data warehouse
TRANSCRIPT
Data Warehouse
MENELIK SOARESCURSO: ANÁLISE E DESENVOLVIMENTO DE SISTEMAS INSTITUTO FEDERAL DE CIÊNCIA E TECNOLOGIA DE SÃO PAULO – CAMPUS HORTOLÂNDIA
03/11/2015
Agenda
Introdução Definições Termos Funcionamento OLAP Especificação
Modelo Relacional Esquemas Relacionais Modelo Estrela Modelo Floco de neve Conclusão Questões
Introdução
Amplo crescimento do volume de dados;
Dados provenientes de variadas bases de dados (Banco de dados);
Maior complexidade na extração de dados.
Definições
Data Warehouse Repositório de dados. Também é uma coleção de dados; Diferenças de um Banco de Dados:
Suporte à decisão Otimizado para a recuperação de dados
“Data Warehouse é uma base de dados orientada a assunto, não volátil, histórica e volumosa, sendo um componente importante da inteligência de negócios” (CARNIEL et al, 2012, p. 113)
– Inteligência de negócios = Business Intelligence.
Definições
“[...] uma coleção de tecnologias de apoio à decisão, visando a habilitar o trabalhador do conhecimento (executivo, gerente, analista) a tomar decisões melhores e mais rápidas” (ELMARSI; NAVATHE, 2011, p.721 apudCHAUDHURI; DAYAL, 1997) Suporta diversos tipos de aplicações:
OLAP (Online Analytical Processing)Decision-suport Systems (DSS)Data Mining
Termos
OLAP: uso de análise complexa sobre os dados. Existem diversas ferramentas que permitem explorar os dados com uma série de funcionalidades pré-definidas. O processamento se dá, majoritariamente, no servidor.
Decision-suport Systems (DSS): provê dados de alto nível para ubsidiar a tomada de decisão em organizações.
Data Mining: busca novas informações por meio de algoritmos que detectem regras e padrões em grandes conjuntos de dados.
Termos
Data Mart: Subconjunto lógico do Data Warehouse, geralmente divididos por departamento ou visões necessárias para os usuários.
Data Stage: Composta por uma área de armazenagem e um conjunto de processos. Sua função é extrair os dados dos sistemas transacionais, proceder a limpeza, a transformação, combinação, de duplicação e preparação dos dados para o uso no Data Warehouse. Estes dados não são apresentados ao usuário final.
Funcionamento
OLAPOs bancos de dados OLAP facilitam as consultas de inteligência comercial. OLAP é uma tecnologia de banco de dados que foi otimizada para consulta e relatório, em vez de processamento do transações. Os dados de origem do OLAP são bancos de dado OLTP (Online Transactional Processing) que são comumente armazenados em depósitos de dados. Os dados OLAP são derivados desses dados históricos, e agregados em estruturas que permitem análise sofisticada. Os dados OLAP também são organizados hierarquicamente e armazenados em cubos em vez de tabelas. Trata-se de uma tecnologia sofisticada que usa estruturas multidimensionais para fornecer acesso rápido aos dados para análise. Essa organização facilita, para um relatório de tabela ou gráfico dinâmico, a exibição de resumos de alto nível, como totais de vendas para um país ou região, bem como a exibição dos detalhes referentes aos locais em que as vendas são particularmente altas ou baixas.
Especificação
Data warehouses em nível empresarial são imensos projetos que exigem investimento maciço de tempo e recursos.
Data warehouses virtuais oferecem visões de bancos de dados operacionais que são materializadas para acesso eficiente.
Data marts em geral são voltados para um subconjunto da organização, como um departamento, e possuem um foco mais estreito.
Modelo Relacional
É a modelação de dados mais utilizada em Data Warehouse. Para se ter melhor entendimento de seu funcionamento é necessário compreender alguns termos:
Dimensão- Categorização da Informação, por exemplo Tempo;
Atributos – Um nível especifico de dimensão, por exemplo mês um atributo da dimensão Tempo;
Hierarquia- A especificação de níveis que representam as relações entre diferentes atributos de uma dimensão, por exemplo Ano – Mês – Dia.
Modelo Relacional
Tabela Fato- É uma tabela que contém as medidas, métricas ou fatos de um processo de negócio. Geralmente localiza-se no centro de esquema de Estrela ou de um esquema de Floco de neve.
Tabela de pesquisa- Fornece informação detalhada acerca dos atributos. Um modelo dimensional inclui tabelas fato e tabelas de pesquisa. Tabelas fato se ligam a uma ou mais tabelas de pesquisa, mas não têm relação direta entre elas. Dimensões e hierarquias são representadas por tabelas de pesquisa. Atributos são as colunas sem chave nas tabelas de pesquisa.
Esquemas Relacionais Floco de Neve:
Este esquema é uma extensão do esquema de estrela, em que cada ponto da estrela se estende por mais pontos. Neste esquema as tabelas de dimensão são normalizadas em múltiplas tabelas de pesquisa, cada uma representando um nível na hierarquia da dimensão.
Estrela: No esquema de estrela em único objeto (tabela de fato)
fica ao meio e é ligada aos outros objetos (tabelas dimensão) como uma estrela. Cada dimensão é representada como uma única tabela. As chaves primárias em cada tabela de dimensão estão relacionadas com um Foreign Key na tabela fato.
Esquema Estrela
Esquema Floco de Neve
Conclusão
Os Data Warehouse no contexto atual gerenciamento de dados, é indispensável para as grandes corporações e instituições que armazenam um grande volume de dados. Tendo em vista a necessidade de abstrair informações que auxiliem as mesmas a ter o entendimento do seu contexto mercantil e estrutural. Desta forma, o principal objetivo é ter uma base de informações confiável para análise e tomadas decisões com maior coerência para a corporação.
Questões
1) Qual a aplicação de um Data Warehouse? 2) O que OLAP? 3) Quais são os dois esquemas relacionais apresentados para
implantação de um Data Warehouse? Explique ambos esquemas. 4) O que são Data Marts? 5)Quais operações são realizadas no Data Stage?
Contato
Email: [email protected]
Linkedin: https://br.linkedin.com/in/meneliksoares
Facebook: https://www.facebook.com/menelik.soares
Slide Share: http://pt.slideshare.net/MenelikSoares