Baixe o app para aproveitar ainda mais
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:
Compartilhar