![Page 1: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/1.jpg)
SCC0141 - Bancos de Dados e Suas Aplicações
Data Warehouse e OLAP
Prof. Jose Fernando Rodrigues Junior
1
![Page 2: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/2.jpg)
Introdução
![Page 3: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/3.jpg)
No início, uma única fonte de dados
![Page 4: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/4.jpg)
Exemplo: primeira loja do grupo Casas Bahia.
No início, uma única fonte de dados
![Page 5: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/5.jpg)
Mais tarde
Exemplo: primeira cidade ocupadapelo grupo Casas Bahia.
![Page 6: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/6.jpg)
E assim sucessivamente
Exemplo: primeiros estados ocupadospelo grupo Casas Bahia.
![Page 7: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/7.jpg)
Finalmente
Exemplo: Brasil (primeiro país?)ocupado pelo grupo Casas Bahia.
![Page 8: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/8.jpg)
Até que…
O que está acontecendo nas minhas lojas?
- O que é vendido mais?- Quando?- Por qual loja?- Qual a melhor loja?- Quanto estou faturando?- Qual seria uma boa oferta?- As vendas cresceram ou subiram?- Quais regiões vendem mais?- ...
![Page 9: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/9.jpg)
Até que…
O que está acontecendo nas minhas lojas?
- O que é vendido mais?- Quando?- Por qual loja?- Qual a melhor loja?- Quanto estou faturando?- Qual seria uma boa oferta?- As vendas cresceram ou subiram?- Quais regiões vendem mais?- ...
Soluções:1) Ir até cada uma das lojas e perguntar;
Pouco viável.
![Page 10: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/10.jpg)
Até que…
O que está acontecendo nas minhas lojas?
- O que é vendido mais?- Quando?- Por qual loja?- Qual a melhor loja?- Quanto estou faturando?- Qual seria uma boa oferta?- As vendas cresceram ou subiram?- Quais regiões vendem mais?- ...
Soluções:2) Usar os dados das lojas para analisar o que está acontecendo no meu negócio.
Boa idéia!!!
![Page 11: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/11.jpg)
Até que…
O que está acontecendo nas minhas lojas?
- O que é vendido mais?- Quando?- Por qual loja?- Qual a melhor loja?- Quanto estou faturando?- Qual seria uma boa oferta?- As vendas cresceram ou subiram?- Quais regiões vendem mais?- ...
Soluções:2) Usar os dados das lojas para analisar o que está acontecendo no meu negócio.
Boa idéia!!!
Mas...
![Page 12: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/12.jpg)
Impecilhos ao uso dos dados…
- Diversos sistemas de bancos de dados em uso nas lojas; depende do gerente que o implementou: PostgreSQL, Oracle, DB2, SQLServer, ...
- Cada loja, um controle transacional diferente, de acordo com suas necessidades regionais;
- Esquemas diferentes, tipos de dados diferentes, distribuição geográfica, falta de interconexão.
![Page 13: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/13.jpg)
Impecilhos ao uso dos dados…
- Diversos sistemas de bancos de dados em uso nas lojas; depende do gerente que o implementou: PostgreSQL, Oracle, DB2, SQLServer, ...
- Cada loja, um controle transacional diferente, de acordo com suas necessidades regionais;
- Esquemas diferentes, tipos de dados diferentes, distribuição geográfica, falta de interconexão.
Total falta de conformidade!!!
E muitos, muitos dados!!!
O que fazer?
![Page 14: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/14.jpg)
O que é necessário?
- 1) Recolher (extrair) os dados não importando qual o tipo do sistema de dados;
- 2) Padronizar (transformar) os dados, para terem um significado comum mesmo que, originalmente, codificados de maneira diferente; resolução de dados ausentes e espúrios;
- 3) Unir (carregar) os resultados das duas operações em um único sistema capaz para responder às minhas perguntas.
![Page 15: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/15.jpg)
O que é necessário?
- 1) Recolher (extrair) os dados não importando qual o tipo do sistema de dados;
- 2) Padronizar (transformar) os dados, para terem um significado comum mesmo que, originalmente, codificados de maneira diferente; resolução de dados ausentes e espúrios;
- 3) Unir (carregar) os resultados das duas operações em um único sistema capaz para responder às minhas perguntas.
Complicado.
Como fazer então?
![Page 16: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/16.jpg)
Mas há uma solução
![Page 17: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/17.jpg)
OracleModelagem
x
SQLServerModelagem
z
DB2Modelagem
y
OracleModelagem
u
SQLServerModelagem
w
DB2Modelagem
v...
