modelagem de data warehouse – aula 10professor.ufop.br/.../files/janniele/files/aula10.pdf2...

Modelagem de Data Warehouse – Aula 10

Profa Janniele Aparecida Soares Araujo

CSI462 – Sistemas de Apoio à Decisão

2

Modelagem de Data Warehouse

● Características do Modelo Entidade-Relacionamento● Foco em aplicações transacionais● Foco no armazenamento momentâneo (não-histórico) da informação● Tende a um grande número de tabelas● Eficiente apenas para consultas simples e diretas

3


● Necessidades em um ambiente de Data Warehouse● Novo modelo diferente do ER tradicional● Foco em aplicações gerenciais● Análise histórica das informações● Visão ampla das informações (sumarizações, cruzamentos)● Visualizar os dados sob diferentes perspectivas (consultas complexas)

4


● Modelagem multidimensional● Facilita o entendimento e a visualização das informações utilizadas

pelo suporte à decisão● Fornece uma estrutura mais intuitiva para o processamento analítico.● Os dados são agrupados por assunto

5


● Modelagem multidimensional● Representar os tipos de dados por uma estrutura de cubo de dados● Células contêm valores● Lados definem as dimensões de análise● O cubo de dados é chamado de Hipercubo quando há mais de 3

dimensões

6


● Visão relacional● Volume de vendas de uma loja de instrumentos musicais por

instrumento e estado

7


● Visão multidimensional● Volume de vendas de uma loja de instrumentos musicais por

instrumento e estado

8


● Visão relacional● Volume de vendas de uma loja de instrumentos musicais por

instrumento,estado e ano

9


● Visão multidimensional● Volume de vendas de uma loja de instrumentos musicais por

instrumento, estado e ano

10


● Visão multidimensional: hipercubo

11


● Elementos básicos● Fato: é o assunto do negócio, sendo representado por valores

numéricos● Exemplo: vendas

● Dimensões: são elementos que participam e determinam o contexto dos fatos● Exemplos: local, ano e produto.

● Variáveis: atributos numéricos que representam os fatos (métricas ou medidas)● Exemplos: valor em reais das vendas, unidades vendidas

12


● Esquema Estrela (Star Schema)● Dispõe as tabelas do banco simulando um banco de dados

multidimensional● Composto por uma tabela dominante (tabela de fatos) e rodeada de

tabelas auxiliares (tabelas de dimensão)● A tabela de fatos conecta-se às demais por múltiplas junções e as

tabelas de dimensões se conectam com apenas uma junção à tabela de fatos

13


● Esquema Estrela (Star Schema)● Considere o seguinte cubo para gerar um esquema estrela

14


● Esquema Estrela (Star Schema)● Considere o seguinte cubo para gerar um esquema estrela

15


● Esquema Estrela (Star Schema)● Entidade central denominada fato● Entidades menores denominadas dimensões ao redor da central.

Dimensao_tempo

id_tempo (PK)diamesanodia_da_semana

Dimensao_produto

id_produto (PK)descricaoprecotipo

Dimensao_estado

id_estado (PK)nomecidade

Fato_vendas

id_tempo (FK)id_estado (FK)id_produto (FK)toneladasquantidade_vendidavalor_venda

16


● Esquema Estrela (Star Schema)● Exemplo de tabela de fato VENDAS resultante

id_tempo id_estado id_produto quantidade_vendida valor_venda

01 10 101 10 500

02 10 101 13 700

03 10 101 15 650

17


● Esquema Estrela (Star Schema)● Exemplo de tabela de dimensão PRODUTO resultante

id_produto descricao preco tipo

101 Espaguete 10 Massa

102 Hamburguer 5 Carne

103 Talharim 15 Massa

18


● Membros de uma dimensão● São os elementos das dimensões● Hierarquia de dimensão● Ex.: Cidade, estados e regiões formam a dimensão “Local”, assim

como ano, trimestre e mês formam a dimensão “Tempo”

19

Modelagem de Data Warehouse● Membros de uma dimensão

● A medida é o volume de venda, que é determinada pelas dimensões de tempo, produto e local

20


● As dimensões representam entidades que evoluem com o tempo● Exe.: um cliente pode deixar de ser solteiro e casar-se● Para tratar essas atualizações, pode-se tratar as dimensões de três

formas diferentes● De acordo com a importância de se ter informações históricas

21


● Tratando dimensões: estratégias de evolução da informação

1) Sobrepor o registro de dimensão com os novos valores e perdendo o histórico (o histórico não é relevante)

2) Inserção de um novo registro na mesma entidade dimensional, refletindo a “mudança de estado” (o histórico é relevante)

3) Sempre que acontecer uma mudança em um campo, substituir o valor do campo atual e mudar a data efetiva. O campo original nunca será modificado (o histórico é relevante e deseja-se analisar dados usando os status original e atual)

