pÓs-graduaÇÃo lato sensu - fernando zaidan 22 - cubos - 2016.pdf · locação do filme...

PÓS-GRADUAÇÃO LATO SENSU

Curso: Banco de Dados

Disciplina: Data Warehouse e

Business Intelligence

Professor: Fernando Zaidan

Unidade 2.2 - Cubos2016

PROJETODW/DM

REUNIÕES DE TRABALHODETALHAMENTO DE NECESSIDADESDIMENSÕES-FATOSMÉTRICAS-GRANULARIDADE

DEFINIÇÃO DO ETC-EXTRAÇAÕ-TRANSFORMAÇÃO-CARGA

ETC

1

2

3

45

7

9

8

PROJETO-MODELAGEMDIMENSIONAL

PLANEJAMENTO/ LEVANTAMENTODIFICULDADES DE INFORMAÇÃO GERENCIAL->OBJETIVOINDICADORES ESTRATÉGICOS-MÉTRICAS INICIAISRESTRIÇÕES DE INFORMAÇÕES-ESTRUTURA-TECNOLOGIAINFORMAÇÕES JÁ EXISTENTES NO DW-METADADOSREUNIÕES JAD-PARTICIPAÇÃO INTENSA USUÁRIOSDEFINIÇÃO DE PATROCINADORDEFINIÇÃO DE EQUIPE DE PROJETO

CONTACTOÁREASDE NEGÓCIOS

IMPLEMENTAÇÃO

TESTE 6

ACOMPANHAMENTO

CONSTRUÇÃO

CUBOSRELATÓRIOSANALÍTICOSINFERENCIAIS

Fonte: Carlos Barbieri

Cubos e OLAPOs Cubos são fundamentais para serem implementadas as consultas e relatórios OLAP.

3

Conceitos de Cubos

• São estruturas dinâmicas para gerar os relatórios OLAP;

• Podem ter várias dimensões: tempo, região, produto, etc. Nossa visão consegue perceber até três dimensões no Cubo, mas pode ter mais;

• Cubos diferem de relatórios tradicionais (Transacionais) que são estáticos;

• São estruturas de dados que forma um subconjunto de um banco de dados grande (DW);

• Podem ser manipulados e visualizados por inúmeros ângulos e diferentes níveis de agregação, onde é possível através de suas dimensões (faces ou eixos) analisar uma determinada situação.

Conceitos de Cubos

• Um cubo é criado tendo-se em mente o tipo deconsulta que um gerente de projeto deseja fazer.

• Ao projetar um cubo é importante levar em conta asprováveis consultas que poderão ser feitas.

• O projeto de um cubo deve priorizar a escolha e aorganização das dimensões que podem influenciarnas medidas relacionadas para a tomada de decisão.

• DW e Data Marts são compostos de N cubos;

• Cada cubo é uma visão dimensional de dados formado por:– Uma tabela fato e N tabelas;– Pode ter mais de uma tabela fato, mas nunca

interligadas – as dimensões que as interligam;

• Os cubos são implementados separadamente.

Fonte: Carlos Barbieri

Conceitos de Cubos

Cubo de Dados

• Pode ter n dimensões

• Nós, humanos, só podemos enxergar 3 dimensões ao mesmo tempo

• Operações especiais permitem decompor um cubo de n dimensões em sub-cubos de até 3 dimensões

7

Total

E1

E2

R1

R2

R3

2000

2001

2002

Total Total Total

-- 1 Dimensão --

Ei – Empresa

Rj - Região

Visualiazando as Dimensões

Total

-- 2 Dimensões --

E1 E2

2000

2001

2002

p/E

p/Ano

TotalTotal

E1 E2

R1

R2

R3

R1

R2

R3

p/E

p/R p/Ano

p/R

2000 2001 2002

Empresa

Região

Ano

Total p/E, p/R, p/Ano

-- 3 Dimensões (Cubo de Dados) --

23/09/2016 BD Multidimensional11

Produto

Fornecedor

Data (Dia)

Vendas =

(Faturamento, Quantidade)

p/Dia, p/Produto, p/Fornecedor

-- 3 Dimensões (Cubo de Dados) --

Implementação dos Cubos

• Cubos como visão dimensional podem sermaterializados/implementados em:

– Consultas OLAP

– Forma física de tabelas relacionais vistas comoestruturas dimensionais

– Views com menor performance

Slice x Dice

• Slice and Dice: seleção e projeção do cubo de dados

– Slice (fatia): seleção / projeção de valores de umadimensão.

Exemplo: as vendas da região Norte

– Dice (dados): seleção / projeção de valores de mais de uma dimensão.

Exemplo: as vendas da região Norte, no ano2001, do Produto X


PRODUTO

LOJA

DIA

AQUELE PRODUTO P1VENDEU NAQUELA LOJA L1NAQUELE DIA D1A QUANTIDADE QX NO VALOR VY

(P1,L1,D1)->QX,VY

AQUELE PRODUTO P1,VENDEU EM TODOS OS DIAS, EM TODAS AS LOJASO VALOR(SOMATÓRIO) DE QX E VY

AQUELE SUBCONJUNTO DE PRODUTOSVENDEU NUM SUB CONJUNTO DE LOJASNUM SUBCONJUNTO DE DIAS, AQUELESOMATÓRIO DE QX, NO VALOR VY

Cubos

Exercícios – CubosVendas da Bavária em Uberlândia no Período T4

T4

PeríodoT1 T2 T3

ProdutoAntarctica

Kaiser

Brahma

Bavaria

Skol

LocalizaçãoBetim

IpatingaUberlândia

VendasVendasVendasVendas

Fonte: Rogério Morais

Exercícios - Cubos

Análise do ano 2007

Produtos

Região

All

All

Tempo 2007

Qtd. Vendida

Faturamento

……..

