Aula_10

Prévia do material em texto

INTELIGÊNCIA EMPRESARIAL
Aula 10 - Processo Datawarehousing
Conteúdo Programático desta aula
Processo de construção do Data Warehouse
 
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
PROCESSO DATAWAREHOUSING
Gerenciador de Processos (cargas, manutenções)
Metadados (funções)
BDs
operacionais
Fontes
externas
Metadados
 (repositório)
DW
Queries 
Relatórios,
OLAP, Mining
Simulação
CRM
DBM
A
c
e
s
s
o
 à
i
n
f
o
r
m
a
ç
ã
o
Extração
Transform.
Carga
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
PROCESSO ETL (Extração, Tratamento e Loader(carga))
Responsável por integrar, transformar e salvar dados, não importando sua fonte nem seu destino.
 
 Os dados são submetidos a severas transformações e disponibilizados de forma normalizada
 Dependendo da periodicidade de atualização dos dados devem ser estabelecidos mecanismos de sincronização de dados para garantir a integridade dos dados
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
PROCESSO ETL (Extração, Tratamento e Loader(carga))
Extração		 		 Transformação				Carga
Extração		 		 Transformação				Carga
Extração		 		 Transformação				Carga
EXTRAÇÃO
TRANSFORMAÇÃO
 CARGA
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
EXTRAÇÃO DE DADOS
 Primeiro passo na obtenção de dados para o ambiente do DW
 Busca dados nas diversas fontes de origem e os transporta para a área de transformação de dados
 
- Na construção deste processo é fundamental o acesso e a clara compreensão dos dados de origem.
 
 
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
TRANSFORMAÇÃO DE DADOS
- Após a extração de dados deve existir o tratamento destes dados.
 O primeiro passo deste tratamento refere-se à limpeza, ou filtragem dos dados, cujo objetivo é garantir a integridade dos dados através de programas ou rotinas especiais que tentam identificar anomalias e resolve-las.
 É maior preocupação da área de TI pois, se não existir uma estratégia adequada, o Data Warehouse pode falhar
  
 
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
TRANSFORMAÇÃO DE DADOS - LIMPEZA
 Tem por objetivo deixar os elementos de dados padronizados (uniformizados), não duplicados, corretos, consistentes e espelhando a realidade. 
 Dentre as atividades executadas podemos citar a correção de inconsistências de códigos e caracteres especiais, solução de problemas de conflito de domínios, recuperação de dados perdidos e a correção de valores duplicados ou errados. 
  
 
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
CARGA DE DADOS
Depois de transformados e “limpos” os dados estão aptos para serem carregados no Data Warehouse.
Esta etapa também demanda muita atenção de TI pois exige uma série de cuidados, por exemplo:
 Integridade dos dados 
 Tipo de carga a ser realizada 
 Otimização do processo de carga
 Suporte completo ao processo de carga
 
 
 
 
  
 
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
CARGA DE DADOS
Integridade dos dados: 
Assim como nos bancos de dados operacionais, é preciso assegurar que as regras de integridade das chaves estrangeiras sejam respeitadas no momento da carga. 
 
Tipo de carga a ser realizada: incremental ou total
A carga incremental normalmente é feita para tabelas de fatos e a carga total é feita em tabelas de dimensão onde o analista terá que excluir os dados existentes e incluí-los novamente
 
  
 
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
CARGA DE DADOS
Otimização do processo de carga:
Todo banco de dados possui um conjunto de técnicas para otimizar o processo de carga, tais como evitar a geração de log durante o processo, criar índices e agregar dados. 
 
Suporte completo ao processo de carga:
O serviço de carga também precisa suportar as exigências antes e depois da carga atual, como eliminar e recriar índices e particionamento físico de tabelas e índices.
 
 
 
 
  
 
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
DIFICULDADES DO PROCESSO ETL
Externas :
 Prazos muito curtos;
 Relacionamento com outras equipes: 
 falta de tempo dos analistas OLTP 
 falta de paciência dos usuários;
 Falta de documentação; 
 Necessidade de reduzir custos do projeto.
 
