1.1. Introduo
1.2. Business Intelligence Conceitos e analises
1.3. Business Intelligence - Histrico
1.4. Business Intelligence Benefcios
1.5.Gesto do Conhecimento e Sistemas de Informao
1.5.1. Conceitos Bsicos de Gesto do Conhecimento
1.5.1.1. O que e dado?
1.5.1.2. O que a informao?
1.5.1.3. O que conhecimento?
1.5.2.Viso geral Dados, Informao e Conhecimento:
1.5.3. Gesto do Conhecimento
1.5.4. Administrao de Dados
1.5.5. Sistemas de Informao em Organizaes.
1.5.6. Componentes de Sistemas de Informao.
2.1. Introduo
2.2. O que um Data Warehouse?
2.2.1. Orientado por assunto
2.2.2. Integrado
2.2.3. Histrico
2.2.4. No voltil
2.3. Um pouco mais sobre Data Warehouse
2.4. Construindo um Data Warehouse
2.4.1. Arquitetura de um Data Warehouse
2.4.1.1. Viso Conceitual
2.4.1.2. Viso Fsica (em Camadas)
2.4.2. Estrutura Fsica dos Dados do DW
2.4.2.1. Arquitetura de Duas Camadas
2.4.2.2. Arquitetura de Trs Camadas
2.4.3. OLTP versus OLAP
2.4.4. Projeto e Desenvolvimento de Sistemas de Data Warehouse
2.4.4.1. Funes dos Componentes da Equipe
2.4.4.2. Anlise entre Model. Dimensional e Model. Relacional
2.4.4.3. Problemas Encontrados no Desenvolvimento de Data Warehouses
2.4.5. Melhorando a performance do Data Warehouse
2.4.5.1. Intercalao de Tabelas
2.4.5.2. Introduo de Informaes Redundantes
2.4.5.3. Separao de Dados
2.4.6. Componentes dos Sistemas de DW
2.4.6.1. O Sistema Gerenciador de Banco de Dados
2.5. O Ciclo de vida do desenvolvimento de um Data Warehouse
2.6. Consideraes Iniciais para a criao de um Data Warehouse
2.7.Dados Operacionais
3.01. Introduo
3.02. Modelagem de dados
3.03. Modelagem Dimensional
3.04. Processo da Modelagem Dimensional
3.05. Processo de Modelagem de um Data Warehouse
3.06. Tipos de Arquitetura
3.06.1. Arquitetura "Top-Down"
3.06.2. Arquitetura "Bottom-Up"
3.06.2.1 Enterprise Data Mart Architecture (EDMA)
3.06.2.2 Data Storage/Data Mart (DS/DM)
3.06.3. Arquitetura intermediria
3.07. Data Marts
3.08. Gerando o modelo dimensional atravs do StarSchema
3.08.1. Variaes do StarSchema
3.08.2. Vantagens do modelo StarSchema
3.08.3. Tabela de fatos
3.08.3.1. Fatos com produtos heterogneos
3.08.3.2. Classificao de atributos em uma tabela de Fatos
3.08.4. Tabela de Dimenso
3.08.4.1. Dimenses com Itens Heterogneos
3.08.4.2. Dimenses Descaracterizadas
3.08.4.3.Tratamento de dimenses e fatos com cardinalidade
3.08.4.4.Tcnicas de rastreamento de alteraes
3.08.4.5. Criando novas chaves
3.08.4.6. Criando de Mini - dimenses
3.08.5. Granularidade
3.08.6. Medidas de derivao
3.09. Data Mining
3.10. Metadados
3.11. OLAP
3.11.1. Gerao de Consultas (Queries)
No disponvel
Capitulo 5 Especiais
No disponvel
1.1. Introduo
Com o passar dos anos a necessidade de conhecimento, vem crescendo cada vez
mais neste mundo globalizado. Acredito que podemos chamar este sculo de A
ERA DA INFORMAO. Com isso, o volume de dados e seus devidos
repositrios vem se multiplicando, se tornando armazns de dados isolados que
dificultam a anlise e a compreenso verdadeira de todo o negcio.
