Infraestrutura de Dados e de Redes II

Prévia do material em texto

SISTEMAS DE 
INFORMAÇÃO
Glauber Rogério 
Barbieri Gonçalves
Catalogação na publicação: Ana Paula M. Magnus – CRB 10/2052
G643s Gonçalves, Glauber Rogério Barbieri
 Sistemas de informação [recurso eletrônico] / Glauber 
 Rogério Barbieri Gonçalves ; [revisão técnica: Jeferson 
 Faleiro Leon]. – Porto Alegre : SAGAH, 2017.
 ISBN 978-85-9502-227-0
 1. Computação. 2. Sistemas de Informação. I. Título.
CDU 004.78
Revisão técnica:
Jeferson Faleiro Leon
Graduado em Desenvolvimento de Sistemas
Especialista em Formação Pedagógica
Infraestrutura de 
dados e de redes II
Objetivos de aprendizagem
Ao final deste texto, você deve apresentar os seguintes aprendizados:
 � Identificar os benefícios da utilização das tecnologias de Data Wa-
rehouse, Data Marts e Data Centers.
 � Reconhecer situações propícias para o uso dessas tecnologias nas 
organizações.
 � Expressar como a gestão de conteúdo e a gestão de registros eletrô-
nicos suportam as operações de negócios das organizações.
Introdução
Atualmente, sabe-se que a informação é um fator chave para as orga-
nizações e que quanto maior for o número de informações maior será 
a possibilidade de melhoria dos processos e consequente melhoria da 
performance dos resultados. O que era no passado uma preocupação 
com a falta de informações, hoje se traduz em armazenar corretamente 
essas informações, para que, quando solicitadas, auxiliem na tomada de 
decisão. O mercado tem ofertado às empresas novas tecnologias na área 
de hardware, com custos menores e que possibilitam o armazenamento 
de um grande volume de dados. O grande desafio é, portanto, utilizar 
esses dados de uma forma correta, gerando o conhecimento empresarial 
capaz de superar os desafios crescentes que as organizações são sub-
metidas diariamente por intermédio desses sistemas de apoio a decisão.
Neste texto você irá entender os motivos e formas utilizados pela 
gestão de conteúdo empresarial para organizar, arquivar e usar os con-
teúdos relacionados com seus processos de negócios. Não se esqueça 
de que, independentemente do tamanho da organização, hoje, ela tem 
que se valer dessas tecnologias para sua permanência no mercado, 
podendo traçar novos rumos para cada novo cenário que venha a se 
apresentar a ela.
Gestão de conteúdo empresarial
A gestão de conteúdo empresarial é também chamada de Enterprise Content 
Management (ECM), e caracteriza-se pela forma como as empresas organizam 
e arquivam os dados (documentos) ligados aos processos empresariais (veja 
a representação da Figura 1). Neste cenário, tem-se as fases de captura ou 
criação, armazenamento, gestão, limpeza, distribuição, publicação, pesquisa 
e arquivamento, relacionando os conteúdos com processos do negócio. 
Figura 1. Gestão de conteúdo empresarial.
Fonte: SoftExpert (c2017).
As organizações têm grande preocupação com a gestão da informação, 
partindo do princípio de que essas informações geram conhecimento, que, 
por sua vez, é base para as ações de planejamento. Dessa forma, as ECM são 
ferramentas e estratégias que permitem a gestão da informação não estrutu-
rada de uma organização, onde quer que a informação esteja, atendendo, por 
exemplo, em conformidade com os dados a serem apresentados para atender 
a legislação vigente.
Com a gestão de conteúdos as organizações podem melhorar seus processos 
atuais e planejar melhor as ações futuras, como a criação de novos produtos 
ou processos. Por isso, a gestão de conteúdo é conhecida e aceita como um 
dos principais mecanismos de melhoria do desempenho organizacional.
93Infraestrutura de dados e de redes II
As ECM vão muito além de simples soluções de digitalização, armaze-
namento e recuperação, elas englobam todas as funcionalidades para que 
as organizações possam atingir bons resultados. Você verá a seguir as seis 
funcionalidades que das ECM encontradas dentro das empresas:
 � Captura: responsável por capturar qualquer tipo de arquivo em qualquer 
lugar e classifica-los automaticamente.
 � Gestão: responsável pela otimização, focando na melhor eficiência do 
tempo utilizado para processamento.
 � Acesso: responsável pela garantia de fácil acesso e disponibilidade para 
todos os que necessitam da informação para os processos.
 � Integração: responsável pela integração do conteúdo empresarial com 
os demais sistemas, como por exemplo, os Enterprise Resource Planning 
(ERP).
 � Análise: responsável pelo monitoramento e análise das informações e 
tarefas, automaticamente, sem envolver as tecnologias da informação 
(TI) ou administradores de banco de dados.