 
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
DIFICULDADES DO PROCESSO ETL
Internas: 
  Extração
 Transporte
 
 Transformação
 
 Carga do Dados
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
DIFICULDADES DO PROCESSO ETL
Extração:
 Erros humanos como troca de nomes e tipos de variáveis; 
 Uso de regras de extração em desarmonia com as regras necessárias; 
 Dados não esperados sendo extraídos (tipo, tamanho, formato e conteúdo).
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
DIFICULDADES DO PROCESSO ETL
Transporte:
 Incompatibilidade entre ambientes operacionais diferentes;
 Necessidade de quebrar o processo em etapas gerando dados estocados. 
 
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
DIFICULDADES DO PROCESSO ETL
Transformação:
 Inserção de erros de transformação (escala de valor ou unidade);
 Uso de equações matemáticas. 
 
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
DIFICULDADES DO PROCESSO ETL
Carga do Dados:
 Aplicação de seleções não planejadas no momento da carga;
 Erros de codificação, tipo e formato de dados;
 Diferença entre modelagens de dados.
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
TIPOS DE IMPLEMENTAÇÃO DO DW
As abordagens de implementação de Data Warehouse em uso pelas organizações são três: Top down, Bottom up e Intermediária.
 
A escolha de um destes tipos é influenciada por fatores como: infra-estrutura de TI, arquitetura escolhida, escopo da implementação, recursos disponíveis e, principalmente, pela necessidade ou não de acesso aos dados corporativos, recursos disponíveis e velocidade de implementação.
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
IMPLEMENTAÇÃO TOP DOWN
 Padrão inicial do conceito de Data Warehouse
 Exige maior planejamento e demanda um trabalho maior de definições conceituais de tecnologia antes de iniciar-se o projeto propriamente dito.
 As decisões sobre fontes de dados que serão utilizadas, segurança, estruturas de dados, qualidade de dados, padrões de dados e os vários modelos de dados dos sistemas transacionais atuais devem estar completos antes do início da implementação.
 
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
IMPLEMENTAÇÃO TOP DOWN
 O processo se inicia com a extração, a transformação e a integração das informações dos sistemas transacionais e dados externos para um ODS ou diretamente das fontes operacionais.
 A seguir, os dados e metadados são transferidos para o Data Warehouse, a partir do qual são extraídos para os Data Marts.
 
 
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
IMPLEMENTAÇÃO TOP DOWN 
Fontes Externas
Sistemas Transacionais
DM 1
DM 2
DM N
OLAP Server
Data Mining
DW
ETL
(Fonte: Adaptado de Oliveira, S.R. M - Data Warehouse: Arquitetura, Projeto e Abordagens de Implementação)
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
IMPLEMENTAÇÃO BOTTOM UP
 Permite o planejamento dos Data Marts sem esperar que a infra-estrutura corporativa do Data Warehouse seja definida.
 Tem por objetivo a construção de um Data Warehouse incremental a partir do desenvolvimento de Data Marts independentes.
 Bem aceita pelos executivos por possuir um retorno de investimento rápido.
 Seu processo inicia com a extração, a transformação e a integração dos dados para um ou mais Data Marts.INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
IMPLEMENTAÇÃO TOP DOWN
DM 1
DM 2
DM N
DM
DM
DM
DM
DM
Sistemas Transacionais
(Fonte: Adaptado de Oliveira, S.R. M - Data Warehouse: Arquitetura, Projeto e Abordagens de Implementação)
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
IMPLEMENTAÇÃO INTERMEDIÁRIA
 Integra a implementação Top Down com a Bottom Up.
 Efetua-se a modelagem de dados do Data Warehouse com visão macro. A partir daí, cada Data Mart pode ser gerado a partir do macromodelo de dados do Data Warehouse e integrado ao modelo físico do Data Warehouse. 
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
IMPLEMENTAÇÃO INTERMEDIÁRIA
DM
DM
DM
DM
DM
Data Warehouse
(Fonte: Adaptado de Oliveira, S.R. M - Data Warehouse: Arquitetura, Projeto e Abordagens de Implementação)
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
METODOLOGIA PARA O PROJETO DE DATA WAREHOUSE 
Planejamento
Levantamento das Necessidades
Modelagem Dimensional
Projeto Físico dos BD’s
Projeto de ETL
Desenvolvimento de Aplicações
Validação e Testes
Treinamento
Implantação
Passos
Críticos
Passos passíveis
de muitos
problemas
(Fonte: Adaptado de Oliveira, S.R. M - Data Warehouse: Arquitetura, Projeto e Abordagens de Implementação)
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
METODOLOGIA PARA O PROJETO DE DATA WAREHOUSE
Etapa: Planejamento
 
 definição do escopo do projeto, considerando-se as áreas críticas da empresa e as necessidades mais permanentes de informações gerenciais.
 
