Banco-de-Dados_Unidade_05_Data-Warehouse-e-Data-Mining

Prévia do material em texto

Conceitos em Banco
de Dados
Material Teórico
Responsável pelo Conteúdo:
Prof. Ms. Rodrigo da Rosa
Revisão Técnica:
Prof. Me. Douglas Almendro
Revisão Textual:
Profa. Esp. Kelciane da Rocha Campos
Data Warehouse e Data Mining
• Business Intelligence
• Data Warehouse
• Ferramentas OLAP
• Data Mining
 · O aluno deverá, ao final deste módulo, entender a importância de 
Data Warehouse e de Data Mining no ambiente corporativo. Além 
disso, deverá ter uma noção das principais características destes 
termos e sua importância na tomada de decisões.
OBJETIVO DE APRENDIZADO
Data Warehouse e Data Mining
Orientações de estudo
Para que o conteúdo desta Disciplina seja bem 
aproveitado e haja uma maior aplicabilidade na sua 
formação acadêmica e atuação profissional, siga 
algumas recomendações básicas: 
Assim:
Organize seus estudos de maneira que passem a fazer parte 
da sua rotina. Por exemplo, você poderá determinar um dia e 
horário fixos como o seu “momento do estudo”.
Procure se alimentar e se hidratar quando for estudar, lembre-se de que uma 
alimentação saudável pode proporcionar melhor aproveitamento do estudo.
No material de cada Unidade, há leituras indicadas. Entre elas: artigos científicos, livros, vídeos e 
sites para aprofundar os conhecimentos adquiridos ao longo da Unidade. Além disso, você também 
encontrará sugestões de conteúdo extra no item Material Complementar, que ampliarão sua 
interpretação e auxiliarão no pleno entendimento dos temas abordados.
Após o contato com o conteúdo proposto, participe dos debates mediados em fóruns de discussão, 
pois irão auxiliar a verificar o quanto você absorveu de conhecimento, além de propiciar o contato 
com seus colegas e tutores, o que se apresenta como rico espaço de troca de ideias e aprendizagem.
Organize seus estudos de maneira que passem a fazer parte 
Mantenha o foco! 
Evite se distrair com 
as redes sociais.
Mantenha o foco! 
Evite se distrair com 
as redes sociais.
Determine um 
horário fixo 
para estudar.
Aproveite as 
indicações 
de Material 
Complementar.
Procure se alimentar e se hidratar quando for estudar, lembre-se de que uma 
Não se esqueça 
de se alimentar 
e se manter 
hidratado.
Aproveite as 
Conserve seu 
material e local de 
estudos sempre 
organizados.
Procure manter 
contato com seus 
colegas e tutores 
para trocar ideias! 
Isso amplia a 
aprendizagem.
Seja original! 
Nunca plagie 
trabalhos.
UNIDADE Data Warehouse e Data Mining
Caso Business Intelligence
A matéria da ComputerWorld, de 31 de agosto de 2015 (COMPUTERWORLD.
COM.BR, 2015), apresenta a notícia de que a empresa Catho migrou seu data 
warehouse para a nuvem da empresa Birst. Mesmo sendo uma matéria antiga vale 
a pena verificar que o armazenamento em nuvem é muito eficaz e atual.
Importante!
A empresa Catho, localizada em Barueri, São Paulo, conta com um site que contém 
classificados de empregos. Funciona intermediando contratações de candidatos por 
parte de outras empresas.
A empresa Birst é uma multinacional que atua no ramo de BI (Inteligência de Negócios) 
na nuvem. Seu primeiro grande contrato no mercado brasileiro foi com a Catho.
Você Sabia?
O texto traz pensamentos interessantes da coordenação de BI (Business 
Intelligence) da empresa:
“Estávamos em busca de uma ferramenta que atendesse nossas 
necessidades de ter um sistema on demand, pensando no usuário final, e 
o armazenamento de todos os dados em nuvem”, comenta Natália Vinci, 
coordenadora de Business Intelligence da plataforma de recrutamento.
“Desde que iniciamos o uso, além dos ganhos que já estávamos esperando, 
também pudemos observar um aumento expressivo na velocidade da 
extração dos dados e na criação de relatórios e dashboards, que ajudam 
toda a empresa em tomadas de decisões estratégicas”, adiciona.
