Luciano Santos Plínio Silva Bruno Assis Erilson Vieira Cleyton Gomes Jefferson Alves Fidias Alves...
Transcript of Luciano Santos Plínio Silva Bruno Assis Erilson Vieira Cleyton Gomes Jefferson Alves Fidias Alves...
BANCO DE DADOS
MULTIDIMENSIONAIS
Luciano Santos Plínio Silva Bruno Assis Erilson Vieira Cleyton Gomes Jefferson Alves Fidias Alves
Gestão Sistema de Informação
Gestão S.I. S.I.P.E.
Gestão Sistema de Informação
Profª: Márcia Passos
BANCO DE DADOS
MULTIDIMENSIONAIS
Gestão S.I. S.I.P.E.
O que é BD Multidimensional?
Características Data Warehouse Ferramentas OLAP
Gestão S.I. S.I.P.E.
Conteúdo da Apresentação
Gestão S.I. S.I.P.E.
Modelo BD Multidimensional Agrupamento de Informações: Dimensões,
Medidas, Fatos e Agregações. Modelo Cubo
Estrutura de BD Multidimensional Hipercubos Multicubos Qual o Melhor?
Estudo Caso de Uso Conclusão Referências
Conteúdo da Apresentação
Introdução
Gestão S.I. S.I.P.E.
Banco de dados multidimensionais (alguns autores chamam de dimensionais) tem o propósito de fornecer subsídio para realização de análises. Para tanto, sua arquitetura e até mesmo a terminologia empregada são distintas das utilizadas para bancos de dados transacionais. O fato de existirem diversas informações a serem cruzadas (dimensões) permite a realização de pesquisas mais detalhadas para tomada de decisão.
Um banco de dados multidimensional é uma forma de banco de dados que é projetado para fazer o melhor uso de armazenar e utilizar dados.
Gestão S.I. S.I.P.E.
O que é BD Multidimensional?
Normalmente estruturado, a fim de otimizar o processamento analítico online (OLAP) e aplicações de data warehouse.
O banco de dados multidimensional pode receber dados de uma variedade de bancos de dados relacionais e estruturar as informações em categorias e seções que podem ser acessados em um número de maneiras diferentes.
Gestão S.I. S.I.P.E.
O que é BD Multidimensional?
O modelo multidimensional reflete a maneira de pensar dos especialistas de negócios e responde às suas necessidades de informações.
A tecnologia relacional de bancos de dados possibilita ao data warehouse ser utilizado para responder as questões de forma rápida e precisa. Gestão S.I. S.I.P.E.
Características BD Multidimensional
Para isso, são necessários três componentes essenciais:
1. Os dados provenientes das várias fontes distribuídas pela empresa e armazenados em um único local;
2. Ferramentas que possibilitem a análise das informações armazenadas de forma rápida, flexível com alta qualidade de apresentação;
3. O conhecimento do especialista de negócios.Gestão S.I. S.I.P.E.
Características BD Multidimensional
Um Data Warehouse é uma base de dados, geralmente relacional, que consolida as informações empresariais.
Gestão S.I. S.I.P.E.
Data Warehouse
Existem inúmeras ferramentas disponíveis no mercado chamadas de OLAP.
Permitem ao usuário visualizar os vários níveis de detalhamento da informação, sob as visões das diferentes dimensões definidas no modelo.
On-Line Analytical Processing
Gestão S.I. S.I.P.E.
Ferramentas OLAP
Data Sources
Operational DBs
othersources Analysis
QueryReportsData mining
Front-End ToolsOLAP Engine
Serve
OLAP Server
DataWarehouse
ExtractTransformLoadRefresh
Metadata
Data Marts
Data Storage
Contexto do OLAP e DW
Gestão S.I. S.I.P.E.
Gestão S.I. S.I.P.E.
OLAP / Data Warehouse
Os dados são modelados em uma estrutura multidimensional conhecida por “cubo”. As dimensões do cubo representam os componentes dos negócios da empresa, tais como "cliente", "produto", "fornecedor" e "tempo".
Gestão S.I. S.I.P.E.
Arquitetura Ferramentas OLAP
Para conhecermos a arquitetura de OLAP é preciso conhecer seus termos
Cubo Dimensão Hierarquia Membro Medidas
Gestão S.I. S.I.P.E.
Arquitetura - OLAP
Os sistemas OLAP ajudam os analistas e os gerentes a sintetizarem as informações sobre a empresa através de comparações, visões personalizadas, análises estatística, previsões e simulações
Gestão S.I. S.I.P.E.
Figueiredo (1998) - OLAP
As análises sobre dados históricos envolvem uma série de possibilidades de cruzamentos e agrupamentos de informações, com o uso dos seguintes termos:
Gestão S.I. S.I.P.E.
Modelo BD Multidimensional
Dimensões: estabelecem a organização dos dados, determinando possíveis consultas/cruzamentos. Por exemplo: região, tempo, canal de venda
Medidas: são os valores a serem analisados, como médias, totais e quantidades;
Fatos: são os dados a serem agrupados, contendo os valores de cada medida para cada combinação das dimensões existentes;
Agregações: totalizações calculadas nos diversos níveis hierárquicos.Gestão S.I. S.I.P.E.
Modelo BD Multidimensional
Gestão S.I. S.I.P.E.
Modelo BD Multidimensional
Gestão S.I. S.I.P.E.
