Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original
INTELIGÊNCIA EMPRESARIAL Aula - Revisão para AV2 VISÃO GERAL DO SAD – Sistema de Apoio à Decisão Um SAD é um sistema de informação baseado em computador que utiliza conhecimentos para apoiar gerentes (ou pessoas autorizadas) que trabalham naquela área a solucionar problemas, ou seja, tomar decisões. “... um SAD deve comandar um sistema interativo para auxiliar tomadores de decisão a utilizar dados e modelos para solucionar problemas não estruturados” (Sprague Jr.) INTELIGÊNCIA EMPRESARIAL – AULA RAV2 INTELIGÊNCIA EMPRESARIAL SISTEMAS DE APOIO À DECISÃO O SAD permite que o tomador de decisão possa: Buscar informações em bancos de dados diferentes, mesmo que estejam em lugares distintos. Acessar a outras fontes de dados pela Internet ou por uma Intranet da organização. Obter informações específicas sobre o determinado problema para facilitar a análise de alternativas de solução. INTELIGÊNCIA EMPRESARIAL – AULA RAV2 INTELIGÊNCIA EMPRESARIAL COMPONENTES DOS SISTEMAS DE APOIO À DECISÃO Os SAD’s são compostos pelos seguintes componentes: Subsistema de gerenciamento de dados Subsistema de gerenciamento de modelos Subsistema de interface com o usuário Os SAD’s mais avançados possuem também, como componente, o Subsistema de Gerenciamento de Conhecimento INTELIGÊNCIA EMPRESARIAL – AULA RAV2 INTELIGÊNCIA EMPRESARIAL O SAD E O SEU AMBIENTE Dados externos e internos Banco de Dados do SAD Base de Conhecimento Gerenciamento de dados Modelos Gestão de conhecimento Interface com usuário Outros sistemas problema solução Melhores práticas Funções do Excel Modelos Padrão lineares (programação) Modelos Customizados Internet Usuário é considerado como um dos componentes do SAD (Fonte: Turban et all, Tecnologia da Informação para Gestão) INTELIGÊNCIA EMPRESARIAL – AULA RAV2 INTELIGÊNCIA EMPRESARIAL DATA WAREHOUSE Banco de dados que armazena dados sobre as operações da empresa, como vendas e compras, extraídos de uma fonte única ou múltipla, oferecendo enfoque histórico, para permitir um suporte efetivo à tomada de decisão. Dados integrados e históricos que servem desde a alta direção, que necessita de informações mais resumidas, até as gerências de baixo nível, onde os dados detalhados ajudam a observar aspectos mais táticos da empresa. “conjunto de dados baseado em assuntos, integrado, não volátil e variável em relação o tempo, para dar suporte ao processo gerencial de tomada de decisão.” INTELIGÊNCIA EMPRESARIAL – AULA RAV2 INTELIGÊNCIA EMPRESARIAL DATA WAREHOUSE Data Warehouse Orientação por assunto Organizado de acordo com as principais areas de negocio da organização Não orientado a aplicação, permitindo a utilização dos dados de varias formas ao longo do tempo Integração Unificação fisica dos dados em um mesmo repositório Estruturas e formatos de dados comuns, independente dos sistemas fonte A integracao é feita através dos principais processos de carrga Variação temporal Séries temporais de um conjunto de dados Variações de estado (datas de mudança de status) Datas de eventos(chamadas, faturas,pedidos, etc) Não volatil Não há atualização de registros As alterações de informação são armazenadas a partir da captura de um novo retrato das informações Informações detalhadas e agregadas Dados atômicos Mantem a flexibilidade dos dados, facilitando futuras mudanças no negócio Deve-se tomar cuidado para não se tornar fonte de relatórios operacionais Visões agregadas montadas em função das principais visões corporativas Estruturas consolidadas de perfis – utilizadas para facilitar analises de eventos que são baseados em um grande volume de dados Adaptado de: Prof. Fernando Nimer INTELIGÊNCIA EMPRESARIAL – AULA RAV2 INTELIGÊNCIA EMPRESARIAL