Acesse o texto completo deste artigo - COMPUTER WORLD. Catho migra data warehouse 
para a nuvem da Birst.
https://goo.gl/qkyTDh
Ex
pl
or
A respeito deste material, podemos perceber alguns pontos-chaves que nos 
ajudarão a compreender mais profundamente a ideia de Data Warehouse. Sabemos 
que a Catho necessita gerenciar grande volume de dados e percebemos que um dos 
benefícios foi o auxílio que tiveram na tomada de decisões.
Business Intelligence (BI)
As empresas que ocupam posições de destaque no mercado, que é cada vez mais 
competitivo, necessitam de ferramentas que as capacitam a acertar cada vez mais 
(de preferência sempre), para que obtenham resultados cada vez mais satisfatórios. 
A BI é um recurso conceitual (não um produto) que as organizações têm utilizado 
para tornarem-se diferenciais por meio de análise de seus dados.
8
9
Business Inteligence (BI): BI é um termo utilizado para descrever um conjunto amplo, coeso 
e integrado de ferramentas e processos utilizados para captar, coletar, integrar, armazenar e 
analisar dados para a geração e a apresentação de informações que deem suporte à tomada 
de decisões (ROB; CORONEL, 2011).
Business Intelligence ou Inteligência de Negócios refere-se ao processo de coleta, 
organização, análise, compartilhamento e monitoramento de informações que oferecem 
suporte a gestão de negócios. É o conjunto de teorias, metodologias, processos, estruturas e 
tecnologias que transformam uma grande quantidade de dados brutos em informação útil 
para tomadas de decisões estratégicas.
Ex
pl
or
OFICINA DA NET. O que é business intelligence? - https://goo.gl/0qr8CA
Ex
pl
or
Imagine que você, gestor(a) de uma empresa, tenha recebido uma proposta 
de parceria que lhe despertou certo interesse, porém precisará dar uma resposta 
rápida desta parceria para que não corra o risco de perder para a concorrência 
uma excelente oportunidade. Entretanto, a resposta fornecida não deve ser fruto 
de um ato impulsivo, mas deve estar pautada em análises que se farão a partir 
de ferramentas de Inteligência de Negócio, para que a decisão seja correta no 
contexto da realidade da empresa.
A figura a seguir apresenta um modelo de Business Intelligence proposto por 
ROB e CORONEL (2011).
 
Figura 1. Modelo de Business Intelligence.
Fonte: ROB e CORONEL, 2011
9
UNIDADE Data Warehouse e Data Mining
De acordo com os autores: 
Gerenciamento mestre dos dados (MDM – Master Data Management) refere-
se ao conjunto de conceitos, técnicas e processos para a identificação, definição e 
gerenciamento adequados de elementos de dados em uma organização;
Governança é um método ou processo de administração, neste caso, para controle 
e monitoramento da saúde dos negócios e de tomada de decisões consistentes.
Data Warehouse, On-Line Analytical Processing e Data Mining são as 
principais ferramentas de banco de dados incluídas na definição de Business 
Intelligence e que dão suporte à tomada de decisão.
Data Warehouse
Bill Inmon, conhecido como o “pai” do Data Warehouse, define o termo 
como um conjunto de dados integrados, orientado por assunto, variável 
no tempo e não volátil que fornece suporte à tomada de decisões (INMON; 
KELLEY, 1994 apud ROB; CORONEL, 2011).
Rob e Coronel (2011) detalham da seguinte forma estes componentes:
 » Integrado: integração significa que todas as entidades comerciais, elementos 
e características de dados e métricas de negócios estão descritas do mesmo 
modo em toda a empresa. Por exemplo, a classificação de um aluno pode ser 
definida como “calouro”, “segundoanista”, “terceiroanista” ou “quartoanista” 
no departamento de contabilidade e como “1A”, “2A”, “3A” ou “4A” no 
departamento de sistemas de informação computacional. Os dados em data 
warehouse devem adequar-se a um formato aceito por toda organização;
 » Orientado por Assunto: os dados em data warehouse devem ser organizados 
e resumidos por temas como vendas, marketing, finanças, distribuição e 
transporte. Para cada tema há assuntos de interesses específicos, como 
produtos, clientes, departamentos, regiões e promoções;
 » Variável no Tempo: uma vez que os dados são carregados periodicamente 
no data warehouse,todas as agregações dependentes do tempo são 
recalculadas. Por exemplo, quando os dados de vendas da semana passada 
são carregados no data warehouse, são atualizados também os agregados 
semanais, mensais, anuais e de outras periodicidades para produtos, clientes, 
lojas e outras variáveis;
 » Não Volátil: uma vez inserido um dado no data warehouse, ele nunca será 
removido. Os dados no data warehouse representam um histórico da empresa.