Toda esta habilidade chamada de Business Intelligence (BI), que apoiada por
ferramentas de tecnologias adequadas, permite organizar dados dispersos em
uma empresa, de forma a torn-los inteligveis e depois estud-los com o objetivo
de gerar o Conhecimento e Inteligncia, a serem utilizados no desenvolvimento
estratgico de aes, que beneficiam todo o negcio.
Tudo isso faz com que as organizaes empenhem seus esforos na construo
de ferramentas, que atravs de uma anlise refinada do negcio, mais os
conceitos de Business Intelligence, integrados a crescente tecnologia de softwares
voltados a esta rea, possam monitorar e acompanhar a evoluo das tomadas de
decises, com preciso e rapidez.
Digo com propriedade que depois de meus vinte e sete anos como desenvolvedor
de ERPs legados, como documentador e principalmente como especialista em
No decorrer desta obra, o amigo leitor vai conhecer um pouco mais sobre
Business Intelligence, vai acompanhar conceitualmente e na prtica a criao de
um Data Warehouse e ver como eles so fundamentais em qualquer projeto de BI.
Vai visualizar como a partir destas informaes armazenadas em formato simples
e organizadas, podem ser realizadas as anlises para a tomada de decises
estratgicas relacionadas ao seu negcio.
Acredito que precisamos, antes de qualquer coisa, ter a conscincia real sobre o
conceito de BI, para o qual existem os mais diversos tipos de anlises e conceitos
na atualidade.
Nosso primeiro passo ser o entendimento dos dois termos que compem o
referido conceito: Business (negcio) e Intelligence (inteligncia)
Com a juno dos dois termos acima, correto supor que a inteligncia do
negcio est ligada intrinsecamente capacidade das pessoas em posies
estratgicas dentro de uma corporao e que esto diretamente ligadas ao
negcio. Pessoas estas, com poder de deciso para adaptar, implementar ou
Pela viso da tecnologia, a era que podemos chamar de "pr-BI" est num
passado no muito distante, algo entre trinta ou quarenta anos atrs. Nesta poca,
quando os computadores deixaram de ocupar salas gigantescas, na medida em
que diminuram de tamanho e ao mesmo tempo, as empresas passaram a
perceber os dados como uma possvel e importante fonte geradora de
informaes decisrias.
Estamos falando do final dos anos 60, perodo em que cartes perfurados,
transistores e linguagem COBOL eram a realidade da Informtica. Era a poca em
que se via o computador como um desconhecido, um vislumbre de modernidade,
mas que ainda parecia estar em uma realidade muito distante.
No incio dos anos 90, a maioria das grandes empresas contava somente com
Centros de Informao (CI) que embora mantivessem estoque de dados,
ofereciam pouqussima disponibilidade de informao. Mesmo assim, os CI
supriam, de certa forma, as necessidades de executivos e detentores das tomadas
de deciso, fornecendo relatrios e informaes gerenciais.
No inicio da dcada de 90, surgiu o Data Warehouse (DW) que uma grande
base de dados de informao, ou seja, um nico repositrio de dados.
Considerado pelos especialistas no assunto, como o elemento principal para a
execuo prtica de um projeto de BI.
Isso fez com que o setor corporativo passasse a se interessar cada vez mais pelas
solues de BI, principalmente por volta do final de 1996, quando o conceito
comeou a ser difundido como um processo de evoluo do Executive Information
Systems (EIS - Sistema de informaes executivas), um sistema criado no final da
dcada 70, a partir dos trabalhos desenvolvidos pelos pesquisadores do
Massachusets Institute of Tecnology/EUA (MIT).