 � Armazenamento: responsável pela redundância de dados a um baixo 
custo, executando políticas de retenção automáticas.
Imagine que você não tem em mãos informações necessárias para correções 
em linhas de produção, precisando parar uma linha de produção por falta de 
informação, ou então precisando adiar a entrega a um cliente porque não tinha 
a informação de que o fornecedor iria atrasar a entrega de matéria-prima para 
a confecção do produto. Um bom gerenciamento de informações minimiza 
em muito fatos como esses, e as falhas em processo.
Contudo, não se depende somente das soluções de ECM, elas são ferramentas, 
as soluções precisam ser combinadas com todas as diferentes tecnologias que 
ficam à disposição da gestão. Há sempre o fator humano que tem, e deve, interagir 
com essas soluções para a procura de melhores condições para as organizações.
Os ECM apresentam os seguintes tipos de conteúdo (WIKIPÉDIA, 2017): 
 � Conteúdo transacional: relacionado à comprovação de transações, 
como documentos que comprovam uma compra de celular, pagamento 
de uma nota fiscal, registram um sinistro. Usualmente documentos 
previsíveis e associados diretamente aos processos de negócios. 
 � Conteúdo de negócio: indicam documentos necessários ao andamento 
dos negócios em geral, mas não constituem documentos previsíveis, como 
documentos de obras, de negociação, de um contrato e seus complementos. 
Infraestrutura de dados e de redes II94
 � Conteúdos persuasivos: são aqueles voltados a convencer um público, 
usualmente conteúdo web e em especial de sites.
 � Conteúdo social: está relacionado às tecnologias sociais, redes sociais, 
etc.
 � Conteúdo de Internet das coisas: são as informações geradas por 
dispositivos e equipamentos integrados à web.
 � Big Data: refere-se a um conjunto de dados de tamanho tão despro-
porcional e de fontes tão distintas que se torna impossível gerenciar 
pelos meios transacionais convencionais em tempo hábil de uso da 
informação desejada. 
Quando precisamos da organização na forma de dados estruturados, 
precisamos de uma organização em bancos de dados, a seguir você verá as 
definições de Data Warehouse, Data Marts e Data Centers.
Data Warehouse
Os Data Warehouse (DW), como você pode observar na Figura 2, são cópias 
de dados de transações, estruturadas especificamente para consultas e análises. 
Para as empresas, servem de fonte de consultas fornecendo uma base de dados 
analítica que vai auxiliar na tomada de decisão.
Figura 2. Estrutura de Data Warehouse.
Fonte: Walker (2015).
95Infraestrutura de dados e de redes II
Os DW funcionam como um banco de dados analíticos que serão suportes 
para os Sistemas de Apoio a Decisão (SAD). Atualmente, esses dados precisam 
ser rapidamente transformados em informações e conhecimento, os gestores 
devem ter em suas mãos o maior número de informações possíveis (com o 
máximo de rapidez) para gerenciarem melhor seus processos, sejam eles quais 
forem. Uma das diferenças dos DW em relação aos bancos de dados, é que, em 
um banco de dados, a volatilidade causada pelo processamento de transações faz 
com que a análise dos dados seja difícil, o que pode ser minimizado com os DW.
Os DW serão aglutinadores de diversas fontes de dados para, assim, con-
densarem os diversos dados organizando-os. Basicamente, os DW fornecem 
a condições necessárias para a transformação de uma base de dados de tran-sações (OLTP, on-line transation processing), para uma base maior que terá 
os históricos de todos os dados com interesses dentro da organização (OLAP, 
on-line analytical processing), conhecido então como DW. Os dados que 
abastecem os DW dependem da atualização dos sistemas alimentadores. No 
Quadro 1, você verá as principais características dos DW.
Organização 
em assuntos
Os DW são orientados pelos principais assuntos ou áreas de 
negócios da empresa, por exemplo, em empresas comerciais 
podem ter assuntos sobre clientes, produtos e fornecedores. 
Ficando, assim, em grandes blocos para armazenagem e consulta.
Integração 
de assuntos
Há nesse sistema uma necessária passagem de dados, dos sistemas 
de aplicação para o DW, compondo, dessa forma, o data.
Não volátil Após a extração dos dados, eles são transformados 
e transportados para o DW, assim não mais sofrem 
alterações, somente ficam disponíveis para consulta.
Variação 
do tempo
Os dados existentes no DW são uma série de coletas em um 
espaço de tempo, essas coletas vão sendo classificadas conforme 
suas séries históricas, e são feitas alterações de detalhes corrente 
para detalhes mais antigos, à medida que o tempo vai passando, 
para que a informação seja sempre atualizada e confiável quando 
for necessária consulta para a tomada de decisão.
