Arquitetura de Dados Estruturados e Nao Estruturados

Prévia do material em texto

Universidade Anhembi Morumbi 
Especialização em Business Intelligence e Analytics 
 
 
 
Thiago Bauer Ciorra 
 
 
 
Arquitetura de Dados Estruturados e Nao Estruturados 
N1: Qual é o modelo ideal de arquitetura de dados que devem ser 
implementados para que se possa coletar, processar, consultar e 
gerenciar os dados das impressoras? 
 
 
 
 
SÃO PAULO 
2021 
 Primeiramente, precisamos conhecer os dois tipos de arquitetura de dados. A 
arquitetura de dados mais estruturada está relacionada às aplicações operacionais e 
transacionais de uma organização. Já dentro de uma arquitetura de dados multidimensional 
semi estruturada e não estruturada, as aplicações dizem respeito à descoberta de inteligência 
de diversas fontes para a tomada de decisão gerencial e estratégica. 
 Para obter uma melhor eficiência nos projetos de banco de dados, é imprescindível 
compreender a arquitetura interna do gerenciador de banco de dados, indexação de tabelas, 
estruturas de armazenamento, controle de concorrência e a recuperação de falhas. O Sistema 
de Gerenciamento de Dados (SGBD) é um software que trata de todo o acesso ao banco de 
dados. O SGBD realiza uma intercepção de alguma solicitação advinda dos usuários pelas 
aplicações. Esse procedimento é realizado por meio de alguma linguagem de manipulação de 
dados, como o SQL (Structured Query Language), mais utilizada atualmente. Após a 
intercepção, o SGBD inspeciona um esquema externo para este usuário (esquema conceitual), 
o mapeamento conceitual interno e a definição do banco de dados armazenado. O SGBD é um 
software executado no nível de serviços, no qual aguarda requisições do programa/usuário. 
Para se comunicar com o SGBD, é necessário construir uma aplicação que estabeleça 
conexões com uma porta lógica e o SGBD. O SGBD recebe comando SQL por esta porta 
lógica em uma cadeia de caracteres tipo string. Na sequência, o SGBD realiza a análise de 
sintaxe desta cadeia de caracteres e o executa: 
 
Imagem 1: funcionalidades de execução de um SGBD 
Fonte: Roteiro de Estudo 
 
Atualmente, os sistemas de banco de dados transacionais e operacionais armazenam 
uma quantidade massiva de fontes de dados internas e externas das organizações, por 
exemplo, dos sistemas de gestão empresariais e das mídias digitais, das redes sociais e dos 
diversos dispositivos móveis. Para uma tomada de decisão eficiente, estruturação de uma 
inteligência competitiva ou uma contra inteligência, é necessária uma busca de informações 
eficiente e inteligente. Para isto, é necessário utilizar-se de ferramentas de mineração de dados 
e de projetos de data warehouse (busca inteligente de informações nos negócios). Os dados 
selecionados de maneira inteligente por ferramentas específicas servem para que os mesmos 
possam ser trabalhados pelos tomadores de decisão. Os algoritmos de data mining e os 
projetos de data warehouse são de suma importância para tomada de decisão rápida e de 
qualidade. 
Outro grande armazém de dados não estruturados é o big data. O NoSQL vem trazer 
solução para o grande volume de informação que é gerada e tem que ser analisada e com a 
necessidade das organizações manterem a informação durante um longo período de tempo, o 
Big Data. 
O data warehouse (DW), significa depósito de dados, é um acervo lógico que 
concentra vários tipos diferentes de bancos de dados e que possui a função de consolidar as 
informações para a análise de negócio e tomada de decisão. Os data warehouses consolidam 
as informações orientadas a assuntos das atividades organizacionais a partir de um grande 
volume de dados, favorecendo relatórios e análise de informações estratégicas. O data 
warehouse (DW) pode ser entendido como um banco de dados especializado, capaz de 
trabalhar com um número maior de dados, e não apenas com dados internos da empresa. 
Estes softwares são capazes de processar informações e não apenas dados, e podem 
fazer parte dos sistemas de apoio à decisão. As informações das bases de dados passam por 
um processo de extração, transformação e carregamento (ETL – Extraction, Transformation, 
and Loading) e são armazenadas para dentro de um armazém de dados: 
 
Imagem 2: BI por meio de um projeto de data warehouse 
Fonte: Roteiro de Estudo 
 
É possível observar nesta figura os data mart, que são bancos de dados 
multidimensionais, o que quer dizer que podem possuis dimensões diferentes das bases 
transacionais e operacionais. Cada camada de um data mart representa um tipo de 
informação. O cubo é a representação da multidimensionalidade dessas informações. 
 
Imagem 3: Exemplos de SGBDs 
Fonte: Google imagens 
Por tanto, podemos dizer que através do SGBDs (Sistema de gerenciamento de banco 
de dados) e ferramentas destinadas a estes fins, arquitetar e construir um modelo para 
gerenciar os dados das impressoras que se façam necessários. 
 
 
Referências Bibliográficas: 
 
 ARQUITETURA DE DADOS. In: WIKIPÉDIA: a enciclopédia livre. Wikimedia, 2021. 
Disponível em: https://pt.wikipedia.org/wiki/Arquitetura_de_dados. Acesso em: 10 mar. 
2021. 
 
 ROCKENBACH, D. A. et al. Estudo comparativo de bancos de dados NoSQL. Revista 
Eletrônica Argentina-Brasil de Tecnologias da Informação e da Comunicação, [S.l.], 
v. 1, n. 8, abr. 2018. Disponível em: 
https://revistas.setrem.com.br/index.php/reabtic/article/view/286. Acesso em: 12 mar. 
2021. 
 
 ELMASRI, R.; NAVATHE, S. B. Sistemas de banco de dados. 7. ed. São Paulo: 
Pearson Education do Brasil, 2018.