Com o passar dos anos o termo Business Intelligence ganhou maior abrangncia,
dentro de um processo natural de evoluo, como o prprio EIS, e mais as
solues Decision Support System (DSS - Sistema de Suporte Deciso),
Planilhas Eletrnicas, Geradores de Consultas e de Relatrios, Data Marts, Data
Mining, Ferramentas OLAP, entre tantas outras que tm como objetivo promover
agilidade comercial, dinamizar a capacidade de tomada de decises.
Mas as empresas que implantaram estas solues logo se deram conta de que
apenas armazenar grande volume de dados, no lhes serviriam de nada, j que
essas informaes se encontravam repetidas, incompletas e espalhadas em
vrios repositrios dentro da corporao. Percebeu-se que era preciso dispor de
ferramentas que permitissem reunir esses dados em uma nica base de
informao e trabalh-los de forma, que possibilitassem realizar diferentes
anlises sob variados ngulos.
Informao uma mensagem com dados que fazem diferena, podendo ser
audvel ou visvel. onde existe um emitente e um receptor. o resultado mais
importante da produo humana.
Definir informao no uma tarefa fcil. Se partirmos da clssica distino entre
dados, informao e conhecimento encontraremos certa impreciso.
Informao um termo que envolve todas as trs palavras, e ainda serve como
conexo entre os dados brutos e o conhecimento que no decorrer das anlises
pode ser obtido.
A administrao de dados (Gesto de dados) pode ser definida como uma funo
da organizao responsvel por desenvolver e administrar centralizadamente
estratgias, procedimentos, prtica e planos capazes de fornecer dados
corporativos necessrios, quando necessrios, revestidos de integridade,
privacidade, documentao e compartilhamento. SERRA [02]
Imagem 01
Biografia
[01] NONAKA e TAKEUCHI, 1997, IKUJIRO NONAKA, E HIROKATA TAKEUCHI, 1997, Criao de conhecimento na
Empresa, Editora Campus, Rio de Janeiro, Brasil.
[02] SERRA, 2002, LARCIO SERRA, 2002, A Essncia do Business Intelligence, Editora Berkeley, So Paulo,
Brasil.
[04] POLLONI, 2001, ENRICO PLLONI e TIBOR SIMCSIK, 2002, Tecnologia da Informao Automatizada, Editora
Futura, So Paulo, Brasil.
2.1. Introduo
Cada aplicativo tinha uma viso da situao, um produto ou uma operao; uma
viso corporativa das informaes disponveis era praticamente irreal.
Dados histricos no existiam de forma organizada e os dados sintticos
disponveis mostravam quase sempre apenas uma pequena parte da realidade da
empresa.
A integrao dos dados permite a um executivo ter uma viso "corporativa" dos
dados; essa integrao, ou mais especificamente a migrao dos dados mantidos
pelos sistemas anteriores, no entanto, no um processo fcil, nem barato. Tudo
isso exige muito planejamento.
Outra boa definio para DW vem de Gupta (1997): "um ambiente estruturado,
extensvel, projetado para a anlise de dados no volteis, lgica e fisicamente
Imagem 01
Data
Operacional
Warehouse
Emprstimos Clientes
Crdito Produtos
Orientados Orientados
a aplicao ao assunto
Imagem 02
Outra importante maneira na qual os dados operacionais das aplicaes difere dos
dados para Data Warehouse est no relacionamento dos dados. Dados
operacionais mantm relacionamentos entre duas ou mais tabelas baseadas nas
regras de negcio que esto em efeito. Registros do DW usam uma base de
tempo e os relacionamentos criados no DW so muitos. Muitas regras de negcio
so representadas no DW entre duas ou mais tabelas.
2.2.2. Integrado
Imagem 03
2.2.3. Histrico
Por causa do dado em DW ser exato em algum momento do tempo, o dado criado
no warehouse um "histrico". A imagem 4 mostra os valores histricos do dado
no warehouse.
A terceira maneira que o "histrico" aparece no DW, que uma vez o registro
estando correto, no pode ser atualizado.
Imagem 04
2.2.4. No voltil
Existem somente duas espcies de operaes que ocorrem no DW, carga inicial
do dado, e o acesso ao dado. Esta no uma atualizao do dado (no sentido
geral de atualizao) no DW como parte normal do processamento.
registro por registro em modo on-line requer uma tecnologia com fundamentos
muito complexos, em baixo da simplicidade de uso.
Imagem 5
Monitorao e Repositrio de
Administrao Metadados
Data Servidores
Warehouse OLAP
Fontes
Externas
ETL
Anlises
Data
Mining
BD
Operacionais Data Marts
Ferramentas
Imagem 6
colunas como o formato tradicional das planilhas, porm existem mais dimenses,
sendo que o cubo teria apenas mais uma dimenso.
Imagem 07
Volume de Consultas /
Nmero de Usurios
Granularidade /
Tamanho da Base
Imagem 8
O primeiro servidor geralmente atende maior parte das consultas, sendo que
teremos um menor nmero de pedidos de acesso solicitados para a camada 2 e
camada 3.
Imagem 9
Um dos grandes problemas que existe neste tipo de arquitetura o fato de no ser
permitido o seu escalonamento, o que resulta, com o aumento do nmero de
usurios, num desempenho ruim pelo gargalo existente entre os clientes e o
servidor. Estas anomalias podem ocorrer pelo uso de estaes clientes muito
lentas e com muitos processos rodando simultaneamente.
Imagem 10
Uma vez que os DW contm dados referentes a longos perodos de tempo, estes
podem atingir dimenses muito maiores do que os bancos de dados operacionais,
chegando a conter centenas de gigabytes e at mesmo terabytes de informaes.
A maioria dos autores sobre o assunto costuma dizer que o projeto de sistemas de
DW muito cansativo e penoso. Analisando pelo ngulo das gerncias
administrativas, muitas vezes pode-se imaginar que, uma vez que a base de
dados transacional j est em funcionamento, torna-se automtica a implantao
de sistemas de anlise e suporte deciso.
Os projetos de DMs devem ser inicialmente simples e teis para que possam
atingir seus objetivos de forma rpida e clara. No desejvel para uma empresa
investir uma quantia em dinheiro e tempo de seus funcionrios em um projeto que
pode levar meses para ser concludo e que durante o processo de implantao
possa terminar por gerar controvrsias e at mesmo problemas para os setores.
Funes Responsabilidades
Gerente do Data Warehouse Define as estratgias pertinentes ao Data Warehouse;
Planeja e gerencia o DW;
Comunica os objetivos do DW para a equipe de
desenvolvimento.
Porm, sob a tica do usurio final, este modelo arquitetado dificlimo, para no
dizer impossvel, de ser entendido.
Imagem 11
A query browse definida para ser aplicada em uma tabela apenas, sem que seja
necessrio utilizar comandos join. Um exemplo deste tipo de consulta ocorre
quando um usurio abre um menu pull-down de toda a lista de itens de uma tabela
que representa uma dimenso do modelo estrela a fim de consultar seus atributos.
As consultas com joins multitabelas so precedidas por uma srie de browses que
fazem uso da estrutura do modelo estrela atravs de diversas unies entre a
tabela de fatos e as dimenses. Dificilmente este tipo de consulta ser atendido
rapidamente, uma vez que so localizadas centenas ou at milhares de registros
de tabelas subjacentes para darem uma resposta resumida para o usurio.
Analise de perto como seu gerenciador de banco de dados tenta processar uma
consulta em um esquema estrela. Se o plano de avaliao de consulta tem a
tabela de fatos em parte semelhante ao modo abaixo a lista com as tabelas de
dimenso mencionadas depois disto, seu DBMS no sabe como fazer joins do tipo
estrela. Quando a tabela de fatos s parte da lista abaixo, o DBMS est
gravando um subconjunto da tabela de fatos no disco. O DBMS est testando
ento individualmente os registros resultantes contra as tabelas de dimenso
restantes e o resultado uma query que roda muito lentamente.
Como se pode notar, o problema da replicao dos dados reside no fato de que as
informaes iro ocupar mais espao para o armazenamento, uma vez que so
gravadas diversas vezes as descries dos produtos, alm de tornar a
manuteno do sistema mais trabalhosa, uma vez que no basta atualizar apenas
a tabela de produtos no item descrio para propagar esta informao pelo
sistema, como se costuma fazer nos bancos de dados relacionais.
Imagem 12
A tabela, portanto, pode ser dividida em duas: uma contendo as informaes com
um nmero mais alto de possibilidades de acesso, e outra com as informaes
que possuem uma probabilidade mais baixa.
Imagem 13
Construindo uma arquitetura deste tipo d-se preferncia queles usurios que
consultam informaes mais corriqueiras, os quais obtero respostas mais
rapidamente do que aqueles que realizam perguntas sofisticadas e que so
realizadas esporadicamente. A deciso de privilegiar este ou aquele tipo de
consulta bastante importante para que futuras solicitaes ao sistema no
gerem consultas to complexas que o sistema de apoio deciso tenha que
realizar um grande processamento de dados para poder dar uma resposta ao
usurio.
Este sistema definido pela IBM serviu como referencial para que a arquitetura de
sistemas de DW fosse mais bem entendida pelos estudiosos do assunto.
Imagem 14
O sistema de gerncia de BD tem como uma das principais funes prover acesso
e manipulao eficientes aos dados armazenados atravs de uma linguagem de
alto nvel. Deve ainda o SGBD possuir um sistema de proteo contra acessos
no autorizados alm de manter a consistncia e a integridade destes dados.
Para que isto seja possvel, existem ferramentas que envolvem tecnologias
complexas a fim de permitir que o usurio obtenha dados resumidos utilizando
tcnicas de aperfeioamento e combinao de mtodos de indexao, os dados
so armazenados em sistemas multidimensionais e consultados por extenses do
SQL padro.
No disponvel
Nosso ponta p inicial consiste basicamente na extrao dos dados das fontes de
dados internas, incluindo a transformao e a limpeza (racionalizao) dos dados.
Deve-se observar a exigncia de padronizao dos dados, geralmente distribudos
de formas distintas pelos departamentos das empresas.
O escopo de um DW pode ser to amplo quanto aquele que inclui todo o conjunto
de informaes de uma organizao ou to restrito quanto um DW pessoal
definido para um nico gerente. Quanto maior o escopo, maior o valor do DW e
por conseqncia mais cara e trabalhosa ser sua criao e manuteno.
Por isso, muitas empresas tendem a iniciar com a construo de Data Marts e s
aps obter um retorno de seus usurios, iniciam a expanso do escopo,
integrando os Data Marts em um nico DW.
O modelo de processos deve ser bem analisado antes do incio do projeto pois ele
formado tipicamente por diagramas de contexto de nvel zero, diagramas de
fluxo de dados, diagramas de estrutura e outras estruturas baseadas em
requisitos. Em muitos ambientes o modelo de processos pode ser fundamental
para o desenvolvimento de sistemas, no entanto, na construo de um DW o
modelo de processos pode ser um empecilho, pois ele pressupe a existncia de
um conjunto de necessidades conhecidas antes que os detalhes do projeto sejam
definidos.
Imagem 15
Alm de poder ter qualquer titulo como rtulo ele tambm pode utilizar unidades
de medidas distintas como metros, quilmetros ou centmetros. No existe uma
preocupao especfica com o modo como o caminho ser medido do DW,
contanto que ele seja medido de forma coerente. A imagem16 apresenta o
processo de integrao dos dados que tem o mesmo significado, mas que
possuem representaes diferentes.
Imagem 16
No geral h trs tipos de cargas que podem ser feitas do ambiente operacional
para o dimensional (DW):
3.01. Introduo
Um modelo de dados uma coleo de conceitos que podem ser utilizados para
descrever um conjunto de dados e as operaes para a sua manipulao. (BATINE,
CERI, NAVATHE, 1992).
Qual seria ento uma boa definio para modelagem dimensional? ... uma
tcnica de projeto lgico que procura apresentar dados de uma forma comum, que
intuitiva para as pessoas que a acessam e que permita o acesso a informao
com alto desempenho.
Para estes casos necessrio analisar os DER dos sistemas relacionados rea
a ser incorporada ao DW. A anlise destes modelos permitir uma melhor base
para o conhecimento do negcio e para um gil desenvolvimento do DW. Atravs
da anlise do(s) DER elaborado um "pr-modelo de dados" responsvel pela
integrao entre o ambiente operativo (viso processo) e o DW (viso negcio).
O(s) modelo(s) multidimensionais, que constituiro o DM, derivado a partir deste
"pr-modelo".
FASE A - Estudo dos Modelos Existentes: Esta fase responsvel por delimitar o
escopo do modelo corporativo ou dos DER relacionados aos sistemas existentes.
Este escopo representa a rea de interesse para a anlise. Para se iniciar esta
fase, as seguintes condies devem ser atendidas:
Imagem 01
Imagem 02
Imagem 03
Vantagens:
Desvantagens:
Arquitetura "Bottom-Up"
Imagem 04
Vantagens:
Desvantagens:
Imagem 05
Imagem 06
Os data marts tem muito apelo, porque eles podem ser construdos de forma
simples, rpida e barata. Atualmente j se fala em "canned data marts", ou "data
marts enlatados", que seriam ferramentas extremamente simples e baratas,
destinadas a atender a necessidades bastante estruturadas (Radding, 1999).
Durante algum tempo, esses data marts independentes foram muito populares.
Mas, logo sua arquitetura se mostrou falha: quando uma corporao construa
Imagem 07
Uma vez que o warehouse j esteja construdo, a prxima etapa ser sua
explorao, no sentido de buscar, utilizar, as informaes nele contidas. Esse
trabalho, que chamado "data mining", permite descobrir padres importantes,
relaes de causa e efeito que vinham passando despercebidas, tendncias em
longo prazo, etc., de forma a permitir a melhoria dos processos.
preciso ter em mente que as diferenas entre data mart e data warehouse so
apenas com relao ao tamanho e ao escopo do problema a ser resolvido.
Portanto, as definies dos problemas e os requisitos de dados so
essencialmente os mesmos para ambos. Enquanto um data mart trata de
problema departamental ou local, um data warehouse envolve o esforo de toda a
companhia para que o suporte decises atue em todos os nveis da
organizao. Sabendo-se as diferenas entre escopo e tamanho, o
desenvolvimento de um data warehouse requer tempo, dados e investimentos
gerenciais muito maiores que um data mart.
Eles podem ser prototipados muito mais rpido, com alguns pilotos sendo
construdos entre 30 e 120 dias e sistemas completos sendo construdos
entre 3 e seis meses.
Data Marts
DW = Operational Data Store + Data Marts Integrados
Integrados
Marketing
Integrao
&
Vendas
Sistemas Transformao
Operativos
ODS Finanas
Produo
Alm disso, este esquema no apresenta uma forma clara de tratar hierarquias
implcitas.
O esquema estrela pode representar tanto o modelo lgico, como o modelo fsico
do banco de dados (KIMBALL, 1997).
Imagem 08
Segundo Kimball (KIMBALL et al, 1998), os fatos podem ser classificados em transaes
individuais, "snaphots", linhas de itens.
A imagem 09 apresenta uma tabela fato, com anlises bancrias, e com uma
tabela de sub-fato.
