1 / 18

Tipos de Sistemas

Tipos de Sistemas. Sistemas Operacionais (DB) Sistemas de Registo Histórico (DW). Sistemas típicos das Organizações. Clientes. A Organização. Sistemas de Suporte à Decisão. ERPs. Portais. Soluções CRM. Data Marts. Data Stages. Extranets. Data Warehouse. Soluções B2B. Fornecedores.

reese-morse
Download Presentation

Tipos de Sistemas

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. Tipos de Sistemas • Sistemas Operacionais (DB) • Sistemas de Registo Histórico (DW)

  2. Sistemas típicos das Organizações Clientes A Organização Sistemas de Suporte à Decisão ERPs Portais Soluções CRM Data Marts Data Stages Extranets Data Warehouse Soluções B2B Fornecedores

  3. Taxonomia de Dados e de Sistemas • Os dados podem ser classificados como: • Históricos/Projectados • Primitivos/Derivados • Públicos/Privados Os diferentes tipos de dados determinam as características dos Sistemas de Informação. Immon 93 - “Data Architecture: The Information Paradigm”

  4. Taxonomia de Dados e de Sistemas Dados Primitivos / Derivados • Primitivos • dependem de uma única ocorrência ou facto na organização. Exemplo, registo da data, montante e intervenientes de cada transação. • Derivados • os dados derivados dependem de vários factos ou ocorrências na organização. São dados calculados, agregados e resumidos

  5. Taxonomia de Dados e de Sistemas Dados Históricos/Projectados • “Históricos” • registam factos acontecidos com valores precisos e correctos. Existe acordo quando à forma de os obter ou calcular. • Projectados • são estimativas ou previsões de factos que irão acontecer. O conceito de correcto ou incorrecto não se aplica às projecções. Normalmente não existe unanimidade quando à forma de os obter ou calcular.

  6. Taxonomia de Dados e de Sistemas Dados Públicos/Privados • Públicos • São dados cuja integridade é mantida pela organização. Podem ser o único registo de um facto na organização. Interessam a vários indivíduos da organização. • Privados • Traduzem as necessidades imediatas de cada indivíduo. Têm como dono e interessam a um único indivíduo.

  7. Primitivos Derivados Taxonomia de Dados e de Sistemas Sistemas Operacionais Sistemas de Suporte à Decisão Sistemas de suporte Data Marts Data Warehouse Sistemas de registo Data Marts atómico departamental individual + públicos + privados Presente Históricos Estimativas + orientados à aplicação + orientados ao assunto

  8. Taxonomia de Dados e de SistemasDiferenças entre dados Primitivos/Derivados

  9. Taxonomia de Dados e de Sistemas Sistemas Operacionais • Suportam as operações diárias do negócio (seg. a seg), segundo processos bem definidos • Manipulam dados descreve o estado actual do negócio • A informação refere-se às operações atómicas • São optimizados para o processamento rápido • Os sistemas são optimizados para o armazenamento e modificação da informação • Os clientes acedem cada vez mais a estes dados Data warehouse & Sistemas de Suporte à Decisão • São usados para gerir e controlar o negócio • A informação é uma série de vistas do negócio em determinados pontos no tempo • A optimização (desnormalização) resulta apenas do facto de não haver updates • Os sistemas são optimizados para a pesquisa da informação • Estes sistemas dão suporte a processos não definidos

  10. Data Warehouses e Sistemas Suporte à Decisão OLAP Data Mining Highly Summarized Data Data Mart M/D Extração, Limpeza e Carregamento de Dados M/D Data Mart Meta Data Data Warehouse Current Detail M/D M/D Old Detail Sistemas Operacionais Sistemas Legados

  11. Taxonomia de Dados e de Sistemas • Exemplo de Informação/Queries em cada nível Operacional Atomic /DW DataMart Client/mes individual J Jones 123 Main St Credit-AA J Jones 1986-1987 456 Hight St Credit-B Jan - 4101 Feb - 4209 Mar – 4175 Apr – 4215 .... Clientes desde 88 com crédito > A e contas > 5000 Qual é o crédito do J Jones ? J Jones 1987-1989 456 Hight St Credit-A Que características têm os clientes ? Estamos ganhar ou perder clientes de crédito ? Qual é a evolução do crédito do J Jones ? J Jones 1989-pres. 123 Main St Credit-AA

  12. Taxonomia de Dados e de Sistemas • Exemplo de Integração J Jones female July 20, 1945 2 tickets 1998 1 bad accident 1999 2 children High blood pressure 123 Main Street maried ...... Operacional Life Policy Operacional Auto Policy J Jones female July 20, 1945 ... J Jones 2 tickets 1998 1 bad accident 1999 ... Atomic /DW Operacional health Policy Operacional Home Policy J Jones 2 children High blood pressure ... J Jones 123 Main Street maried ...

  13. Data Warehousing • Large organizations have complex internal organizations, and have data stored at different locations, on different operational (transaction processing) systems, under different schemas • Data sources often store only current data, not historical data • Corporate decision making requires a unified view of all organizational data, including historical data • A data warehouse is a repository (archive) of information gathered from multiple sources, stored under a unified schema, at a single site • Greatly simplifies querying, permits study of historical trends • Shifts decision support query load away from transaction processing systems

  14. Data Warehousing

  15. When and how to gather data Source driven architecture: data sources transmit new information to warehouse, either continuously or periodically (e.g. at night) Destination driven architecture: warehouse periodically requests new information from data sources Keeping warehouse exactly synchronized with data sources (e.g. using two-phase commit) is too expensive Usually OK to have slightly out-of-date data at warehouse Data/updates are periodically downloaded form online transaction processing (OLTP) systems. What schema to use Schema integration Components of Data Warehouse

  16. Components of Data Warehouse (Cont.) • Data cleansing • E.g. correct mistakes in addresses • E.g. misspellings, zip code errors • Merge address lists from different sources and purge duplicates • Keep only one address record per household (“householding”) • How to propagate updates • Warehouse schema may be a (materialized) view of schema from data sources • Efficient techniques for update of materialized views • What data to summarize • Raw data may be too large to store on-line • Aggregate values (totals/subtotals) often suffice • Queries on raw data can often be transformed by query optimizer to use aggregate values

  17. Data Warehouse Schemas

  18. Warehouse Schemas • Typically warehouse data is multidimensional, with very large fact tables • Examples of dimensions: item-id, date/time of sale, store where sale was made, customer identifier • Examples of measures: number of items sold, price of items • Dimension values are usually encoded using small integers and mapped to full values via dimension tables • Resultant schema is called a star schema • More complicated schema structures • Snowflake schema: multiple levels of dimension tables • Constellation: multiple fact tables

More Related