Material para Oficina de BI/DW

CURSO DE PS-GRADUAO EM BANCO DE DADOS

PROJETO E IMPLEMENTAO DE

DATAWAREHOUSE

Prof. M.e ORNLIO HINTERHOLZ JUNIOR

BOA VISTA-RR 2015


Prof. M.e ORNLIO HINTERHOLZ JUNIOR PROJETO E IMPLEMENTAO DE DATAWAREHOUSE

1

A TOMADA DE DECISO NAS ORGANIZAES O PROCESSO DECISORIAL

um processo organizacional considerado de grande relevncia para um gerenciamento eficaz das organizaes.

o poder de escolher, em determinada circunstncia, o caminho mais adequado para a empresa. Para que um negcio ganhe a vantagem competitiva necessrio que ele alcance um desempenho superior, e para tanto, a organizao deve estabelecer uma estratgia adequada, tomando as decises certas.

ELEMENTOS DO PROCESSO DECISORIAL Em toda deciso existem, no mnimo, seis elementos, a saber:

1. O tomador da deciso: o indivduo ou grupo de indivduos que faz uma escolha dentre vrios cursos de ao disponveis.

2. Objetivos: so os objetivos que o tomador de deciso pretende alcanar por meio de suas aes.

3. O sistema de valores: so os critrios de preferncia que o tomador de deciso usa para fazer sua escolha.

4. Cursos de ao: so as diferentes sequncias de ao que o tomador de deciso pode escolher.

5. Estados da natureza: so aspectos do ambiente que envolvem o tomador de deciso e que afetam sua escolha de cursos de ao. So fatores ambientais fora do controle do tomador de decises, como as condies de certeza, risco ou incerteza.

6. Consequncias: representam os efeitos resultantes de um determinado curso de ao e de um determinado estado da natureza

NIVEIS DE DECISO Existem trs diferentes reas de deciso na empresa, a saber:

1. Decises estratgicas: relacionadas com as relaes entre a empresa e o ambiente; guiam e dirigem o comportamento da empresa, principalmente quando ela expande e altera sua posio produto/mercado. So tomadas no nvel institucional.

2. Decises administrativas: relacionadas com a estrutura e configurao organizacional da empresa, com a alocao e distribuio de recursos. So tomadas no nvel intermedirio.

3. Decises operacionais: relacionadas com a seleo e orientao do nvel operacional encarregado de realizar a tarefa tcnica.



2

ETAPAS DO PROCESSO DE TOMADA DE DECISO: As decises so tomadas em resposta a algum problema a ser resolvido, a alguma necessidade a ser satisfeita ou a algum objetivo a ser alcanado. A deciso envolve um processo, isto , uma sequncia de passos ou fases que se sucedem. Da o nome processo decisorial para descrever essa sequncia de fases. Na realidade, o processo decisorial pode ser descrito em quatro fases essenciais, a saber:

1. Definio e diagnstico do problema. Esta fase envolve a obteno dos dados e fatos a respeito do problema, suas relaes com o contexto mais amplo, suas causas, definies e seu diagnstico.

2. Procura de solues alternativas mais promissoras. Esta fase envolve a busca de cursos alternativos de ao possveis e que se mostrem mais promissores para a soluo do problema, satisfao da necessidade ou alcance do objeto.

3. Anlise e comparao dessas alternativas de soluo. a fase na qual as vrias alternativas de curso de ao so analisadas, ponderadas e comparadas, no sentido de verificar os custos (tempo, de esforos, de recursos etc) e os benefcios que possam trazer, bem como consequncias futuras e provveis quanto sua adoo.

4. Seleo e escolha da melhor alternativa como um plano de ao. A escolha de uma alternativa de curso de ao implica no abandono dos demais cursos alternativos. H sempre um processo de seleo e de escolhas dentre vrias alternativas apresentadas. A racionalidade est implcita nesta atividade de escolha.

CONDIES DE DECISO As decises podem ser tomadas dentro de trs condies, a saber:

1. Incerteza: nas condies de deciso sob incerteza, o tomador de deciso tem pouco ou nenhum conhecimento ou informao para utilizar como base para atribuir probabilidade a cada estado da natureza ou a cada evento futuro. Em casos extremos de incerteza no possvel estimar o grau de probabilidade de que o evento venha ocorrer. a situao tpica com que se defronta o nvel institucional das empresas, exigindo um planejamento contingencial que permita alternativas variadas e flexveis.

2. Risco: nas situaes de deciso sob risco, o tomador de deciso tem informao suficiente para predizer os diferentes estados da natureza. Porm, a qualidade dessa informao e sua interpretao pelos diversos administradores podem variar amplamente e cada administrador pode atribuir diferentes probabilidades conforme sua crena ou intuio, experincia anterior, opinio etc.

3. Certeza: nas situaes sob certeza, o administrador tem completo conhecimento das consequncias ou dos resultados das vrias alternativas de cursos de ao para resolver o problema. a deciso mais fcil de se tomar,



3

pois cada alternativa pode ser associada com os resultados que pode produzir. Mesmo que o administrador no tenha condies de investigar todas as alternativas disponveis, ele pode escolher a melhor dentre as alternativas consideradas. Esta uma situao excepcional e no a regra.

TCNICAS DE APOIO TOMADA DE DECISO:

Brainstorming: Auxilia um grupo a imaginar/criar tantas ideias quanto possvel em torno de um assunto ou problema, de forma criativa. Deve ser utilizada quando for necessrio conhecer melhor o universo de uma situao, colher informaes, opinies e sugestes dos participantes, identificando problemas existentes e encontrando solues criativas para o problema identificado. Pode ser estruturada ou no estruturada:

o Estruturada: Cada indivduo dever dar uma ideia a cada rodada. o No-estruturada: As

ideias so dadas conforme surge nas mentes dos indivduos.

Matriz de prioridade: Prioriza alternativas baseadas em determinados critrios e deve ser utilizada quando o objetivo estabelecer uma entre diversas alternativas por meio de anlise mais apurada.

rvores de deciso ou diagrama da rvore: Permite indicar, de forma grfica, e cronolgica, um caminho a ser seguido em um processo de deciso, explicitando etapas a serem cumpridas para alcanar o objetivo pretendido.



4

Mapas Cognitivos: Permite retratar ideias, sentimentos, valores, atitudes e seus interrelacionamentos, de modo a viabilizar o estudo, e posterior anlise, utilizando para tal uma representao grfica. Formalmente, os mapas cognitivos so definidos como grafos, em que cada conceito considerado um n, e uma relao de influncia uma ligao entre os ns.



5

EXERCCIO 1) Uma adequada compreenso do tema 'processo decisrio' implica ter como corretas as seguintes afirmaes, exceto:

a) um problema cuja soluo no dispe de alternativas j est, por si s, resolvido. b) um nico problema pode ser percebido de formas diferentes por diferentes indivduos. c) o processo racional de tomada de deciso no exclui o uso da subjetividade. d) mesmo a melhor deciso pode acarretar um resultado desastroso. e) a tomada de deciso em equipe prefervel tomada de deciso individual.

2) Nas organizaes, as decises rotineiras e as decises causadas por variveis diversas so denominadas, respectivamente,

a) contnuas e de informaes gerenciais. b) de apoio a decises e no-estruturadas. c) estruturadas e de apoio a decises. d) recorrentes e de informaes gerenciais. e) estruturadas e no-estruturadas.

3) Na gesto contempornea, o processo de tomada de deciso deve ter como objetivo

a) apontar, dentre as alternativas satisfatrias, aquela que pode levar ao resultado desejado. b) indicar a alternativa realmente tima para levar ao resultado projetado. c) elaborar cenrios estratgicos que permitam calcular as opes com maior probabilidade de sucesso. d) definir as oportunidades e as ameaas existentes no ambiente de negcios. e) encontrar as alternativas que satisfaam os interesses dos setores mais importantes da direo.

4) A tomada de deciso um processo atravs do qual se seleciona-se uma ou mais alternativas de ao para se atingir o objetivo desejado. Em relao ao processo decisrio, pode-se afirmar que

a) a tomada de deciso inerente essencialmente ao nvel estratgico, cabendo ao nvel ttico seu desdobramento, e ao nvel operacional, sua execuo. b) a identificao e o diagnostico da situao problema ou a da oportunidade constituem etapas do processo decisrio. c) a tomada de deciso no nvel estratgico pode ser mais facilmente delegada do que no nvel operacional. d) a dificuldade para que as informaes sejam reunidas e organizadas, sendo mais facilmente modelveis, no existe nas decises no programadas. e) as decises programadas so apropriadas para um ambiente de baixa incerteza.



6

5) Em um processo decisrio, uma oportunidade diz respeito (s) seguinte(s) fase(s):

a) identificao da situao. b) diagnstico da situao. c) desenvolvimento de oportunidades. d) avaliao de alternativas. e) seleo e implementao.

6) A deciso tomada corriqueiramente sobre assuntos inditos e no programados caracteriza-se como uma tomada de deciso

a) de nvel operacional. b) de nvel ttico. c) equivocada. d) sem feedback. e) de nvel estratgico.

7) A tcnica de gerao de ideias, de modo isolado ou associativo, que possam, por sua vez, estimular novas ideias com a finalidade de solucionar problemas denominada

a) ciclo PDCA b) matriz GUT. c) matriz de Ischikawa (causa e efeito). d) brainstorming. e) diagrama de Pareto.

8) No processo de tomada de decises, os administradores devem pesar alternativas, muitas das quais envolvem acontecimentos futuros difceis de serem previstos. Por isso, as situaes de tomada de deciso so frequentemente classificadas em um continuum que vai da certeza (altamente previsvel) turbulncia (altamente imprevisvel). Conforme sugerido por James A. Stoner e Edward R. Freeman (1992), o risco refere-se condio para tomada de deciso:

a) na qual os administradores enfrentam situaes externas imprevisveis ou no tm as informaes necessrias para estabelecer a probabilidade de determinados eventos. b) em que os administradores tm informaes precisas, mensurveis e confiveis sobre os resultados das vrias alternativas que esto sendo consideradas. c) em que os administradores conhecem a probabilidade de que uma determinada alternativa leve a um objetivo ou resultado desejado. d) que ocorre quando as metas no so claras ou quando o meio ambiente muda muito rapidamente. e) na qual os administradores tm informaes insuficientes, porm confiveis, sobre os resultados daquilo que est sendo levado em considerao no momento da tomada de decises.