22

Modelagem de Data Warehouse● Tratando dimensões: estratégias de evolução da

informação

23


● Granularidade● Diz respeito ao nível de detalhe ou de resumo contido nas unidades

de dados existentes no data warehouse ● Alto nível de detalhes, baixo nível de granularidade● Baixo nível de detalhes, alto nível de granularidade● O nível de granularidade afeta diretamente o volume de dados

armazenado no data warehouse e ao mesmo tempo o tipo de consulta que pode ser respondida

24


● Granularidade

25


● Esquema Floco de neve (Snowflake)● Similar a uma estrela em seu design● É o resultado da decomposição de uma ou mais dimensões que

possuem hierarquias

26


● Esquema Floco de neve (Snowflake)

27


● Agregação● Cria-se novas entidades contendo dados sumarizados● Os atributos de agregação devem ser quantitativos numéricos

28


● Procedimento geral

1) Definir o FATO do negócio

2) Definir a GRANULARIDADE utilizada

3) Definir as DIMENSÕES do fato

4) Definir as MEDIDAS do fato

29


● Exemplo de Procedimento Geral● Uma rede de restaurantes tem 50 filiais localizadas em vários estados

da federação. Cada filial oferece mais de 1000 produtos diferentes nas categorias bebidas e pratos

● A diretoria da empresa deseja analisar as vendas, os custos e os lucros obtidos bem como os funcionários mais ativos

● Promoções e festivais são utilizados para atrair clientes e potencializar as vendas

30


● Exemplo de Procedimento Geral● A diretoria da empresa determinou que é estratégico para a tomada

de decisões analisar o movimento diário de cada produto, para que possa direcionar as promoções ou festivais de acordo com os resultados das análises realizadas

● Avaliar o movimento diário de cada produto consiste em analisar as vendas de produtos, levando em conta os preços praticados e as filiais que realizaram tais vendas

31


● Exemplo de Procedimento Geral

1) Definir o FATO● Qual elemento central a empresa deseja analisar???

32



1) Definir o FATO● Qual elemento central a empresa deseja analisar???

VENDAS

33



2) Definir o GRANULARIDADE● Em que nível de detalhe a empresa deseja analisar???

34



2) Definir o GRANULARIDADE● Em que nível de detalhe a empresa deseja analisar???

● “é estratégico para a tomada de decisões analisar o movimento diário de cada produto”

DIÁRIOAlto nível de detalhamento

Baixa granularidade

35



3) Definir o DIMENSÕES● Quais aspectos são relevantes para se realizar as análises que a

empresa solicita do fato???

36



3) Definir o DIMENSÕES● Quais aspectos são relevantes para se realizar as análises que a

empresa solicita do fato???● De forma geral, alguns fatores a se observar são O QUÊ, QUEM, QUANDO e ONDE● Pode-se ainda levar em conta outros objetivos especificados para a análise dos fatos

● O QUÊ: PRODUTO● QUEM: FUNCIONÁRIO● QUANDO: TEMPO● ONDE: LOCAL (FILIAL)● OUTROS: PROMOCÕES

37



4) Definir o MEDIDAS● Como o desempenho de vendas pode ser medido???

38



4) Definir o MEDIDAS● Como o desempenho de vendas pode ser medido???

● Quantidade vendida● Valor unitário● Total da venda● Valor da compra

39

Modelagem de Data Warehouse● Esquema Estrela (Star Schema)

● Exemplo do modelo correspondente ao procedimento geral anterior

Funcionario

id_func (PK)matriculanomecargosexocpfsalariodata_admissaodata_demissaodata_aposentadoria

Filial

id_filial (PK)cod_filialnomeenderecodidadeufregiaofaxcepgerentedata_abertura

Promocao

id_promocao (PK)cod_promocaonomepreco_praticadotipo_anunciocusto_promocaodata_inicialdata_final

Vendas

id_func (FK)id_produto (FK)id_promocao (FK)id_filial (FK)id_tempo (FK)quantidade_vendidavalor_unitariovalor_totalvalor_compra

Tempo

id_tempo (PK)dia_semanadia_mesmesanosemestreferiado

Produto

id_produto (PK)cod_produtodescricaocod_grupoGrupocod_tipoiipodata_iniciodata_final

40

Exercício

● Dada as seguintes necessidades empresariais de uma rede de supermercados responda às perguntas● Verificar o valor arrecadado por país estado e cidade● Identificar qual produto é mais vendido e rentável● Acompanhar a evolução do arrecadamento por ano, trimestre e mês● Relacionar a lucratividade dos clientes com sua idade e sexo

1)Qual será o fato?

2)Quais serão as dimensões para este fato?

3)Quais serão as medidas necessárias para atender aos requisitos?

4)Desenhe o modelo estrela correspondente.

41

Bibliografia

● Tecnologia e Projeto de Data Warehouse. Machado, F.N.R.. São Paulo, Erica, 2010.

modelagem de data warehouse – aula 10professor.ufop.br/.../files/janniele/files/aula10.pdf2...

Documents