.3.1 Tabela Fato e Dimensões para os Indicadores de Ensino... 6.3.1.2.3.2 Tabela Fato e Dimensões para os Indicadores de RH... 6.3.1.2.3.3 Tabela Fato e Dimensões para os Indicadores de Finanças... 6.3.1.3 Etapa de Execução... 7 CONCLUSÃO E SUGESTÕES FUTURAS... REFERÊNCIAS... 37 38 38 40 41 41 42 43 44 46 47 47 47 50 50 50 51 51 53 53 53 54 54 55 56 58 59 62

8 1 INTRODUÇÃO Dirigentes ou pessoas em cargos de chefia precisam obter informações sobre o resultado de todo processo administrativo, a qualquer tempo, a fim de facilitar a tomada de decisões. Para obtenção de sucesso na administração de todo negócio cada vez mais é necessário se antecipar do que reagir, e daí surgem os Sistemas de Apoio a Decisão (SAD) e junto com eles também a necessidade de um ambiente Informacional que integre as informações de todos os Sistemas Corporativos de uma Instituição. Tais Sistemas Corporativos, apesar de serem de grande importância às atividades executadas dentro de um setor na grande Empresa, não são de grande valia nos processos de tomada de decisão, pois não fornecem informações relevantes sobre o histórico dos dados. Nos anos 90 surgiu o Data WareHouse (armazém de dados) que segundo Inmon (1997) Data WareHouse é um banco de dados orientado por assunto, integrado, não volátil e histórico, criado para suportar o processo de tomada de decisão". Este recurso permite aos dirigentes tomadas de decisões a partir de informações retiradas de uma única fonte, não precisando mais mesclar informações, às vezes redundantes ou inconsistentes, provenientes de diversos relatórios setoriais.

9 1.1 Justificativas A UNESC, como a maioria das Instituições de Ensino Superior (IES) de médio e grande porte, possui seus dados armazenados em Banco de Dados (BD) tradicionais que não oferecem subsídios suficientes aos dirigentes para acompanhar sua administração e planejar novas ações. Cada setor tem o seu Sistema Aplicativo para entrada e manipulação de dados. Estes aplicativos são, muitas vezes, planejados para atenderem às necessidades do setor enfocando a sua atividade, independente da Instituição como um todo. Alguns destes aplicativos são terceirizados e oferecem apenas relatórios funcionais cujos resultados interessam apenas ao setor. Os dirigentes precisam de um ambiente que disponibilize os dados relevantes aos processos de tomada de decisão de maneira integrada, rápida e sobretudo confiável.

10 2 OBJETIVOS 2.1 Objetivo Geral A proposta deste trabalho é criar um modelo conceitual, em um ambiente Data WareHouse, para armazenamento dos indicadores de desempenho da UNESC, possibilitando acesso rápido e confiável as informações necessárias aos processos decisórios da Instituição. 2.2 Objetivos Específicos Estudar o processo de tomada de decisão nas Organizações Universitárias; Estudar o ambiente Data WareHouse; Identificar uma área estratégica no processo decisório da UNESC para aplicação desta proposta; Definir, conceitualmente, um ambiente DW para os indicadores de desempenho da UNESC. 2.3 Estrutura do Trabalho No primeiro e segundo capítulos temos uma visão geral do tema do trabalho com introdução, justificativas, objetivos e estrutura do trabalho. O capítulo três aborda o Processo de Tomada de Decisão descrevendo sua natureza, seus níveis e tipos. Também faz uma breve explanação sobre os Sistemas de Apoio a Decisão, destacando as suas principais características.

11 No capítulo quatro é feito um estudo sobre a tecnologia Data Warehouse abordando conceitos, características e as principais diferenças entre Modelagem Tradicional e Modelagem Multidimensional. No quinto capítulo é apresentado um estudo da Organização Universitária mostrando as estruturas, modelos e tipos de IES. O sexto capítulo traz a definição conceitual (modelo) do ambiente Data Warehouse, aplicado a uma área específica, para os indicadores de desempenho utilizados na tomada de decisão da UNESC. Apresenta também um breve histórico da instituição, seus órgãos de administração e sistemas existentes. O sétimo capítulo discorre sobre as conclusões obtidas durante o desenvolvimento do trabalho e as referências bibliográficas encerram o trabalho.