7

O USO DE DADOS E INFORMAO NAS ORGANIZAES A Inteligncia Competitiva Inteligncia Competitiva (ou Inteligncia Organizacional) a atividade de coletar, analisar e aplicar, legal e eticamente, informaes relativas s capacidades, vulnerabilidades e intenes dos concorrentes, ao mesmo tempo monitorando o ambiente competitivo em geral. A definio de Zanasi (1998, p. 45) para sistema organizacional inteligente traz a essncia da Inteligncia Competitiva (IC) ao descrever esse sistema como elemento essencial para que as empresas possam:

coletar informaes do ambiente externo para entender as foras e fraquezas dos competidores;

avaliar sua prpria competitividade; prever as intenes dos competidores e as expectativas dos clientes e prever

aes governamentais. Informao como Insumo Bsico para as Atividades da Organizao As organizaes produzem e utilizam dados, informaes e conhecimento de diferentes naturezas e, utilizam tambm, dados, informaes e conhecimento produzidos externamente organizao que possibilitam um melhor desempenho no mercado em que atuam. Dentre eles pode-se citar:

a) Estratgicos: subsidiam a tomada de deciso da alta administrao e possibilitam aos analistas estratgicos definirem para a organizao, as diretrizes, as polticas, os programas, as linhas de atuao, as prioridades, os indicadores de desempenho, os planos e planejamentos, ou seja, os cenrios futuros, a misso e as metas, a atuao na sociedade e a imagem institucional;

b) Mercado: possibilitam alta administrao, bem como rea comercial perceber oportunidades de negcios tanto no mercado nacional quanto no mercado internacional;

c) Financeiros: viabilizam aos profissionais da rea financeira processarem estudos de custos, lucros, riscos e controles;

d) Comerciais: subsidiam a rea comercial na exportao e/ou importao de materiais, produtos e servios, bem como subsidiam a rea jurdica em relao legislao do pas no qual estabelece-se a transao comercial;

e) Estatsticos: subsidiam as reas estratgica, financeira, comercial e de P&D, identificando em termos percentuais e/ou numricos questes ligadas ao negcio da organizao como: ndices de exportao, importao, demandas e restries de mercado, ndices econmicos, poder aquisitivo, PIB, ndice de desemprego, balana comercial, ndices de investimentos etc.;



8

f) De Gesto: atendem as necessidades dos gerentes e executivos da organizao no planejamento e gerenciamento de projetos, no gerenciamento de pessoas e situaes diversas;

g) Tecnolgicos: subsidiam a rea de P&D no desenvolvimento de produtos, materiais e processos tecnolgicos, bem como monitoram a concorrncia quanto as inovaes de produtos, materiais e processos;

h) Gerais: disseminados a todas as reas da organizao, possibilitando aos profissionais uma atualizao constante, como por exemplo: notcias, fatos e acontecimentos etc.;

i) Cinzentas: de qualquer natureza, para qualquer rea e com qualquer finalidade de uso, que no so detectados em buscas formais de informao, como por exemplo: colgio invisvel, memria de pessoas, documentos confidenciais de difcil acesso, corredores informais eletrnicos (Internet), etc.

As unidades de trabalho que atuam diretamente com a gesto da informao, gesto do conhecimento ou inteligncia competitiva, trabalham com essas diferentes naturezas informacionais e as encontram de trs formas diferentes (figura abaixo):

Os dados, informaes e conhecimento estruturados so aqueles acessados dentro ou fora da organizao e podem ser entendidos como aqueles que compem bancos e bases de dados internos e externos, redes de comunicao como Internet, Intranets, publicaes impressas etc. Dados, informaes e conhecimento estruturveis basicamente so aqueles produzidos pelos diversos setores da organizao, porm sem seleo, tratamento e acesso. Como exemplo pode-se citar: cartes de visita, colgio invisvel, nota fiscal, atendimento ao consumidor, entre outros. Dados, informaes e conhecimento no-estruturados so aqueles produzidos externamente organizao, porm sem filtragem e tratamento. Alguns exemplos: informaes veiculadas na mdia, mais especificamente TV e rdio, boatos, acontecimentos sociais e polticos. A inteligncia competitiva necessita ter o mapeamento e a prospeco de dados, informaes e conhecimento produzidos internamente e externamente organizao,



9

conhecer profundamente as pessoas chave da organizao independentemente de cargos, assim como as pessoas estratgicas fora da organizao, saber quais setores/instituies participam dos fluxos informacionais, formais e informais, tanto no ambiente interno quanto externo organizao, estar sensveis as necessidades informacionais dos clientes internos e externos, visando elaborar produtos e servios informacionais de qualidade e direcion-los de forma adequada e, finalmente diminuir o stress informacional da organizao. Todas essas aes visam, portanto, criar uma cultura informacional/intelectual na organizao. Os dados, informaes e conhecimento prospectados sobre empresas, produtos, mercados, materiais, processos, meio ambiente, tecnologia, pessoas, poltica, economia, finanas, comrcio etc., tm a finalidade de dar maior segurana s direes perseguidas pela organizao. Agregar valor fundamental para que o processo de inteligncia competitiva da organizao, seja efetivo. Por isso, os servios e produtos devem ser personalizados ao pblico usurio. Uma outra questo importante para a inteligncia competitiva a validade dos dados, informaes e conhecimento, isto , realmente eles respondem as perguntas crticas do negcio da organizao quanto a consistncia e confiabilidade, utilidade e obsolescncia e, finalmente a confidencialidade exigida. O processo de inteligncia competitiva organizacional deve seguir sete passos para seu funcionamento contnuo. So eles:

1. Identificar os "nichos" de inteligncia internos e externos organizao; 2. Prospectar, Acessar e Coletar os dados, informaes e conhecimento

produzidos internamente e externamente organizao; 3. Selecionar e Filtrar os dados, informaes e conhecimento relevantes para as

pessoas e para a organizao; 4. Tratar e Agregar Valor aos dados, informaes e conhecimento mapeados e

filtrados, buscando linguagens de interao usurio / sistema; 5. Armazenar atravs de Tecnologias de Informao os dados, informaes e

conhecimento tratados, buscando qualidade e segurana; 6. Disseminar e transferir os dados, informaes e conhecimento atravs de

servios e produtos de alto valor agregado para o desenvolvimento competitivo e inteligente das pessoas e da organizao;

7. Criar mecanismos de feedback da gerao de novos dados, informaes e conhecimento para a retroalimentao do sistema.

O modelo proposto abaixo mostra de forma geral o Processo da Inteligncia Competitiva que a organizao deve gerenciar para obter competitividade empresarial. A inteligncia competitiva possibilita o desenvolvimento da organizao de forma contnua num mercado cada vez mais agressivo.



10

Dados, informao e conhecimento, conforme j mencionado anteriormente, so matrias-primas para o processo de inteligncia competitiva. Atravs dela possvel estabelecer uma cultura organizacional baseada em informao e conhecimento, visando maior flexibilidade de atuao no mercado, assim como maior capacidade de criao e gerao de tecnologia, ou seja, maior competitividade. Inteligncia competitiva ser o grande diferencial das organizaes para esse novo milnio.



11

EXERCCIO 1) A definio:

Capacidade de uma corporao como um todo de reunir informao, inovar, criar conhecimento e atuar efetivamente baseada no conhecimento que ela gerou

refere-se:

a) ao valor agregado da informao. b) ao capital intelectual. c) ao conhecimento ttico. d) vantagem competitiva. e) inteligncia organizacional.

2) No processo de desenvolvimento de inteligncia competitiva organizacional, o responsvel pela coleta de dados e informaes solicitadas, monitoramento do ambiente, elaborao de entrevistas e manuteno das bases de dados atualizadas o

a) Coletor. b) Analista. c) Gerente. d) Gestor. e) Mentor.

3) Considere: Uma das vantagens do KM o bom time-to-market que pode ser conferido ao corpo executivo das empresas, cuja capacidade de tomada de deciso com rapidez e eficincia maximizada. Tal resultado pode ser ainda mais positivo quando as organizaes combinam gesto do conhecimento com o processo de monitoramento dos ambientes competitivo, concorrencial e organizacional, visando subsidiar o processo decisrio e o alcance das metas estratgicas de uma empresa. O trecho grifado no texto pode ser resumido como

a) controle de concorrncia ao acesso dos dados. b) gerenciamento dos recursos humanos do projeto. c) processos de monitoramento e controle dos projetos. d) processo de inteligncia competitiva. e) gerenciamento do escopo do projeto.



12

BUSINESS INTELLIGENCE Business Intelligence (Inteligncia Empresarial ou Inteligncia de Negcios) a capacidade de uma empresa para capturar, selecionar, analisar e gerenciar as informaes relevantes para a gesto do negcio com o objetivo de:

Inovar e criar conhecimento.

Reduzir riscos na tomada de deciso e evitar surpresas.

Direcionar, assertivamente, os planos de negcios e a implementao de aes.

Criar oportunidades de negcios.

Apoiar o desenvolvimento de produtos/servios com uma base de informao confivel, eficiente e gil.

Monitorar, analisar e prever, eficientemente, as questes relacionadas ao core business.

Gerar valor aos negcios. A infra-estrutura de Business Intelligence (BI) compreende: a extrao, data warehouses, data marts e ferramentas para gerenciamento da informao e anlise de dados como o data mining. Entre as definies mais aceitas est a que aponta BI como um termo guarda-chuva quer se refere a uma variedade de aplicaes usadas para analisar e organizar uma srie de dados.