10
11
Podemos notar que o data warehouse é uma ferramenta muito importante 
para análises de que a alta gestão de uma empresa necessita para gerenciar o 
crescimento da organização ao longo do tempo. A partir das análises realizadas, é 
possível corrigir falhas e criar estratégias para que a empresa continue evoluindo 
em seus negócios, tendendo sempre ao sucesso que tanto almeja.
Importante!
Data Mart é um termo utilizado para defi nir uma pequena porção de um data warehouse. 
Nele são armazenados subconjuntos e dados necessários para um departamento ou 
equipe de trabalho, por exemplo.
Você Sabia?
Vejamos, a seguir, as doze regras que definem um Data Warehouse (INMON; 
KELLEY, 1994 apud ROB; CORONEL, 2011).
1. Os ambientes operacional e de data warehouse são separados;
2. Os dados em data warehouse são integrados;
3. O data warehouse contém dados históricos por um longo tempo;
4. Os dados em data warehouse constituem um retrato instantâneo tirado em 
determinado ponto do tempo;
5. Os dados em data warehouse são orientados por assunto;
6. Os dados em data warehouse são essencialmente apenas para leitura, com 
atualizações periódicas em batch dos dados operacionais. Não são permitidas 
atualizações on-line;
Batch signifi ca lote. Um arquivo batch, por exemplo, é utilizado para realizar tarefas de 
maneira automática, sem a intervenção do usuário no momento de sua execução.Ex
pl
or
7. O ciclo de vida do desenvolvimento de um data warehouse difere do 
desenvolvimento dos sistemas tradicionais. O desenvolvimento do data 
warehouse é orientado para dados, e a abordagem para processos;
8. O data warehouse contém dados com vários níveis de detalhes: dados atuais 
em detalhes, dados antigos em detalhes, dados levemente resumidos e dados 
altamente consumidos;
9. O ambiente de data warehouse é caracterizado por transações de apenas 
leitura para conjunto de dados muito grandes. O ambiente operacional é 
caracterizado por numerosas transações de atualização para poucas entidades 
de dados ao mesmo tempo;
11
UNIDADE Data Warehouse e Data Mining
10. O ambiente de data warehouse possui um sistema que rastreia fontes, 
transformações e armazenamento;
11. Os metadados de data warehouse são um componente fundamental desse 
ambiente. Eles identificam e definem todos os elementos de dados. Os 
metadados fornecem fonte, transformação, integração, armazenamento, 
utilização, relacionamentos e histórico de cada elemento de dados;
Metadados são dados que descrevem outros dados, ou seja, informações úteis para 
identificar, localizar, compreender e gerenciar dados (IBGE.gov.br, 2017).
Exemplo: podemos ter uma tabela que armazena as tabelas criadas por cada usuário do 
sistema e outra tabela que irá armazenar o nome do criador da tabela, horário da criação, 
proprietário da tabela, entre outros dados.
Ex
pl
or
12. O data warehouse contém um mecanismo de retorno da utilização dos 
recursos que leva à aplicação ideal dos dados pelos usuários finais.
A empresa Oracle, por exemplo, possui uma ferramenta de Data Warehouse, 
o Oracle Data Warehouse.
Acesse o site da Oracle e conheça mais sobre sua ferramenta de Data Warehouse
https://goo.gl/RhrJhUEx
pl
or
Já a Microsoft possui o Azure SQL Data Warehouse, um serviço de data 
warehouse em nuvem. Oferece mais liberdade para dimensionamento conforme o 
crescimento e as mudanças dos negócios dos usuários.
Acesse o site da Microsoft e conheça mais sobre o Azure SQL Data Warehouse
https://goo.gl/qTaagIEx
pl
or
Processamento Analítico On-Line (OLAP – 
Online Analytical Processing)
Ferramentas OLAP admitem análise interativa de informações de resumo. 
Várias extensões da SQL foram desenvolvidas para dar suporte a ferramentas 
OLAP. Existem muitas tarefas comumente utilizadas que não podem ser 
feitas com as facilidades básicas da SQL para agregação e agrupamento, 
como, por exemplo, encontrar percentis, ou distribuições cumulativas, 
entre outros (SILBERSCHATZ; KORTH; SUDARSHAN, 2012).
