Biblioteca aula05

Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original

INTELIGÊNCIA EMPRESARIAL
Aula 5 – Data Mart
Conteúdo Programático desta aula
Data Warehouse
Data Mart
Técnicas de Implementação 
 
2
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
2
3
Data Warehouse
 “É um Sistema de Informações Corporativo, 
	baseado em dados internos e externos à empresa 
							. . . “
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
3
4
Data Warehouse
 “. . . orientado à análise
							. . . “	
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
4
5
Data Warehouse
 “. . . 	da gestão Operacional, Tática e Estratégica 	
							 . . . “
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
5
6
Data Warehouse
 “. . . 		capaz de suportar todo o ciclo do negócio 
							 . . . “
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
6
7
Data Warehouse
 “. . . 		com uma perspectiva histórica .“
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
7
8
Data Warehouse
“Sistema de Informações baseado em dados internos e externos, 
orientado à análise da gestão, capaz de suportar todo o ciclo do 
negócio, com uma perspectiva histórica .“
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
8
Então ...... DW é:
9
Estrutura desenhada para armazenamento de dados não voláteis, que não pertençam ao ambiente transacional da empresa, voltado para decisão e que deve ser separado da operação do dia-a-dia.
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
9
Então ...... os dados são :
10
extraídos de múltiplas origens, dentre os vários BD´s e aplicações existentes, sendo lógica e fisicamente transformados.
consolidados, integrados e sumarizados para serem exibidos e expressos em termos simples, próximos de uma visão intuitiva dos negócios, dando suporte a uma larga variedade de decisões, permitindo pesquisas, análises e testes sobre as relações que eles representam.
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
10
11
Arquitetura do Data Warehouse
Sistemas de Extração Tradicionais
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
11
12
Arquitetura do Data Warehouse
Sistemas baseados em Data Warehouse 
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
12
13
Arquitetura do Data Warehouse
Sistemas baseados em Data Warehouse 
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
13
14
Requisitos do DW
Eficiente
Grande volume de dados imutáveis
Processamento paralelo e/ou distribuído
Confiável
Funcionamento do sistema
Resultado das análises
Expansível
Crescente volume de dados
Maior número de fontes de dados
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
14
15
Estrutura
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
15
16
Obtenção de Dados
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
16
17
Busca de Informações
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
17
18
Modelo de Camadas
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
18
Funções das Camadas do DW
 
19
Dados Operacionais/Externos: fontes de dados
Corresponde aos dados das bases de dados operacionais da organização junto com dados provenientes de outras fontes externas que serão tratados e integrados para compor o DW. 
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
19
Funções das Camadas do DW
 
20
Acesso aos Dados: extrair dados dos BDs
Ligação entre as ferramentas de acesso à informação e os bancos de dados operacionais. 
Comunica-se não só com diferentes SGBDs e sistemas de arquivos de um mesmo ambiente como também, idealmente, com outras fontes sob diferentes protocolos de comunicação, no que se chama acesso universal de dados.
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
20
Funções das Camadas do DW
 
21
Data Staging: transformar e carregar dados
Inclui todos os processos necessários para selecionar, editar, resumir, combinar e carregar o DW e as correspondentes informações de acesso a partir das bases operacionais e fontes externas. 
Programas de análise da qualidade dos dados e filtros que identificam padrões nos dados operacionais. Pode envolver programação complexa
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
21
Funções das Camadas do DW
 
22
Data Warehouse Físico: armazenar dados
O DW propriamente dito corresponde aos dados usados para fins "informacionais". 
Em alguns casos, DW é simplesmente uma visão lógica ou virtual dos dados. 
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
22
Funções das Camadas do DW
 
23
Acesso à Informação: analisar dados
É a camada com a qual os usuários finais interagem. Representa as ferramentas que o usuário utiliza no dia a dia. 
Envolve o hardware e software utilizado para obtenção de relatórios, planilhas, gráficos e outros.
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
23
Funções das Camadas do DW
 