Tambm so considerados como sistemas, processos e tecnologias que partem desses dados e os transformam em um modelo visual que permite anlises sofisticadas das



13

tendncias de negcio. Oferecem uma estrutura de buscas efetiva, acessvel e acurada; com mtricas de negcio e relatrios que permitem aos lideres de negcio se manterem informados para tomar decises baseados em fatos. De maneira resumida, BI a habilidade para que a pessoa certa receba a informao

adequada no momento correto para tomar a melhor deciso.

A inteligncia de negcio baseia-se em 4 atividades principais que servem de norte

para o desenvolvimento de qualquer soluo de BI:

Gathering Data: coletar dados de diversas fontes;

Storing Data: organizar esses dados;

Analysing Data: analisar esses dados;

Provinding Access to Data: compartilhar resultados com os executivos mais importantes da empresa.

A rea de BI est diretamente envolvida com os projetos de implementao de inmeros sistemas transacionais (ST) em uma empresa:



14

ERP - Enterprise Resource Planning

B2B Business to Business

B2C Business to Consumer

CI Competitive Intelligence

KMS Knwonledge Management System

CRM Customer Relationship Management

PRM Partner Relationship Management

EAI Enterprise Application Integration

BSC Balanced Score Card (obs: refere-se a sistemas que apoiam o BSC em uma empresa)



15

EXERCCIO 1) O grande desafio do profissional de TI que gerencia qualquer processo a anlise dos fatos relacionados funo que exerce em uma organizao. Essa anlise deve ser feita com as ferramentas e os dados disponveis, permitindo aos executivos e gerentes detectar as tendncias e tomar as decises com eficincia e eficcia. Devido a essa necessidade, surgiu o conceito de Business Intelligence - "BI". Assinale a alternativa que indique duas caractersticas dos atuais sistemas de Business Intelligence.

a) procurar relaes de causa e efeito / extrair e integrar dados de mltiplas fontes. b) evitar a utilizao de ferramentas automatizadas / desprezar dados contextualizados. c) extrair e integrar dados de mltiplas fontes / evitar a utilizao de ferramentas automatizadas. d) desprezar dados contextualizados / trabalhar exclusivamente com fatos reais e no hipotticos. e) trabalhar exclusivamente com fatos reais e no hipotticos / procurar relaes de causa e efeito.

2) Business Intelligence (BI) refere-se ao processo para tomada de decises em uma empresa, sendo de elevada importncia a existncia de um repositrio prprio para os dados consolidados e j transformados em "informao real", que pode ser um Data Warehouse ou um Data Mart. Nesse contexto, duas aplicaes so identificadas: a primeira, que sustenta o negcio por meio de ferramentas OLTP (On Line Transaction Processing), e a segunda, que analisa o negcio por meio de ferramentas OLAP (On Line Analytical Processing). Essas aplicaes tm, como objetivos principais, respectivamente:

a) levantamento e armazenamento de dados/ implementao de testes. b) controle e registro de transaes/identificao de tendncias. c) projeto e anlise de sistemas/transformao de processos. d) pesquisa e teste de software/especificao de requisitos. e) busca e coleta de informaes/substituio de rotinas.

3) A rea de BI - Business Intelligence est diretamente envolvida com os projetos de implementao das aplicaes de

a) B2B, B2C e BSC. b) EAI, B2B e B2C. c) EAI, CRM e ERP. d) CI, KMS e BSC. e) CRM, PRM e ERP.

4) A inteligncia do negcio (eventualmente mais conhecida como Business Intelligence)

I. construda quando a arquitetura de TI especificamente orienta-se para os interesses ou especialidades do negcio de forma exclusiva. II. utiliza ferramentas que consolidam, analisam e acessam vastas quantidades de dados para ajudar os usurios a tomar melhores decises empresariais. III. utiliza como principais ferramentas os softwares para consulta e relatrios de banco de dados, ferramentas para anlise multidimensional de dados e o data mining.



16

IV. confere s empresas a capacidade de acumular informaes; adquirir conhecimentos sobre clientes, concorrentes e operaes internas; e mudar o comportamento de tomada de deciso a fim de alcanar maior lucratividade e outras metas corporativas.

Est correto o que se afirma em a) I e II, apenas. b) I, II e III, apenas. c) II e IV, apenas. d) II, III e IV, apenas. e) I, II, III e IV.



17

SISTEMAS DE APOIO DECISO O Sistema de Apoio Deciso (SAD) um sistema baseado em computadores que atravs de informaes e modelos especializados ajudam a resolver problemas organizacionais, sua funo apoiar o processo de tomada de deciso em reas de planejamento estratgico, controle gerencial e controle operacional, sendo isso o que o diferencia dos demais tipos de sistemas de informaes. Sua demanda surgiu diante do crescimento competitivo das organizaes, pois o SAD desenvolvido atravs de dados histricos e experincias individuais que so incorporados como informaes teis possibilitando melhores condies para a tomada de deciso e aumentando as vantagens obtidas pela empresa. Muitas empresas esto utilizando o SAD para melhorar o processo decisrio. As razes citadas pelos gerentes so, segundo Turban (2004, p. 374):

Necessidades de informaes novas e mais precisas;

Necessidade de Ter informaes mais rapidamente;

O monitoramento das inmeras operaes de negcios da empresa estava cada vez mais difcil;

A empresa estava operando em uma economia instvel;

A empresa enfrentava maior concorrncia nos mercados interno e externo;

Os sistemas instalados na empresa no apoiavam adequadamente os objetivos de maior eficincia, rentabilidade e ingresso em mercados lucrativos;

O departamento de sistemas de informao no conseguia mais atender diversidade de necessidades imediatas da empresa e de seus executivos e no havia funes de anlise de negcio embutidas nos sistemas existentes.

Caractersticas

Permitem o armazenamento de grandes volumes de dados e de diferentes fontes;

Possuem flexibilidade de relatrios e apresentaes;

Possuem orientao grfica e de texto;

Suportam anlise de Drill Down/Up;

Realizam anlises complexas e sofisticadas, utilizando pacotes de software avanados;

Utilizam modelos analticos;

Permitem anlise e simulao de cenrios (ex: dados os custos atuais de distribuio qual o transporte que deve ser utilizado?);

Orientado por mtricas de desempenho;

Orientado a processos de negcios;

Apoiado por tecnologias especializadas. Tipos de sistemas de apoio deciso.

Sistemas de Informao Executiva (EIS)



18

Sistemas Especialistas (Expert Systems)

Sistemas Artificiais / Redes Neurais Componentes de sistemas de apoio deciso.

SISTEMA DE GERNCIA DE BANCO DE DADOS (SGBD)

SISTEMA DE GERNCIA DE BANCO DE MODELOS (SGBM)

SISTEMA DE GERNCIA DE INTERFACE

O banco de dados SAD que uma coleo de dados atuais e histricos de uma variedade de sistemas ou grupos pode ser um pequeno banco de dados em um computador isolado ou ele pode ser um poderoso data warehouse continuamente atualizado por dados organizacionais. O sistema de software pode conter vrias ferramentas OLAP, ferramentas de datamining ou uma coleo de modelos matemticos ou analticos que podem ser facilmente acessados pelo usurio do SAD. A interface do SAD que permite ao usurio interagir com o sistema de software deve ser simples. Um modelo de SAD pode ser fsico, matemtico ou verbal, visto que cada SAD construdo para um propsito, ele poder fazer diferentes colees de modelos disponveis na organizao dentro da realidade do propsito desejado. Os modelos mais conhecidos e utilizados so:

Modelos estatsticos;

Modelos de otimizao ou Modelos de previso;

Modelos de biblioteca e

Modelos de anlise de sensibilidade



19

EXERCCIO 1) O sistema de apoio a deciso

a) visa obter informaes de todos os nveis a partir de informaes detalhadas armazenadas nos sistemas de processamento de aes. b) analisa dados on-line coletados por sistemas de processamento de transio, para ajudar as pessoas a executar aes operacionais. c) visa obter informaes de alto nvel a partir de informaes gerenciais armazenadas nos sistemas de processamento de documentos. d) analisa dados coletados por sistemas de processamento de inovao, para ajudar as pessoas a viabilizarem aes de transcries. e) analisa dados on-line coletados por sistemas de processamento de transao, para ajudar as pessoas a tomarem decises de negcios.

2) Um sistema de apoio deciso informatizado, no seu modelo bsico, tem quatro componentes. Assinale qual dos relacionados abaixo NO um desses componentes.

a) Sistema de Gerncia de Metadados em Data Warehouse (SGMD) b) Sistema de Gerncia de Banco de Modelos (SGBM). c) Sistema de Gerncia de Banco de Dados (SGBD). d) Sistema de Gerncia de Interface. e) Usurio.

3) Sistemas so conjunto de tarefas, controles e programas que interagem de maneira a obter resultados complementares e tm como objetivo um fim certo e planejado. Como exemplo, pode-se citar um modelo genrico de tomada de deciso que analisa um grande nmero de variveis, para que seja possvel o posicionamento a uma determinada questo. Trata-se de um sistema denominado:

a) Sistema de Informaes Executivas (SIE). b) Sistema de Apoio Deciso (SAD). c) Sistema de Informaes Gerenciais (SIG). d) Automao de Escritrios (AE).

4) Os sistemas de apoio deciso so sistemas que ajudam na anlise de informaes do negcio. Os Banco de Dados de apoio deciso exibem certas caractersticas especiais. NO uma caracterstica adicional dos Bancos de Dados de apoio deciso.

a) Em geral, a integridade uma preocupao (supe-se que os dados esto corretos quando so carregados pela primeira vez e no so atualizados subsequentemente). b) As colunas tendem a ser usadas em combinao. c) As chaves frequentemente incluem um componente temporal. d) O Banco de Dados tende a estar fortemente indexado. e) O Banco de Dados envolve frequentemente vrios tipos de redundncia controlada.

