Data Warehouse. Debora Marrach Renata Miwa Tsuruda

Documentos relacionados
Processo de Criação de um Esquema Estrela

Modelagem Multidimensional

Aula 02. Evandro Deliberal

Conceitos Básicos. Processamento Analítico de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri Prof. Dr. Ricardo Rodrigues Ciferri

Data Warehouse Toolkit Guia completo para modelagem dimensional Capítulo 7 - Contabilidade

Bancos de Dados IV. Arquiteturas. Rogério Costa

Modelagem Multidimensional

Modelagem Multidimensional - Nível Físico -

Inteligência de Negócios Profa.Denise

Modelagem Multidimensional - Nível Físico -

1ª Forma Normal. Uma relação está na 1ª Forma normal se todos os seus atributos são valores escalares.

Modelagem Multidimensional - Nível Físico -

EAD-0750 INTELIGÊNCIA DE NEGÓCIOS. Prof. Sérgio Luiz de Oliveira Assis

Sistemas de Suporte à Decisão. Suporte à Decisão X Operacional. Banco de Dados Avançado. Data Warehouse. Data Warehouse & Data Mart

Transporte. Capítulo 11. Renata Miwa Tsuruda

Inteligência nos Negócios (Business Inteligente)

Modelagem Multidimensional - Nível Físico -

Modelagem Multidimensional - Nível Lógico -

Data Warehouse Toolkit: Telecomunicações e Utilitários (Cap. 10)

Sérgio Luisir Díscola Junior

30/10/2012. Prof. Luiz A. Nascimento

Motivação. Análise de Dados. BD x DW OLTP. Data Warehouse. Revisão Quais as diferenças entre as tecnologias de BD e DW? OLAP Modelos Multidimensionais

Roteiro da apresentação

Sistemas de Apoio a Decisão

Introdução à teoria de Data Warehouse. Prof. Rodrigo Leite Durães

Conceitos Básicos. Profa. Dra. Cristina Dutra de Aguiar Ciferri. Algoritmos e Estruturas de Dados II: Projeto

Arquitetura de um Ambiente de Data Warehousing

Sumário. 1 Introdução 2 BD Orientado a Objetos 3 BD Objeto-Relacional 4 Noções Básicas de Data Warehouse 5 XML e BD XML. Motivação

SQL. Processamento Analítico de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri Prof. Dr. Ricardo Rodrigues Ciferri

The Data Warehouse Toolkit

Modelação Dimensional 2

SQL. Processamento Analítico de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri Prof. Dr. Ricardo Rodrigues Ciferri

MODELAGEM DE DADOS NORMALIZAÇÃO E INTRODUÇÃO AO DATA W. Inteligência de Negócios

Apresentação. Rodrigo Leite Durães

Modelo Relacional. Banco de Dados 2º trimestre Prof. Patrícia Lucas

Microstrategy 10 tutorpro.com.br cetax.com.br

Modelagem de Dados. Conceitos de Normalização. Prof. Esp. Andrew Rodrigues

Inteligência nos Negócios (Business Inteligente)

BANCO DE DADOS I. Prof. Luiz Antônio Vivacqua C. Meyer

Data Warehouse. Compras. Caroline B. Perlin

Data Warehousing: Conceitos Básicos e Arquitetura

Sistemas de Apoio a Decisão

TABELA ENTIDADE LINHA OCORRÊNCIA DA ENTIDADE COLUNA ATRIBUTO DA ENTIDADE

Banco de dados. Conteúdo: Modelo relacional Prof. Patrícia Lucas

Ambiente de Data Warehouse Para Imagens Médicas Baseado Em Similaridade

Modelagem Multidimensional: Conceitos Avançados

Informática. Business Intelligence (BI), Data Warehouse, OLAP e Data Mining. Prof. Márcio Hunecke

Business Intelligence Inteligência Corporativa

Revisando Banco de Dados. Modelo Relacional

Pontifícia Universidade Católica do Rio de Janeiro Laboratório de Tecnologia em Banco de Dados. Dwing Modelagem Multidensional

