Resumo P2 PSIS

Prévia do material em texto

Resumo PSIS – P2
E-Commerce
 O que é?
É um sistema de vendas on-line
Pode ser classificado em 3 categorias
-B2C : Venda de fornecedor para consumidor
-B2B: Venda entre empresas
-C2C: Venda e troca entre consumidores
Tipos e Exemplos:
●Loja virtual -> Venda de produtos e serviços on-line
●Marketplace -> Voltado para a venda de produtos e serviços de diversos 
 fornecedores. Horizontal: Diversas mercadorias.
 Vertical: Mercado específico
● Leilão -> O vendedor descreve a mercadoria e o processo do leilão e vence o
 consumidor de maior oferta. Ex: eBay.com ; Mercadolivre.com
●Leilão reverso: O comprador descreve a mercadoria e o máximo valor. Vence a
 melhor proposta e/ou o menor preço.
●On-line Exchange: Sistema de solicitação de oferta, onde múltiplos compradores 
 podem comprar de múltiplos vendedores.
 ®e-procurement ->criação do catálogo de produtos, utilizado por áreas 
 compradoras e para troca de dados com fornecedores
®e-sourcing ->: a empresa escolhe seus fornecedores de forma deliberada e calculada, analisando diversos fatores. Decisões são tomadas considerando a análise de impacto do fornecedor na estratégia e no supply chain da empresa.
 Vantagens
- Redução do custo operacional das operações de compra e venda
-Desintermediação: capacidade de reduzir camadas intermediárias do supply chain
 e consequentemente o preço final para o consumidor.
-Mais proximidade e conhecimento do cliente (Marketing Interativo)
Desvantagens
-Atraso de mercadorias
-Não permite experimentar o produto antes da compra
-Facilidade em fazer um site de comércio eletrônico, faz existir vários, e inibir o consumidor, que vai preferir comprar de sites mais conhecidos, por acharem seguros.
-Falta de contato Pessoal
E- Learning
O que é?
Treinamento via web que possibilita, promovendo a interação e comunicação entre professores e alunos.
Tipos e exemplos:
●Treinamento baseado via computador
 Realizado em tempo off-line com CD ou disquete contendo um software e/ou
 manuais de treinamento.
 ® Vantagens: Ideal por atender profissionais dispersos geograficamente em regiões onde não haja recursos de telecomunicações apropriados.
●Treinamento baseado via web
Há um canal de comunicação ativo entre o treinando e as facilidades que ele utiliza para a sua capacitação.
®Treinamento Independente: O treinado determina seu ritmo de aprendizagem. Ele pode rever o material sempre que achar necessário. E p feedback é dado em um ambiente pré-programado.
®Treinamento Interativo síncrono
Aulas em tempo real. Mais interativa e próxima do ambiente real de treinamento. Flexibilidade limitada.
®Treinamento Interativo Assíncrono: O ritmo de estudos é determinado 
pelo professor e pela classe. As aulas são assistidas a qualquer tempo, por quanto tempo o aluno achar necessário.
Vantagens: 
-disponível 24 h, durante os 7 dias da semana (24 x 7);
-disponível em qualquer local com acesso Internet;
- altamente conveniente: usuários podem definir velocidade, horários e local do
 treinamento;
- treinamento pode ser personalizado;
- reduz custos, por exemplo, reduzindo viagens e tempo de treinamento;
-facilidade de distribuição e atualização;
-facilidade de se realizar medições;
-menos intimidador do que salas de aulas com professor.
Desvantagens:
- computador não substitui o contato humano;
- alguns alunos perdem foco e disciplina em ambientes online;
- pode elevar tempo e custo do treinamento se não planejado corretamente;
- diferenças tecnológicas existentes no ambiente de cada aluno (linha de comunicação e computador pessoal) podem ocasionar resultados variados.
SGBD
 O que é um Banco de Dados?
É um conjunto de dados estruturados que se relacionam entre si através de um conjunto de mecanismos de controle, acesso e manipulação que formam o SGBD.
O volume de dados é tão grande que exige memória secundária.
®Usuarios do sistema:
-Administrador de Banco de dados – BDA
-Programados de aplicações
-Usuário Comum
 Modelagem de Dados
®Conceitual: identifica os dados armazenados e suas relações; 
®Lógico: parte em que o usuário tem acesso;
®Físico:  nível mais baixo de abstração, define de que maneira os dados estão armazenados.