PROJETO DE BI: ETAPAS, EQUIPE E TIPOS DE SOLUO



20

ETAPAS DO PROJETO DE BI O projeto de BI deve ser realizado de forma iterativa, dividindo a tarefa macro em iteraes com objetivos menos ambiciosos e mais facilmente delimitados. De uma maneira geral as etapas do projeto de BI organizam-se da mesma forma que os projetos de engenharia em geral.

Justificativa: Avaliao das necessidades que motivam o projeto.

Planejamento: Planejamento ttico e estratgico que definem como o projeto ser cumprido e entregue.

Anlise de negcio: Anlise detalhada do problema ou oportunidade de negcio para entendimento dos requisitos de uma potencial soluo o produto.

Projeto: Concepo de um produto que resolva o problema ou aproveite a oportunidade.

Construo: Desenvolvimento do produto que trar o retorno sobre o

investimento desejado em um perodo pr-determinado.

Entrega: Implantao ou venda do produto finalizado, mensurao da efetividade para definir se o retorno sobre o investimento foi alcanado, excedido ou falhou. ETAPAS DO PROJETO DE DESENVOLVIMENTO ITERATIVO

DETALHAMENTO DAS ETAPAS DO PROJETO DE DESENVOLVIMENTO ITERATIVO



21

JUST

IFIC

ATI

VA

Oportunidade de Negcio

Problema ou oportunidade de negcio definido e soluo de BI proposta

Justificativa do custo de cada verso do aplicativo de BI e definio clara dos seus objetivos

PLA

NEJ

AM

ENTO

Avaliao da Infraestrutura Empresarial

Infraestrutura Tcnica: hardware, software, middleware, SGBDs, sistemas operacionais, componentes de rede, repositrios de metadados, utilitrios, etc.

Infraestrutura No Tcnica: padres de metadados, padres de nomenclatura de dados, modelo de dados empresarial, metodologias, padres de teste, resolues de disputas, etc.

Planejamento do Projeto

Detalhamento de escopo, equipe, oramento, tecnologia, representantes do negcio

Acompanhamento prximo do progresso do projeto

AN

LI

SE D

O N

EG

CIO

Definio dos Requisitos do Projeto

Definio do escopo do projeto.

Definio dos requisitos mnimos de cada iterao.

Anlise de dados

Anlise da qualidade dos dados disponveis nas fontes

Adaptao dos modelos de dados existentes s fontes de dados e requisitos dos usurios.

Consolidao e conciliao dos dados provenientes de diversas reas da organizao que muitas vezes se valem de regras de negcio e padres de modelagem distintos para cada rea.

Prototipagem do Aplicativo

Anlise das verses funcionais do aplicativo

Utilizao de ferramentas de prototipagem rpidas oferecidas pelos principais frameworks de desenvolvimento ou mesmo de terceiros

Percepo das potencialidades e limites da tecnologia pelas equipe de negcios

Ajuste dos requisitos de projeto e expectativas

Anlise do Repositrio de Metadados

Definio dos metadados a serem capturados e armazenados

Mapeamento dos metadados de negcio nos metadados da ferramenta de BI

Definio da utilizao de um repositrio comercial ou do desenvolvimento de um repositrio prprio



22

PR

OJE

TO

Projeto do Banco de Dados

Projeto dos esquemas dos bancos de dados em funo dos requisitos de acesso s informaes

Armazenamento tanto de dados agregados quanto detalhados

Projeto de ETL

Limpeza dos dados coletados

Transformao dos dados coletados para as estruturas de armazenamento de dados projetadas

Carregamento dos dados tratados nos repositrios

Utilizao de ferramentas especficas para tarefas ETL

Projeto do Repositrio de Metadados

Documentao do metamodelo de dados

Opo pela utilizao de um modelo entidade-relacional ou orientado a objetos

Implementao de todos os requisitos do metamodelo lgico no projeto

CO

NST

RU

O

Desenvolvimento de ETL

Desenvolvimento de extenses das ferramentas para lidar com as caractersticas nicas de cada projeto

Desenvolvimento do Aplicativo

Desenvolvimento de solues robustas para prover acesso aos dados e ferramentas de anlise a pessoas com pouca ou nenhuma experincia nesse tipo de tarefa.

Minerao de Dados

Identificao e exposio de informaes escondidas nas caractersticas e relacionamentos entre os dados.

Identificao de relaes no bvias ou previsveis entre os dados

Desenvolvimento do Repositrio de Metadados

A necessidade do desenvolvimento aplica-se unicamente aos casos onde se fez a opo por no utilizar uma soluo comercial disponvel

Dada a sua complexidade, em geral, tratado como um projeto com equipe especfica e desenvolvimento paralelo ao da soluo de BI.



23

ENTR

EGA

Implementao

Verificao e teste exaustivo de todos os componentes do aplicativo de BI

Treinamento da equipe de negcios e demais stakeholders

Disponibilizao de helpdesk

Manuteno das bases de dados de BI

Agendamento e execuo das tarefas de ETL

Monitoramento de desempenho

Ajuste das bases fonte

Avaliao da Verso

Houve respeito aos prazos e oramentos?

Como foram solucionadas as disputas?

Quais ajustes foram feitos nos processos?

Avaliao das ferramentas, tecnologias e processos

medida que as pessoas envolvidas com o projeto conhecem mais a soluo de BI, as potencialidades e limitaes da tecnologia ficam mais claras e os requisitos impostos por esses usurios podem mudar. importante que a equipe de desenvolvimento entenda essa situao para no se frustrarem. importante considerar tambm que nem todos os requisitos dos usurios so estratgicos nem precisam ser mapeados em estruturas multidimensionais. Por mais modernas que sejam as ferramentas de ETL, dificilmente todas as particularidades sero contempladas. Dessa forma, o desenvolvimento de extenses dos aplicativos torna-se uma tarefa quase obrigatria para a realizao desse tipo de tarefa de forma adequada. Uma das tarefas mais importantes no desenvolvimento iterativo a anlise daquilo que funcionou e daquilo que deve ser melhorado na prxima iterao. O aprendizado a respeito da metodologia e da forma de trabalho da equipe deve ser contnuo, adaptando a soluo e a metodologia de desenvolvimento a cada verso lanada.



24

EQUIPE DO PROJETO DE BI A equipe de desenvolvimento do projeto de BI deve possuir habilidades complementares para alcanar os objetivos com sucesso. Deve-se ter pessoal especializado especialmente para o desenvolvimento de ETL, do aplicativo e dos repositrios de dados e metadados. A equipe dividida em dois grupos fundamentais:

Equipe fundamental (core): auto-organizada com redistribuio de tarefas entre si bem como auto-anlise do trabalho.

Equipe extendida: participam do projeto sem que ele seja sua principal atividade. Podem ter um cronograma de atuao junto equipe fundamental ou participarem de sesses onde sua expertise necessria.

EQUIPE FUNDAMENTAL Um grupo restrito de 4 ou 5 (nunca mais que 7) participantes ter 100% de sua disponibilidade alocada no projeto de BI do seu incio at o fim. Esse grupo de membros permanentes ser responsvel pela liderana do projeto e ter atribuies como:

Gerente de projeto

Representantes do negcio

Analista do departamento de TI

Tcnico (analista ou programador snior) de TI H tambm membros permanentes das etapas, que ficam 100% alocados no projeto durante as etapas nas quais seus conhecimentos so requeridos. Dentre eles destacam-se:

Desenvolvedor lder do aplicativo: projeta e acompanha o desenvolvimento do aplicativo de acesso e anlise de dados

Arquiteto de Infraestrutura de BI: estabelece e mantm a infraestrutura tcnica de BI. Apesar de fazer parte da equipe fundamental, em geral, est hierarquicamente subordinado ao arquiteto estratgico do time estendido.

Representante do Negcio: participa da modelagem das sesses, definies de dados, escreve casos de teste, toma decises de negcios, resolve disputas entre unidades de negcio e aumentam a qualidade dos dados sob controle da unidade de negcio de BI.



25

EQUIPE ESTENDIDA Os membros da equipe estendida so aqueles que no se dedicam exclusivamente ao projeto em momento algum do ciclo de desenvolvimento mas so utilizados na realizao de tarefas especficas no seu desenrolar. Nesse grupo demos listar:

Administrador de Dados: analisa os dados inter-oganizacionais, cria modelos lgicos especficos para o projeto, mescla os modelos lgicos de dados com os modelos lgicos organizacionais.

Especialista em Minerao de Dados: seleciona e executa as tarefas de minerao de dados

Analista de Qualidade de Dados: avalia a qualidade da fonte de dados e prepara as especificaes de limpeza para a tarefa de ETL

Administrador de Banco de Dados: projeta, carrega, monitora e faz a sintonia das bases de dados

Desenvolvedor Lder de ETL: projeta e acompanha os processos de ETL

Desenvolvedor de Aplicativo: codifica os programas de relatrios e dashboards, escreve consultas e desenvolve os programas de acesso e anlise de dados

Suporte de BI: mentoring e treinamento da equipe de BI

Patrocinador Empresarial: coloca o projeto de BI em evidncia na empresa e elimina os entraves dentro da organizao

Desenvolvedor de ETL: codifica programas e configura as ferramentas de ETL

Auditor de TI

Analista de QA: determina os riscos e exposio do projeto de BI devido perda de controle interno ou fatores externos, o profissional responsvel por atuar com auditorias internas e externas

Desenvolvedor do Repositrio de Metadados: codifica programas de migrao de metadados e carregar os repositrios.

Equipe de Servios de Rede: mantm o ambiente de rede.

Equipe Operacional: executa os programas em lote de ETL, sistemas de acesso e anlise de dados e do repositrio de metadados.

Executivo de Segurana: garantem que os requisitos de segurana estejam definidos e que as funcionalidades de segurana sejam testadas nas ferramentas e bases de dados.