GRANULARIDADE DE DADOS A granularidade diz respeito ao nível de detalhe dos dados existentes no Data Warehouse. Quanto maior o nível de detalhe, menor o nível de granularidade. (Fonte: Adaptado de Oliveira, S.R. M - Data Warehouse: Arquitetura, Projeto e Abordagens de Implementação) INTELIGÊNCIA EMPRESARIAL – AULA RAV2 INTELIGÊNCIA EMPRESARIAL PRINCIPAIS TAREFAS EFETUADAS PELO DW Obter dados dos BD’s operacionais e externos; Armazenar os dados; Fornecer informações para tomada de decisão; Administrar o sistema e os dados INTELIGÊNCIA EMPRESARIAL – AULA RAV2 INTELIGÊNCIA EMPRESARIAL PRINCIPAIS COMPONENTES DO DW Mecanismos para acessar e transformar dados; Mecanismo para armazenamento de dados; Ferramentas para análise de dados; Ferramentas de gerência. INTELIGÊNCIA EMPRESARIAL – AULA RAV2 INTELIGÊNCIA EMPRESARIAL 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. INTELIGÊNCIA EMPRESARIAL – AULA RAV2 INTELIGÊNCIA EMPRESARIAL METADADOS A definição mais simples de metadados é que eles são dados sobre dados – mais especificamente, informações (dados) sobre um determinado conteúdo (os dados). Os metadados são utilizados para facilitar o entendimento, o uso e o gerenciamento de dados. Um registro de metadados consiste de alguns elementos pré-definidos que representam determinados atributos de um recurso, sendo que cada elemento pode ter um ou mais valores. INTELIGÊNCIA EMPRESARIAL – AULA RAV2 INTELIGÊNCIA EMPRESARIAL METADADOS TÉCNICOS Fornecem aos desenvolvedores e usuários técnicos a confiança de que os dados estão corretos; São críticos para a manutenção e o crescimento contínuo do DW Exemplos: Controles de auditoria; Tabelas com a estrutura do DW; Dependência dos programas; Nomes das tabelas do DW INTELIGÊNCIA EMPRESARIAL – AULA RAV2 INTELIGÊNCIA EMPRESARIAL METADADOS DE NEGÓCIO São o elo de ligação entre os usuários de negócios e o DW; Mostram que relatórios, consultas e dados estão no DW, a localização dos dados, contexto dos dados, regras de transformação que foram aplicados e as origens desses dados Exemplos: Mapeamento dos campos das tabelas físicas do DW; Regras para drill-down, drill-up e drill-across; Informações sobre sumarizações e transformações dos dados; Estruturas dos dados com a nomenclatura que possa ser facilmente entendida pelo usuário final; INTELIGÊNCIA EMPRESARIAL – AULA RAV2 INTELIGÊNCIA EMPRESARIAL Tipos de Informação Metadados Por serem considerados um dicionário de informações os metadados devem descrever: Fonte dos dados Destino dos dados Formato dos dados Nome e Alias Definições de Negócios INTELIGÊNCIA EMPRESARIAL – AULA RAV2 INTELIGÊNCIA EMPRESARIAL Tipos de Informação Metadados Regras de Transformação Atualização dos dados Requisitos de Teste Processos Automáticos Propriedade e responsabilidade sobre os dados Acesso e Segurança INTELIGÊNCIA EMPRESARIAL – AULA RAV2 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 RAV2 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 RAV2 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 RAV2 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 RAV2 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 RAV2 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 RAV2 INTELIGÊNCIA EMPRESARIAL OPERAÇÕES OLAP Operação Definição drill-down analisa os dados em níveis de agregação progressivamente mais detalhados, ou de menor granularidade roll-up analisa os dados em níveis de agregação progressivamente menos detalhados, ou de maior granularidade sliceanddice restringe os dados sendo analisados a um subconjunto destes dados slice: corte para um valor fixo dice: seleção de faixas de valores drill-across compara medidas numéricas distintas que são relacionadas entre si através de pelo menos uma dimensão