O termo OLAP foi criado por E. F. Codd.
12
13
Por meio de OLAP, os dados podem ser analisados sob variados pontos de vistas. 
Os gestores de uma empresa recebem dados a respeito de determinado assunto e 
podem realizar comparações que contribuirão para a tomada de decisões.
Em 1993, Codd criou um conjunto de regras que definem este termo OLAP 
(OLAP.COM, 2017).
1. Visão Conceitual Multidimensional: usuários possuem visão mutidimen-
sional dos negócios de uma empresa. Por exemplo, os lucros poderiam ser 
vistos por região, produto, período de tempo ou cenário (real, orçamento 
ou previsão);
2. Transparência: o OLAP deve interagir facilmente com recursos cotidianos 
dos usuários, como processadores de textos e planilhas eletrônicas;
3. Acessibilidade: a ferramenta OLAP deve ser capaz de aplicar sua própria 
estrutura lógica para acessar fontes heterogêneas (composto por elementos 
diferentes) de dados e realizar as conversões necessárias para apresentar 
uma visão coerente aos usuários. A ferramenta (e não o usuário) deve se 
preocupar com a origem dos dados físicos;
4. Desempenho consistente de relatórios: o desempenho da ferramenta OLAP 
não deve sofrer queda com o aumento das dimensões do banco de dados;
5. Arquitetura cliente/servidor: o servidor deve ser capaz de mapear e 
consolidar dados entre banco de dados diferentes;
6. Dimensionalidade genérica: cada dimensão de dados deve ser equivalente 
em sua estrutura e capacidade operacional;
7. Manuseio dinâmico de matriz esparsa: a estrutura física do servidor OLAP 
deve ter manipulação de matriz esparsa ótima.
Uma matriz esparsa é aquela em que a maioria dos seus elementos tem valor 
igual a zero.
 
Figura 2 - Exemplo de matriz esparsa.
13
UNIDADE Data Warehouse e Data Mining
8. Suporte a multiusuário: as ferramentas OLAP devem fornecer acesso simul-
tâneo de muitos usuários à recuperação e atualização, integridade e segurança;
9. Operações cruzadas não dimensionadas: as instalações computacionais 
devem permitir o cálculo e a manipulação de dados em qualquer número 
de dimensões de dados e não devem restringir qualquer relação entre cé-
lulas de dados;
10. Manipulação intuitiva de dados: os processos de manipulação de dados 
devem estar consolidados de maneira intuitiva, como, por exemplo, por 
meio de um clique com o mouse;
11. Relatórios flexíveis: os relatórios devem apresentar informações de 
qualquer forma que o usuário desejar;
12. Dimensões e níveis de agregação ilimitados: o número de dimensões de 
dados suportado deve ser, para todos os efeitos, ilimitado. Cada dimensão 
genérica deve permitir um número ilimitado de níveis de agregação definidos 
pelo utilizador dentro de qualquer caminho de consolidação.
Processamento Analítico On-Line Relacional (ROLAP – Relational On-Line Analytical 
Processing) fornece recursos de OLAP utilizando banco de dados relacionais e ferramentas 
familiares de consulta relacional para armazenar e analisar dados multidimensionais (ROB; 
CORONEL, 2011). Fornece suporte a banco de dados muito grandes.
Ex
pl
or
A empresa Oracle, por exemplo, possui uma ferramenta de OLAP, o Oracle 
OLAP. É um mecanismo analítico multidimensional de classe mundial embutido 
no Oracle Database 12c. Os cubos OLAP da Oracle oferecem cálculos sofisticados 
usando consultas SQL simples - produzindo resultados com tempos de resposta 
da velocidade do pensamento. O Oracle OLAP facilita a produção de medidas 
analíticas, incluindo cálculos de séries temporais, modelos financeiros, previsões, 
alocações, regressões, entre outras.
Acesseo site da Oracle e conheça mais sobre o Oracle OLAP: 
https://goo.gl/RhrJhUEx
pl
or
Já a Microsoft possui o Microsoft SQL Server 2008 Analysis Services, 
mecanismo OLAP que combina seus dados para facilitar a análise, além de 
armazenar centralmente sua lógica de negócios institucional e seus indicadores 
chave de desempenho, que são as fórmulas e os cálculos usados pela organização 
para medir o desempenho. Além disso, é possível usar o Microsoft Office Excel 
2007 e o Office PerformancePoint Server 2007 para acessar e analisar os dados 
e ainda gerar relatórios.