Stakeholders: cuidam de responsabilidades especficas no projeto de TI de acordo com sua funo e habilidades

Arquiteto Estratgico: gerencia a infraestrutura tcnica da organizao

Equipe de Servios Tcnicos: mantm a infraestrutura de hardware e sistemas operacionais



26

TIPOS DE SOLUO DE BI As aplicaes de BI podem ser dividias em 7 subgrupos principais que diferem entre si pela forma de acesso e exibio dos dados e pelo tipo de anlise oferecida. So elas:

Consulta direta base

Minerao de dados

Relatrios padronizados

Aplicativos Analticos

Dashboards

Scorecards

BI Operacional A maior parte das ferramentas pode ser acessada atravs de um portal corporativo de BI enquanto algumas funcionam como aplicaes standalone ou mesmo integrada a outros sistemas de negcio. A forma de acesso pode ser dividia entre:

Ad hoc: acesso customizado feito individualmente pelo usurio, destinado a usurios experientes familiarizados com a construo de consultas e tarefas de minerao de dados

Push-button: relatrios disponveis a partir da seleo de parmetros pr-determinados ou mesmo com opes padro

Relatrios operacionais: exibem sempre as mesmas informao sem a possibilidade de o usurio os configurar

A anlise oferecida pelos aplicativos pode ser:

Estratgica: utilizada para a tomada de deciso de alto nvel na empresa, em geral direcionada a cargos gerenciais e diretoria

Ttica: utilizada na operao ou produo, visa dar suporte s atividades de rotina da empresa



27

EXERCCIO Considere a Figura abaixo para as questes 1, 2 e 3:

1) Considerando o contexto da soluo de BI do Grupo Montanhs, no segundo pargrafo, a integrao inicial apenas dos dados financeiros e contbeis vindas de sistemas legados indica que

a) foi utilizada uma implementao top down. Nesta implementao h um grande trabalho inicial, envolvendo todas as pessoas da empresa que iro participar do projeto, o que fora a empresa a definir regras de negcio de forma corporativa antes de se iniciar o projeto do DW. b) no foi utilizada a implementao top down, porque o processo se iniciou com a extrao, transformao e integrao das informaes dos sistemas internos, dados externos e das fontes operacionais para um ODS. c) foi utilizada uma implementao bottom up, porque a partir do DW foram extrados os dados e metadados para os Data Marts departamentais do grupo empresarial. d) foi utilizada uma implementao bottom up, que permite que o planejamento e desenho dos Data Marts possam ser realizados sem esperar pela infraestrutura corporativa do DW, permitindo um ROI mais rpido.



28

e) foi utilizada uma implementao combinada que tem o propsito de integrar a arquitetura top down com a bottom up, usando diversos modelos de Data Marts, gerados de uma s vez.

2) Ao grupo Montanhs foi apresentada uma soluo de BI que trouxe diversas vantagens para o grupo empresarial. O resultado dessa soluo permitiu: 1 - Informao disponvel para gesto 2 - Viso de curvas de comportamento 3 - Agilidade de ferramentas para apoio gesto 4 - Segurana de informaes para deciso 5 - Maior abrangncia de viso de indicadores 6 - Recursos mais abrangentes para anlise de negcios 7 - Necessidades e expectativas atendidas por ferramentas de TI A soluo apresentada foi

a) um projeto de banco de dados transacional. b) uma modelagem de banco de dados multidimensional. c) um projeto de Data Warehouse. d) um query & report de uma ferramenta OLAP. e) uma operao ETL.

3) Nos pargrafos 5 e 6, so feitas referncias gerao de relatrios e consulta a painis. Sobre este tema correto afirmar que

a) os relatrios so gerados automaticamente pelo sistema de BI e os usurios finais os acessam por meio de painis, que so equipamentos acoplados aos monitores. b) os painis consolidam informaes gerenciais geradas por ferramentas OLTP, que acessam o DW para gerar relatrios padronizados. c) o sistema OLTP recebe dados de ferramentas OLAP para realizar as anlises que geram os relatrios. Essa carga de dados acontece conforme a necessidade da empresa. Os painis servem de apoio aos usurios para a tomada de decises gerenciais. d) um painel tpico formado por grficos e outros recursos visuais que expandem os dados apresentados nos relatrios. Os relatrios gerados pelo sistema de BI so concisos e pouco precisos e os painis mais detalhados e mais complexos, por isso de uso exclusivo dos altos executivos. e) os usurios finais tm acesso s ferramentas OLAP para extrair os dados das bases e construir relatrios capazes de responder s suas questes gerenciais. Os paineis sumarizam parte das informaes de forma concisa e clara usando recursos visuais.

4) Os portais corporativos oferecem acesso on-line s informaes e aplicaes das empresas por meio das tecnologias de Internet, com objetivo de apoiar diretamente o negcio e ajudar essas empresas a serem mais competitivas. Esses portais

a) devem incluir ferramentas de inteligncia de negcios (Business Inteligence), gesto de contedo, data warehouse e informaes estratgicas.



29

b) devem integrar internet, intranet, extranet e sistemas legados, permitindo assim o aumento dos nveis de eficincia e de qualidade das relaes nas organizaes para serem considerados colaborativos. c) so solues puramente tcnicas, pois dependem das Tecnologias de Informao e Comunicao (TICs) para impactar os processos de negcio. d) tm, como um de seus principais apelos, a promessa de fazerem o just in time da informao: levar a informao certa, para a pessoa certa, na hora certa. e) necessitam, fundamentalmente, de estabelecer mtricas para avali-los e acompanhar a sua evoluo, porm, as nicas mtricas realmente teis so as qualitativas, que avaliam o grau de satisfao do usurio com o portal.



30

FUNDAMENTOS DO DESIGN DIMENSIONAL INTRODUO A modelagem dimensional a tcnica utilizada para se ter uma viso multidimensional dos dados e no uma viso simplista, como na modelagem relacional. Abaixo tem-se dois comparativos do modelo relacional com o modelo dimensional.

TABELAS FATO E DIMENSES A modelagem dimensional constituda basicamente de dois tipos de tabelas:

Tabelas fatos: o Contm valores (mtricas) o E as chaves o Podem existir vrias no modelo o Pk=concatenao de Fk das dimenses o Uso de chaves sequenciais



31

Tabelas dimenses o Pontos de entrada o Hierarquias e nveis de quebra o Granularidade coerente com fato

FASES DA MODELAGEM DIMENSIONAL As fases da modelagem dimensional so de extrema importncia para serem cumpridas em um projeto de BI. As fases podem ser divididas em:

Contato e definio da rea de negcios;

Levantamento das necessidades;

Planejamento do projeto;

Objetivos;

Dificuldades para encontrar as informaes almejadas;

Indicadores estratgicos;

Mtricas iniciais;

Restries de informaes;

Estrutura e tecnologia; No levantamento das necessidades, deve ser considerado:

Dificuldades e restries o Indicadores, mtricas e comparativos o Sempre observar as dimenses e as combinaes

Importante ter o modelo de dados existentes:

MER

Arquivos, dados manuais, planilhas eletrnicas.



32

ESTRUTURAS DO MODELO DIMENSIONAL A estrutura de um modelo dimensional importante no que tange aos seguintes aspectos:

quantidade de tabelas;

disposio das tabelas;

normalizao ou desnormalizao;

acesso;

desempenho;

hierarquias;

cascateamento das tabelas;

Desnormalizao Na modelagem do banco de dados relacional aplicamos a normalizao (formas normais). Contudo, no DW ou Data Marts faz-se necessrio, em alguns casos, desnormalizar as tabelas. Visa obter o grau de desempenho elevado ao reduzir o nmero de junes das tabelas. Agilidade na consolidao tambm uma caracterstica da desnormalizao. Existem quatro modelos, cada com suas caractersticas, como mostra a figura a seguir:

Star Schema (estrela);

Snowflake (flocos de neve);

Starflake;

Galaxy.



33

SCHEMA ESTRELA o Dimenses desnormalizadas o Voltado para acessos com mais performance o Hierarquias achatadas o Uma tabela fato ao centro e as dimenses ligadas ela.

SCHEMA SNOWFLAKE (flocos de neve) o Modelo similar a Entidades e Relacionamentos o Tabelas em cascata o Normalizado o Hieraquias mantidas o Muitas tabelas o Muitas junes 1 : N

SCHEMA STARFLAKE o Combinao das duas anteriores o Dimenses com N x N com outras tabelas

GALAXY SCHEMA o Vrias fatos o As dimenses podem estar dispostas de formas diversas o As fatos no se relacionam



34

ARQUITETURA DO DATA WAREHOUSE INTRODUO A teoria de banco de dados foi difundida e est disponvel h alguns anos. Nesta teoria os dados eram armazenados com o propsito maior de realizar operaes transacionais, sejam em tempo real, sejam em um intervalo de tempo programado. Mas tambm eram utilizados, em menor frequncia, para a execuo de processos analticos. O conceito de Data Warehouse (armazm de dados) surgiu no incio da dcada de 80 quando os sistemas gerenciadores de banco de dados (SGBD) apareceram como facilitadores da computao de dados, e consequentemente, facilitadores da tomada de deciso. Alguns autores dizem que Inmon o pai do Data Warehouse, isto pelo fato de Inmon ter observado que os dados poderiam ser organizados em um ativo corporativo que o mesmo nomeou de Data Warehouse. Data Warehouse uma coleo de dados orientada por assuntos, integrada, variante ao tempo, e no voltil, que tem por objetivo dar suporte aos processos de tomada de deciso.

Orientado por assunto: a primeira caracterstica do DW que ela orientada em torno dos grandes assuntos da empresa.

Integrado: os dados encontrados dentro do armazm de dados sero sempre, sem possibilidades de exceo, integrados.

No voltil: modificaes nos dados j existentes no ocorrem no data warehouse.

Variante no tempo: os dados no Data Warehouse podem ser apresentados em tempos determinados.