Loja 1 Loja 2 Loja 3 Loja n-2 Loja n-1 Loja n
Data warehouse
Extrair, transformar, carregar dados
Mas há uma solução
![Page 18: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/18.jpg)
ETL – Extract Transform Load O processo descrito de se extrair
(Extract), transformar (Transform) e carregar (Load) os dados a partir das diversas fontes de dados é denominado ETL
ETL – uma das camadas principais da arquitetura de um data warehouse Consolidação de dados
![Page 19: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/19.jpg)
ETL – Extract Transform Load O processo descrito de se extrair
(Extract), transformar (Transform) e carregar (Load) os dados a partir das diversas fontes de dados é denominado ETL
ETL – uma das camadas principais da arquitetura de um data warehouse Consolidação de dados
Extrair, transformar, carregar dados
![Page 20: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/20.jpg)
ETL – Extract Transform Load
Extração/transformação (Extract/Transform) de dados extração de múltiplas fontes consolidação e integração de dados de múltiplas
fontes limpeza e validação conversão dos dados para o modelo do DW
![Page 21: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/21.jpg)
ETL – Extract Transform Load
Carregamento (Load) de dados armazenamento de acordo com o modelo do DW criação e manutenção de estruturas de dados criação e manutenção de caminhos de acesso tratamento de dados que variam no tempo suporte a atualização
refresh purging (eliminação)
![Page 22: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/22.jpg)
Conceitos
![Page 23: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/23.jpg)
O que é exatamente?
“Data Warehouse é uma coleção de dados orientados por assunto, integrada, não-volátil, variante no tempo, que dá apoio às decisões de administração” (W.H. Inmon, 1992).
Orientados a transações: vendas, operações bancárias, acessos à informação.
![Page 24: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/24.jpg)
24
Introdução
Aplicações empresas de telefonia redes de varejo instituições financeiras instituições governamentais instituições de ensino e pesquisa ….
24
BUSI
NES
S IN
TELL
IGEN
CE!!!
![Page 25: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/25.jpg)
Sistemas OLTP
Extrair, transformar, carregar dados
![Page 26: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/26.jpg)
Data warehouses são, comumente, alimentados por sistemas OLTP independentes.
Sistemas OLTP
Extrair, transformar, carregar dados
![Page 27: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/27.jpg)
Data warehouses são, comumente, alimentados por sistemas OLTP independentes.
Sistemas OLTP
Extrair, transformar, carregar dados
Sistemas OLTP (Online Transaction Processing): gerenciamento de transações;
toda vez que você vai ao mercado, ao banco ou faz uma compra online, você está usando um sistema OLTP
![Page 28: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/28.jpg)
Objetivos Consolidação dos dados de uma empresa
Desempenho na consulta aos dados
Separação entre suporte à decisão e bancos de dados operacionais
Suporte à ferramentas: mineração de dados, visualização e On-line Analytical Processing (OLAP)
![Page 29: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/29.jpg)
Objetivos Os termos Datawarehouse, OLTP e OLAP
não se refererem a software apenas
São termos que englobam software e serviços (muitos serviços – consultoria)
São termos cunhados para a comunidade empresarial não possuindo uma correspondência simples em Ciência da Computação
![Page 30: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/30.jpg)
Relação OLTP e OLAP
![Page 31: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/31.jpg)
Arquitetura de um data warehouse
![Page 32: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/32.jpg)
Arquitetura de um data warehouse Arquitetura definida pelo contexto da
organização
De maneira geral, tem as seguintes camadas:1. Operacional (OLTPs): fornecem dados2. De acesso aos dados: ETL3. Acesso à informação: ferramentas de
acesso a dados, geração de relatórios, e análise (OLAP) Business Intelligence
4. Metadados: detalhamento do conteúdo do data warehouse dicionário de dados
![Page 33: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/33.jpg)
Arquitetura de um data warehouse Arquitetura definida pelo contexto da
organização
De maneira geral, tem as seguintes camadas:1. Operacional (OLTPs): fornecem dados2. De acesso aos dados: ETL3. Acesso à informação: ferramentas de