Quadro 1. Principais características de um Data Warehouse.
(Continua)
Infraestrutura de dados e de redes II96
Processamento e modelagem de dados
Você percebe que nos DW os dados armazenados precisam de processamento 
a cada vez que forem solicitados, e esse processamento deve ser modelado 
de forma a apresentar uma estrutura padronizada, rápida, de fácil acesso e 
que contenha as informações requisitadas para a tomada de decisão sobre 
um problema ou uma possível melhoria de processos. Tudo isso inclusive 
sendo analisado por partes individuais para análise, por exemplo, pesquisas 
de comercialização de produtos por região, tipo ou grupo de vendas.
Agora você conhecerá os principais conceitos referentes ao processamento 
analítico e a modelagem necessária para o suporte desse sistema. 
Processamento OLAP
É o que entendemos por todas as atividades gerais de consulta e apresentação 
de dados numéricos e textos provenientes do DW. As empresas necessitam 
cada vez mais de rapidez na formulação de estratégias para permanecerem no 
mercado e, para isso, precisam de informações confiáveis e de rápida consulta. 
O OLAP fornece para as empresas uma metodologia de acesso, visualização e 
análise dos dados coorporativos com uma grande flexibilidade e desempenho, 
garantindo, assim, o atendimento as demandas da empresa para a melhoria 
Metadados Chamam-se metadados os dados que descrevem e caracterizam 
um conjunto de dados. Os metadados facilitam o entendimento 
dos relacionamentos e a utilidade das informações dos dados, por 
exemplo, os dados referentes a uma música, como autor, nome 
da música e álbum que foi editada.
Granularidade Trata-se do nível de detalhes dentro do DW, é inversamente 
proporcional ao nível de detalhe, funcionando assim: quanto 
mais detalhes, menor o nível de granularidade. O volume de 
dados contidos no DW é balanceado de acordo com o nível 
de detalhe da consulta, por exemplo, em uma indústria, as 
quantidades produzidas não registradas diariamente com 
um grande volume de bytes gastos, se fossem registradas 
mensalmente, o volume de bytes cairia significativamente.
Quadro 1. Principais características de um Data Warehouse.
(Continuação)
97Infraestrutura de dados e de redes II
em seus processos. A grande vantagem do OLAP é proporcionar aos usuários 
rapidez na análise de inúmeros cenários, geração de relatórios sob demanda, 
entre outras atividades para a tomada de decisão. Essa tecnologia veio para 
acabar com as dificuldades de pesquisas de dados, aproximando a informação 
de quem necessita e realizando, assim, a interface dos dados ofertados pelas 
bases operacionais, sistemas de ERP e DW. O Quadro 2 representa o OLAP 
três abordagens.
Relational On-line 
Analytical Processing 
(ROLAP)
Utiliza a tecnologia de banco de dados relacionais 
para armazenar seus dados. Suas consultas 
são também processadas pelo gerenciador 
do banco de dados relacional. São criadas 
tabelas de sumários, sendo que nenhum 
dado é movido para o OLAP servidor, quando 
necessárias às tabelas são totalmente deriváveis 
e seus índices criados automaticamente.
Multidimensional 
On-line Analytical 
Processing (MOLAP)
São ferramentas que disparam suas 
requisições diretamente ao servidor 
de banco de dados multidimensional. Após 
o envio da requisição o usuário continua 
manipulando os dados diretamente no 
servidor, tendo um ganho no desempenho.
Hybrid On-line Analytical 
Processing (HOLAP)
É a combinação entre ROLAP e MOLAP, pegando 
o melhor de ambas as categorias a escalabilidade 
de ROLAP e o alto desempenho do MOLAP. Os 
dados ficam retidos no sistema de gerenciamento 
banco de dados (SGBD), enquanto as agregações 
ficam no MOLAP, apresenta uma pequena 
desvantagem, ele fica mais lento que o modelo 
MOLAP, em casos de consultas sobre dados básicos.
Quadro 2. Abordagens do OLAP.
Modelagem de dados
Apresenta-se em duas variantes, ela é o que chamamos de criação de um 
modelo físico que explique a lógica por traz do sistema, as características de 
funcionamento e o comportamento de um software, sendo a base de criação 
do banco de dados. As variantes são a modelagem tradicional e a modelagem 
Infraestrutura de dados e de redes II98
multidimensional. As modelagens tradicionais apresentam entidades fixas, 
como clientes, produtos, fornecedores, pontos de venda ou transações reali-
zadas por elas, como pedidos de compra, emissão de notas fiscais, havendo 
uma relação direta entre elas por meio dos atributos chave. Na modelagem 
multidimensional, as entidades são dimensões que fazem a representação de 
resultados obtidos em um tempo específico, apresentando relacionamentos 
implícitos e indiretos, sendo que as operações ficam direcionadas a dados 
analíticos, concomitantemente com dados históricos estáveis.
