Download
datawarehouse um ambiente estruturado por michel andrade de souza n.
Skip this Video
Loading SlideShow in 5 Seconds..
Datawarehouse Um Ambiente Estruturado Por Michel Andrade de Souza PowerPoint Presentation
Download Presentation
Datawarehouse Um Ambiente Estruturado Por Michel Andrade de Souza

Datawarehouse Um Ambiente Estruturado Por Michel Andrade de Souza

92 Views Download Presentation
Download Presentation

Datawarehouse Um Ambiente Estruturado Por Michel Andrade de Souza

- - - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript

  1. Datawarehouse Um Ambiente Estruturado Por Michel Andrade de Souza

  2. Primeiro Conceito • Datawarehouse • consiste basicamente em uma grande massa de dados não-voláteis, organizados em assuntos, integrados e variável em relação ao tempo • tecnologia recente • estudos indicam que não existam produtos que apliquem todos os requisitos para sua utilização

  3. Segundo Conceito • O Data Warehouse (DW) é um conjunto de técnicas que aplicadas em conjunto geram um sistema de dados que nos proporcionam informações para tomada de decisões. • Funciona tipicamente na arquitetura cliente/servidor.

  4. Objetivo • Fornecer os subsídios necessários para a transformação de uma base de dados de uma organização de OLTP para OLAP.

  5. OLTP On-Line Transaction Processing • Processamentos que executam as operações do dia-a-dia da organização • Ênfase ao suporte do negócio, através de um processamento rápido, acurado e eficiente de dados • Ex: movimento bancário

  6. Exemplo Processamento. Transação - OLTP ContaA=R$5000,00 ContaB=R$2,00 ContaC=R$100,00 Início Conta A Débito R$1000,00 Conta B Crédito R$ 700,00 Conta C Crédito R$ 300,00 ContaA=R$4000,00 ContaB=R$702,00 ContaC=R$400,00 Fim

  7. OLAP On Line Analytical Processing • Processamentos que suportam a tomada de decisões • Permite analisar tendências e padrões em grande quantidades de dados • ao longo do tempo (histórico) • e em diferentes localizações (geográficos)

  8. Ambiente do DW Extração e Integração dos dados DW OLTP Acesso a Dados

  9. Níveis de Dados • Operacional • Atômico • Departamental • Individual

  10. Operacional • Contém apenas dados operacionais e atende à comunidade de processamento de transações de alta performance • Valores atuais • Baseado em aplicações

  11. Atômico • Contém dados operacionais que não são atualizados, • podendo armazenar dados analíticos • Variável no tempo • Baseado em negócios

  12. Departamental • Contém dados operacionais e analíticos • Ex: departamento de contabilidade, marketing

  13. Individual • Onde as análises heurísticas são feitas • Baseado em PCs • Temporário

  14. Características do Datawarehouse • Orientado por temas • Integrado • Variante no tempo • Não volátil

  15. 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.

  16. Integrado • Refere-se à consistência de nomes, das unidades das variáveis. • Dados foram transformados até um estado uniforme. • Exemplo, considere-se sexo como um elemento de dado.

  17. Variante no Tempo • Refere-se a algum momento específico, • Não é atualizável • Enquanto que o dado de produção é atualizado de acordo com mudanças de estado do objeto em questão, refletindo, em geral, o estado do objeto no momento do acesso. • A cada ocorrência de uma mudança, • Uma nova entrada é criada, para marcar esta mudança.

  18. Não Volátil • Permite o "load-and-access” • Após integração e transformação, dados armazenados em bloco para o DW • Após aos usuários • Rollback, recuperação de falhas, commits e bloqueios

  19. Ambiente do Datawarehousewarehouse

  20. Arquitetura do Datawarehouse • Arquitetura Genérica • Camada de Bancos de Dados Operacionais • Camada de Acesso à Informação • Camada de Acesso aos Dados • Camada de Metadados (Dicionário de Dados) • Camada de Gerenciamento de Processos • Camada de Transporte ou Middleware • Camada do DW • Camada de Gerenciamento de Replicação • Arquitetura de Dados

  21. Camada de Bancos de Dados Operacionais • Corresponde aos dados das bases de dados operacionais da organização junto com dados provenientes de outras fontes externas que serão tratados e integrados para compôr o DW.