em comum pivot reorienta a visão multidimensional dos dados, oferecendo diferentes perspectivas dos mesmos dados (Adaptado de : CIFERRI, C.A, CIFERRI, R.R. - Processamento Analítico de Dados - INTELIGÊNCIA EMPRESARIAL – AULA RAV2 INTELIGÊNCIA EMPRESARIAL MODELAGEM DE DADOS PARA O DW A Modelagem Multidimensional é uma técnica de concepção e visualização de um Modelo de Dados de um conjunto de medidas que descrevem aspectos comuns de negócios. É utilizada especialmente para sumarizar e reestruturar dados e apresenta-los em visões que suportem a análise dos valores desses dados. INTELIGÊNCIA EMPRESARIAL – AULA RAV2 INTELIGÊNCIA EMPRESARIAL UMA NOVA FORMA DE VER OS DADOS http://www.inf.ufsc.br/~ronaldo/ine5342/6-dw.pdf, acesso em 24/03/2012 INTELIGÊNCIA EMPRESARIAL – AULA RAV2 INTELIGÊNCIA EMPRESARIAL VISUALIZAÇÃO - EXEMPLO Cubo do Fato Vendas http://www.inf.ufsc.br/~ronaldo/ine5342/6-dw.pdf, acesso em 24/03/2012 INTELIGÊNCIA EMPRESARIAL – AULA RAV2 INTELIGÊNCIA EMPRESARIAL Modelo Dimensional - Diagrama Estrela ( Star Schema ) Star Schema é o termo comum para designação de modelos de dados multidimensionais; Como o termo esquema nos leva diretamente a uma idéia de modelo físico, o mais usual é denominarmos de modelo estrela; INTELIGÊNCIA EMPRESARIAL – AULA RAV2 INTELIGÊNCIA EMPRESARIAL Modelo Dimensional - Diagrama Estrela ( Star Schema ) O modelo estrela é a estrutura básica de um modelo de dados multidimensional Sua composição típica possui uma grande entidade central denominada fato e um conjunto de entidades menores denominadas dimensões, arranjadas ao redor dessa entidade central, formando uma estrela INTELIGÊNCIA EMPRESARIAL – AULA RAV2 INTELIGÊNCIA EMPRESARIAL MODELAGEM DE DADOS PARA O DW http://www.inf.ufsc.br/~ronaldo/ine5342/6-dw.pdf, acesso em 24/03/2012 INTELIGÊNCIA EMPRESARIAL – AULA RAV2 INTELIGÊNCIA EMPRESARIAL Diagrama Floco de Neve ( Snowflake ) O modelo Snowflake é o resultado da decomposição de uma ou mais dimensões que possuam hierarquias entre seus membros; Podemos definir relacionamento muitos para um entre os membros em uma dimensão, formando uma hierarquia por meio desses relacionamentos entre entidades dimensões; O modelo floco de neve é resultado da aplicação da terceira forma normal sobre as entidades dimensão INTELIGÊNCIA EMPRESARIAL – AULA RAV2 INTELIGÊNCIA EMPRESARIAL Diagrama Floco de Neve ( Snowflake ) http://www.inf.ufsc.br/~ronaldo/ine5342/6-dw.pdf, acesso em 24/03/2012 INTELIGÊNCIA EMPRESARIAL – AULA RAV2 INTELIGÊNCIA EMPRESARIAL Diagrama Floco de Neve ( Snowflake ) Variante do modelo estrela Tabelas de dimensões estão normalizadas (3FN) Representação explícita das hierarquias Vantagem Evita redundância (mais economia de espaço) INTELIGÊNCIA EMPRESARIAL – AULA RAV2 INTELIGÊNCIA EMPRESARIAL Diagrama Floco de Neve ( Snowflake ) Desvantagem – maior número de tabelas (maior número de junções) Modelo estrela é considerado mais apropriado - desperdício de espaço é menos crítico que tempo para recuperação de dados em um DW INTELIGÊNCIA EMPRESARIAL – AULA RAV2 INTELIGÊNCIA EMPRESARIAL Esquema Constelação União de esquemas estrela e/ou floco de neve – esquema estrela: modela em geral um Data Mart – esquema constelação: modela o DW http://www.inf.ufsc.br/~ronaldo/ine5342/6-dw.pdf, acesso em 24/03/2012 INTELIGÊNCIA EMPRESARIAL – AULA RAV2 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 RAV2 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 RAV2 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 RAV2 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 RAV2 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 RAV2 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 RAV2 INTELIGÊNCIA EMPRESARIAL
Continue navegando
Perguntas relacionadas