 
 
 
(Fonte: Adaptado de Oliveira, S.R. M - Data Warehouse: Arquitetura, Projeto e Abordagens de Implementação)
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
METODOLOGIA PARA O PROJETO DE DATA WAREHOUSE
Etapa: Levantamento de Necessidades
 
 Identificados os modelos de projeto: o modelo dimensional e o modelo relacionado às fontes das informações.
 Modelo dimensional: representa os blocos conceituais de dados necessários para atender os objetivos do sistema de suporte à decisão.
 Modelo relacionado às fontes das informações: permite avaliar a qualidade e a integridade dos dados-fonte, além da sua duração histórica.
 
 
 
(Fonte: Adaptado de Oliveira, S.R. M - Data Warehouse: Arquitetura, Projeto e Abordagens de Implementação)
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
METODOLOGIA PARA O PROJETO DE DATA WAREHOUSE
Etapa: Modelagem Dimensional
 
 
 Projeto de quais os indicadores (medidas) que serão analisados, e as dimensões de análise, considerando quais indicadores são necessários para gerenciar o negócio.
 Deve considerar quais são os dados disponíveis para gerar os indicadores, e aqueles que precisam serem disponibilizados
 
 
 
 
(Fonte: Adaptado de Oliveira, S.R. M - Data Warehouse: Arquitetura, Projeto e Abordagens de Implementação)
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
METODOLOGIA PARA O PROJETO DE DATA WAREHOUSE
Etapa: Projeto Físico dos BDs
 
 Definição das tabelas Fato e Dimensão e seus relacionamentos e indices 
 Implantação de regras associadas.
 
 
 
 
(Fonte: Adaptado de Oliveira, S.R. M - Data Warehouse: Arquitetura, Projeto e Abordagens de Implementação)
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
METODOLOGIA PARA O PROJETO DE DATA WAREHOUSE
Etapa: Projeto ETL
 
 Definição dos vários elementos que irão compor as atividades do processo de ETL:
 
 Filtro de Dados
procedimentos e condições para se eliminar os elementos de dados indesejáveis no modelo dimensional
 
 
 
 
 
 
(Fonte: Adaptado de Oliveira, S.R. M - Data Warehouse: Arquitetura, Projeto e Abordagens de Implementação)
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
METODOLOGIA PARA O PROJETO DE DATA WAREHOUSE
Etapa: Projeto ETL
 
 Integração de Dados
define a forma de se correlacionar informações existentes em fontes distintas, e que deverão ser integradas no Data Warehouse
 Condensação de Dados
define a forma de se reduzir volumes de dados visando a obter informações resumidas e sumarizadas
 
 
 
(Fonte: Adaptado de Oliveira, S.R. M - Data Warehouse: Arquitetura, Projeto e Abordagens de Implementação)
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
METODOLOGIA PARA O PROJETO DE DATA WAREHOUSE
Etapa: Projeto ETL
 
 Conversão/Integração de Dados
define os procedimentos para padronizar dados que se encontram com unidades, formatos e dimensões diferentes. Exemplo: vendas de produtos no mês, produção de componentes por dia e compra de materiais por semana
 Derivação de Dados
define os meios e fórmulas para produzir dados virtuais, a partir de dados existentes.
 
 
 
 
 
 
(Fonte: Adaptado de Oliveira, S.R. M - Data Warehouse: Arquitetura, Projeto e Abordagens de Implementação)
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
METODOLOGIA PARA O PROJETO DE DATA WAREHOUSE
Etapa: Desenvolvimento de Aplicações
 
 
 O objetivo final do Data Warehouse é o ambiente de consultas OLAP. 
 Este ambiente deve ter uma interface amigável e simples, onde o usuário pode construir suas consultas, de acordo com sua necessidade ou intuição. 
 As aplicações ou ferramentas deste ambente devem possibilitar a visualização de dados em formas variadas e a importação dos dados obtidos para ferramentas do usuário final, como por exemplo, planilhas e processadores de textos.
 