24
Troca de Mensagens: transportar dados
Gerencia o transporte de informações pelo ambiente de redes.
Usada para isolar aplicações, operacionais ou informacionais, do formato real dos dados nas duas extremidades. 
Inclui a coleta de mensagens e transações e se encarrega de entregá-las em locais e tempos determinados.
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
24
Funções das Camadas do DW
 
25
Gerenc. de Processos: controlar atividades
Envolve-se com o controle das diversas tarefas a serem realizadas para construir e manter as informações do dicionário de dados e do DW
Responsável pelo gerenciamento dos processos para manter o DW atualizado e consistente.
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
25
Data Mart
 
26
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
26
DATAMARTS
Muitas vezes, apesar do Data Warehouse possuir um grande volume de dados de toda a empresa, é necessário trabalhar apenas com uma parte destes dados, correspondente a um setor da empresa, ou fazer a implantação do Data Warehouse de forma fracionada até se formar o sistema corporativo.
Pode ser considerado como um subconjunto de dados que possui regras de negócio e de cálculo específicas, sumarizados ou agregados de um database maior.
27
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
UTILIZAÇÃO DE DATAMARTS
Um Datamart é um banco de dados de suporte à decisão construído para utilização por um departamento ou grupo específico de uma empresa. 
(Fonte: Adaptado de www.inf.ufsc.br/~frank/bd_unoesc/DataWarehouse.ppt, acesso em 08/jan/2011)
 
28
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
DATAMARTS
Data Marts são subconjuntos departamentais focados em assuntos selecionados (e.g., um data mart de marketing pode incluir informações de vendas, produtos e clientes). (Chaudhuri & Dayal)
29
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
UTILIZAÇÃO DE DATAMARTS
 “Pequenos” bancos de dados departamentais orientados por assunto 
 Solução “Tática” (possuem implementação mais simples)
 Menor tempo de desenvolvimento
 Atenção: a integração de DataMarts exige planejamento avançado
Observações: 
 Dados podem estar repetidos em diversos Data Marts 
 O mesmo dado pode ser representado com granularidade diferente
30
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
 DATAMARTS - Observações
 A crescente popularidade dos Data Marts em relação aos grandes
sistemas de Data Warehouses corporativos é baseada em bons
motivos: 
 Os Data Marts têm diminuído drasticamente o custo de implementação e manutenção de sistemas de apoio à decisões, colocando-os posto ao alcance de um número muito maior de corporações; 
31
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
 DATAMARTS - Observações
 Eles podem ser prototipados muito mais rapidamente,
com alguns pilotos sendo construídos entre 30 e 120 dias e sistemas completos sendo construídos entre 3 e seis meses; 
 Os data marts têm o escopo mais limitado e são mais identificados com grupos de necessidades dos usuários, o que se traduz em esforço/equipe concentrados. 
32
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
 DW x DM
33
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
 DATAMARTS - Implementação
 Pensar de forma global e agir de forma local
 Planejar e implementar uma arquitetura e uma infraestrutura com visão de longo prazo
 Entregar resultados a cada 90 ou 120 dias
 Agir orientado a problemas de negócio específicos
 Aumentar a abrangência à medida que a cultura for sendo assimilada
 Divulgar o sucesso de seu Data Mart.
34
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
 Implementação dos Data Marts 
35
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
EC Toyota
36
Fonte: Google
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
36
ETL e ODS
 
