Please enable JavaScript.
Coggle requires JavaScript to display documents.
Business Intelligence - BI2 - Barbieri (95 a .... (Conceitos…
Business Intelligence - BI2 - Barbieri (95 a ....
Conceitos Estruturantes
Modelagem dimensional de dados
Formas alternativas de tratamento da informação
Estruturadas em
Tabelas Dimensão
usuário percebe os dados de forma mais proxima do seu entendimento com várias perspectivas
por exemplo Dimensões como
Espaço
Loja
Estado
Municipio
Objeto em estudo
Produto
Cliente
etc.
Tempo
Data/momento
Ano/mes
Auxiliam na compreensão das informações disponíveis na tabela fato
Tabelas Fato
Metricas/ Medidas relacionadas aos dados que podem ser sumarizadas (soma, media, maximo, minimo, etc)
Quantidade Vendida
Soma de valores em R$
Quantidade de produtos em estoque
associadas normalmente a documentos originados de transações de negócios
Pedidos
Despachos
Pagamentos
Transações Bancárias
Reservas
Admisões em hospital
Locaçao em Hotel
Visam Tomada de Decisão
Uma ótica Fato/Dimensional
Cubo de dados
fase "cubista" onde a informação reside na intersecção de várias dimensões
Conceitos
Slicing
Plano/fatia - os valores são um subplano do cubo (onde os produtos P1 a Pn venderam na cidade C1 nos perodos D1 a Dn as quantidades Qi)
imagem exemplo slicing
:
Dicing
cubo - os valores sao um sub-cubo nas dimensões correspondentes, onde os produtos Pi até Pi+y, foram vendidos nas cidades Ci até Ci+y, entre os períodos Di até Di+y nas quantidade Qis
imagem exemplo dicing
:
valor pontual
(valor no ponto de intersecção entre as dimensões). Exemplo O produto P1, Foi Vendido na Cidade C1, no Dia D1 - ponto de intesecção é a Quantidade Q1)
imagem exemplo valor pontual
:
Comumente desnormalizada
Necessidade de estruturas mais ageis
maior custo de armazenamento (redundancia)
Maior Velocidade
dados replicados visando maior desempenho
Tabelas Fato Normalmente Muito grandes (necessidade de otimzacao de desempenho)
Tabelas dimensões normalmente menores e possuindo dados redundantes visando evitar uso de muitas junções
Modifica a distribuição dos campos por entre as tabelas
Dimensões
Muitos pontos de entrada específicos (tabelas de acesso as informações)
um ponto de entrada na fato para cada dimensão
Fatos
poucos pontos de entrada para dados granulares
todas as metricas/medidas de interesse específico podem estar na mesma tabela fato (tabela com fatos relevantes da pergunta s ser respondida)
Forma quase estelar
Varias tabelas de entrada (Dimensões) relacionadas com poucas de informação (Fatos)
notação mais
Sintética, legivel e objetiva
Explicada pela cognitive bandwidth
capaciade inata do ser humano de entender a complexidade das coisa spela divisão em partes menores
mais próxima do formato congitivo de retenção da informação
Hierarquia é melhor comprendida pelo ser humano (forma facilita compreensão)
Oferece os elementos que se deseja buscar (FATO)
por meio das DIMENSOES de referência (que comumente descrevem o fato )
possibilita acessar as métricas desejadas com base na combinação de diversas dimensões.
Tecnicas
criadas para
registro dos dados
identificacao dos dados
Entendimento dos dados
Peter Chen (Modelagem)
Codd (Algebra Relacional)
MODELO RELACIONAL VS MODELO DIMENSIONAL
OLAP VS OLTP:
INCLUIR TABELA 5.1 BARBIERI (PAG 99)
Utiliação de Varias Fontes de Informação
Depositos de Informações e análise
Data mining
Correlações
Fatos "Escondidos"
Data Warehouses
Rede de esquemas dimensionais entrelaçadas por fatos
Data Mart
Conceitos Correlatos - 120 a 130
Competitive Intelligence
Atua no plano externo da empresa
Conjugando para o BI informações como
competidores
ameaças de mercado
KMS (Gerencia do conhecimento)
Grande ativo dos anos 201x
Leva informação para fronteira seguinte do conhecimento
BSC
Visa produção de informação e conhecimento
Agile BI (não concluso)
Ciclo de Release
Visão maior do projeto
Problemas de infromação e suas consequencias
requisitos de negócio/clientes
foco nos problemas e aflições
histórias de usuários
grandes apreensões do cliente
expressão coloquial na forma: como
<papel exercido>
eu desejo um
<tipo de sistema/aplicação>
com que possa
<objetivo/benefício>
Exemplo: Como
<administrador de compras>
eu desejo um
<sistema que possa o volume de compras de produtos do tipo laticíno>
com que possa
<avaliar o volume por região do país>
Principais atividades executadas no ciclo de release
levantamento de necessidades
Levantamento de Informações
Pesquisar e mapear fonte de dados
Detalhar e priorizar os casos de uso de BI
Certificação
DAMA
Materiais para treinamento
Videos DMBOK brighttalk Certified-
Christopher Bradley -
http://public.brighttalk.com/resource/core/195517/data-integration-2018_05_11-v01_413353.pdf
Certified Data Management Professional
DAMA Chapter Webinars
DMBOK - Resumo by Barbiery