12 3 O PROCESSO DE TOMADA DE DECISÃO A tomada de decisão e a solução de problemas são dois procedimentos que estão intimamente relacionados. Estes tipos de procedimentos acontecem independente da vontade do indivíduo, eles fluem naturalmente na medida que situações adversas são enfrentadas no cotidiano. Normalmente um indivíduo utiliza a criatividade, intuição, imaginação e inovação para decisões e soluções. Partindo desta premissa, Filho (2005), diz que as decisões podem ser de natureza analítica, planejada, criativa ou intuitiva: Decisão analítica: é a decisão tomada pelo lado racional do indivíduo, julgando com imparcialidade os dados disponíveis; Decisão planejada: em geral, são as decisões tomadas de maneira seqüencial e procedimental, levando-se sempre em consideração o ponto de vista administrativo; Decisão criativa: neste tipo de decisão, inovação e imaginação são as ferramentas mais utilizadas; Decisão intuitiva: são geralmente empregadas naquelas situações em que a disponibilidade de dados é pequena impedindo um processo meticuloso de coleta e análise de dados. 3.1 Níveis de Decisão Segundo Stair (1999), dentro de uma estrutura organizacional clássica, definida por uma hierarquia onde a autoridade está mais concentrada no topo da

13 administração, o processo de tomada de decisão pode se dar em três níveis: estratégico, tático ou operacional. Decisões estratégicas: ocorrem após a análise de padrões, comportamentos e tendências de um grande volume de dados durante anos. São tomadas de decisão que causam grandes impactos e geralmente afetam os rumos de todo empreendimento. Normalmente são efetuadas pelos executivos ou conselho de diretores da organização; Decisões táticas: são aquelas que ocorrem com mais freqüência, analisando-se pequenas bases de dados e com a finalidade de resolver imediatamente a problemas específicos do negócio. São as decisões tomadas por gerentes ou equipes de gerência; Decisões operacionais: envolvem toda a equipe operacional e supervisores que está única e exclusivamente preocupada com o fluxo das atividades de rotina da empresa visando à eficiência das atividades desempenhadas. São decisões relativamente simples e que podem ser pré-definidas em forma de procedimentos padrões. 3.2 Tipos de Decisão As decisões tomadas a nível estratégico tendem mais à não-estruturadas, as de nível tático são mais semi-estruturadas e as operacionais tendem à decisões mais estruturadas (Laudon & Laudon, 1999; Stair, 1999): Decisão estruturada: são decisões tomadas mediante uma regra préestabelecida através de procedimentos padrões;

14 Decisão semi-estruturada: alguns procedimentos podem ser prédefinidos, mas isto não quer dizer que o procedimento seja suficiente; Decisão não-estruturada: envolvem situações incomuns onde não se pode pré-definir procedimentos a serem seguidos. Envolvem um alto grau de risco. Com o passar do tempo e com as grandes transformações do ambiente de trabalho, cada vez mais competitivo e dependente de informação, surge a necessidade de um meio para gerenciar grandes volumes de dados. É neste contexto que aparecem os Sistemas de Apoio a Decisão (SAD s). Esta poderosa ferramenta de gerenciamento de dados aliada a tecnologia de DW, tornam-se o diferencial nos processo decisórios de uma organização. Os SAD s vão disponibilizar aos gestores os meios para recuperação e manipulação das informações armazenadas no DW. 3.3 Sistemas de Apoio a Decisão (SAD) A competitividade e as exigências cada vez maiores dos clientes está fazendo com que as instituições educacionais tenham que atuar num ambiente dinâmico e atualizado onde a decisão é o diferencial para sobrevivência das mesmas. Um SAD é um sistema muito útil aos gestores, pois auxilia na tomada de decisões inteligentes para resolução de problemas. De acordo com Inmon (1997), Sistemas de Apoio à Decisão são sistemas que realizam o processamento analítico e provêem as informações necessárias ao gestor.