Arquitetura Logica
Três níveis de abstração:
-Externo
-Conceitual
-Interno
Componentes
SQL - Otimizador -Controlador de concorrência Controlador de transação e recuperação -Gerente de memória - Gerente de dados - Metadados e estatistica - Dados e indices Log de transações
Principio da Independência
®Física: “Mudanças no esquema interno não implicam em alterações no esquema conceitual”
®Lógica:” Alterações no esquema conceitual não acarretam modificações nos esquemas externos”
Objetivos
Informações que devem ser mantidas; Atividades que envolvem tais informações; Restrições de integridade; Regras de negócio (regras de integridade semântica).
 
Data warehouse
O que é?
É criação de uma visão dos dados que são gerados e armazenados por diferentes sistemas em diversos bancos de dados.
Esses dados são orientados por assunto, integrados, variáveis com o tempo e não voláteis.
®Orientado por assunto
Ao contrário de sistemas transacionais que são orientados por funcionalidade, o DW é orientado por assunto. 
Ex: Aplicações de vendas contém dados sobre clientes, produtos, estoque. O DW orientados as vendas possui histórico das vendas.
 ®Integrado
 - Dados de diversas fontes são reunidos – sumarizados ou descartados
 -Dados deverão estar em um esquema único e coerente de codificação.
 ®Não volátil
 -Dados armazenados de maneira Carga e excesso. Ou seja, só podem ser 
 armazenados e ser vir de consulta. Não podem ser alterados e nem 
 Removidos
 ®Variável com o tempo
 - Os dados estão associados ao tempo, como ano fiscal ou semestre.
 - Informações como a quantidade de dias em um mês ou o dia da semana
 em que um mês inicia são importantes.
Motivações
-Aumento do valor agregado a informação; Necessidade da tomada de decisões corretas; Crescimento rápido do volume de dados; Dificuldades para obter informação;
Suporte a tomada de decisão - SAD
Buscam apoiar a eficiência e a lucratividade da empresa com base nos dados existentes.
®Tipos de Dados
-Operacional: suportam diretamente as funções do negócio e, para manipulá-los, são desenvolvidas a maioria das aplicações em uma empresa.
-Informativo: utilizados no processo de suporte a tomada de decisões.
 ®Análise de dados 
 - Atividades da Análise de dados ajudam a são simplificadas por ferramentas 
 próprias e extensões de SQL.
 - Pode ser apoiada e por pacotes de análise estatística e por data mining . 
 - Analise um grande volume de dados sob múltiplas perspectivas pode ser 
 feita com a ferramenta OLAP.
 ●SQL
 Linguagem padrão de gerenciamento de dados que interage com os 
 principais bancos de dados baseados no modelo relacional.
 ●Data mining
 Visa a exploração de banco de dados através do reconhecimento de padrões
 e relacionamento entre variáveis.
 * Tarefa será facilitada se os dados estiverem armazenados em local único
 (ao invés de espalhados pela empresa) e comum esquema conhecido(Data Warehouse).
 OLAP - Online Analytical Processing
 Análise interativa de dados, permitindo que dados sejam sumarizados e 
 vistos de diferentes formas de maneira on-line.
Dados e Dimensões/ Granularidade
-Granularidade:  nível de detalhe ou de resumo contido nas unidades de dados existentes no data warehouse.
-Dados multidimensionais: Dados que podem ser modelados como atributos de dimensões e de medida.
* A ferramenta OLAP estrutura logicamente dados multidimensionais na forma de um cubo. O cubo pode apresentar várias dimensões que são subconjuntos de atributos.
-Atributo de dimensão: Definem as dimensões segundo as quais medir os atributos (ou realizar agregações). Ex: nome do produto, cor e tamanho em uma relação de vendas
-Atributo de medida: Medem algum valor; Podem sofrer agregações. 
Ex: quantidade em uma tabela de vendas;
Modelagem de Dados(Exibição de resultados)
-CROSS TAB
-Representação Relacional
-Cubo de Dados
Operações Comuns
-Pivot(Pivoteamento):
-Slicing
-Roll-up
-Drill-down
Implementações
-ROLAP
- MOLAP
- HOLAP
- DOLAP
-WOLAP
 
	
Perfis de usuário
-Fazendores: Típico do nível gerencial
-Turistas: Realizam buscas aleatórias 
-Exploradores: Tentam encontrar relações entre os dados
OLTP - On-line Transaction Processing) X Data Warehouse
1. Suporta decisões cotidianas X decisões alongo prazo
2. Dados mudam constantemente X dados mudam raramente
3. Dados atuais X dados históricos
4. Processamento repetitivo X processamento heurístico
5. Orientado a aplicações X orientado a assunto
6. Permite alteração e exclusão de dados X Consulta em grande volume
Principais Componentes
®Dados Antigos
 Dados de menor interesse, acessados com menor frequência e armazenados no mesmo nível de detalhe dos dados atuais.