14
15
Acesse o site da Microsoft e conheça mais sobre o SQL Server 2008 Analysis Services: 
https://goo.gl/j3Hs8MEx
pl
or
Data Mining
Data Mining ou Mineração de Dados refere-se, em geral, ao processo 
de analisar grandes bancos de dados de forma semiautomática para 
encontrar padrões úteis a partir dos dados (SILBERSCHATZ; KORTH; 
SUDARSHAN, 2012).
Data Mining utiliza-se de algoritmos de aprendizagem, recursos estatísticos e 
até mesmo Redes Neurais Artificiais.
Rede Neural Artifi cial se baseia na estrutura neural de seres humanos para que possam 
gerar, a partir de técnicas de computação, modelos matemáticos e estatísticos.Ex
pl
or
A ideia por trás de um Data Mining é extrair conhecimento a partir de um 
banco de dados. O computador deve ser capaz de localizar correlações 
nos dados e apresentar hipóteses promissoras para que o usuário leve em 
consideração (TEOREY; LIGHTSTONE; NADEAU, 2007).
Imagine que você, gestor(a) de uma loja de calçados, necessita ter o conheci-
mento de quais são os cintos que as pessoas compram juntamente com um deter-
minado sapato. Desta forma, você pode colocar estes cintos bem próximos a tal 
sapato na prateleira em que ele se encontrar.
Outras aplicações são descritas por SILBERSCHATZ, KORTH e SUDAR-
SHAN (2012).
 » Uma pessoa se candidata a um cartão de crédito. A empresa deseja prever 
se esta pessoa tem bom crédito. Renda, idade, históricos de negociação 
devem ser os indicadores desta previsão;
 » Quais são os clientes que podem passar para um concorrente? Um indicador 
pode ser aqueles que respondem aos correios promocionais;
 » Quais são os livros que costumam ser comprados juntos? A empresa pode 
sugerir outros livros para a pessoa que compra determinada obra;
 » Se uma pessoa compra uma máquina fotográfica, o sistema pode sugerir 
acessórios que costumam ser comprados juntamente com as câmeras.
15
UNIDADE Data Warehouse e Data Mining
A Oracle, por exemplo, é uma empresa que comercializa sistema de Data 
Mining. Trata-se do Oracle Data Mining 12c.
Acesse o site da Oracle Data Mining 12c e conheça um pouco mais desta ferramenta:
https://goo.gl/VVz5hZEx
pl
or
A ferramenta contribui para prever o comportamento de clientes, identificar 
os melhores clientes, desenvolver perfis de clientes, identificar oportunidades de 
venda, entre outros.
A Microsoft possui o SQL Server Data Mining, que inclui vários algoritmos 
padrão como redes neurais, regressão logística e regressão linear, árvores de 
decisão, entre outros. Todos os modelos têm visualizações integradas para ajudar 
os usuários a desenvolverem, refinarem e avaliarem seus modelos.
Acesse o site da Microsoft e conheça um pouco mais sobre a ferramenta SQL Server Data 
Mining: https://goo.gl/DbgTlNEx
pl
or
Casos de Sucesso
1. Alemanha e a vitória na Copa do Mundo 2014 (KNOWSOLUTION.
COM.BR, 2017): o assunto Business Intelligence veio à tona em nível 
mundial, mostrando que a solução pode auxiliar em alcance de objetivos 
nos mais diversos ramos de desempenho e busca de resultados. O software 
desenvolvido na Alemanha analisava dados extraídos numericamente, como 
velocidade de corrida e número de passes. Também escaneava comporta-
mentos individuais de atletas e do time como um todo. Para adquirir esses 
dados, foram utilizadas oito câmeras que rastreavam os movimentos de to-
dos os jogadores, milhões de pontos de dados por minuto, devidamente 
registrados e organizados para uma melhor compreensão dos envolvidos. Os 
relatórios foram passados aos jogadores e à comissão técnica. Com a utiliza-
ção deles, o grupo preparou-se para executar mais rapidamente as jogadas, 
envolver as outras equipes e reter a bola.
16
17
 
Figura 3. Solução desenvolvida pela Federação Alemã de Futebol.
A equipe da Alemanha se tornou campeã do mundo de futebol em 2014.
