Baixe o app para aproveitar ainda mais
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
Compartilhar