15 Para Laudon & Laudon (1999), os SAD s são interativos no sentido que o usuário interage diretamente com os dados, on-line, para mudar a maneira como os dados são apresentados. Já para Stair (1999), um SAD constitui-se num conjunto organizado de pessoas, procedimentos, softwares e banco de dados utilizados para dar suporte à tomada de decisão. 3.3.1 Características de um SAD Stair (1999) apresenta algumas características de um SAD que os tornam eficazes ferramentas de apoio gerencial: Manipular grande volume de dados: busca informações em BD, mas também é flexível para soluções de problemas com pequeno volume de dados; Obter e processar dados de fontes diferentes: tem capacidade de acessar banco de dados diferentes, de dentro ou de fora da organização, e integrar estes dados; Proporcionar flexibilidade de relatórios e de apresentação: possui formatos muito variados de relatórios ao contrário de outros tipos de sistemas que geram formatos fixos; Possuir orientação tanto textual quanto gráfica: apresenta a orientação que o gestor preferir, textual ou gráfica (tabelas, gráficos de pizza, curvas); Executar análises e comparações complexas e sofisticadas utilizando pacotes de software avançados: muitas vezes este softwares são programas independentes que o SAD tem meios de incorporar;

16 Dar suporte a abordagens de otimização, satisfação e heurística: para problemas complexos, com a satisfação e a heurística o SAD pode encontrar uma solução muito boa, não necessariamente a melhor, flexibilizando a obtenção de ajuda computacional nas atividades de tomada de decisão; Executar análises de simulações e por metas: através de simulações um gestor pode fazer modificações nos dados e analisar o impacto nos resultados. 3.4 Considerações A evolução e importância que os SAD s vêm adquirindo no mundo empresarial podem ser sentidas concretamente no correr dos anos. Os anos 60 ficaram marcados pela expansão dos computadores nas organizações e o desenvolvimento de sistemas de informação simples usando linguagens de programação linear. Nos anos 70 surgem os BD e os primeiros conceitos de Sistema de Gerenciamento de Banco de Dados (SGBD). Um pouco mais tarde foi incorporado a estes sistemas o conceito de Sistemas de Informação Gerenciais (SIG), que forneciam aos gestores a informação necessária para as tomadas de decisão, através de relatórios pré-definidos. O termo Sistema de Apoio à Decisão surgiu, porque estes relatórios pré-definidos não estavam mais suprindo muito das necessidades de tomadas de decisão. A década de 80 ficou marcada com o surgimento dos Sistemas de Informação Executivas (SIE) que propiciava aos executivos uma maneira fácil de obter as informações que eles desejavam no formato que eles quisessem.

17 Mas é nos anos 90, com o surgimento do DW, que ocorrem as mudanças mais significativas e maiores avanços nos SAD s. A nova geração de Sistema de Apoio a Decisão está sendo muito útil no gerenciamento dos negócios, auxiliando gestores modernos a enfrentarem um mercado de trabalho dinâmico e competitivo. Este cenário motivou o desenvolvimento do tema neste trabalho: a definição conceitual de um modelo baseado nas concepções de um DW, sendo este o meio que vai disponibilizar os dados para a tomada de decisão pelos gestores da UNESC.

18 4 DATA WAREHOUSE O Data Warehouse surgiu nos anos 90 e vem sendo utilizado cada vez mais pelas empresas para proporcionar integração entre os dados provenientes de várias fontes distintas, reduzindo o tempo gasto pelos gestores na obtenção das informações que darão o apoio necessários aos processos decisórios. 4.1 Conceitos de DW Muitas definições de DW podem ser encontradas na literatura. Algumas envolvem mais conceitos tecnológicos outras, conceitos de administração de empresas: Segundo Kimball et. al. (1998), Data Warehouse é uma cópia dos dados de transações, estruturada especificamente para consultas e análises. Para Harjinder & Rao (1996), Data Warehouse é um processo em andamento que aglutina dados de fontes heterogêneas, incluindo dados históricos e dados externos para atender à necessidade de consultas estruturadas e ad-hoc, relatórios analíticos e de suporte à decisão. De acordo com Barquini (1996), Data Warehouse é uma coleção de técnicas e tecnologias que juntas disponibilizam um enfoque pragmático e sistemático para tratar com o problema do usuário final de acessar informações que estão distribuídas em vários sistemas da organização. Apesar das diferenças de conceitos uma das principais característica do DW, defendida pela maioria dos autores, é que os dados armazenados são apenas