  22. Camada de Acesso à Informação • Éa camada com a qual os usuários finais interagem. • Representa as ferramentas que o usuário utiliza no dia a dia • Exemplo: Planilha de Cálculo MS-Excell • Envolve o hardware e software utilizado para obtenção de relatórios, planilhas, gráficos e outros. • Ex: Data Mining.

  23. Camada de Acesso aos Dados • Ligação entre as ferramentas de acesso à informação e os bancos de dados operacionais. • Comunica-se não só com diferentes SGBDs e sistemas de arquivos de um mesmo ambiente como também, idealmente, com outras fontes sob diferentes protocolos de comunicação, no que se chama acesso universal de dados.

  24. Camada de Metadados (Dicionário de Dados) • Metadados: são as informações sobre os dados mantidos pela empresa • Ex: (descrições de registro em um programa COBOL, comandos CREATE do SQL, informação em um diagrama E-R, dados em um dicionário de dados • Funcionalidade - > grande variedade de metadados • Acesso aos dados de um DW sem que tenha que saber onde residem

  25. Camada de Gerenciamento de Processos • Envolve-se com o controle das diversas tarefas a serem realizadas para construir e manter as informações do dicionário de dados e do DW • Responsável pelo gerenciamento dos processos para manter o DW atualizado e consistente.

  26. Camada de Transporte Middleware • Gerencia o transporte de informações pelo ambiente de redes • Usada para isolar aplicações, operacionais ou informacionais, do formato real dos dados nas duas extremidades • Inclui a coleta de mensagens e transações e se encarrega de entregá-las em locais e tempos determinados.

  27. Camada do DW • O DW propriamente dito corresponde aos dados usados para fins "informacionais". • Em alguns casos, DW é simplesmente uma visão lógica ou virtual dos dados • Em um DW que exista fisicamente, cópias dos dados operacionais e externos são de fato armazenadas

  28. Camada de Gerenciamento de Replicação • Inclui todos os processos necessários para selecionar, editar, resumir, combinar e carregar o DW e as correspondentes informações de acesso a partir das bases operacionais e fontes externas. • Pode envolver programação complexa • Programas de análise da qualidade dos dados e filtros que identificam padrões nos dados operacionais

  29. Passos para Aplicação de um DW • DW não é um produto que se compra, mas sim um projeto que envolve: • Análise e implementação, com a participação de várias tecnologias. • Sete passos para a criação de um DW, que pode ser inicialmente um data mart (assunto específico) até mesmo um DW no nível corporativo.

  30. 1° Passo • Os primeiros resultados devem estar disponíveis a curto prazo. É importante traduzir rapidamente as necessidades do negócio em uma especificação que possa ser construída em etapas. • Minimiza riscos e o tempo de apresentação dos resultados iniciais.

  31. 2° Passo • Desafio de integração de sistemas. • Dados de produção e de fontes externas precisam ser mapeados para o modelo de dados do DW. • Sincronismo • Entre os dados operacionais e os dados de tomada de decisão. • Sincronia em um banco de dados multi-dimensional.

  32. 3° Passo • A escolha do banco de dados de suporte ao DW precisa ser criteriosa. • Critérios • Desempenho na carga e indexação dos dados, • Tempo de resposta, • Capacidade de armazenamento, • Paralelismo, • Escalabilidade.

  33. 4° Passo • Considerar as ferramentas disponíveis no mercado • Devem prover: • Interfaces amigáveis, • Geração de relatórios, • Análises multi-dimensionais, • Acesso via Web e data mining.

  34. 5° Passo • Construir um DW que possa ser expandido, mantendo níveis aceitáveis de desempenho até gigabytes.

  35. 6° Passo • Ambiente DW deve ser aberto para permitir que os componentes ou ferramentas identificadas no passo 4 possam ser substituídas por outras mais atuais e eficientes. Ferramentas

  36. 7° Passo • Considerar o sistema de armazenamento que fisicamente gerencia • O tráfego • Alocação • Backup • Restauração dos dados

  37. Ferramentas de Extração • Como o DW é um BD que fica separado do sistema OLTP, existem ferramentas que automatizam o processo. • Ex: • Platinum • Prism • Power Stage (sybase)

  38. Exemplos de Banco de Dados • Oracle • Sybase • DB2 • Informix • SQL Server

  39. Contatos :Michel Andrade de Souza msouza@indl.sanrisil.com.br micheldeandradesouza@ig.com.br