Tem-se duas estratgias para elaborao de um DW, que so defendida pelos dois principais autores:

Monoltica - tudo de uma vez (Bill Inmon - DW)

Incremental - passo a passo (Ralph Kimball - Data Marts) Tambm pode-se pensar em uma convergncia destes dois mundos:

Data Marts com plano de integrao definido para o DW

Integrao evolutiva implementao gradativa



35

DATA WAREHOUSE Os dados disponveis nos Data Warehouses podero ser acessados pelos gerentes, analistas e usurios finais, possibilitando a realizao de vrias tarefas, tais como processamento analtico (OLAP) ou inteligncia empresarial (BI business intelligence). O Data Warehouse - armazm de dados - armazena o acmulo de dados histricos. Pode conter dados por muitos anos, com tamanho de armazenamento muito grande. Normalmente depois de completadas as transaes comerciais na aplicao ou no armazenamento de dados operacionais, elas so transferidas para o warehouse. Tambm pode-se estabelecer uma periodicidade adequada para esta transferncia dos dados. Para o funcionamento da inteligncia empresarial, os dados brutos operacionais, mantidos nos bancos de dados corporativos, espalhados por vrios sistemas da organizao e em fontes heterogneas, so colocados (processo de ETL extrao, transformao e carga) em um Data Warehouse. Usando ferramentas de inteligncia nos negcios, so feitas consultas, relatrios diversos, ou quaisquer outras anlises, como grfico e relatrios. Pode ser iniciado tambm o processo de Data Mining - minerao de dados. (Figura abaixo).



36

Respond: No Data Mining so fornecidas percepes dos dados corporativos que no podem ser obtidos com o OLAP. So feitas descobertas de padres e relacionamentos ocultos em grandes bancos de dados e inferindo regras a partir deles para prever comportamentos futuros. Tais modelos e regras so utilizados para guiar o processo de deciso e prever o efeito de decises. Os tipos de informaes que so obtidos com o data mining incluem: associaes; sequncias; classificaes; aglomeraes e prognsticos. (LAUDON; LANDON; 2007). Esses sistemas podem realizar anlises de alto nvel quanto a padres ou tendncias, mas tambm podem esmiuar os dados para revelar mais detalhes, se forem necessrios. O Data Warehouse (DW) um componente central de uma infraestrutura de Business intelligence (BI), funciona como um repositrio, ou seja, um armazm de anlise de informaes numricas estveis e verificveis (Jacobson et al. 2007).



37

Machado (2004) explica que, de forma geral e como demonstrado na figura abaixo a estrutura do DW est em evoluo. A evoluo pode ser considerada como uma resposta complexidade deste ambiente e dificuldade de integrar todos os componentes. Os sistemas transacionais (OLTP) do o incio a esta construo incremental.

Observa-se na figura os Data Marts. So pequenos DW que atendem a certas reas especficas das organizaes. As vantagens de se trabalhar com Data Marts so:

custo mais baixo

testes facilitados

menor tempo de implantao GRANULARIDADE, MTRICAS E INDICADORES O Gro a unidade de medida de um indicador para serem obtidos resultados de desempenho. Tem o nvel atmico de dados - nas tabela fato e dimenso. Consideraes que devem ser levadas em conta:

Volumes de dados

Necessidade de informaes para o negcio

Disponibilidade do dado fonte Algumas possibilidades de granularidade:

Nvel de transaes (Documento da NF)

Nvel de tem de um documento (Item da NF, da OS, do Pedido)



38

Tempo: o Nvel dirio o Nvel semanal o Nvel mensal, etc

A granularidade da tabela Fato est diretamente relacionada com as granularidades das tabelas dimenses. Para implantao eficiente de todos os conceitos do BI, a utilizao de indicadores de desempenho fundamental como instrumento estratgico para o processo de tomada de deciso. Os indicadores permitem por meio de anlise e interpretao de dados, a evidncia de fatos que facilitam o processo. De acordo com Tavares (2005), as medidas de desempenho podem focalizar o futuro e no apenas o registro do desempenho passado. O estudo dos indicadores fundamental para uma projeo futura, com elaborao de tendncias e metas. Segundo Leme Filho (2004), os indicadores de desempenho tm como principal objetivo apresentar de forma clara a situao de determinados assuntos de negcios que a empresa considera como vitais. O autor mostra que, para serem intuitivos, os indicadores de desempenho devem ser representados atravs de grficos e cores, com poucas informaes escritas e nmeros. Sendo assim, a representao visual facilita o entendimento por parte dos gestores da evoluo e projeo dos resultados obtidos pelas empresas e permite um ganho no processo de tomada de deciso, alm de fornecer uma interface mais amigvel para o mesmo. As mtricas so as medicas colocadas na tabela fato para obteno das anlises. So ligados granularidade. Escolher para a tabela Fato os atributos numricos. Os tpicos so:

Quantidade

Valor

Custo do produto

Lucro

Consumo

Etc.



39

DIMENSES CONFORMADAS E CHAVES NO MODELO DIMENSIONAL Assim como a granularidade, o conceito de dimenses conformadas um dos pilares da modelagem dimensional. Diz respeito s entidades (dimenses) que servem de perspectivas de anlise para qualquer assunto da organizao. Ou seja, as dimenses esto em conformidade com os assuntos escolhidos. Modelar dimenses conformadas significa que seus atributos no so conflitantes com um ou mais Data Marts ou com o Data Warehouse. Ex.: se estivermos falando de unidades vendidas (mtrica) de uma loja (dimenso) em um ms (dimenso), estamos falando do mesmo dado de um produto (dimenso). A modelagem dimensional tem por meta construir DW com dimenses conformadas e fatos com granularidade mais prximos possveis. No intuito de criar maior estabilidade, as chaves no modelo dimensional tem um princpio diferente do modelo relacional. No relacional utilizamos muito chaves inteligentes, que carregam significado nas mesmas. J no modelo dimensional, para dimenses e fatos, utilizamos Surrogate Keys. Surrogate Key (SK) = chave numrica sequencial.

Sem nenhum sentido embutido, evitando conflito de mudanas de chave;

Contudo, nas tabelas dimenses, mantemos as chaves inteligentes do modelo relacional para a identificao dos registros.



40

EXERCCIO 1) Com relao aos conceitos de modelagem dimensional, assinale a opo correta.

a) Na abordagem utilizada por Kimball, todos os dados de uma empresa so reunidos em um repositrio central, caracterizado por um projeto dimensional, e que pode ser consultado diretamente. b) A abordagem de Inmon consolida todas as informaes de uma empresa em um repositrio central chamado data warehouse corporativo. Essa abordagem caracterizada por um projeto na terceira forma normal, no qual os dados so consultados diretamente por aplicativos de data warehouse. c) Na abordagem de Kimball, os data marts so adaptados s necessidades e pontos de vista de um grupo de negcios especfico, suportando a modelagem dimensional, e so consultados por aplicativos de data warehouse. d) A abordagem de data marts autnomos tem foco empresarial e atende s necessidades dentro de uma rea de assunto. Seu desenvolvimento necessita explorar o uso de elementos de dados comuns em toda a empresa. e) Se, em um sistema transacional usando-se um esquema estrela, um cliente, identificado por Codigo_do_cliente 1010, modificar o seu endereo da empresa sede, ento, para fins analticos, no ser possvel acompanhar a histria de endereos desse cliente, pois, nessa abordagem, depende-se de Codigo_do_cliente para identificar uma linha exclusiva na dimenso cliente, de tal forma que no possvel armazenar vrias verses do cliente.

2) A literatura especializada lista quatro etapas a serem seguidas nos processos de Modelagem Dimensional no que concerne Data Warehouses e Data Marts. Essas etapas caracterizam-se pela identificao/especificao:

a) do processo de negcio; da granularidade; das dimenses; das medidas; b) da granularidade; das dimenses; das medidas; do ETL; c) das dimenses; das medidas; do modelo fsico da base de dados; do ETL; d) das dimenses; das medidas; do modelo lgico da base de dados; do ETL; e) do processo de negcio; das dimenses; das medidas; do modelo lgico da base de dados.



41

TABELAS DIMENSIONAIS E DESIGN DAS DIMENSES Modelar corretamente o DW ser um diferencial para o BI. As anlises dependem diretamente de como o DW foi modelado. FUNDAMENTOS E CONCEITOS As tabelas dimenso so pontos de entradas da estrutura do DW. A principal funo reunir os atributos que sero utilizados para qualificar e sumarizar as consultas analticas. So compostas de atributos textuais. Dimenses e seus atributos servem tambm como filtros e como cabealho (header) dos relatrios.

Dimenses tpicas: o Produto/servio: o que vendo o Fornecedor: quem vende o Cliente: quem compra o Tempo: quando foi feito a compra o Local: loja, cidade, estado, etc - onde

Abaixo temos uma modelagem Estrela de um DW. Ao centro a tabela foto (f_venda). E conectado a ela as dimenses (d_vendedor; d_tempo; d_filial; d_produto).

CARACTERSTICAS DAS DIMENSES As dimenses so criadas para descrever todos os atributos necessrios. Devem ter atributos descritivos, porm sem campos nulos. Normalmente um DW ou Data Mart tem entre 4-15 dimenses:

Menos: faltou observao(tempo-espao-tipo)

Mais: dimenses suprfluas ou necessita a diviso do DW



42

As dimenses so os descritores das Fatos. Aplica o conceito de SK (surrogate key chave sequencial) para independncia. No esquecendo de manter, como atributo, a chave inteligente do BD Relacional. HIERARQUIAS EM DIMENSES As dimenses normalmente tem hierarquias, e as hierarquias tem nveis. As dimenses podem ser relacionadas com mais de uma tabela fato, ou mesmo com mais de uma dimenso no mesmo DW. O relacionamento entre as dimenses so feitas dependendo de JOINS, o que compromete a performance das consultas analticas. As operaes de hierarquias so roll-up (aumenta o nvel de agregao) e drill-down (diminui o nvel de agregao). Estas operaes so normalmente realizadas segundo as hierarquias (1:N) das Dimenses, mas no necessariamente, Ex:

Tempo: dia semana quinzena ms trimestre ano Produto: produto sub categoria categoria departamento

Fornecedor: fornecedor cidade regio EquipeDeVenda: equipe regio

DIMENSES COMPARTILHADAS As dimenses podem ser compartilhadas entre vrios projetos de DW ou Data Marts. fundamental para a integrao, pois ser o ponto de conexo entre as Fatos.