19 de leitura, ou seja, não sofrem mutações, garantindo a integridade dos mesmos. São dados que vão servir de base aos SAD s. 4.2 Diferenças entre BD Tradicionais e DW Num BD Tradicional as informações armazenadas são aquelas necessárias a viabilização das operações diárias de uma Empresa. Estas operações são constantemente alteradas, sem que estas mudanças fiquem gravadas para futuras consultas. Por exemplo, não se consegue resgatar qual era o endereço de um determinado cliente numa determinada data de compra, pois o que se mantém armazenado é o endereço atual do cliente. Já num DW estas alterações são armazenadas, uma a uma, mantendo-se um histórico cronológico dos dados. Este tipo de informação é extremamente importante para o processo de tomada de decisão e definição de melhorias nos processos atuais ou futuros de uma organização, pois os gestores podem acompanhar o perfil do cliente no decorrer de um determinado tempo e utilizar esta informação como parâmetro na definição de novas estratégias. 4.3 Características de um DW Um DW apresenta algumas características que o transformam numa poderosa ferramenta no processo de tomada de decisão. Inmon (1997) define as principais e sobre elas concordam os mais renomados autores, dentre eles Harjinder & Rao (1996) e Kimbal (1998):

20 Organização por Assuntos: os DW se organizam de acordo com as diversas áreas da empresa ou informações importantes no processo de análise (por exemplo, perfil dos alunos) e não com base nos diversos sistemas locais (Sistema de Registro de Diplomas, Matrícula, Contas a Receber). É comum acontecer de se armazenar informações no DW que no decorrer do tempo não servem para nenhum tipo de análise, enquanto que uma outra informação desprezada durante a construção do DW venha a se tornar vital. É imprescindível que, durante a definição de um DW, o usuário final seja consultado para que sejam armazenadas exatamente aquelas informações que vão dar subsídios para o alcance dos objetivos. Integração: No DW os dados que representam uma mesma informação são referenciados do mesmo modo, ao contrário dos BD tradicionais que podem ter representações diferentes para a informação sexo, por exemplo, (M/F ou H/M). Variação no Tempo: É esta característica que permite, por exemplo, saber o perfil de um determinado aluno em momentos diferentes da vida escolar, o que não acontece com o modelo tradicional que disponibiliza, normalmente, apenas o estado civil atual do aluno. O problema é definir qual o período que se deve esperar para que uma alteração no BD se reflita do DW. Inmon (1997) sugere um período de 24 horas. Não Volatilidade: Após a carga inicial de dados no DW, estes permanecem estáticos, ou seja, não podem sofrer alteração. Devem estar disponíveis apenas para consultas, garantindo a confiabilidade da informação. Granularidade: É o nível de detalhes dentro do DW. Quanto menor a granularidade, maior o nível de detalhes e conseqüentemente, maior o volume de dados armazenados. À medida que o nível de granularidade aumenta, o número de