Dentro da modelagem de dados há também um tipo específico, chamado 
de modelagem dimensional que você verá a seguir.
Modelagem dimensional
Os usuários precisam de formatos de consulta fácil e intuitiva, para isso, os 
sistemas OLAP devem possuir o que chamamos de visão multidimensional, 
pois, assim, os usuários terão suas consultas baseadas em diferentes perspec-
tivas. Com isso tornou-se necessária uma modelagem dimensional, que é uma 
técnica de projeto lógico, utilizada pelos DW que contrastam com a modelagem 
entidade-relacionamento. Sua ideia central é apresentar os tipos de dados de 
um negócio em uma estrutura do tipo cubo de dados. Veja o exemplo, dentro 
de um processo de produção, da Figura 3. 
Figura 3. Estrutura multidimensional.
Fonte: Casa do Cubo (2017).
99Infraestrutura de dados e de redes II
Na parte superior do cubo teríamos a variável tempo (em dias, semanas ou 
em meses); na parte lateral teríamos as células de manufatura (unidades de 
produção de um determinado produto); e na parte frontal teríamos a quantidade 
de produto produzido.
De acordo com o apresentado na Figura 3, o gestor do processo poderia 
verificar a performance do setor, analisando a quantidade de produtos feitos 
em cada célula de manufatura, em um determinado período de tempo. Para 
sua medição, o ponto de interseção das três dimensões dentro do cubo equivale 
a um ponto de medição para esse processo. Assim, facilitando a tomada de 
decisão para corrigir ou melhorar o processo.
Nesse formato de banco analítico, que tem as informações baseadas em 
multidimensões, encontramos duas formas de esquemas:
 � Modelo estrela (star schema): todas as dimensões relacionam-se com 
o fato diretamente, conforme demonstrado na Figura 4.
Figura 4. Modelo estrela.
Fonte: NeoGrid (c2017).
Esse esquema utiliza-se dos mesmos componentes do diagrama entidade-
-relacionamento, como entidades,atributos, relacionamentos e chaves pri-
márias, e ficam resumidos a dois tipos de tabelas (entidades), denominadas 
“fato” e “dimensão”, na Figura 4 você pode ver o fato “vendas” de uma 
Infraestrutura de dados e de redes II100
empresa comercial sendo correlacionado às dimensões escolhidas para aná-
lise (canal de vendas utilizado, região de análise, produto foco do estudo e 
tempo escolhido para analisar). A tabela fato armazena, assim, instâncias da 
realizada, representando as medidas do processo que podem ser mensuradas 
quantitativamente em um intervalo de tempo.
 � Modelo floco de neve (snow flake): esse modelo visa à normatização 
do banco, contando com dimensões auxiliares, veja a Figura 5.
Figura 5. Modelo floco de neve.
Fonte: Brito (2015).
Neste modelo, chamado de floco de neve, as tabelas dimensionais rela-
cionam-se com a tabela de fatos, como no esquema estrela, a diferença é que 
algumas dessas tabelas dimensionais relacionam-se apenas entre elas e não com 
a tabela fato, isso ocorre para fins de normalização das tabelas dimensionais, 
para que o espaço ocupado seja o mínimo necessário. Na Figura 5, você pode 
perceber que na dimensão tempo existem mais três tabelas correlacionadas, 
sendo elas: ano, mês e dia. Já na dimensão produto existem também três tabelas 
correlacionadas, sendo elas: categoria, departamento e marca. Chamamos 
essas dimensões de dimensões auxiliares.
Com esse formato, a base de dados passa a utilizar mais tabelas para represen-
tar as mesmas dimensões, com a vantagem de ocupar um menor espaço no DW.
101Infraestrutura de dados e de redes II
Quanto à utilização, cada um dos modelos apresenta vantagens e desvan-
tagens, conforme você pode analisar no Quadro 3.
Fonte: Braga (2015).
Indicador Floco de neve Estrela
Tempo de resposta Satisfatório, atende 
a demanda
Bom quanto à 
performance
Utilização da RAM Bom quanto à 
performance
Bom quanto à 
performance
Tempo de execução 
do Script
Bom quanto à 
performance
Excelente
Flexibilidade Deixa a desejar Excelente
Complexidade do Script Deixa a desejar Excelente
Quadro 3. Modelo estrelo × modelo floco de neve.
Sendo assim, as considerações são que o modelo floco de neve acaba por 
reduzir o espaço de armazenamento dos dados dimensionais, apesar de utilizar 
mais tabelas para análises, ficando mais complexo e de difícil navegação, 
tornando-se também mais lento do que o modelo estrela.