acesso a dados, geração de relatórios, e análise (OLAP) Business Intelligence
4. Metadados: detalhamento do conteúdo do data warehouse dicionário de dados
![Page 34: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/34.jpg)
Dicionário de dados Descrição dos dados do DW:
origem regras de transformação nomes e aliases formato dos dados histórico de atualizações acesso e segurança responsabilidades sobre os dados
Sem o dicionário, não há sistema
![Page 35: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/35.jpg)
Data warehouse vs Banco de dados operacional
![Page 36: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/36.jpg)
Data warehouse vs Banco de dados operacional
Data warehouse Banco de dados operacional
Orientado a objetivos específicos Orientado a transações
Grande (centenas de GBs até TBs) Pequeno/Médio (MBs até alguns GBs) – distribuído se necessário
Dados históricos Dados correntes
De-normalizado (poucas tabelas com muitas colunas)
Normalizado (muitas tabelas com poucas colunas)
Atualizações em Batch Atualizações contínuas
Otimizado para acesso Otimizado para escrita/atualização
![Page 37: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/37.jpg)
Juntos data warehouse e bancos de dados provém uma solução completa
Bancos de dados
Inserção/Atualização
Data Warehouse
Acesso aos dados
![Page 38: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/38.jpg)
Visão Geral
Extrair, transformar, carregar dados
1. Camada Operacional (OLTPs)2. Camada de acesso aos dados (ETL)3. Camada de acesso à informação: MD, relatórios, OLAP
Business Intelligence
4. Dicionário de dados
![Page 39: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/39.jpg)
Projeto de Data warehouses
![Page 40: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/40.jpg)
Datamarts
Datamart: ambientes de análise de dados de menor magnitude, com fins mais específicos, limitados a subcomunidades de uma organização
Exemplo, uma loja das casas Bahia
Modelagem x
Loja i
![Page 41: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/41.jpg)
Datamarts
Datamart: ambientes de análise de dados de menor magnitude, com fins mais específicos, limitados a subcomunidades de uma organização
Exemplo, uma loja das casas Bahia
Acréscimo de ferramentas de
análise
Modelagem x
![Page 42: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/42.jpg)
Datamarts
Datamart: ambientes de análise de dados de menor magnitude, com fins mais específicos, limitados a subcomunidades de uma organização
Exemplo, uma loja das casas BahiaLoja i
Modelagem x
Datamart i
![Page 43: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/43.jpg)
Bottom-up
Projeto Bottom-up: exemplo, rede das casas Bahia
Datamart 1 Datamart 2 Datamart 3
....
Datamart n
![Page 44: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/44.jpg)
Bottom-up
Projeto Bottom-up: exemplo, rede das casas Bahia
Datamart 1 Datamart 2 Datamart 3
....
Datamart n
![Page 45: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/45.jpg)
Bottom-up
Projeto Bottom-up: exemplo, rede das casas Bahia
Datamart 1 Datamart 2 Datamart 3
....
Datamart n
Data warehouse : conjunto de pequenos sistemas de tratamento eanálise de dados.
![Page 46: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/46.jpg)
Bottom-up
Projeto Bottom-up: exemplo, rede das casas Bahia
Datamart 1 Datamart 2 Datamart 3
....
Datamart n
Data warehouse : conjunto de pequenos sistemas de tratamento eanálise de dados.
Grande esforço de consolidação modelo de dados não universal.
![Page 47: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/47.jpg)
Data warehouse : projeto bem definido.
Top-down
Projeto Top-down
![Page 48: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/48.jpg)
Data warehouse : projeto bem definido.
Top-down
Projeto Top-down
Datamart 1
![Page 49: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/49.jpg)
Data warehouse : projeto bem definido.
Projeto Top-down
Datamart 1 Datamart 2
Top-down
![Page 50: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/50.jpg)
Data warehouse : projeto bem definido.
Top-down
Projeto Top-down
Datamart 1 Datamart 2 Datamart 3
![Page 51: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/51.jpg)
Data warehouse : projeto bem definido.
Top-down
Projeto Top-down
Datamart 1 Datamart 2 Datamart 3
....
Datamart n
![Page 52: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/52.jpg)
Data warehouse : projeto bem definido.
Top-down
Projeto Top-down
Datamart 1 Datamart 2 Datamart 3
....
Datamart n
Esforço reduzido de consolidação modelo de dados universal e bem definido.