37
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
37
Ferramentas de ETL
Responsáveis pela conversão dos dados do ambiente operacional para o de suporte à decisão
Realizam Acesso, Extração, Transformação, Validação e Carga dos dados
38
(Adaptado de: Prof. Vanessa Dantas - UFPB)
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
ODS (Operational Datastore)
Um Operational Data Store (ODS) é um conjunto de dados baseado em assuntos, integrado, volátil (pode ser atualizado), atual ou recente, de apoio às decisões operacionais do dia-a-dia. (William Inmon)
39
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
ODS (Operational Datastore)
Objetivo
Criar um ambiente intermediário de armazenamento e processamento de dados vindos de diversas fontes para o processo de ETL, evitando problemas após a criação do DW.
40
(Adaptado de: Prof. Vanessa Dantas - UFPB)
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
ODS (Operational Datastore)
Benefícios
Otimiza a criação do DW
Possibilita a realização de consultas relacionais sobre dados históricos
Permite interações de tempo real (e.g. gerenciamento de relacionamentos de cliente)
41
(Adaptado de: Prof. Vanessa Dantas - UFPB)
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
ODS (Operational Datastore)
Originalmente, o ODS era um depósito temporário, que armazenava as informações correntes, antes de serem carregadas no DW.
Atualmente, alguns autores passaram a denominá-lo Armazenamento Dinâmico de Dados – Dynamic Data Storage – DDS.
42
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
ODS (Operational Datastore ou Staging Area)
Em um ambiente onde existem muitas fontes heterogêneas de dados e um único Data Mart o ODS pode adicionar valor, entretanto, com o aumento da complexidade do ambiente, envolvendo vários tipos de bancos de dados, ou plataformas diferentes para diversas fontes de dados, a necessidade de utilização de uma Staging Area para integrar todos os tipos de dados em um único formato torna-se mandatória e crítica
43
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
ODS x DDS x Staging Area
Que é ODS? E DDS? 
Operational vs Dynamic
Hoje ODS são chamados DDS
ODS permite análises no ambiente operacional e auxilia carga de DW
DDS pode ir crescendo ao longo do tempo com alterações incrementais
Staging Area é necessária quando a preparação (limpeza, sincronizacao etc) é complexa.
44
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
ODS ??
Na maioria das vezes é uma discussão semântica. Algumas pessoas dizem que tem ODS quando:
Existe uma “staging area” (área de armazenamento temporário) que coleta dados de diversos sistemas e se torna a única fonte de dados do DW
Existe um repositório de dados utilizado para organizar o processo de extração que ira suportar a carga do DW
Existe a necessidade de manter um histórico de dados muito detalhado que não estaria no DW
Existe a necessidade de atualização de dados em tempo real (ou quase real)
45
(Adaptado de Machado, F.N.R)
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
ODS (Operational Datastore ou Staging Area)
O crescimento do DW com a inclusão de novos DMs e a utilização de Staging Area fica otimizado e garante a integração das informações, pois possibilita a existência de fonte única e sincronizada de dados.
 A função do ODS é agilizar o processo de consolidação de dados, proporciona melhor desempenho e permite que o administrador do DW possa investigar os dados originados pelos sistemas transacionais, em caso de algum erro
46
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
ODS (Operational Datastore ou Staging Area)
O ODS não é um componente indispensável em um DW, cuja criação é uma decisão do projeto. Por combinar a tecnologia de DW com os sistemas transacionais (OLTP), permite análises e apoio à tomada de decisão que requeiram respostas em tempo real.
47
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
Resumo do Fluxo de Dados
48
(Fonte: Prof. Rubens Melo – PUC/RJ)
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
Exemplo de aplicação de ODS em Sistemas Bancários
49
(Adaptado de Machado, F.N.R)
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
Arquiteturas de DW
e
 Abordagens 
de 
Implementação 
50
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
50
Arquitetura adequada é fundamental => 
Bottom-up (DMs) vs Top Down (DW/DMs)
Tempo, satisfação do usuário,...
51
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
Abordagem de Implementação =>
Qual a Infraestrutura disponível?
Porte da empresa
Escopo desejado
Recursos...
52
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
Arquiteturas =>
Arquitetura DW global
Centralizada
Distribuída
Arquitetura Data Marts
Independentes
Integrados (difícil)
53
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
DW e Data Marts
54
(Fonte: Prof. Rubens Melo – PUC/RJ)
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
DM em Servidor OLAP
55
(Fonte: Prof. Rubens Melo – PUC/RJ)
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
Abordagens de Implementação
As abordagens de implementação em uso são três:
 Top down
 Bottom up 
 Incremental (ou intermediária)
56
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
Abordagens de Implementação