Como Cadastrar Clientes? FS01

SEFAZ INFORMÁTICA Olap Prof. Márcio Hunecke

Abordagem relacional. Capítulo 4

Banco de Dados I Dicas de Modelagem

Parte REGRAS DO MODELO CONCEITUAL 4.1 MODELO CONCEITUAL COMO MODELO DE ORGANIZAÇÃO 4.2 DIFERENTES MODELOS PODEM SER EQUIVALENTES

Módulo 3. Desenhando uma solução OLAP

Tecnologias Oracle para DW Visões Materializadas no Oracle

Banco de Dados. Banco de Dados

Tecnologias Oracle para DW Visões Materializadas no Oracle

Aula 01. Evandro Deliberal

Como Cadastrar Clientes no Futura Server? FS01. Sistema: Futura Server. Caminho: Cadastros>Cadastros>Clientes>F2 novo.

ANEXO ROADMAP DE PUBLICAÇÃO DE DADOS ABERTOS

O Modelo e a Álgebra Relacional

PROJETO: CONFERÊNCIA ACADÊMICA. 2. Informações Básicas sobre o Sistema a ser Desenvolvido

Modelo Relacional. André Restivo. Faculdade de Engenharia da Universidade do Porto. February 24, 2012

Base de Dados. Sistemas de Informação. Base de Dados - Índice Introdução Componentes Base de Dados. Introdução. Introdução. Introdução.

1- Digite o irá abrir o administrador da loja que pedirá o seu usuário e a senha:

Lista 1 de Banco de Dados I GGI Professor: Wendel Melo - FACOM-UFU. Observações: 1. Esta lista de exercícios é totalmente individual!

PRICING: Estratégias e Desafios

Modelagem de um sistema informatizado de calculo de rotas logísticas com algoritmo de busca heurística Elias Vidal Bezerra Junior 1

Modelos Conceituais de Dados

Configurações de Metas. Como cadastrar a Meta:

P R O J E T O: C A R N A V A L. 2. Informações Básicas sobre o Sistema a ser Desenvolvido

Arquitetura de um Ambiente de Data Warehousing

Gerenciamento de Anotações de Biosseqüências utilizando Associação entre Ontologias e Esquemas XML

MANUAL DE UTILIZAÇÃO SISTEMA SHOP CONTROL

Joana Simon Orientador: Prof. Oscar Dalfovo, Doutor

A g e n d a. Luis Assunção Gerente de Sistemas de Informação CASA&VIDEO. Projeto de Indicadores de Desempenho. Conceitos.

BANCO DE DADOS I/MODELAGEM DE DADOS Prof. Ricardo Rodrigues Barcelar

UML. Rodrigo Leite Durães.

Bancos de dados: Definição

BANCO DE DADOS - MODELAGEM DE DADOS

MODELO DE BANCO DE DADOS RELACIONAL

5 Usando as Representações de Design Rationale

Abordagem ER. Capítulo 2

TEMPLATE DE ROTEIRO PARA ENTREVISTA

Faculdade Pitágoras 13/03/2013 MODELAGEM DIMENSIONAL ESTRUTURAS. Unidade 2.3. Curso Superior de Tecnologia: Banco de Dados

Banco de Dados. André Luís Duarte Capítulo 2. exatasfepi.com.br

Informática. Banco de Dados Relacional. Professor Julio Alves.

Mineração e Armazenamento de Dados

Banco de Dados Modelagem de Dados

UNIDADE III Processo Decisório

Riverbasin Information and Operation Support System (RIOSS)

Layout de Extração Relatório de Produtos DI NeoGrid v5.1

Mineração de Dados em Biologia Molecular

Blog:

Modelagem de Sistemas Web. Modelagem de BD

04/09/2012 MODELAGEM DIMENSIONAL ESTRUTURAS PÓS-GRADUAÇÃO LATO SENSU. Curso: Banco de Dados LEVANTAMENTO DE NECESSIDADES MODELAGEM DIMENSIONAL

Data Warehousing: Conceitos Básicos e Arquitetura

Transcrição:

Debora Marrach Renata Miwa Tsuruda

Agenda Passos para a Criação de um Modelo Dimensional Modelagem do Estudo de Caso de Vendas a Varejo

Agenda Passos para a Criação de um Modelo Dimensional Modelagem do Estudo de Caso de Vendas a Varejo