![Page 53: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/53.jpg)
Projeto Top-down vs Bottom-up
Bottom-up Top-down
Consistência via manutenção constante
Alta consistência
Expansão custosaExpansão com novos DMs
facilitada
Custo diluído ao longo do tempo
Inicialmente custosa
Natural em organizações Rara em start-ups
Baixa latência Alta latência
![Page 54: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/54.jpg)
Conceitos vistos
Data warehouse OLTP ETL Dicionário de dados DW vs BD Datamart Projeto Bottom-up vs Top-down
![Page 55: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/55.jpg)
OLAP – Online Analytical Processing
![Page 56: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/56.jpg)
OLAP
Definição: uma categoria de tecnologia de software que visa à compreensão de dados
Provê: acesso rápido, consistente e interativo
DW e OLAP, em muitos casos, conceitos indissociáveis
![Page 57: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/57.jpg)
OLAP - FASMI
FASMI: Fast Analysis of Multidimensional Information
Fast: agilidade em responder consultas
Analysis: versatilidade analítica Shared: dados/analistas múltiplos Multidimensional: orientado a
dimensões de dados Information: propósito fim
![Page 58: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/58.jpg)
Cubo de dados OLAP
![Page 59: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/59.jpg)
Cubo de dados
101 110240
190 90150 204
35 8783 90
35 4519 27
![Page 60: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/60.jpg)
Estrutura básica da prática de OLAP Observam-se
As dimensões dos dados As medidas sobre os dados O cubo é orientado a planos (faces) Apesar da complexidade dos sistemas OLAP, seus
objetivos analíticos são básicos: contagem, média, máximo, mínimo, soma, ...
Agregação, rápida e flexível, sobre imensos volumes de dados
Cubo de dados
![Page 61: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/61.jpg)
Cubo de dados - slicing
Pode ser interessante ver o cubo a partir de diferentes perspectivas (planos)
Operações sobre o cubo: slicing, dicing e rotating (pivoting)
![Page 62: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/62.jpg)
Cubo de dados - slicing
• A operação de slicing equivale a fatiar o cubo, definindo um novo plano de apreciação dos dados
• A operação geométrica é apenas uma analogia, o slicing dispara o processamento OLAP para calcular o novo plano
![Page 63: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/63.jpg)
Cubo de dados - slicing
Dados calculados e acessíveis ao analista.
• A operação de slicing equivale a fatiar o cubo, definindo um novo plano de apreciação dos dados
• A operação geométrica é apenas uma analogia, o slicing dispara o processamento OLAP para calcular o novo plano
![Page 64: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/64.jpg)
Exemplo de dado calculado: quantas TVs de plasma foram vendidas em 2002 na região SE?
Cubo de dados - slicing
• A operação de slicing equivale a fatiar o cubo, definindo um novo plano de apreciação dos dados
• A operação geométrica é apenas uma analogia, o slicing dispara o processamento OLAP para calcular o novo plano
![Page 65: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/65.jpg)
Exemplo de dado calculado: quantas TVs de plasma foram vendidas em 2002 na região SE?
Cubo de dados - slicing
• A operação de slicing equivale a fatiar o cubo, definindo um novo plano de apreciação dos dados
• A operação geométrica é apenas uma analogia, o slicing dispara o processamento OLAP para calcular o novo plano
![Page 66: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/66.jpg)
• A operação de dicing é semelhante ao slicing, mas usa dois, ou mais, planos de corte
Dados calculados e acessíveis ao analista.Dicing conseguido com 5 planos de corte.
Cubo de dados - slicing
![Page 67: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/67.jpg)
• A operação de dicing é semelhante ao slicing, mas usa dois, ou mais, planos de corte
Dados calculados e acessíveis ao analista.Dicing conseguido com 5 planos de corte.
Exemplo de dado calculado: quantas Celulares foram vendidas em 2001 na região CO?
Cubo de dados - slicing
![Page 68: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/68.jpg)
• A operação de dicing é semelhante ao slicing, mas usa dois, ou mais, planos de corte
Dados calculados e acessíveis ao analista.Dicing conseguido com 5 planos de corte.
Exemplo de dado calculado: quantas Celulares foram vendidas em 2001 na região CO?
Cubo de dados - slicing
![Page 69: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/69.jpg)
Cubo de dados - rotating
• A operação de rotating muda a perspectica do cubo todo.
Novo plano: Produto x TempoDados calculados e acessíveis ao analista.
![Page 70: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/70.jpg)
Cubo de dados - rotating
• A operação de rotating muda a perspectica do cubo todo.
Novo plano: Produto x TempoDados calculados e acessíveis ao analista.
Obviamente refere-se a cubo apenas para fins didáticos – aplicações de
DW/OLAP geralmente envolvem mais do que 3 dimensões, definindo
hipercubos.
![Page 71: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/71.jpg)
Modelo de dados dimensional
![Page 72: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/72.jpg)
OLAP e DW
OK, mas e o DW, onde entra nisso tudo?