2. Em 2010, a companhia de seguros Farmers Mutual Group (FMG) deci-
diu atualizar sua solução de Business Intelligence, implementada há mais de 
cinco anos. A solução foi posta à prova em circunstâncias extremas. Em 4 de 
setembro, um terremoto atingiu Canterbury, na Nova Zelândia. Na época, 
a FMG efetuou um contato pró-ativo com todos os segurados que poderiam 
ser afetados pelo desastre. Em duas horas, os assessores da FMG foram 
direcionados para a área e, fazendo uso da ferramenta de BI, a empresa foi 
capaz de identificar rapidamente quem eram os clientes com maior risco. As 
vendas nacionais e o centro de serviços em Palmerston North também foram 
munidos com os detalhes de contato de cada cliente que poderia ser afetado. 
Nessa situação incomum, como no relatório de vendas de rotina, a BI pro-
vou ser uma ferramenta valiosa para a companhia (COMPUTERWORLD.
COM.BR, 2017).
17
UNIDADE Data Warehouse e Data Mining
Importante!
Data Warehouse, OLAP e Data Mining são três áreas da ciência da computação que 
são altamente interligadas e comercializadas sob o título de Business Intelligence. As 
funcionalidades destas três áreas se complementam entre si (TEOREY; LIGHTSTONE; 
NADEAU, 2007). 
BI é um termo utilizado para descrever um conjunto amplo, coeso e integrado de 
ferramentas e processos utilizados para captar, coletar, integrar, armazenar e analisar 
dados para a geração e a apresentação de informações que deem suporte à tomada de 
decisões (ROB; CORONEL, 2011).
Data Warehouse é um conjunto de dados integrado, orientado por assunto, variável no 
tempo e não volátil que fornece suporte à tomada de decisões (INMON; KELLEY, 1994 
apud ROB; CORONEL, 2011).
Por meio de OLAP, os dados podem ser analisados sob variados pontos de vistas. Os 
gestores de uma empresa recebem dados a respeito de determinado assunto e podem 
realizar comparações que contribuirão para a tomada de decisões.
A ideia por trás de um Data Mining é extrair conhecimento a partir de um banco de 
dados. O computador deve ser capaz de localizar correlações nos dados e apresentar 
hipóteses promissoras para que o usuário leve em consideração (TEOREY; LIGHTSTONE; 
NADEAU, 2007).
Em Síntese
18
19
Material Complementar
Indicações para saber mais sobre os assuntos abordados nesta Unidade:
 Sites
Computerworld
https://goo.gl/0EK1
Microsoft
https://goo.gl/jtMlS4
OFICINADANET. O que é business intelligence? 
https://goo.gl/0qr8CA
OLAP
https://goo.gl/3crsAO
ORACLE
https://goo.gl/PgYH6e
19
UNIDADE Data Warehouse e Data Mining
Referências
COMPUTERWORLD. Catho migra data warehouse para a nuvem da Birst. 
2015. Disponível em: <http://computerworld.com.br/catho-migra-e-automatiza-
data-warehouse-na-nuvem-da-birst>. Acesso em: 15 jan. 2018.
COMPUTERWORLD. O poder da inteligência dos negócios. Disponível em: 
<http://computerworld.com.br/tecnologia/2011/10/07/o-poder-da-inteligen-
cia-nos-negocios>. Acesso em: 15 jan. 2018.
INMON, Bill; KELLEY, Chuck. The twelve rules of data warehouse for a client/ serv-
er world. Data Management Review, maio de 1994, p. 6-16.
KNOWSOLUTION. 4 casos de sucesso em Business Intelligence que você 
precisa conhecer. Disponível em: <http://knowsolution.com.br/4-casos-de-suces-
so-em-business-intelligence-que-voce-precisa-conhecer>. Acesso em: 15 jan. 2018.
OLAP. As 12 regras de Codd para a gestão relacional de bases de dados. Dis-
ponível em: <http://olap.com/learn-bi-olap/codds-paper>. Acesso em: 15 jan. 2018.
ROB, Peter; CORONEL, Carlos. Sistemas de banco de dados – projeto, imple-
mentação e administração. 8ª ed. São Paulo: Cengage Learning, 2011. 711p.SILBERSCHATZ, Abraham; KORTH, Henry F.; SUDARSHAN, S. Sistema de 
banco de dados. 6ª ed. Elsevier, 2012. 904p.
TEOREY, Toby; LIGHTSTONE, Sam; NADEAU, Tom. Projeto e modelagem de 
banco de dados. Rio de Janeiro: Elsevier, 2007.
20