Observar sempre a granularidade necessria para as dimenses: o Tempo ano-semestre-trimestre-ms-dia o Cliente tipo de cliente-cliente o Geografia pas-regio-estado-cidade-loja

DIMENSES TPICAS E SEUS ATRIBUTOS Sempre (ou na maioria dos casos) a dimenso TEMPO estar presente nos DW. Os servidores tratam a dimenso tempo como especial:

Podem ser obtidas diretamente de uma fonte simples: campo data de uma tabela

Podem ser obtidas de uma tabela fonte: dimenso tempo bem projetada com dia, feriados, tags de fim de semana, etc

Normalmente define-se tempo como uma dimenso a ser compartilhada com todos os Data Marts.

Tabela dimenso TEMPO padro: o Chave SK surrogage key (PK) o Campo de data (chave inteligente do BD relacional) o Dia-semana o Nmero-do-dia-ms



43

o Nmero-dia-geral (corrido no ano - 01 a 365) o nmero-semana-ano (01 a 52) o Ms o Trimestre o Perodo fiscal

Estes atributos so apenas sugestivos para a tabela dimenso Tempo, pois depender do levantamento das necessidades da organizao.

Tabela dimenso CLIENTE padro: o Chave SK (Pk) o Chave inteligente do BD relacional o Prenome e meio-nome o Sobrenome o Sexo o Profisso o Data nascimento o Etc.

Estes atributos so apenas sugestivos para a tabela dimenso Cliente, pois depender da necessidade da organizao.

Algumas dicas quanto aos atributos: o Escolher com cuidado os campos; o Campos candidatos a remoo:

Campos usados por poucos usurios Campos que no tenham valor de negcio Campos de dimenses degeneradas, como nmero de

ordem/pedidos, caso a granularidade seja o item dessas entidades



44

EXERCCIO 1) Um dos modelos mais utilizados na modelagem de data warehouses o modelo dimensional, sobre o qual correto afirmar que

a) o nmero mnimo de tabelas dimenso em um modelo dimensional 2. b) cada modelo dimensional contm, pelo menos, 2 tabelas fato c) as tabelas dimenso contm atributos que visam descrever caractersticas de cada dimenso. d) cada tabela fato no pode conter mais do que 10 atributos. e) a cardinalidade do relacionamento entre tabelas dimenso e tabelas fato de 1 para 1.



45

TABELAS FATO CONCEITOS tabela dominante (principal) em um modelo de DW - podem existir vrias no mesmo DW. Fica rodeada pelas tabelas Dimenso. O armazenamento de valores das medidas e o volume de dados histricos muito grande. Para as PKs usa chaves SK (surrogate key numrico, sequencial, sem significado), e a convergncia das FKs das Dimenses. As tabelas Fato so compostas basicamente pelas chaves (atributos qualitativos das tabelas Dimenso) e pelas mtricas (atributos quantitativos). MTRICAS E GRANULARIDADE Escolher para a tabela Fato os atributos numricos. Tpicos:

Quantidade

Valor

Custo do produto

Lucro

Consumo

Etc. Decidir a granularidade pensando nas dimenses. Ex: Hora ou Dia? As dimenses devero estar em conformidade (servir de perspectivas para as anlises). Ex: De acordo com a escolha (Hora ou Dia), dados das dimenses devero estar preparados. FATOS E SEUS DADOS Manter conformidade/coerncia tambm entre fatos e as medidas/valores, com o mesmo sentido, frmulas de clculos, etc. Lembre-se, porm: as tabelas Fatos so gigantescas (alto volume) e isso requer compromissos na escolha de seus campos. Compromisso entre performance e armazenamento. Campos candidatos a remoo:

Campos usados por poucos usurios

Campos que no tenham valor de negcio

Campos potencialmente derivados (conceito de elementos virtuais) Ex: valor total (valor unitrio * quantidade do item)



46

DADOS HETEROGNEOS NA TABELA FATO Exemplo: Produtos heterogneos na indstria financeira - Conta corrente, seguro, emprstimo, poupana, habitao, etc. Diferentes fatos e dados para cada linha de negcio. Dimenses comuns (clientes, agncias, tempo)

Estratgia: o Mltiplas tabelas fato e dados especficos o Dimenses nicas e conformes



47

CUBOS OLAP x OLTP OLAP: On-line Analytical Processing - Processamento analtico on-line. Refere-se ao conjunto de processos para criao, gerncia e manipulao de dados multimensionais para anlise e visualizao pelo usurio em busca de uma maior compreenso destes dados. usual a expresso ferramenta OLAP, referindo-se aos sistemas com estas funcionalidades e que so, juntamente com o SGBD, a base do ambiente de DW. OLTP: On-line Transaction Processing

Dados orientados a transaes (T)

Ambiente com alta taxa de transaes

Dados so atualizados

Dados relacionais OLAP: On-line Analytical Processing

Dados orientados a anlise (A) de informao

Ambiente de baixa taxa de transaes

Dados so consultados

Dados so atualizados em perodos de tempo

Dados dimensionais CONCEITOS DE CUBOS Cubos so estruturas dinmicas para gerar os relatrios OLAP. Podem ter vrias dimenses: tempo, regio, produto, etc. Nossa viso consegue perceber at trs dimenses no Cubo, mas podem ter mais. Cubos diferem de relatrios tradicionais (Transacionais) que so estticos. So estruturas de dados que forma um subconjunto de um banco de dados grande (DW). Podem ser manipulados e visualizados por inmeros ngulos e diferentes nveis de agregao, onde possvel, atravs de suas dimenses (faces ou eixos), analisar uma determinada situao. Um cubo criado tendo em mente o tipo de consulta que um gerente de projeto deseja fazer. Ao projetar um cubo importante levar em conta as provveis consultas que podero ser feitas. O projeto de um cubo deve priorizar a escolha e a organizao das dimenses que podem influenciar nas medidas relacionadas para a tomada de deciso. DW e Data Marts so compostos de N cubos, porm o cubo implementado separadamente. Cada cubo uma viso dimensional de dados formado por:

Uma tabela fato e N tabelas dimenses;



48

Pode ter mais de uma tabela fato, mas nunca interligadas as dimenses que as interligam;

Cubos como viso dimensional podem ser materializados/implementados em:

Consultas OLAP

Forma fsica de tabelas relacionais vistas como estruturas dimensionais Tem-se ainda que operaes especiais permitem decompor um cubo de N dimenses em sub-cubos de at 3 dimenses. O CUBO Abaixo uma imagem caracterstica do Cubo. Neste caso, est indicando (um cubo branco) as vendas (mtricas) na localizao RJ (eixo Z), do produto Bavria (eixo Y) no tempo T4 (eixo X).

SLICE X DICE Seleo e projeo do cubo de dados

Slice (fatia): seleo / projeo com variao de valores (fatia) de uma ou mais dimenses.

o Exemplo: as vendas da regio Norte, no ano 2011, de todos os Produtos

Dice (dados): seleo / projeo de valores fixos em todas as dimenses. o Exemplo: as vendas da regio Norte, no ano 2011, do Produto X



49

CONSTRUO DO DW AS FASES PARA CONSTRUO DE UM DW importante enumerar as fases de um projeto para construo de um DW:

1. Contato e definio da rea de negcios; 2. Levantamento das necessidades; 3. Modelagem do DW; 4. Definio sobre a estrutura - estrutura (Star, Snowflake, etc.) 5. Definio da granularidade

5.1. Menor mais espao; 5.2. Maior menos espao;

6. Mtricas; 7. Definio das dimenses e seus atributos; 8. Definio das chaves; 9. Relacionamentos das tabelas dimenso; 10. Tabelas Fatos 11. Cubos

As fases que seguem so a implementao em uma ferramenta de BI. A CONSTRUO DE UM DW Vamos partir de um modelo relacional para mostrar a construo de um DW. Abaixo temos um modelo clssico de um sistema de vendas (DER), com seis tabelas. A empresa tem filiais que possui vendedores. Estes realizam as vendas com seus respectivos itens. Os itens possuem produtos que esto ligados categorias dos produtos.



50

No levantamento das necessidades decidiu-se pela performance do DW e o modelo estrela foi escolhido. Os gestores indicaram:

os atributos que desejavam visualizar no DW;

as mtricas (quantidade da venda e valor da venda). De posse destas informaes colhidas junto aos gestores, comeou-se a elaborar o DW. As chaves surrogate key (SK) foram fortemente modeladas e as chaves inteligentes do DER foram preservadas. Observa-se no modelo do DW abaixo, modelado a partir do DER anterior:

escolha da estrutura Star (estrela);

as chaves das dimenses so SK, como id-vendedor da tabela dimenso d_vendedor;

presena das chaves inteligentes, como cod_vendedor da dimenso d_vendedor;

atributos qualificadores, como nome_vendedor da tabela d_vendedor;

presena da tabela tempo, padro em um DW: d_tempo;

desnormalizao realizada na tabela d_produto em funo do modelo estrela;

formao da chave primria composta da tabela fato (f_venda) a partir das chaves das tabelas Dimenso, todas SK: id_vendedor + id_filial + id_produto + id_tempo

presena de mais um campo (cod_venda) para compor a chave primria composta da Fato f_venda: este campo torna-se necessrio na medida que que, se composio da chave for apenas dos 4 campos (id_vendedor + id_filial + id_produto + id_tempo), haver Key Violation na chave primria. Portanto, o cod_venda preservar a unicidade da chave primria da tabela Fato.

Presena na tabela fato das mtricas: que_venda_prod e valor_venda_prod.



51

ERROS COMUNS A SEREM EVITADOS NA MODELAGEM DIMENSIONAL E CONSIDERAES FINAIS

Aceitar a premissa de que os responsveis pelos sistemas transacionais da organizao so muito importantes e ocupados para gastar tempo com a equipe da modelagem dimensional.