Já o modelo estrela é mais simples e fácil de navegar, a consideração negativa 
é que desperdiça espaço, pois repete as mesas descrições ao longo de toda a 
tabela. Vários estudos apontam que, mesmo com essa questão, a diferença de 
espaço usado por esse modelo a mais, não justifica sua troca, pois esse quesito 
é insignificante perante todos os outros fatores que ele agrega em desempenho.
A recomendação dos estudos em bancos sugere que o modelo a ser apli-
cado seja o estrela, pela facilidade de acesso, rapidez e navegação amigável. 
Utilizando-se das tabelas auxiliares para dimensões somente em casos estri-
tamente necessários a alguma análise gerencial, previamente demandada pelo 
planejamento da empresa.
Nas aplicações de análise de dados, o fator tempo é um dos mais críticos, 
esse tempo de resposta ao usuário deve ser breve, afinal, atualmente, a quan-
tidade de dados cresce em potência geométrica, como você sabe, não adianta 
ter inúmeros dados, se quando forem consultar o processamento demora muito.
Infraestrutura de dados e de redes II102
Casos de sucesso de DW e inteligência empresarial
O propósito de um DW é consolidar e organizar os dados coletados de forma que 
possam ser analisados e utilizados para suportar decisões de negócio. Saiba como 
diferentes empresas utilizam o Structured Query Language (SQL) Server como solução 
de DW. Para informações mais recentes sobre os casos de sucesso no Brasil, acesse o 
site Casos de Sucesso (MICROSOFT, c2017). 
Data Marts
Os Data Marts (repositório de dados) são subconjuntos de dados do DW que 
permitem o acesso descentralizado e, hoje, servem de fonte para os dados que 
irão compor os bancos de dados individuais (veja a representação na Figura 
6). Para sua atuação, eles são direcionados a um setor ou departamento da 
empresa, por exemplo, podem compor os dados do setor comercial, ou do setor 
de produção de uma organização. Sua modelagem segue o modelo estrela para 
atender as demandas dos usuários, focando no retorno rápido das demandas 
dos usuários para a tomada de decisão.
Figura 6. Estrutura do Data Marts.
Fonte: Craig (c2017).
103Infraestrutura de dados e de redes II
O formato dos Data Marts é muito semelhantes ao do DW, tendo mínimas 
variações. A principal diferença é que eles são voltados para uma determinada 
área e os DW para a organização toda. A decisão de utilizar esse formato vai 
ser identificada no planejamento de cada empresa, uma das vantagens seriam 
os custos do investimento e o tempo final para resposta desse investimento, 
que nos Data Mart são menores.
A crescente popularidade dos Data Marts em cima da popularidade dos 
grandes sistemas de DW corporativos é baseada em bons motivos (OFICINA 
DE SISTEMAS, c1990): 
 � Os Data Marts têm diminuído de forma considerável o custo de imple-
mentação e manutenção de sistemas de apoio às decisões, colocando-os 
posto ao alcance de um número muito maior de corporações.
 � Eles podem ser prototipados muito mais rapidamente, com alguns 
pilotos sendo construídos entre 30 e 120 dias, e sistemas completos 
sendo construídos entre três e seis meses; etc.
 � 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. 
Data Center
Um Data Center, hoje também conhecido como “centro de processamento 
de dados”, é uma modalidade de serviços, considerada pela direção da em-
presa como de alto valor ou um fator crítico a ser incluso no planejamento da 
empresa, pois oferta recursos de processamento e armazenamento de dados 
em larga escala para suportar as tomadas de decisão dentro da organização.
Basicamente, esses centros tem um ambiente projetado para concentrar 
servidores, equipamentos de processamento e armazenamento de dados, além 
de sistemas de ativos de rede, como switches, roteadores e outros. 
Em geral, os equipamentos são montados em racks ou armários metálicos. 
Possuem proteção contra incêndios, além de sistemas de resfriamento dos 
racks, para manter uma temperatura estável e com acesso restrito.
Os Data Centers devem conter alguns componentes básicos para um bom 
funcionamento. Veja quais são eles: 
 � Infraestrutura de rede: o Data Center é um componente importante 
para qualquer departamento de TI. É, portanto, indispensável que seja 
Infraestrutura de dados e de redes II104
concebido para oferecer os serviços de maneira flexível e dinâmica, 
acompanhando as tendências tecnológicas.
 � Gerais: eles dependem de um bom fornecimento de energia elétrica, 
ar-condicionado, rede de comunicação de dados, armazenamento, ser-
vidores e virtualização.
 � Segurança física: devem ser protegidos conforme as melhores práticas 
de infraestrutura física (engenharia) estrutural.
Data Mining é um processo analítico projetado para explorar grandes quantidades 
de dados (tipicamente relacionados a negócios, mercado ou pesquisas científicas), na 
busca de padrões consistentes e/ou relacionamentos sistemáticos entre variáveis para, 
então, validá-los aplicando os padrões detectados a novos subconjuntos de dados. 
