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