3000 un

R$ 500 000,00

……..

Sul2007

Cafés

2006

2005

Sudeste Norte

Cereais

Balas

RegiãoP

rod

uto

s

Venda

key_produto

key_tempo

key_região

qtd_vendida

faturamento

Produtos

key_produto

descricao

Região

key_regiao

descricao

Tempo

key_tempo

ano

quartil

mes

Modelo Estrela

Cubo

FatoDimensões

Venda

key_produto

key_tempo

key_região

qtd_vendida

faturamento

Venda

key_produto

key_tempo

key_região

qtd_vendida

Faturamento

Tempo

key_tempo

ano

quartil

mes

Dimensões

DW – Sistema de Locadora

LOCAÇÃO

QteLocações

FILME

CLIENTE

CIDADE

TEMPO

BH

Contagem

Betim

Locações do Filme “A Ilha” em todas as Cidades e todos os Tempos

A Ilha

Gladiador

Turistas

Filme

Cidade

Tempo

20092008 2010

BH

Contagem

BetimA Ilha

Gladiador

Turistas

Filme

Cidade

Tempo

20092008 2010

Locação do Filme “A Ilha” na Cidade de “BH” todos os Tempos

BH

Contagem

BetimA Ilha

Gladiador

Turistas

Filme

Cidade

Tempo

20092008 2010

BH

Contagem

BetimA Ilha

Gladiador

Turistas

Filme

Cidade

Tempo

20092008 2010

Locação do Filme “A Ilha” na Cidade de “BH” no Ano de 2010.

BH

Contagem

BetimA Ilha

Gladiador

Turistas

Filme

Cidade

Tempo

20092008 2010

Locação do Filme “Gladiador”

BH

Contagem

BetimA Ilha

Gladiador

Turistas

Filme

Cidade

Tempo

20092008 2010

Locação do Filme “Gladiador” na Cidade de “Betim”

BH

Contagem

BetimA Ilha

Gladiador

Turistas

Filme

Cidade

Tempo

20092008 2010

Locação do Filme “Gladiador” na Cidade de “Betim” no Ano de 2009.

BH

Contagem

Betim

Locações no Ano de “2008” todas as Cidades e Todos os Filmes

A Ilha

Gladiador

Turistas

Filme

Cidade

Tempo

20092008 2010


Navegação em Agregados

• Roll-up: aumentando o nível de agregação. Por exemplo,

• Drill-down: diminuindo o nível de agregação. Por exemplo

→ →

→ →


Hierarquias em Dimensões

• As operações roll-up e drill-down são normalmente realizadas segundo Hierarquias (1:N) de Dimensão, mas não necessariamente– Tempo: dia → semana → quinzena → mês →

trimestre → ano– Produto: produto → sub categoria → categoria →

departamento– Fornecedor: fornecedor → cidade → região– EquipeDeVenda: equipe → região

Bibliografia

BARBIERI, Carlos. BI - Business Inteligence: Modelagem e tecnologia. Rio de Janeiro, Axcel Books, 2001.

CAMPOS, M. L. Data Ware Housing. UFRJ, 2007.

COME, Gilberto de. Contribuição ao Estudo da Implementação de Data Warehousing: um caso no setor de telecomunicações – São Paulo : FEA/USP, 2001. 133 p

FANTAUZZI, F. A. C.; ROCHA, Rogério Morais. Diretório de Softwares para Inteligência Competitiva Monografia apresentada ao Departamento de Ciência da informação como requisito para a conclusão do curso de especialização em Gestão Estratégica da Informação da Universidade Federal de Minas Gerais - UFMG, Belo Horizonte, ano de 2006.

FARIA, João Marcos Bonadio de. Artefatos da Semiótica Organizacional na Elicitação de Requisitos para Soluções de Data Warehouse Trabalho final (mestrado profissional) - Universidade Estadual de Campinas, Instituto de Computação, fevereiro de 2006.

Bibliografia

INMON, William. What is Data Warehouse ? UNjobs, acessado em 19 de abril de 2009, disponível em < http://unjobs.org/authors/w.-h.-inmon>

SILBERSCHATZ, Abraham; KORTH, Henry F.; SUDARSHAN, S. Sistema de banco de dados. Tradução da 5ª Edição. São Paulo: Campus, 2006.

TERESKO, John. Information Rich, Knowledge Poor ? IndustryWeek.com, acessado em 19 de abril de 2009, disponível em < http://www.industryweek.com/PrintArticle.aspx?ArticleID=245 >

Obrigado e bom trabalho,

[email protected]

“Aí está o mérito do êxito de meus projetos: sempre fui muito exigente e rigoroso com procedimentos que aparentemente não faziam muito sentido na época.Mais tarde viu-se que esse rigor fez a diferença entre afundar ou não, concluir ou não um projeto”.

Amyr KlinkAmyr KlinkAmyr KlinkAmyr Klink

pÓs-graduaÇÃo lato sensu - fernando zaidan 22 - cubos - 2016.pdf · locação do filme...

Documents