®Dados Atuais
 Recentes, de grande interesse, armazenados no maior nível de detalhe em disco.
®Dados Sumarizados
 Resumidos, separados em tópicos
®Metadados
 Contém informações sobre os dados armazenados no data warehouse:
Estrutura dos dados; Mapeamento da origem dos dados; Algoritmos utilizados para a sumarização das informações; Histórico da extração e transformação das informações; Estatísticas de utilização;
 Atualização – ETL – Extrair, transformar e carregar
®ETL - Extraction, Transformation, and Loading
-Extrair: dados externos e operacionais.
-Transformar: Sumarizar, limpar, unificar domínios
-Carregar: Combinar as várias fontes e o momento ideal da carga
®Como atualizar os dados?
-Arquitetura orientada à origem:
-Arquitetura orientada ao destino:
®Quando atualizar os dados : através do 2PC (two-phase-commit). Para empresas internacionais, pode não existir uma boa hora para carga.
Arquiteturas
®DW Virtuais 
São visões (materializadas) baseadas nos dados operacionais e que fornecem apoio à tomada de decisão; Rápida implementação e relativamente baixos custos; Ganhos limitados
®Fortemente Acoplada
Extração de todos os dados das fontes de dados, seguida das etapas de limpeza, consolidação e armazenamento em um banco de dados único, com disponibilização das informações para usuários e aplicações;
®Fracamente Acoplada
Ambiente centralizado com grande controle; Separa o processamento de consultas do processamento OLTP – libera recursos;
Baseada em DATA MARTS: É utilizado para atender a aplicações específicas. Armazena um conjunto limitado de assuntos.
®Híbrida
Utiliza um data warehouse e vários data marts – combinação das arquiteturas fortemente e fracamente acopladas; Informações integradas no data warehouse são disponibilizadas para vários grupos de 
usuários em diferentes formatos, via data marts;
Unificação de conceitos e ganho em escala
Abordagens
Data Mart
É um pequeno DW, abrangendo uma determinada área de assunto e oferecendo informações mais detalhadas sobre o departamento em questão.
® Top-down: Um DW pode ser desenvolvido antes de seus DM.
-Criando o DM: Capturando dados de todos os sistemas transacionais em um Data Warehouse central, que por sua vez alimenta todos os Data Marts.
-Tende a ser mais eficiente, porém demandará mais tempo para apresentar resultados.
®Botton-up: De baixo para cima. Um DW é composto a partir de data marts desenvolvidos.
-Criando o DM: Capturando dados diretamente de sistemas transacionais, cada Data Mart buscando as informações relevantes para o seu mercado;
-Ira fornecer um Data Mart de forma mais rápida, porém sem levar em consideração o cruzamento de informações entre as demais áreas de assunto.
®estratégias: Dividir para conquistar ; Planejar top-down, implementar botton-up; Menor tempo para obtenção de resultados; Acúmulo de experiência, menor risco; Dificuldade: manter a coerência entre os data marts;
Modelagem
Escolher o X da questão, ou seja, a área mais importante; Decidir o que uma estrela de fatos representa; Identificar e adaptar dimensões; Escolher os fatos; Armazenar dados pré calculados na tabela de fatos; Ajustar as tabelas de dimensões; Escolher a duração do BD; Rastrear as alterações nas dimensões.
®Multidimensional
-Fatos
-Dimensões
-Hierarquias
- Esparcidade
®Tabela de fatos: Analogia: contém tuplas, uma para cada fato registrado – interseção das dimensões; Usualmente, as maiores; O menor grão é um registro na tabela de fatos;
®Tabelas de dimensões: Tuplas com os atributos da dimensão; Utiliza terminologia do negócio; Dados textuais e descritivos;
® Esquema estrela: Uma tabela de fatos com uma única tabela para cada dimensão; As tabelas de dimensões estão desnormalizadas;
®Constelação de fatos: Conjunto de tabelas de fatos que compartilham a mesma tabela de dimensões.
®Esquema Snow Flake: Normalização das tabelas de dimensões; Estrutura mais complexa; Menor utilização de espaço.