Exemplo: Modelagem dos Dados
Vídeo Multidimensional
Fonte: http://www.youtube.com/watch?v=kx19CV4MyNg
Dimensões CuboHierarquia:1. Geografia2. País3. Estado4. Cidade
5. Etc...
Membros
Medidas: É representada por uma dimensãoespecial utilizada para realizar comparações. Inclui membros como: custos, lucros ou
taxas. Gestão S.I. S.I.P.E.
Modelo Cubo
São sistemas proprietários que não seguem padrões, ou seja, cada desenvolvedor cria a sua própria estrutura para o banco de dados, isto é, para armazenar o cubo e usa as suas próprias ferramentas para acessá-lo.
Gestão S.I. S.I.P.E.
Estrutura de BD Multidimensional
Quando o modelo multidimensional é processado, nova base é gerada, desta vez contendo tanto os dados quanto as agregações em formato próprio, utilizando-se de estruturas apropriadas para pesquisas.Gestão S.I. S.I.P.E.
Estrutura de BD Multidimensional
Alicerce em Cubos
Cubo com três dimensões
Estrutura de BD Multidimensional
Representação de um cubo com as dimensões Produto, Região e Tempo.
Gestão S.I. S.I.P.E.
Estrutura de BD Multidimensional
Esparsos
Podem apresentar seus dados para uma aplicação
usando dois tipos de cubos: Hipercubos Multicubos.
Gestão S.I. S.I.P.E.
Estrutura de BD Multidimensional
Tipos de Cubo
Hipercubo
Gestão S.I. S.I.P.E.
Estrutura de BD Multidimensional
Todos os dados aparecem logicamente como um simples cubo.
Todas as múltiplas partes representadas pelo hipercubo têm idêntica dimensionalidade, isto é, cada pedaço é de igual tamanho.
A vantagem desta abordagem é o rápido tempo de resposta, independente do número de dimensões envolvidas
Estrutura de BD Multidimensional
Vantagem
dado é segmentado em um conjunto de cubos pequenos (subcubos), cada qual é composto de um subconjunto das dimensões avaliadas.
Por exemplo, nos dados das vendas podemos colocar em um cubo as dimensões produto, região e mês, em outro as dimensões produto, vendedor e região, e em outro as dimensões produto, vendedor e mês. Gestão S.I. S.I.P.E.
Multicubos
Estrutura de BD Multidimensional
São a menor utilização de espaço de armazenamento em disco, por diminuir o problema dos dados esparsos, e o melhor desempenho em consultas em um único cubo.
Estrutura de BD Multidimensional
Vantagem
Multicubos são mais eficientes e versáteis; Hipercubos são mais fáceis para entender; Usuário deve reconhecer melhor hipercubos
pela sua simplicidade de uso; Produtos mais sofisticados tendem a usar
multicubos; No hipercubo, cada dimensão pertence a
um único cubo; Em um multicubo, a dimensão pode fazer
parte de múltiplos cubos.
Estrutura de BD Multidimensional
Qual o melhor?
Nome fantasia do clienteDella Via Pneus
SedeRua Professor Arnaldo João Semeraro, 164Jd. Santa Emília - São Paulo – SPCEP 04184-000
www.dellavia.com.br
Gestão S.I. S.I.P.E.
Estudo de Caso
DELLA VIA
Ter um ERP que pudesse acompanhar o crescimento da Della Via
Necessidade de acompanhamento fiscal Centralização das informações e organização da
empresa Agilidade na tomada de decisão Conformidade com a legislação Integração das informações numa única
ferramenta Controle das informações
Estudo de Caso
Desafios
Produtos & Serviços da TOTVS neste cliente Utiliza 18 módulos do ERP TOTVS Varejo BI (Business Intelligence)
Depoimento“Temos 700 profissionais usando o ERP, desde a nossa frente de lojas até BI. Nós não temos nenhum outro sistema paralelo na empresa, somos 100% TOTVS. Ganhamos em agilidade no atendimento dos clientes, que por sua vez ficaram mais satisfeitos”.
Gestão S.I. S.I.P.E.
Estudo de Caso
Resultados
Gestão S.I. S.I.P.E.
O desenvolvimento de sistemas analíticos são cada vez mais comum. Embora haja ferramentas de diversos fornecedores, de nada elas adiantam
se a modelagem de dados e o paradigma analítico não forem
compreendidos.
Conclusão
Nesta apresentação, procuramos percorrer assuntos pouco divulgados e com pouca bibliografia. Abordamos
as estruturas de dados mais comumente encontradas em
gerenciadores relacionais e analíticos.
Esperamos que todos possam escolher melhor, e entender as
características de cada modelo de dados abordados nesta apresentação.
Agradecemos à todos!
SISNEMA. Disponível em: <http://sisnema.com.br/Materias/idmat013979.htm>
MICROSOFT. Disponível em: < http://msdn.microsoft.com/pt-br/library/cc518031.aspx>
BATEBYTE. Disponível em: <http://www.batebyte.pr.gov.br/modules/conteudo/conteudo.php?conteudo=1732>
ABEPRO. Disponível em: <http://www.abepro.org.br/biblioteca/ENEGEP1998_ART222.pdf>
FIGUEIREDO, A. M. C. M. (1998) Molap x Rolap: Embate de Tecnologias para Data Warehouse, Developers’ Magazine, ano 2,n. 18, p. 24-25, fev.
FORSMAN, S. (1997). OLAP Council White Paper. OLAP Council.
TOTVS. Clientes. 28 setembro 2011. Disponível em: <http://www.totvs.com/clientes/casos-de-sucesso/dellavia-pneus>
Referências