O processo consiste basicamente em três etapas: exploração, construção de modelo 
ou definição do padrão e validação/verificação (REIS, 2010).
1. Um Data Warehouse (DW) e os 
bancos de dados comuns consistem 
em tabelas de dados (arquivos), 
chaves primárias e outras chaves 
e recursos de consulta. A grande 
diferença é que um banco de dados 
é desenhado e otimizado para 
armazenar dados, ao passo que os 
DW são desenhados e otimizados 
para responder a questões de análiseessenciais ao negócio. Considerando 
as diferenças entre bancos de dados 
e DW, assinale a alternativa correta.
a) Assim como os bancos de 
dados, os DW também são 
voláteis, pois seus dados sofrem 
frequentes atualizações.
b) Assim como os bancos de dados, 
os DW são projetados como 
sistemas de processamento 
analítico on-line.
c) Em um banco de dados, 
a volatilidade causada 
pelo processamento de 
transações faz a análise dos 
dados ser muito difícil.
d) Os bancos de dados são 
considerados como não 
voláteis, pois dados são 
adicionados, editados ou 
atualizados frequentemente.
e) Os bancos de dados são 
sistemas que processam 
transações off-line, nos quais 
toda transação precisa ser 
registrada rapidamente.
2. Diversos estudos já foram realizados 
com o objetivo de identificar 
105Infraestrutura de dados e de redes II
os benefícios e as vantagens 
trazidos pela implantação de um 
Data Warehouse (DW), sendo 
que eles normalmente estão 
relacionados tanto aos negócios da 
organização como à Tecnologia da 
Informação (TI). Do ponto de vista 
do negócio, as empresas podem 
tomar decisões mais adequadas, 
pois possuem acesso a melhores 
informações. Do ponto de vista da 
TI, os DW entregam informações 
de forma mais eficiente e eficaz. 
Nesse contexto, identifique a 
situação na qual a implantação 
de um DW resolveria o problema 
organizacional e traria os benefícios 
esperados pelos usuários. 
a) Disponibilização de dados 
pelo DW sobre o desempenho 
de vendas da organização, 
podendo ser analisados de 
acordo com a geografia, com 
o tipo de produto, grupo de 
vendas ou individualmente.
b) O DW pode prestar assistência 
na elaboração de estudos sobre 
os reais valores a serem obtidos 
pela empresa com a venda 
de determinados produtos.
c) Processamento pelo 
DW dos dados rotineiros 
gerados pelas transações de 
negócios da organização.
d) Utilização de um DW para 
impressão de campanhas 
de marketing e dados sobre 
a atuação dos recursos 
humanos da organização.
e) Utilização de um DW para prover 
dados rotineiros da situação 
financeira da organização, 
seja por unidades, setores 
ou grupos de contas.
3. O mundo dos negócios está 
passando por uma crescente 
tendência de armazenamento e 
análise de dados em tempo real. 
As organizações, cada vez mais, 
usam informações no momento 
da interação com seus clientes, 
dando suporte em tempo real. 
Nesse contexto, as empresas com 
um Data Warehouse (DW) ativo 
serão capazes de interagir de 
maneira apropriada com o cliente, 
e oferecer-lhe um serviço de 
qualidade, o que aumentaria sua 
possibilidade de lucros. Em relação 
às principais características dos DW, 
é possível afirmar que: 
a) os dados armazenados 
são padronizados para 
promover a consistência.
b) os dados em um DW 
não são atualizados.
c) os dados proveem, normalmente, 
de apenas uma fonte de dados.
d) os dados são mantidos por 
um curto período de tempo.
e) os dados são organizados 
de forma genérica.
4. O gerenciamento de conteúdo 
da empresa é uma importante 
tecnologia de gerenciamento 
de dados, principalmente para 
organizações de médio e grande 
porte, pois inclui gerenciamento 
de documentos eletrônicos, de 
conteúdo web, de ativos digitais e de 
registros eletrônicos diversos. Existem 
quatro fatores essenciais que fazem 
com que as empresas adotem uma 
abordagem estratégica para planejar e 
implantar sistemas de gerenciamento 
de conteúdo. Identifique, entre as 
alternativas apresentadas, aquela 
que representa um desses fatores.
Infraestrutura de dados e de redes II106
BRAGA, M. Esquema estrela vs. esquema de flocos de neve. [S.l.]: Qlik, 2015. Disponível 
em: <https://community.qlik.com/docs/DOC-12579>. Acesso em: 09 ago. 2017.
BRITO, E. Modelagem dimensional. [S.l.]: Consultor em TI, 2015. Disponível em: <https://
consultoremti.wordpress.com/2015/06/08/modelagem-dimensional/>. Acesso em: 
14 set. 2017.