A opção por um tipo de abordagem de implementação é influenciada por fatores como infraestrutura de TI, arquitetura escolhida, escopo da implementação, recursos disponíveis e, principalmente, pela necessidade ou não de acesso corporativo dos dados assim como pela velocidade de implementação.
57
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
Top down
É conhecida como padrão inicial do conceito de DW;
Requer maior planejamento e trabalho de definições conceituais de tecnologia completos antes de iniciar-se o projeto de DW propriamente dito;
As decisões sobre fontes de dados que serão utilizadas, segurança, estruturas de dados, qualidade de dados, padrões de dados e vários modelos de dados dom sistemas transacionais atuais devem estar completos antes do início da implementação Bottom up 
58
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
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 DW;
 A partir do DW são extraídos os dados e metadados para os Data Marts, onde as informações estão em maior nível de sumarização e, normalmente, não apresentam o nível histórico encontrado no DW;
59
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
Top down
 Ponto positivo: força a empresa a definir regras de negócio de forma corporativa antes de iniciar-se o projeto de DW em si.
60
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
Top down
61
(Fonte: Adaptado de Oliveira, S.R. M - Data Warehouse: Arquitetura, Projeto e Abordagens de Implementação)
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
Top down - Vantagens:
Herança de arquitetura: todos os DM originados de um DW utilizam a arquitetura e os dados desse DW, facilitando a manutenção;
Visão de empreendimento: o DW concentra todos os negócios da empresa, sendo possível extrair dele níveis menores de informações;
62
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
Top down - Vantagens:
Repositório de metadados centralizado e simples: essa centralização permite manutenções mais simples do que quando da utilização de múltiplos repositórios;
 Controle e centralização de regras: a arquitetura top down garante a existência de um único conjunto de aplicações para extração, limpeza e integração dos dados, além de processos centralizados de manutenção e monitoração. 
63
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
Top down - Desvantagens:
Implementação muito longa: os DW são, normalmente, desenvolvidos de forma iterativa, por áreas de assuntos. Como, finanças, vendas e recursos humanos. Mesmo assim, são necessário s, em média, 15 ou mais meses para que a primeira área de assunto entre em produção, dificultando a garantia de apoio político e orçamentário;
Alta taxa de risco: não existem garantias para o investimento nesse tipo de ambiente;
64
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
Top down - Desvantagens:
Herança de cruzamentos funcionais: é necessária uma equipe de desenvolvedores e usuários finais altamente capacitados, para avaliar as informações e consultas que garantam à empresa habilidade para sobreviver e prosperar nas competições políticas e organizacionais;
Expectativas relacionadas ao ambiente: a demora do projeto e a falta de retorno podem aumentar as expectativas dos usuários. 
65
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
Bottom up (incremental)
Permite que o planejamento e o desenho dos Data Marts possam ser realizados sem esperar que seja definida uma infraestrutura corporativa para o DW. Essa infraestrutura não deixará de existir, apenas poderá ser implementada incrementalmente conforme forem sendo realizados os DM;
66
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
Bottom up
O objetivo desta implementação é a construção de um DW incremental a partir do desenvolvimento de Data Marts independentes;
O processo começa com a extração, a transformação e a integração dos dados para um ou mais Data Marts;
67
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
Bottom up (incremental)
Um dos grandes problemas dessa implementação é a falta de um gerenciador que garanta padrões únicos de metadados. Essa dificuldade é responsável pela falha na elaboração incremental do DW. 
Podem ocorrer redundância de dados e inconsistências entre os Data Marts, que podem ser minimizados por meio de um planejamento, monitoração e estabelecimento de regras (metodologia);
68
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
Bottom up (incremental)
Com uma estrutura de múltiplos Data Marts, o processo de extração pode tornar-se crítico na interferência junto aos sistemas transacionais
69
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
Bottom up
70
(Fonte: Adaptado de Oliveira, S.R. M - Data Warehouse: Arquitetura, Projeto e Abordagens de Implementação)
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
Bottom up - Vantagens:
Implementação rápida: a construção dos Data Marts é altamente direcionada, permitindo um rápido desenvolvimento. Normalmente, um Data Marts pode ser colocado em produção em um período de seis a nove meses.
71
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
Bottom up - Vantagens:
Manutenção do foco da equipe: um dos maiores desafios do desenvolvimento de um ambiente DW é a manutenção do mesmo enfoque por toda a equipe. A elaboração de Data Marts incrementais permite que os principais negócios sejam enfocados inicialmente, sem que haja gastos no desenvolvimento de áreas que não são essenciais ao problema.
 
