1 / 64

Data Warehouse

Data Warehouse. Equipe: Gilmar Ferreira Marcos Costa Ricardo Araújo. O Cenário. Corporações Necessitam de decisões rápidas e precisas Reação rápida a mudanças do ambiente Obtenção de vantagem competitiva. O Cenário. Dados Disponíveis em sistemas não integrados

avedis
Télécharger la présentation

Data Warehouse

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Data Warehouse Equipe: Gilmar Ferreira Marcos Costa Ricardo Araújo

  2. O Cenário • Corporações • Necessitam de decisões rápidas e precisas • Reação rápida a mudanças do ambiente • Obtenção de vantagem competitiva Centro de Informática - UFPE

  3. O Cenário • Dados • Disponíveis em sistemas não integrados • Espalhados em múltiplas e independentes plataformas • Dificuldade de análise Centro de Informática - UFPE

  4. Conceitos • Processamento Operacional (OLTP) • Funcionalidades do negócio • Processamento de transações: inserção, atualização, consulta e deleção • Reflete valor corrente, não-redundante e atualizável • Altamente voláteis • Modelagem E/R Centro de Informática - UFPE

  5. Conceitos • Processamento Analítico (OLAP) • Suporte à tomada de decisão • Dados históricos, não voláteis, ready-only • Integram informações de diversos sistemas operacionais • Permitem identificações de perfis, tendências e padrões Centro de Informática - UFPE

  6. Conceitos • Processamento Analítico (OLAP) • Redundância de dados aceita • Alto desempenho na recuperação de dados versus economia de espaço • Banco de Dados Multidimensional Centro de Informática - UFPE

  7. Conceitos • OLTP X OLAP Centro de Informática - UFPE

  8. Conceitos • MOLAP • Banco de dados multidimensional • Conjunto de interfaces, aplicações e banco de dados • Tecnologia proprietária • Dados armazenados em cubo de n dimensões • Alta performace Centro de Informática - UFPE

  9. Conceitos • ROLAP • Conjunto de interfaces e aplicações que dá ao BD relacional características dimensionais • HOLAP • Combina as tecnologias MOLAP E ROLAP • Objetivo: combinar as melhores características de ambas Centro de Informática - UFPE

  10. Conceitos • Sistema de Apoio à Decisão (SAD) • Realizam processamento analítico • Provêem as informações necessárias ao usuário • Permitem análise de situações e tomada de decisões • Necessidades estratégicas e táticas Centro de Informática - UFPE

  11. Data Warehouse • Data WareHouse • SAD • Fornece informações para auxiliar a tomada de decisões estratégicas • Une, de forma organizada, informações espalhadas em diversas fontes Centro de Informática - UFPE

  12. Definição de DW • Data WareHouse • Inmon: Data Warehouse é uma coleção de dados orientados à assunto, integrada, dinâmica e não-volátil, para o suporte a decisões de gerenciamento • Kimball: Data Warehouse é a fonte de dados de consulta do empreendimento Centro de Informática - UFPE

  13. Data Mart • Data Mart • Subconjunto lógico do DW • Projetado para representar uma função particular do negócio • Rapidamente implementável e de baixo custo • Controle local, em vez de centralizado • Redução do tempo de resposta a consultas Centro de Informática - UFPE

  14. Data Mart • Problemas • Pode acarretar a fragmentação de dados da organização • Solução • Deve haver planejamento para futura integração com um DW único de toda empresa • Construção de um DW na forma de DM distribuídos em unidades individuais Centro de Informática - UFPE

  15. ODS: Operational Data Store • ODS • Usados para decisões a curto prazo envolvendo aplicações de missão crítica • Trabalha diretamente com sistemas legados • Dados mais antigos podem ser movidos e sumarizados para o DW Centro de Informática - UFPE

  16. Modelagem Processamento Analítico • Problemas da Modelagem E/R • Redução de visão global do negócio para grandes modelos • Não tem alto desempenho na recuperação de dados (principalmente joins) • Para cada variação na estrutura do modelo, há necessidade de reescrever e ajustar as implementações Centro de Informática - UFPE

  17. Modelagem Processamento Analítico • Modelagem Dimensional • Específica para processamento analítico • Apresentação de dados padronizada, intuitiva e que permite alto desempenho de acesso • Dois tipo de tabelas: Fato e dimensão. • Chave primária simples da tabela dimensão corresponde à chave estrangeira de fato (Esquema estrela) Centro de Informática - UFPE

  18. O ambiente de um DW Arquitetura resumida de DW Centro de Informática - UFPE

  19. Características básicas • Orientado por tema • Integrado • Não-volátil • Variante no tempo • Dados sumarizados • Metadados • Dados oriundos de fontes internas e/ou externas Centro de Informática - UFPE

  20. Orientado por temas • Refere-se ao fato do DW armazenar informações sobre temas específicos importantes para o negócio da empresa • Exemplos produtos, atividades, contas, clientes, etc. • O ambiente operacional é organizado por aplicações funcionais • Exemplo, em uma organização bancária, estas aplicações incluem empréstimos, investimentos e seguros. Centro de Informática - UFPE

  21. Integrado • Refere-se à consistência de nomes das unidades das variáveis • Dados foram transformados até um estado uniforme • Por exemplo, todas as medidas (cm, polegadas,jardas) são convertidas para metros. Centro de Informática - UFPE

  22. Não volátil • Permite o "load-and-access” • Os dados após serem extraídos, transformados e transportados para o DW estão disponíveis aos usuários somente para consulta Centro de Informática - UFPE

  23. Variante no tempo • Os DW armazenam dados por um período de tempo de 5 a 10 anos • Refere-se a algum momento específico • não é atualizável • No DW haverá sempre uma tabela dimensão ou fato, cuja estrutura registrará o elemento tempo Centro de Informática - UFPE

  24. Metadados • “Dados sobre dados” [INMON ] • Provêm informações sobre a estrutura de dados e as relações entre estas dentro ou entre bancos de dados • “São todas as informações do ambiente do DW que não são seus próprios dados” [Kimball] Centro de Informática - UFPE

  25. Granularidade • É o nível de detalhes dentro do banco de dados do DW • Quanto menor a granularidade, maior o nível de detalhes e, conseqüentemente, maior o volume de dados armazenado • Exemplo, Registro de Vendas de uma rede de supermercados: • diária: sumarização de vendas e carga diária no Banco de Dados • mensal: sumarização de dados e carga a cada 30 dias no Banco de Dados Centro de Informática - UFPE

  26. Agregação • São registros sumarizados logicamente redundantes com os dados básicos do DW • Finalidades: • melhorar o tempo de reposta as consultas • reduzir o tempo de processamento • reduzir espaço de armazenamento Centro de Informática - UFPE

  27. Modelagem dimensional • Hipercubo, onde cada célula contém um valor a partir dos lados desse cubo que definem as dimensões valor Centro de Informática - UFPE

  28. Modelagem dimensional • Representação voltada para processamento analítico. Intuitividade para o decisor • Suporte de tecnologias MOLAP, ROLAP ou HOLAP • Dois tipos principais de estruturas ou esquemas: estrela (star schema) ou floco de neve (snowflake schema) Centro de Informática - UFPE

  29. Modelagem dimensional • Tabelas fatos • Contêm as medições numéricas do negócio • Exemplo: unidades_vendidas, custo_dolar • Grande quantidade de dados • Chave primária composta por FKs • Atributos numéricos e valorados Centro de Informática - UFPE

  30. Modelagem dimensional • Tabelas dimensão • Contém dados descritivos do negócio • Chave primária simples • Pequena quantidade de informações se comparadas com as tabelas fato • Modelos reais contêm entre 4 e 15 dimensões • Modelos com mais de 20 dimensões devem ser melhor estudados Centro de Informática - UFPE

  31. Esquema estrela Este esquema é chamado de estrela, por apresentar a tabela de fatos "dominante" no centro do esquema e as tabelas de dimensões nas extremidades. Centro de Informática - UFPE

  32. Esquema estrela • Permite projetar o BD da forma como o usuário pensa em usá-lo analiticamente • Limitações: • Tabela dimensional possui uma quantidade muito grande de atributos • Soluções: • Múltiplas tabelas de fatos • Tabelas associativas • Tabelas externas Centro de Informática - UFPE

  33. Esquema estrela Múltiplas tabelas de fato Centro de Informática - UFPE

  34. Esquema estrela Tabelas associativas Centro de Informática - UFPE

  35. Esquema estrela Tabelas externas Centro de Informática - UFPE

  36. Esquema floco de neve Extensão esquema estrela onde cada uma das "pontas" da estrela passa a ser o centro de outras estrelas Centro de Informática - UFPE

  37. Integração de Data Marts e DW • Possível através do conceito de Data Warehouse bus • Esquema geral e padronizado de tabelas dimensão e fato • Permite desenvolvimento evolucionário Centro de Informática - UFPE

  38. Topologias de DWs • Centralizada • Único Banco de Dados Físico • usados onde existe uma necessidade comum de informações. • Data Warehouse e Data Marts • ligação de vários DM a um DW • Usuário pode pode acessar os DM (gerente de departamento) ou acessar o DW para obter informações globais da organização Centro de Informática - UFPE

  39. Topologias de DWs • Distribuída • Vários DW interligados através de uma rede com forte suporte a processamento distribuído • Usuário pode conectar-se a qualquer DW • Apresenta problemas de desempenho • Será muito utilizada para dar suporte às aplicações para Web. Centro de Informática - UFPE

  40. Topologias de DWs • Desenvolvimento estratégico Desenvolvimento botton-up de Data Marts Desenvolvimento top-down de dados • Possibilita criação de Sistemas flexíveis e escaláveis Centro de Informática - UFPE

  41. Arquitetura de um DW • Arquitetura de Dados • Uma camada (one tier) • Dados armazenados uma única vez • Duas camadas (two tier) • Dados operacionais e analíticos separados em camadas distintas • Três camadas (three tier) • Transformação de dados não é executada em um único passo Centro de Informática - UFPE

  42. Arquitetura de Dados do DW • Uma camada Centro de Informática - UFPE

  43. Arquitetura de Dados do DW • Duas camadas Centro de Informática - UFPE

  44. Arquitetura de Dados do DW • Três camadas Centro de Informática - UFPE

  45. Arquitetura de um DW • Arquitetura de Acesso aos Dados • Duas camadas • Acesso direto ao DW e Metadados • Três camadas (ROLAP) • Servidor de aplicações • Três camadas + (MOLAP) • Servidor de aplicações + Cubo OLAP Centro de Informática - UFPE

  46. Arquitetura de Acesso aos Dados do DW • Duas camadas Centro de Informática - UFPE

  47. Arquitetura de Acesso aos Dados do DW • Três camadas Centro de Informática - UFPE

  48. Arquitetura de Acesso aos Dados do DW • Três camadas + Centro de Informática - UFPE

  49. Arquitetura de um DW • Arquitetura Funcional • Plano geral do que se deseja do Data Warehouse • Descreve o fluxo de dados em todas as etapas • Especifica técnicas e ferramentas necessárias Centro de Informática - UFPE

  50. Arquitetura Funcional do DW Centro de Informática - UFPE

More Related