Please enable JavaScript.
Coggle requires JavaScript to display documents.
Modelagem Multidimensional (Evolução (Mas se a perspectiva mudar um…
Modelagem Multidimensional
Estratégia
Favorece
Estruturação dos dados pronta para análise, segundo certa perspectiva
Compartilhar dimensões e fatos corporativamente
Enterprise Fact Tables representam dados sem uma visão específica
Porém
Estrutura pode dificultar a derivação de novas métricas
Menor concentração na visão corporativa dos dados
SSE enforcar questões de grupos de usuários
Composto de
Tabela de fato
Tabela com chave composta
É composta por medidas
Medidas são geralmente numéricas e aditivas
A identificação é composta pela identificação das dimensões associadas
Os valores das medidas
não
são previsíveis durante a modelagem
Conformed Dimensions
'É uma dimensão que significa a mesma coisa em qualquer tabela fato a qual ela está vinculado
Agregações
Tabela de fato representando a sumarização das medidas de uma tabela fato básica
Cada agregação deve ser uma tabela de fato distinta e ser suportada por um conjunto de dimensões contendo somente atributos definidos para o seu nível de granularidade
Tabelas dimensões
Conjunto de tabelas menores (podem conter hierarquias)
É composta por atributos
Atributos são geralmente textos e não aditivos
Tem identificação própria
Os valores dos atributos são previsíveis durante a modelagem
Hierarquia
Corresponde a uma estrutura, composta por atributos de uma dimensão, que possibilita a visualização em níveis, das medidas da tabela fato a que a mesma está associada.
Nem todos os atributos da dimensão compõem uma hierarquia
Uma dimensão pode possuir mais do que hierarquia
Exemplos
Tempo
Ano
Mês
Quinzena
Semana
Dia
Produto
Marca
Linha de produto
Categoria
Produto
Mercado
Região
Estado
Cidade
Lojas
Hierarquias regulares
Quantidade de níveis é uniforme
Cada membro da hierarquia tem a mesma quantidade de níveis superiores
Hierarquia Parent Child
Quantidade de níveis é variável
Os membros da hierarquia são definidos com seus respectivos níveis superiores (auto-relacionamento)
Hierarquia Ragged
Quantidade de níveis é variável
Nem todos os membros da hierarquia tem a mesma quantidade de níveis superiores, pode existir um buraco entre os níveis
Hierarquia Múltipla
São criadas para mostrar as diferentes visões de uma dimensão
Exemplo
Período Fiscal
Ano
Trimestre
Mês
Semana
Dia
Período Calendário
Ano
Mês
Dia
Medida
Dados, normalmente numéricos e aditivos, dos quais podem derivar diferentes informações dependendo da visão empregada empregada sobre os mesmos
Medida
não
aditiva
É uma medida que não pode ser somada de forma alguma. Só pode ser analisada através de todas as dimensões da tabela fato em questão
Medida
semi
-aditiva
É uma medida que pode ser somada considerando-se apenas algumas dimensões da tabela fato em questão
Medidas derivadas
Geralmente corresponde a indicadores de evolução potencial do negócio que podem ser obtidos a partir de medidas básicas que compõem os fatos, sem necessariamente estarem fisicamente armazenados
FATO X DIMENSÃO
Dimensão
Perspectiva através da qual uma ou mais medidas da tabela fato podem ser analisadas
Uma dimensão é composta por atributos, altamente correlacionados, e é identificada através de um atributo chave, geralmente criado no Data Warehouse
Atributo da Dimensão
Dados, normalmente textos não aditivos, que descrevem e qualificam uma dimensão
Através de cada atributo de uma dimensão é possível visualizar as medidas da tabela fato
O poder de análise está intimamente relacionado à qualidade e profundidade dos atributos das dimensões
Chave da Dimensão
A chave corresponde ao atributo que identifica univocamente cada instância da dimensão. Corresponde, na maioria das vezes, a uma chave artificial (Surrogate Key) criada no ambiente de data warehousing
Fato
Conjunto de medidas que podem ser analisadas através de várias visões e que contribuem para apurar o resultado de um processo de interesse ou para sinalizar tendências e oportunidades de negócio.
Dados Temporais e Atemporais
Fatos e Dimensões são sempre históricos
Não distingue Valid Time e Transaction Time
Não termina quando algo foi alterado devido a um erro (Event Time)
Não distingue entre dados estáticos (atemporais) e temporais
Organização por assunto
Organiza
métricas relativas
ao assunto
Derivação de novas métricas é mais difícil em certas situações
Modelagem centrada em uma perspectiva inviabiliza o reuso
Carga de dados
Cargas evolutivas das dimensões mais trabalhosa
Evolução
Criação de novas métricas da mesma perspectiva é
4kids
Mas se a perspectiva mudar um pouquinho...
Uso de métricas semi-aditivas (requer programação)
Adição de novas dimensões é relativamente tranquilo
Mudança de hierarquia em dimensões pode ser muito complexo
Mudança de dimensões em conformidade pode ser um pesadelo
Performance
Melhor em certas operações de consulta