 
 
(Fonte: Adaptado de Oliveira, S.R. M - Data Warehouse: Arquitetura, Projeto e Abordagens de Implementação)
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
METODOLOGIA PARA O PROJETO DE DATA WAREHOUSE
Etapa: Validação e Teste
 
 Teste do sistema é testado considerando-se, o máximo possível, as simulações de volume e de processamentos.
 
 
 
(Fonte: Adaptado de Oliveira, S.R. M - Data Warehouse: Arquitetura, Projeto e Abordagens de Implementação)
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
METODOLOGIA PARA O PROJETO DE DATA WAREHOUSE
Etapa: Treinamento
 
 Todos os usuários envolvidos com a atividade gerencial de negócio deverão ser treinados, não apenas nas ferramentas/aplicações, mas também nos conceitos associados ao Data Warehouse.
 
 
(Fonte: Adaptado de Oliveira, S.R. M - Data Warehouse: Arquitetura, Projeto e Abordagens de Implementação)
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
METODOLOGIA PARA O PROJETO DE DATA WAREHOUSE
Etapa: Implantação
 
 Acompanhamento de uso das aplicações disponibilizadas. 
 A equipe do projeto deverá incentivar os usuários a apresentarem críticas e sugestões de melhorias para as próximas versões do sistema.
(Fonte: Adaptado de Oliveira, S.R. M - Data Warehouse: Arquitetura, Projeto e Abordagens de Implementação)
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
PROJETO DE DATA WAREHOUSE - MITOS
 Os dados não mudam na migração;
 Os dados são migrados apenas uma vez;
 Tudo está bem documentado;
 Toda a documentação está disponível;
 A conversão e a movimentação de dados é fácil;
 A transformação é uma pequena parte do projeto. 
 
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
PROJETO DE DATA WAREHOUSE - FATOS
 Os dados antigos não são conhecidos ou entendidos;
 Muitas aplicações encontram-se em sistemas proprietários;
 A data de entrega é normalmente estabelecida antes da análise do problema;
 Há uma complexidade e diversidade de sistemas e de culturas;
 Não há controle dos processos do negócio;
 Não há especialização em muitas das linguagens e banco de dados;
 Fontes de dados externas são necessárias
 
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
Registro de Frequência
Qual das alternativas abaixo apresenta uma das vantagens da Implementação Top Down? 
 
a demorado projeto e a falta de retorno podem aumentar as expectativas dos usuários. 
a construção dos Data Marts é altamente direcionada, permitindo um rápido desenvolvimento. 
durante a construção dos Data Marts incrementais, é necessário que se mantenha um rígido controle do negócio como um todo. 
todos os negócios da empresa estão concentrados no Data Warehouse;
é a garantia da consistência dos dados, pois o modelo de dados para os Data Marts é único.
 
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
Registro de Frequência
Qual das alternativas abaixo apresenta uma das vantagens da Implementação Top Down? 
 
a demora do projeto e a falta de retorno podem aumentar as expectativas dos usuários. 
a construção dos Data Marts é altamente direcionada, permitindo um rápido desenvolvimento. 
durante a construção dos Data Marts incrementais, é necessário que se mantenha um rígido controle do negócio como um todo. 
todos os negócios da empresa estão concentrados no Data Warehouse;
é a garantia da consistência dos dados, pois o modelo de dados para os Data Marts é único.
 
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
Registro de Frequência
Em relação às afirmações abaixo quanto ao Data Warehouse, indique quais as que são Fato (F) e quais as que são Mito (M). 
( ) Toda a documentação está disponível;
( ) Há uma complexidade e diversidade de sistemas e de culturas;
( ) Não há controle dos processos do negócio;
( ) A conversão e a movimentação de dados é fácil;
( ) Fontes de dados externas.
( ) A transformação é uma pequena parte do projeto
( ) Não há especialização em muitas das linguagens e banco de dados;
 