21 consultas que podem ser realizadas diminui. O mais recomendado é um DW com níveis duais de granularidade, ou seja, ter os dados a respeito de um mesmo assunto armazenados pelo menos de duas maneiras diferentes. Por exemplo: os pagamentos de mensalidade de uma IES podem ser armazenados diariamente (lançamento por lançamento) ou pode-se armazenar mensalmente o histórico resumido destes lançamentos. Então, tanto os dados resumidos quanto os detalhados estarão disponíveis para consulta. Metadados: Importantíssimos para o sucesso de um DW, são definidos como dados acerca de um determinado dado. Provêm informações sobre a estrutura de dados e a relação entre elas. 4.4 Modalidades de um DW Dependendo do tamanho e porte da organização deve-se optar por um modelo de DW. O mau dimensionamento de um do banco de dados pode ser o princípio do fracasso de um DW, por isto esta fase do projeto deve ser muito bem planejada. Competitividade, volume de negócios e informação e o tamanho da base de dados são fatores que devem ser levados em consideração, segundo Amaral (1999). As possíveis modalidades de DW descritas em Amaral (1999) são: Data Warehouse Corporativo: São geralmente adotados por grandes Empresas, devido ao grande volume de informações que devem ser armazenados. Esta solução tem custos extremamente elevados e a atualização (processo de carga inicial) de um DB Tradicional para o DW é extremamente lenta, podendo levar vários meses, ou até anos, devido a compactação dos dados (meio que o DW utiliza para armazenamento do dados).

22 Operational Data Store (ODS): Não é propriamente um DW, é um banco de dados de produção replicados com ajustes de erros. O ODS é utilizado a princípio para gerar relatórios-padrão e prover detalhes de transações para análise. Sua principal vantagem é que ele melhora o desempenho do sistema de produção, já que os resultados dos processamentos são transferidos do On-Line Transacional Processing (OLTP) para o ODS. Data Mart (DM): São soluções apropriadas às pequenas e médias Empresas, uma vez que representam um tipo de DW menos complexo em termos de implementação. Outras características de um DM segundo Sassi (2004): tipo de DW em que os dados estão mais próximos do usuários, pois são quase que personalizados (atendem às necessidades de um setor específico); menor volume de dados, propiciando um gerenciamento mais fácil; permite a tomada de decisão a nível departamental ou setorial; desenvolvimento rápido, de 3 a 6 meses; custo baixo, se comparado aos DW s Corporativos, de $50.000 a $500.000. Um DM Refere-se a um DW de pequena capacidade usado para atender especificamente a um departamento ou setor da Organização. Como o custo desta solução é bem mais baixo que os outros descritos acima, Amaral (1999) sugere que uma Empresa de pequeno ou médio porte comece com DM s setoriais e depois progrida para o DW central. Esta tecnologia é denominada Botton-Up (de baixo para cima). Estes DM s setoriais devem ser muito bem estruturados para evitar problemas

23 futuros, pois se cada setor da Empresa começar o seu DM independentemente, pode haver redundância e inconsistência de dados quando da migração para o DW. 4.5 Modelagem de Dados para DW Segundo Kimball (1998), modelagem de dados, é uma técnica de projeto lógico que busca apresentar os dados em uma estrutura padronizada que é intuitiva, permite alto desempenho de acesso e é específica para suportar processamento analítico. A primeira fase no projeto de construção de um DW é a definição do modelo de dados, ou seja, como os dados vão ser representados no DW. Nesta fase são definidas quais as informações servirão para dar suporte aos processos decisórios e de quais fontes (Sistemas de Origem) elas serão obtidas. A Modelagem Tradicional baseada em Entidade-Relacionamento (MER), segundo Kimbal (1998) e Pereira (1999), não é a ideal para modelagem de dados em DW. Os principais problemas são: excessiva complexidade de representatividade gráfica do modelo para grandes empreendimentos, tornando-se difícil de visualizar e memorizar, tanto pelo usuário final quanto pelo projetista (Pereira, 1999; Kimball, 1998); a cada variação na estrutura do modelo, há necessidade de reescrever e ajustar as implementações. Isso significa que uma vez realizado o ajustamento, as declarações Structured Query Language (SQL), que é a linguagem padrão para acessar BD relacionais, são vulneráveis a modificações nos hábitos das consultas do usuário, porque os esquemas são assimétricos (Pereira, 1999);