O modelo de dados do DW é orientado a servir a análise baseada em Dimensões de dados
![Page 73: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/73.jpg)
Modelo de dados DW
Banco de dados operacional
Esquema complexo
Data Warehouse
FATOS
Esquemaestrela
![Page 74: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/74.jpg)
Modelo de dados DW
Banco de dados operacional
Esquema complexo
Data Warehouse
FATOS
Esquemaestrela
![Page 75: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/75.jpg)
Banco de dados operacional
Esquema complexo(normalizado)
Esquema floco de neve
(snow flake)
Data Warehouse
Modelo de dados DW
FATOS
![Page 76: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/76.jpg)
Exemplo Estrela:
Tempo
t_chave
Ano
Trimestre
Mes
Produto
p_chave
Tipo
Fabricante
Modelo
Local
l_chave
Regiao
Cidade
Loja
Fatos
t_chave
p_chave
l_chave
Nro_unidades
Valor
Assist_tecnica
Modelo de dados dimensional
![Page 77: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/77.jpg)
Exemplo:
Tempo
t_chave
Ano
Trimestre
Mes
Produto
p_chave
Tipo
Fabricante
Modelo
Local
l_chave
Regiao
Cidade
Loja
Fatos
t_chave
p_chave
l_chave
Nro_unidades
Valor
Assist_tecnica
Modelo de dados dimensional
Exemplo: Quantas vendas e qual valor de vendas ocorreram considerando Ano, Tipo de Produto e Região?
SELECT Tempo.Ano, Produto.Tipo, Local.Regiao, Sum(Nro_unidades), Sum(valor)FROM Fatos, Tempo, Produto, LocalWHERE Fatos.t_chave = Tempo.t_chave AND Fatos.p_chave = Produto.p_chave AND Fatos.l_chave = Local.l_chaveGROUP BY Tempo.Ano, Produto.Tipo, Local.Regiao
![Page 78: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/78.jpg)
79
Exemplo Snowflake
Modelagem de Dados para DW
79
(Elm
as
ri e
Na
va
the
, 2
00
5)
![Page 79: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/79.jpg)
Modelo de dados dimensional
Cubo de dados: análise dimensional das medidas (dados)
DW: modelo de dados dimensional Dimensões: dão contexto aos fatos Fatos: números transacionais
![Page 80: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/80.jpg)
Observe que as dimensões dos dados possuem uma hierarquia categórica
Por exemplo: Tempo(Ano, Trimestre, Mês)
Modelo de dados dimensional
![Page 81: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/81.jpg)
Hierarquia das dimensões: apreciação dos dados em diferentes granularidades. Exemplo:
Itens_vendidos(ano) > Itens_vendidos(Trimestre)
Itens_vendidos(Trimestre) > Itens_vendidos(Mês)
Duas outras operações muito importantes Drill down Roll up
Modelo de dados dimensional
![Page 82: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/82.jpg)
Drill down / Roll up
Drill-down e roll-up: navegação ao longo dos níveis hierárquicos das dimensões
Exemplo
Itens_vendidos(Região) Itens_vendidos(Cidade)Drill-down
Roll-up
![Page 83: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/83.jpg)
Drill down / Roll up
Drill-down sobre as três dimensões
simultaneamente.
![Page 84: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/84.jpg)
Drill down / Roll up
Drill-down sobre as três dimensões
simultaneamente.
Exemplo: Quantas vendas e qual valor de vendas ocorreram considerando Ano, Tipo de Produto e Região?
Drill Down em todas as dimensões Quantas vendas e qual valor de vendas ocorreram considerando Trimestre, Fabricante e Cidade?
SELECT Tempo.Ano, Tempo.Trimestre, Produto.Tipo, Produto.Fabricante, Local.Regiao Local.Cidade, Sum(Nro_unidades), Sum(valor)FROM Fatos, Tempo, Produto, LocalWHERE Fatos.t_chave = Tempo.t_chave AND Fatos.p_chave = Produto.p_chave AND Fatos.l_chave = Local.l_chaveGROUP BY Tempo.Ano, Tempo.Trimestre, Produto.Tipo, Produto.Fabricante, Loca.Regiao, Local.Cidade
![Page 85: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/85.jpg)
Drill down / Roll up
Drill-down sobre as três dimensões
simultaneamente.
Exemplo: Quantas vendas e qual valor de vendas ocorreram considerando Ano, Tipo de Produto e Região?