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
Registro de Frequência
Em relação às afirmações abaixo quanto ao Data Warehouse, indique quais as que são Fato (F) e quais as que são Mito (M). 
( M ) Toda a documentação está disponível;
( ) Há uma complexidade e diversidade de sistemas e de culturas;
( ) Não há controle dos processos do negócio;
( ) A conversão e a movimentação de dados é fácil;
( ) Fontes de dados externas.
( ) A transformação é uma pequena parte do projeto
( ) Não há especialização em muitas das linguagens e banco de dados;
 
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
Registro de Frequência
Em relação às afirmações abaixo quanto ao Data Warehouse, indique quais as que são Fato (F) e quais as que são Mito (M). 
( M ) Toda a documentação está disponível;
( F ) Há uma complexidade e diversidade de sistemas e de culturas;
( ) Não há controle dos processos do negócio;
( ) A conversão e a movimentação de dados é fácil;
( ) Fontes de dados externas.
( ) A transformação é uma pequena parte do projeto
( ) Não há especialização em muitas das linguagens e banco de dados;
 
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
Registro de Frequência
Em relação às afirmações abaixo quanto ao Data Warehouse, indique quais as que são Fato (F) e quais as que são Mito (M). 
( M ) Toda a documentação está disponível;
( F ) Há uma complexidade e diversidade de sistemas e de culturas;
( F ) Não há controle dos processos do negócio;
( ) A conversão e a movimentação de dados é fácil;
( ) Fontes de dados externas.
( ) A transformação é uma pequena parte do projeto
( ) Não há especialização em muitas das linguagens e banco de dados;
 
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
Registro de Frequência
Em relação às afirmações abaixo quanto ao Data Warehouse, indique quais as que são Fato (F) e quais as que são Mito (M). 
( M ) Toda a documentação está disponível;
( F ) Há uma complexidade e diversidade de sistemas e de culturas;
( F ) Não há controle dos processos do negócio;
( M ) A conversão e a movimentação de dados é fácil;
( ) Fontes de dados externas.
( ) A transformação é uma pequena parte do projeto
( ) Não há especialização em muitas das linguagens e banco de dados;
 
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
Registro de Frequência
Em relação às afirmações abaixo quanto ao Data Warehouse, indique quais as que são Fato (F) e quais as que são Mito (M). 
( M ) Toda a documentação está disponível;
( F ) Há uma complexidade e diversidade de sistemas e de culturas;
( F ) Não há controle dos processos do negócio;
( M ) A conversão e a movimentação de dados é fácil;
( F ) Fontes de dados externas.
( ) A transformação é uma pequena parte do projeto
( ) Não há especialização em muitas das linguagens e banco de dados;
 
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
Registro de Frequência
Em relação às afirmações abaixo quanto ao Data Warehouse, indique quais as que são Fato (F) e quais as que são Mito (M). 
( M ) Toda a documentação está disponível;
( F ) Há uma complexidade e diversidade de sistemas e de culturas;
( F ) Não há controle dos processos do negócio;
( M ) A conversão e a movimentação de dados é fácil;
( F ) Fontes de dados externas.
( M ) A transformação é uma pequena parte do projeto
( ) Não há especialização em muitas das linguagens e banco de dados;
 
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
Registro de Frequência
Em relação às afirmações abaixo quanto ao Data Warehouse, indique quais as que são Fato (F) e quais as que são Mito (M). 
( M ) Toda a documentação está disponível;
( F ) Há uma complexidade e diversidade de sistemas e de culturas;
( F ) Não há controle dos processos do negócio;
( M ) A conversão e a movimentação de dados é fácil;
( F ) Fontes de dados externas.
( M ) A transformação é uma pequena parte do projeto
( F ) Não há especialização em muitas das linguagens e banco de dados;
 
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
Registro de Frequência
O processo responsável por capturar os dados nos bancos de dados de origem e transformar estes dados de acordo com as necessidades de utilização pelo negócio é chamado de:
 
Data Mart 
Modelagem Dimensional;
Levantamentamento de Necessidades. 
ETL
BI
 
 
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL 
Registro de Frequência
O processo responsável por capturar os dados nos bancos de dados de origem e transformar estes dados de acordo com as necessidades de utilização pelo negócio é chamado de:
 
Data Mart 
Modelagem Dimensional;
Levantamentamento de Necessidades. 
ETL
BI
 
 
INTELIGÊNCIA EMPRESARIAL – AULA 10
INTELIGÊNCIA EMPRESARIAL