24 observando o MER, percebe-se que todas as tabelas parecem iguais, não há distinção para identificar as tabelas maiores ou mais importantes, quais tabelas armazenam valores numéricos do negócio e quais armazenam dados praticamente estáticos (Kimball, 1998); no aspecto de extração de informações, quando duas ou mais tabelas do diagrama são necessárias para a mesma consulta, há um número imenso de conexões possíveis entre as tabelas, muitas vezes conduzindo ao mesmo resultado, contudo o caminho escolhido faz a diferença na performance (Kimball, 1998). Para Kimbal (1998) e Pereira (1999), a Modelagem Multidimensional é a mais indicada para a modelagem de um DW, pois permite uma visualização fácil dos dados através de várias perspectivas. Neste tipo de modelagem é como se os dados estivessem armazenados em cubos ou hipercubos (três ou mais dimensões) e não mais em tabelas matriciais de duas dimensões (linhas e colunas do MER). A Figura 1 retrata um exemplo de cubo.

25 Figura 1 Exemplo de cubo representando o índice de evasão por cursos em vários semestres (três medidas: cursos X evasão X semestres). 4.5.1 Modelagem Multidimensional O Modelo Multidimensional (MDM) envolve dois elementos básicos: fato e dimensões: Tabela de fatos: é a tabela primária do modelo e contém as medidas numéricas de uma transação. Possuem as seguintes características: são centrais; armazenam grande volume de dados, dependendo do nível de granularidade; possuem chave primária composta, formada por chaves estrangeiras, que fazem a ligação com as tabelas dimensão.

26 Tabela de dimensões: são as tabelas secundárias do modelo e contém informações sobre as dimensões de um dado da tabela fato. Algumas características das tabelas dimensão: possuem uma chave primária simples fazendo a ligação com a tabela fato; armazenam pequenos volume de dados, se comparada a tabela fato; definem as restrições para as consultas SQL a base de dados; seus atributos não variam continuamente, são constantes. Para Kimbal (1998) e outros autores, dentre eles, Ferreira (2004) e Domenico (2004), o Modelo Multidimensional mais comumente utilizado é o Star Schema (Esquema Estrela). Neste modelo a tabela fato é a tabela central do esquema e possui várias junções com as demais tabelas dimensões do modelo. Então, no Modelo Multidimensional Estrela uma tabela fato poderia ser a tabela matricula com as informações: código do aluno, curso, ano, semestre, código das disciplinas, quantidade de créditos matriculados. Já as dimensões seriam as tabelas: curso, disciplina, aluno e a tabela tempo que é a única tabela dimensão que sempre vai existir em qualquer modelo, conforme ilustrado na Figura 2.

27 dimensao_aluno chave_aluno <pk> <undefined> not null nome_aluno <undefined> not null dt_nascimento <undefined> null chave_aluno = chave_aluno sexo <undefined> null fato_matricula chave_tempo <pk> <undefined> not null chave_curso chave_curso = chave_curso <pk,fk> <undefined> not null chave_aluno <pk,fk> <undefined> not null chave_disciplina <pk> <undefined> not null ano <undefined> not null dimensao_curso semestre <undefined> not null chave_curso <pk> <undefined> not null cod_turma <undefined> not null nome_curso <undefined> null qt_creditos <undefined> null nota <undefined> null faltas <undefined> null dimensao_disciplinas chave_discipli na = chave_curso chave_disciplina <pk> <undefined> not null nome_disciplina <undefined> not null dimensao_tempo chave_tempo <pk> <undefined> not null data <undefined> not null mes <undefined> null ano <undefined> null feriado <undefined> null Figura 2 Esquema Estrela com as tabelas fato e dimensões A utilização deste tipo de modelo possibilita algumas vantagens vistas em POE (1998): provê rápido tempo de resposta; permite otimizar o BD melhorando a execução do planejamento; permite projetar o BD de acordo com o usuário final; simplifica o entendimento para o usuário final; possibilita um maior número de ferramentas de acesso aos dados. 4.6 Projeto de um DW A metodologia de Kimbal (1998) pode ser utilizada como referencial conceitual para definição de um projeto de DW, pois é uma das mais detalhadas e completas. Nesta metodologia o fluxo do trabalho divide-se em três etapas: ante-