Baixe o app para aproveitar ainda mais
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.
Compartilhar