CASA DO CUBO. Cubo Mágico 3x3 Cyclone Boys. Morada Nova, 2017. Disponível em: 
<https://www.casadocubo.com.br/cubo-magico/3x3x3/cubo-magico-3x3-cyclone-
-boys/>. Acesso em: 14 set. 2017.
CRAIG, G. What is the difference between data lakes, data marts, data swamps, and data 
cubes? Chicago: Intersog, c2017. Disponível em: <http://intersog.com/blog/what-is-
-the-difference-between-data-lakes-data-marts-data-swamps-and-data-cubes/>. 
Acesso em: 14 set. 2017.
a) Constante diminuição 
de conteúdo gerado 
pelas organizações.
b) Demanda dos funcionários 
das empresas por ferramentas 
para gerenciamento de 
seus arquivos pessoais.
c) Forte desejo dos usuários 
por conteúdos diferentes dos 
trabalhados no seu dia a dia.
d) Necessidade de manter o 
controle sobre o conteúdo para 
garantir a sua conformidade 
com a legislação vigente.
e) Necessidade de 
particionamento do conteúdo 
aos processos de negócio.
5. Os altos custos relacionados à 
implantação e utilização de Data 
Warehouses (DW) podem torná-los 
caros demais para as empresas. 
Como alternativa, foi desenvolvida 
uma tecnologia de armazenamento 
e extração de dados baseada no DW, 
porém com dimensões menores, 
chamada de Data Mart. Identifique 
a alternativa que apresenta a 
melhor caracterização de um 
Data Mart. 
a) Consiste na produção de 
relatórios operacionais, 
como notas fiscais e 
comprovantes de pedidos.
b) Consiste no armazenamento 
de uma porção resumida e 
descentralizada dos dados 
organizacionais, destinada a uma 
área específica de negócio.
c) Data Marts são utilizados 
para armazenar apenas dados 
correntes da organização.
d) Data Marts também são 
responsáveis pela integração das 
redes e sistemas da organização.
e) Seu principal objetivo 
é armazenar os dados 
operacionais das transações 
correntes da organização.
107Infraestrutura de dados e de redes II
https://community.qlik.com/docs/DOC-12579
https://consultoremti.wordpress.com/2015/06/08/modelagem-dimensional/
https://consultoremti.wordpress.com/2015/06/08/modelagem-dimensional/
https://www.casadocubo.com.br/cubo-magico/3x3x3/cubo-magico-3x3-cyclone-boys/
https://www.casadocubo.com.br/cubo-magico/3x3x3/cubo-magico-3x3-cyclone-boys/
http://intersog.com/blog/what-is-the-difference-between-data-lakes-data-marts-data-swamps-and-data-c
http://intersog.com/blog/what-is-the-difference-between-data-lakes-data-marts-data-swamps-and-data-c
https://community.qlik.com/docs/DOC-12579
MICROSOFT. Casos de sucesso de Data Warehousing e inteligência empresarial. Redmond, 
c2017. Disponível em: <https://www.microsoft.com/brasil/servidores/sql/2005/eva-
luation/bi/casos.mspx>. Acesso em: 09 ago. 2017.
NEOGRID. Release notes e-CS 2.00. São Paulo, c2017. Disponível em: <http://hub01.
neogrid.com.br/Docs/help/pt_BR/release_notes.htm>. Acesso em: 14 set. 2017.
OFICINA DE SISTEMAS. SIN-OS: Data Mart. São Paulo, c1990. Disponível em: <http://www.
oficinadesistemas.com.br/site/03BI/04DataMart/default.html>. Acesso em: 09 ago. 2017.
REIS, T. Data Warehouse e data mining. São Paulo: Tecnologia e Negócios, 2010. Dis-
ponível em: <http://tecnologiae-e-negocios-thiagoreis.blogspot.com.br/2010/04/
data-warehouse-e-data-mining.html>. Acesso em: 09 ago. 2017.
SOFTEXPERT. O desafio. Joinville, c2017. Disponível em: <https://www.softexpert.
com.br/solucao/gestao-do-conteudo-empresarial-ecm/>. Acesso em: 14 set. 2017.
WALKER, J. Top 5 data warehouses on the market today. [S.l.]: Monitis, 2015. Disponível 
em: <https://www.monitis.com/blog/top-5-data-warehouses-on-the-market-today/>. 
Acesso em: 14 set. 2017.
WIKIPÉDIA. Gestão de conteúdo empresarial. [S.l.], 2017. Disponível em: <https://pt.wikipedia.
org/wiki/Gest%C3%A3o_de_conte%C3%BAdo_empresarial>. Acesso em: 09 ago. 2017.