Terminologia Tabela de Fatos 3 Tipos de Fatos Aditivos Semi-aditivos Não-aditivos Grão

Tabela de Dimensão Terminologia Representa uma perspectiva de análise dos usuários de SSD Composta por atributos Exemplo: dimensão filial atributos: cidade, estado, região, país semântica: a filial Primeira Filial está localizada na cidade de São Carlos, estado de São Paulo, região Sudeste do país Brasil

Definição Hierarquia de Atributos Permite que atributos de uma dimensão relacionem-se com outros atributos da mesma dimensão Especifica níveis de agregação e, portanto, granularidade dos itens de dados Exemplo: dimensão filial cidade estado região país

Esquema Estrela (Star Schema)

Esquema Floco de Neve (Snowflake Schema)

Constelação de Fatos

Agenda Passos para a Criação de um Modelo Dimensional Modelagem do Estudo de Caso de Vendas a Varejo

Processo de Criação de um Esquema Estrela (4 etapas) 1. Selecione o processo do negócio 2. Declare o grão do processo do negócio 3. Escolha as dimensões que aplicam a cada linha da tabela de fatos 4. Identifique os fatos que preencherão cada tupla da tabela de fatos

Agenda Passos para a Criação de um Modelo Dimensional Modelagem do Estudo de Caso de Vendas a Varejo

Estudo de Caso: Vendas a Varejo Empresa do ramo de alimentos 100 supermercados em 5 estados Cada filial Possui diversos departamentos Contém 60.000 produtos individuais, identificados por SKU 55.000 produtos de fornecedores externos, identificados por códigos de barra (UPC) 5.000 produtos produzidos internamente, identificados por SKU

Estudo de Caso: Vendas a Varejo Coleta de dados Ponto de venda do supermercado (ex: caixa) Entrada de mercadorias Logística Compra, armazenamento e venda de produtos, visando maximizar os lucros Decisões mais importantes relacionadas a preços e promoções

Modelagem para Vendas a Varejo 1. Processo do negócio Ponto de venda do supermercado Quais produtos são vendidos em quais filiais, em quais dias, sob quais promoções 2. Grão Item individual de venda Um DW quase sempre requer dados em seu nível mais detalhado

Modelagem para Vendas a Varejo 3. Dimensões Data, Produto, Filial, Promoção, Número da Transação de Venda 4. Fatos Quantidade vendida, preço unitário, preço total, lucro total sem deduções

Esquema Estrela: Vendas a Varejo

Característica Dimensão Data Representa o aspecto temporal Pode ser povoada antes das demais tabelas Granularidade Diária

Dimensão Produto Característica Povoada praticamente com dados oriundos do ambiente operacional Granularidade Cada SKU

Característica Dimensão Filial Similar a uma dimensão geográfica Granularidade Cada filial

Dimensão Promoção Granularidade Cada combinação de condições de promoção Discussão Armazenamento em uma ou mais tabelas Tupla adicional: sem promoção

Dimensão Degenerada: Número da Transação Utilidade Permite agrupar todos os produtos vendidos em uma transação Característica Não possui atributos adicionais Muito comum quando a granularidade da tabela de fatos representa cada item da transação

Projeto Estendido: Varejo Requisitos adicionais Cliente que efetuou a compra Período do dia no qual a compra foi feita Vendedor que efetuou a venda Para cada requisito adicional Nova tabela de dimensão Nova chave estrangeira na tabela de fatos Incluir tuplas artificiais (quando necessário) para identificar compras realizadas anteriormente

Dimensões podem ser facilmente modeladas porque estão de acordo com a granularidade escolhida

Projeto Estendido Novos atributos de dimensão Adicionar novas colunas à tabela de dimensão Incluir uma tupla artificial não disponível para representar situações nas quais os novos atributos são válidos somente a partir de um dado tempo Novas dimensões Adicionar novas tabelas de dimensão Incluir chaves estrangeiras na tabela de fatos Incluir tuplas artificiais (quando necessário)

Novos fatos Projeto Estendido Adicionar novas linhas à tabela de fatos Preencher os campos com valores apropriados Analisar a granularidade!

Fim