Imagem 09
Imagem 10
Uma questo importante a ser abordada diz respeito influncia da hierarquia das
dimenses sobre a tabela de fato. A tabela de fatos deve refletir a menor
granularidade das dimenses.
Imagem 11
Ao se estabelecer as hierarquias nas dimenses, a menor granularidade deve ser
mantida na tabela de fatos, de modo a garantir que no sejam armazenados
registros que representem totais referentes a um nvel mais alto na hierarquia de
uma dimenso.
Segundo Kimball (KIMBALL et al, 1998), apesar de, normalmente, a cardinalidade entre
as dimenses e a tabela de fatos ser 1:N, podem acontecer casos em que esta
cardinalidade seja M:N. Para este tipo de cardinalidade, Kimball (KIMBALL et al, 1998)
recomenda a adio de uma nova dimenso que representar uma ponte entre a
dimenso original e a tabela de fatos.
Abaixo o amigo leitor vai poder observar uma lista de definies que devem ser
seguidas para analisar o tipo de cardinalidade que dever ser utilizada entre suas
tabelas fatos e as dimenses:
2. Adicionar um novo registro, com uma nova chave, e a nova descrio: esta
soluo exige uma chave genrica. Kimball sugere a adoo de um formato
de chave que adicione os dgitos de verso ao final. As chaves genricas
devem estar descritas nos metadados e serem tratadas pelas aplicaes do
usurio final. Esta soluo no impe maiores complexidades s
aplicaes. Nos aplicativos de navegao pelo DW, as consultas
pressupem uma viso dos dados atravs do tempo. As consultas so
Esta soluo prpria para uma fase de adaptao, quando se precisa visualizar
os dados com base no valor antigo ou novo do atributo, como se no existissem
mudanas. A complexidade de se implementar este tipo de soluo reside no
tratamento destas consideraes, que devem se referir ao campo de data efetiva.
Segundo Kimball (1996, p.99), "A melhor abordagem para analisar modificaes em
tabelas dimensionais extremamente grandes subdividi-las em mini-dimenses
compostas por pequenos conjuntos de atributos estruturados para conter um
nmero limitado de valores.".
Imagem 12
3.08.5. Granularidade
Como regra geral, os dados podem ser mantidos com o maior nvel de
detalhamento e posteriormente, sumarizados, gerando um nvel mais baixo de
granularidade, oferecendo flexibilidade s consultas do usurio.
Para a sumarizao dos dados devem ser utilizadas as funes (em SQL)
SUM, AVG, COUNT ou equivalentes;
Imagem 13
Qualquer sistema de Data Warehouse (DW) s vai funcionar e poder ser utilizado
plenamente, com a utilizao de boas ferramentas de explorao. Com o
surgimento do DW, a tecnologia de Data Mining (minerao de dados) tambm
ganhou a ateno do mercado.
3.10. Metadados
Acima vimos que sempre houve preocupao com a documentao dos sistemas
e bancos de dados das corporaes, sabemos que no Data Warehouse
documentar tudo vital para a sobrevivncia do projeto, pois o DW pode ser um
projeto gigantesco e se no houver uma documentao eficiente ningum
conseguir entender nada.
Esta arquitetura altamente desejvel por duas razes chaves. Primeiro: permite
a essas ferramentas compartilhar metadados. Isto desejvel no mercado de
ferramentas de apoio de deciso.
A maioria das corporaes que construram um sistema de apoio a deciso no
pensou na integrao das ferramentas.
3.11. OLAP
Cada uma destas tecnologias e tcnicas tem seu lugar no mercado de DSS
(Decision Support System) e apia diferentes tipos de anlises. importante
lembrar que as exigncias do usurio devem ditar que tipo de Data Mart voc est
construindo. Como sempre, a tecnologia e tcnicas devem estar bem
fundamentadas para atenderem da melhor maneira possvel essas exigncias.