Leituras recomendadas
ALINE. Mas o que é ECM afinal? São Paulo: Instituto Information Management, 2011. 
Disponível em: <http://docmanagement.com.br/08/08/2011/mas-o-que-e-ecm-
-afinal/>. Acesso em: 09 ago. 2017.
CANAL COMSTOR. O que é um data center? São Paulo, 2013. Disponível em: <http://blo-
gbrasil.comstor.com/bid/334188/O-que-um-Data-Center>. Acesso em:09 ago. 2017.
ELIAS, D. A granularidade de dados no Data Warehouse. São Bernardo do Campo: Canaltech, 
2014. Disponível em: <https://corporate.canaltech.com.br/materia/business-intelligence/a-
-granularidade-de-dados-no-data-warehouse-26310/>. Acesso em: 09 ago. 2017.
FIGUEIREDO, M.; SILVEIRA, A. O. Sistemas de cabeação estruturada EIA/TIA 568 e ISOC/
IEC 11801. Boletim RNP, Rio de Janeiro, v. 2, n. 6, 10 jul. 1998. Disponível em: <http://
memoria.rnp.br/newsgen/9806/cab-estr.html>. Acesso em: 08 ago. 2017.
KARASINSKI, L. Por dentro dos principais datacenters da Terra. [S.l.]: Tecmundo, 2012. 
Disponível em: <https://www.tecmundo.com.br/servidor/23963-por-dentro-dos-
-principais-datacenters-da-terra.htm>. Acesso em: 08 ago. 2017.
PINHEIRO, J. M. S. O que é um data center. [S.l.]: Projeto de Redes, 2004. Disponível em: <http://
www.projetoderedes.com.br/artigos/artigo_datacenter.php>. Acesso em: 09 ago. 2017.
POZZEBON, M.; FREITAS, H. M. R. Construindo um EIS (enterprise information system) da 
(e para a) empresa. Revista de Administração, São Paulo, v. 31, n. 4, p. 19-30, out./dez. 1996.
TELECORP. O que é um data center? Curitiba, c1994-2017. Disponível em: <https://www.
telecorp.com.br/glossario/data-center/>. Acesso em: 09 ago. 2017.
Infraestrutura de dados e de redes II108
https://www.microsoft.com/brasil/servidores/sql/2005/evaluation/bi/casos.mspx
https://www.microsoft.com/brasil/servidores/sql/2005/evaluation/bi/casos.mspx
http://hub01.neogrid.com.br/Docs/help/pt_BR/release_notes.htm
http://hub01.neogrid.com.br/Docs/help/pt_BR/release_notes.htm
http://www.oficinadesistemas.com.br/site/03BI/04DataMart/default.html
http://www.oficinadesistemas.com.br/site/03BI/04DataMart/default.html
http://tecnologiae-e-negocios-thiagoreis.blogspot.com.br/2010/04/data-warehouse-e-data-mining.html
http://tecnologiae-e-negocios-thiagoreis.blogspot.com.br/2010/04/data-warehouse-e-data-mining.html
https://www.softexpert.com.br/solucao/gestao-do-conteudo-empresarial-ecm/
https://www.softexpert.com.br/solucao/gestao-do-conteudo-empresarial-ecm/
https://www.monitis.com/blog/top-5-data-warehouses-on-the-market-today/
https://pt.wikipedia.org/wiki/Gest%C3%A3o_de_conte%C3%BAdo_empresarial
https://pt.wikipedia.org/wiki/Gest%C3%A3o_de_conte%C3%BAdo_empresarial
http://docmanagement.com.br/08/08/2011/mas-o-que-e-ecm-afinal/
http://docmanagement.com.br/08/08/2011/mas-o-que-e-ecm-afinal/
http://blogbrasil.comstor.com/bid/334188/O-que-um-Data-Center
http://blogbrasil.comstor.com/bid/334188/O-que-um-Data-Center
https://corporate.canaltech.com.br/materia/business-intelligence/a-granularidade-de-dados-no-data-wa
https://corporate.canaltech.com.br/materia/business-intelligence/a-granularidade-de-dados-no-data-wa
http://memoria.rnp.br/newsgen/9806/cab-estr.html
http://memoria.rnp.br/newsgen/9806/cab-estr.html
https://www.tecmundo.com.br/servidor/23963-por-dentro-dos-principais-datacenters-da-terra.htm
https://www.tecmundo.com.br/servidor/23963-por-dentro-dos-principais-datacenters-da-terra.htm
http://www.projetoderedes.com.br/artigos/artigo_datacenter.php
http://www.projetoderedes.com.br/artigos/artigo_datacenter.php
https://www.telecorp.com.br/glossario/data-center/
https://www.telecorp.com.br/glossario/data-center/
https://www.monitis.com/blog/top-5-data-warehouses-on-the-market-today/
Conteúdo: