DATA MART: UM APOIO À TOMADA DE DECISÕES NO SETOR DE QUALIDADE DE UMA EMPRESA DE FUNDIÇÃO

1. Título Nome do(s) alunos(s) DATA MART: UM APOIO À TOMADA DE DECISÕES NO SETOR DE QUALIDADE DE UMA EMPRESA DE FUNDIÇÃO Orientador: Prof. Ms. LeopoldoEdgardo Messenger Parada INTRODUÇÃO Os níveis estratégicos das empresas começaram a perceber que a análise dos dados é extremamente importante para se manterem competitivas no mercado. Neste contexto surgiram os ambientes Data Warehouse e Data Marts, que têm por objetivo apoiar o nível tático e estratégico para otimização das análises de negócios. Percebeu-se a grande vantagem da sua utilização na produção, uma vez que proporciona melhor visualização do processo industrial e favorece maior agilidade na tomada de decisões, pois, através desses ambientes pode-se detectar falhas no processo e corrigir sua causa raiz. MODELAGEM DIMENSIONAL – ETAPAS Fatos Sãoos assuntos necessários para manter um histórico que possa ser analisado e assim ajudar na compreensão dos resultados atuais e prevenção do futuro. Dimensões São fatores que participam da definição dos fatos e auxiliam na sua identificação. Medidas É a maneira pela qual é feita a avaliação do comportamento do fato. Geralmente é uma variável numérica ou atributo que representa o fato. Granularidades São os níveis de detalhes (podem variar de acordo com as necessidades), sumarização e hierarquia dos dados, já definidos. PREPARAÇÃO DOS DADOS – ALGORITMO ETL Etapa que realiza a extração, limpeza e transformação dos dados provenientes do(s) Banco(s) Relacional(is) e carrega esses dados no Banco Dimensional. RESULTADOS ESPERADOS Após o protótipo desenvolvido espera-se que as informações sejam confiáveis e de qualidade. Assim a tomada de decisões dos níveis estratégicos e táticos da Empresa será facilitada, além de apontar as falhas existentes na produção, o que muitas vezes pode ser resolvido com ações simples. A ocorrência destas falhas pode resultar em gastos desnecessários. MODELAGEM DIMENSIONAL – ETAPAS Fatos Sãoos assuntos necessários para manter um histórico que possa ser analisado e assim ajudar na compreensão dos resultados atuais e prevenção do futuro. Dimensões São fatores que participam da definição dos fatos e auxiliam na sua identificação. Medidas É a maneira pela qual é feita a avaliação do comportamento do fato. Geralmente é uma variável numérica ou atributo que representa o fato. Granularidades São os níveis de detalhes (podem variar de acordo com as necessidades), sumarização e hierarquia dos dados, já definidos. EXEMPLOS DE FORMATAÇÃO Etapa que realiza a extração, limpeza e transformação dos dados provenientes do(s) Banco(s) Relacional(is) e carrega esses dados no Banco Dimensional. RESULTADOS ESPERADOS Após o protótipo desenvolvido espera-se que as informações sejam confiáveis e de qualidade. Assim a tomada de decisões dos níveis estratégicos e táticos da Empresa será facilitada, além de apontar as falhas existentes na produção, o que muitas vezes pode ser resolvido com ações simples. A ocorrência destas falhas pode resultar em gastos desnecessários. MODELAGEM DIMENSIONAL – ETAPAS Fatos Sãoos assuntos necessários para manter um histórico que possa ser analisado e assim ajudar na compreensão dos resultados atuais e prevenção do futuro. Dimensões São fatores que participam da definição dos fatos e auxiliam na sua identificação. Medidas É a maneira pela qual é feita a avaliação do comportamento do fato. Geralmente é uma variável numérica ou atributo que representa o fato. Granularidades São os níveis de detalhes (podem variar de acordo com as necessidades), sumarização e hierarquia dos dados, já definidos. RESULTADOS ESPERADOS Após o protótipo desenvolvido espera-se que as informações sejam confiáveis e de qualidade. Assim a tomada de decisões dos níveis estratégicos e táticos da Empresa será facilitada, além de apontar as falhas existentes na produção, o que muitas vezes pode ser resolvido com ações simples. A ocorrência destas falhas pode resultar em gastos desnecessários. Bibliografia MACHADO, F.M.R, Tecnologia e Projeto de Data Warehouse: Uma visão Multidimensional, 1ª Edição, Ed. Érica, São Paulo, 2004. MESSENGER, LE, Data Warehouse – Conceitos e Prática. Caderno de Anotações nº 2. FATEC, 2008. SOARES, V.J.A: Modelagem Incremental no Ambiente de Data Warehouse, 1998. 230 f. Dissertação (tese de Mestrado) – Universidade Federal do Rio de Janeiro – UFRJ, Rio de Janeiro, 1998. http://www2.stela.ufsc.br/aran/sad/sad_aula2.html (acesso dia 05/08/2009)