Drill Down em todas as dimensões Quantas vendas e qual valor de vendas ocorreram considerando Trimestre, Fabricante e Cidade e considerando um slicing de ano entre 2001 e 2002?
SELECT Tempo.Trimestre, Produto.Fabricante, Local.Cidade, Sum(Nro_unidades), Sum(valor)FROM Fatos, Tempo, Produto, LocalWHERE Fatos.t_chave = Tempo.t_chave AND Fatos.p_chave = Produto.p_chave AND Fatos.l_chave = Local.l_chave AND Tempo.Ano between 2001 AND 2002GROUP BY Tempo.Trimestre, Produto.Fabricante, Local.Cidade
![Page 86: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/86.jpg)
OLAP - Agregação
![Page 87: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/87.jpg)
Mais do que cubinhos, o OLAP/DW é uma tecnologia sofisticada que visa responder às diferentes possibilidades e níveis de agregação de maneira rápida e precisa.
OLAP - Agregação
![Page 88: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/88.jpg)
Síntese
http://etl-tools.info
![Page 89: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/89.jpg)
90
Relational OLAP (ROLAP) Recursos OLAP sobre SGBDs disparam todas as agregações
necessárias para se obter os resultados requisitados O OLAP não relacional, também é conhecido como
Multidimensional OLAP - MOLAP SQL:1999
ROLLUP e CUBE
90
SELECT …. FROM ….WHERE … GROUP BY CUBE (trim, região)
ex: selecionar total de vendas por trim. por região total de vendas por trim. total de vendas por região total geral de vendas
SELECT …. FROM ….WHERE … GROUP BY ROLLUP (trim, região)
ex: selecionar total de vendas por trim. por região total de vendas por trim. total geral de vendas
![Page 90: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/90.jpg)
91
Relational OLAP (ROLAP)
Sobre ROLLUP e CUBE ROLLUP e CUBE aplicados sobre k atributos ... GROUP BY CUBE (....)
é equivamente a agrupamentos sobre cada um dos 2k subconjuntos de atributos
ex: k=2 ⇒ ... GROUP BY CUBE (a,b) agrupamentos sobre: (a,b), (a), (b), (null) agrupamento em (null) é o total geral de vendas
![Page 91: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/91.jpg)
92
Relational OLAP (ROLAP)
(cont...) (cont...)
... GROUP BY CUBE (....) é equivamente a agrupamentos sobre cada um
dos 2k subconjuntos de atributos
ex: k=3 ⇒ ... GROUP BY CUBE (a,b,c) agrupamentos sobre: (a,b,c), (a,b), (a,c), (b,c) (a), (b),
(c), (null)
![Page 92: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/92.jpg)
Relational OLAP (ROLAP)
Exemplo GROUP BY CUBESELECT Dept, Funcao,
COUNT(*), SUM(Salario)
FROM Empregados
GROUP BY CUBE(Dept, Funcao);
Dept Funcao COUNT(*) SUM(Salario)
------------------------------------------------
10 Secretario 1 100
10 Gerente 1 500
10 Presidente 1 900
10 31500
20 Analista 2 350
20 Secretario 2 240
20 Gerente 1 800
20 51390
Secretario 3 340
Gerente 21300
Presidente 1 500
Analista 2 350
82490
![Page 93: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/93.jpg)
94
Relational OLAP (ROLAP)
(cont...) (cont...) ... GROUP BY ROLLUP (....)
é equivamente a agrupamentos em k+1 subconjuntos: k=2 ⇒ ... GROUP BY ROLLUP (a,b)
agrupamentos sobre: (a,b), (a), (null) agrupamento em (null) é o total geral de vendas
k=3 ⇒ ... GROUP BY ROLLUP (a,b,c) agrupamentos sobre: (a,b,c), (a,b), (a), (null)
![Page 94: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/94.jpg)
95
Ferramentas
Ferramentas de suporte à criação e manutenção de DW
Ferramentas OLAP Ferramentas de BI …
95
![Page 95: SCC0141 - Bancos de Dados e Suas Aplicações Data Warehouse e OLAP Prof. Jose Fernando Rodrigues Junior 1](https://reader036.vdocuments.com.br/reader036/viewer/2022062404/552fc10b497959413d8c32b2/html5/thumbnails/95.jpg)
96
Referências
ELMASRI, R; NAVATHE, S.B. Sistemas de Banco de Dados, Addison Wesley, 4a edição, 2005.
Ramakrishnan R.; Gehrke, J. Database Management Systems, Mc Graw Hill, 2000.
96