72
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
Bottom up - Vantagens:
Retorno rápido: a arquitetura baseada em Data Marts com incremento demonstra rapidamente seu valor, permitindo uma base para investimentos adicionais com um nível mais elevado de confiança.
73
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
Bottom up - Vantagens:
Herança incremental: a estratégia de Data Marts incrementais obriga a entrega de recursos de informação passo a passo. Isso permite à equipe crescer e aprender, reduzindo risco. A avaliação de ferramentas, tecnologias, consultores e vendedores só deve ser realizada uma vez, a não ser que existam restrições que impeçam o reaproveitamento
74
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
Bottom up - Desvantagens:
Perigo de “legamarts”: um dos maiores perigos no ambiente do DW é a criação de Data Marts independentes. Essa solução pode não considerar a arquitetura de forma global. Desse modo, os Data Marts independentes transformam-se em Data Marts legados, ou legamarts que dificultam, quando não inviabilizam, futuras integrações. Eles são parte do problema e não da solução.
75
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
Bottom up - Desvantagens:
Desafio de possuir a visão de empreendimento: durante a construção dos Data Marts incrementais, é necessário que se mantenha um rígido controle do negócio como um todo. 
76
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
Bottom up - Desvantagens:
Administrar e coordenar múltiplas equipes e iniciativas: normalmente, esse tipo de arquitetura emprega o desenvolvimento de Data Marts em paralelo. Isso pode conduzir a uma rígida administração, tentando coordenar os esforços e recursos das múltiplas equipes, especialmente nas áreas de regras e semântica empresariais;
77
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
Bottom up - Desvantagens:
A maldição de sucesso: nesses casos, os usuários finais dos Data Marts encontram-se felizes querendo mais informação para seus Data Marts . Ao mesmo tempo, outros usuários de outros Data Marts aguardam o incremento de seus Data Marts . Isso obriga a equipe de Data Marts a vencer desafios políticos, de recurso e de administração.
78
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
Incremental
79
Tem o propósito de integrar a arquitetura top down com a bottom up;
 Nessa abordagem efetua-se a modelagem de dados do DW de visão macro, sendo o passo seguinte a implementação de partes desse modelo. Essas partes são escolhidas por processos ou atividades da área de interesse e constituem os Data Marts;
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
Incremental
80
Cada Data Marts pode ser gerado a partir do macro modelo de dados do DW e integrado ao modelo físico do DW;
A principal vantagem dessa abordagem é a garantia da consistência dos dados, obtida em virtude de o modelo de dados ser único, possibilitando realizar o mapeamento e o controle dos dados
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
Incremental
81
 Implementação
 Planejamento Top Down
 Processos de Negócio
 Desenvolvimento Bottom Up
Um Data Mart de cada vez ( resultados obtidos em pequenos ciclos a cada quatro meses)
 Cada Data Mart encarado de forma evolutiva:
 Complexidade do modelo
 Volume de dados
 Investimentos
 Gestão
de Metadados
 Coerência entre os vários Data Marts
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
Critérios de Implementação
82
Desenvolvimento incremental
 Pensar grande
 Começar pequeno
 Provar utilidade
 Construir sobre sucessos
 Preservar Modelo do DW
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL 
ARQUITETURA DE UM DATA WAREHOUSE
(Fonte: Adaptado de Sun Expert Magazine)
83
INTELIGÊNCIA EMPRESARIAL – AULA 4
INTELIGÊNCIA EMPRESARIAL