Projetar o modelo dimensional baseado em um relatrio especfico.

No conversar com os usurios de negcio.

No definir uma equipe que preserve o conhecimento aps o trmino do projeto.

No obter patrocinadores fortes.

Os objetivos no so diretos com os negcios da organizao.

No desenvolver uma forma eficiente de comunicar bem o projeto.

Definir uma metodologia que no seja prtica e interativa, com entregas em tempo razovel.

Colocar atributos de texto usados para restries e agrupamento numa tabela de fatos.

Limitar atributos em dimenses para economizar espao.

Ignorar a necessidade de cuidar de mudanas em atributos de dimenses.

Resolver todos os problemas de desempenho de consultas adicionando mais hardware.

Usar chaves operacionais ou inteligentes para junes de tabelas de dimenso com tabela de fatos.



52

EXERCCIO 1) Um depsito de dados utilizado para armazenar, de forma consolidada, informaes relativas s atividades de uma organizao em bancos de dados. Nesse contexto, o datawarehouse possibilita a anlise de grandes volumes de dados, coletados dos sistemas transicionais, permitindo uma melhor anlise de eventos passados, oferecendo suporte s tomadas de decises presentes e deciso de eventos futuros. Com relao ao datawarehouse, analise as afirmativas a seguir. I. Caracterizase pela volatilidade dos dados, facilitando a realizao de frequentes atualizaes dos mesmos. II. Aplicaes OLAP destinamse anlise e manipulao de dados do datawarehouse sob mltiplas perspectivas. III. ETL so ferramentas que realizam a extrao de dados de diversos sistemas, a transformao desses dados conforme regras de negcios e a carga dos mesmos em um datawarehouse. Assinale:

a) se somente a afirmativa I estiver correta. b) se somente a afirmativa II estiver correta. c) se somente a afirmativa III estiver correta. d) se somente as afirmativas I e II estiverem corretas. e) se somente as afirmativas II e III estiverem corretas.

2) A tecnologia de Data Warehouse oferece suporte s ferramentas OLAP, que apresentam vises multidimensionais de dados permitindo a anlise das operaes de negcio para facilitar a tomada de decises. Estas ferramentas suportam algumas operaes de maneira a dar aos analistas o poder de observar os dados de vrias maneiras em nveis diferentes. Considere duas destas operaes mostradas nas figuras abaixo.



53

As operaes mostradas na Figura 1 e na Figura 2, respectivamente, so

a) drill-down e ROLAP. b) rotao e drill-down. c) ROLAP e drill-through. d) rotao e roll-up. e) roll-up e rotao.

3) Em relao aos DWs (Data warehouses), assinale a alternativa correta.

a) So orientados a objetos. b) No variam com o tempo. c) So volteis. d) Evitam o uso de gerenciadores de bancos de dados tradicionais, reduzindo custos, mas podem causar impactos significativos nos sistemas operacionais. e) Seus dados no podem ser alterados, mas podem ser excludos.

4) A arquitetura de data warehouse de trs camadas contm as seguintes camadas:

a) Primeira camada: sistema operacional com os dados e o software para aquisio.

Segunda camada: especificao de dados. Terceira camada: servidor de monitoramento e cliente.

b) Primeira camada: sistema aplicativo. Segunda camada: data warehouse. Terceira camada: clientes preferenciais.

c) Primeira camada: sistema operacional com arquiteturas diferenciadas. Segunda camada: data center. Terceira camada: servidor de aplicao e cliente.



54

d) Primeira camada: sistema operacional com os dados e o software para aquisio.

Segunda camada: data warehouse. Terceira camada: servidor de aplicao e cliente.

e) Primeira camada: sistema aplicativo com os dados e o software para aquisio. Segunda camada: data warehouse. Terceira camada: relatrios e telas de operao.

5) Data warehouses so:

a) otimizados para o processamento de transaes. b) multidimensionais. c) atualizados em tempo real. d) materializados por demanda. e) snteses de bancos de dados subjacentes.



55

ALGUMAS REFERNCIAS

ADAMSON, Christopher. Star Schema: The Complete Reference. McGraw Hill, 2010.

BARBIERI, Carlos. BI - Business Intelligence - Modelagem & Tecnologia. So Paulo: Axcel Books, 2002.

BARBIERI, Carlos. Bi2 - Business Intelligence - Modelagem e Qualidade. Rio de Janeiro: Editora Campus Elsevier, 2011.

INMON, W. H. Building the Data Warehouse. Wiley, 3a ed. 2002.

JACOBSON, Reed; MISNER, Stacia; CONSULTING, Hitachi. Microsoft SQL Server 2005 Analysis Services passo a passo. Porto Alegre, Bookman, 2007.

KIMBALL, Ralph; ROSS, Margy. The Data Warehouse Toolkit: The Complete Guide to

Dimension Modeling (2nd Edition). John Wiley & Sons, 2002.

LAUDON, K. C.; LAUDON J. P. Sistemas de informao gerenciais: administrando a empresa digital. 7. ed. So Paulo: Prentice Hall, 2007.

LEME FILHO, Trajano. Business Intelligence no Microsoft Excel. Rio de Janeiro: Axcel Books do Brasil, 2004.

MACHADO, Filipe Nery Rodrigues. Tecnologia e projeto de Data Werehose: uma viso multidimensional. So Paulo: rica, 2004.

TAVARES, Mauro Calixta. Gesto Estratgica. So Paulo: Atlas, 2005.

TURBAN, Efraim; RAINER JR, R. K.; POTTER, E. P. Administrao de tecnologia da informao: teoria e prtica. 3.ed. Rio de Janeiro: Elsevier, 2005.

EXERCCIOS PRTICOS

Exerccio 1 Criando a transformao Hello World

1 Crie uma pasta chamada pdi_labs no seu computador.

2 Abra o Spoon.

3 A partir do menu principal escolha Arquivo -> Nova Transformao. Ser mostrada

a transformao Transformation 1 na rea de trabalho.

Obs.: Caso deseje, utilize as teclas de atalho CTRL-N

4 Do lado direito da tela mostrada a rvore de steps. Clique na opo Design e

Expanda a opo Input.

5 Arraste e solte o cone do step Generate Rows para a rea de trabalho da

transformao.

6 D um duplo-clique para abrir o step e digite os dados abaixo e clique OK em

seguida:

Nome do step: Gera 10 mensagens

Em Fields:

o Nome: mensagem

o Tipo: String

o Valor: Hello World!

Obs.: Voc tambm pode abrir o step para edio clicando com o boto direito e

escolhendo a opo Editar Step.

7 Na rvore de steps, expanda a opo Flow e arraste e solte o cone do step Dummy

para a rea de trabalho da transformao.

8 Vamos criar um hop para ligar os dois steps. Clique com o boto direito no step

Generate Rows, segure a tecla Shift e arraste o cursor do mouse para o step Dummy.

9 Vamos adicionar uma nota transformao. Clique com o boto direito em

qualquer parte da rea de trabalho da transformao e escolha a opo Nova Nota.

Digite o texto da nota.

10 Salve a transformao na pasta pdi_labs com o nome hello_world. Ser gerado

um arquivo XML com extenso .ktr.

11 Podemos rodar uma prvia da transformao, antes de sua execuo real. Clique

com o boto direito no step Dummy e escolha a opo Preview.

Obs.: Voc poder rodar a previso da transformao clicando no step desejado e, em

seguida, clicando no cone Preview da barra de opes.

12 Aps carregar a janela de dilogo de Preview, clique no boto Quick Launch para

visualizar o resultado da transformao.

13 O que foi feito nessa transformao? O step Generate Rows simplesmente gera

vrias linhas de registros, de acordo com os parmetros informados. Experimente

editar o step para acrescentar outros campos e mudar o tamanho do conjunto de

registros gerados. O step Dummy apenas recebe os registros gerados e no faz nada.

14 Um pequeno detalhe: ns no executamos a transformao, apenas visualizamos

uma prvia de sua execuo. Para executar a transformao clique no boto Run e

aps abrir a janela de dilogo clique no boto Launch.

15 O resultado real da execuo aparece na aba do log. As mtricas de execuo

aparecem na aba da janela do log. O nvel de detalhe do log de execuo pode ser

configurado na tela anterior.

Obs.: na execuo de grandes volumes de dados recomenda-se deixar o nvel do log

como Basic.

Exerccio 2 Criando a transformao Hello World Fulano

1 Vamos expandir a transformao do exerccio anterior para obter dados de uma

fonte, fazer uma pequena transformao nos dados e armazenar o resultado em um

arquivo texto. Crie um arquivo texto com os dados abaixo:

Fulano

Sicrano

Beltrano

Salve o arquivo na pasta pdi_labs com o nome fulano.txt.

2 Crie uma nova transformao e salve-a com o nome de hello_world_fulano.ktr. O

objetivo dessa transformao ler o arquivo texto acima, adicionar a frase Hello

World e uma sequncia para cada frase criada. Ao final, todas as frases criadas sero

gravadas em um arquivo texto.

3 Adicione um step Text file input da opo Input. Edite o step com as seguintes

informaes:

- na aba File, campo File or directory, clique no no boto Navegar para localizar o

arquivo fulano.txt. Em seguida, clique no boto Add para colocar o arquivo na lista.

- Na aba Content, desmarque a opo Header. Se voc no fizer isso, o Spoon

entender que a primeira linha do arquivo texto um cabealho com o nome de um

ou mais campos.

- Na aba Fields, digite o nome do campo (nome) e o seu tipo (String). Clique OK.

4 Adicione um step Add constants, do tipo Transform. Edite o step com as seguintes

informaes nos campos Nome, Tipo e valor:

- Nome: mensagem; Tipo: String; Valor=Hello World

- Nome: exclamao; Tipo: String; Valor=!

-Nome: espao; Tipo: S

Material para Oficina de BI/DW

Documents

Transcript of Material para Oficina de BI/DW