Please enable JavaScript.

Coggle requires JavaScript to display documents.

Análise de Informações 2, fontes de dado >, EX.:, Drill DOWN EXIBE…

- - - - diferentemente de uma tabela ou uma planilha, por exemplo. (2D)
      - Na modelagem MULTIdimensional, trabalha-se com Data Warehouse, que permite o armazenamento de dados em GRANDE ESCALA.
        
        .
        
        Data Warehouse –
        Armazém de Dados
        
        características:
        
        Conjunto de tecnologias de apoio à DECISÃO
        
        .
        
        Servem para o processamento ANALÍTICO dos dados
        
        1 more item...
        
        São OTIMIZADOS para a RECUPERAÇÃO dos dados.
        
        São NÃO VOLÁTEIS, ou seja, NÃO sofrem ALTERAÇÕES
        
        .
        
        Exibem informação que NÃO é em tempo real
        
        1 more item...
      - .
        
        Gera matrizes multidimensionais chamadas de CUBOS de dados.
        
        .
        
        Na modelagem multidimensional, trabalham-se com operações com o cubo OLAP.
        
        .
        
        Estas são as principais operações com o cubo OLAP:
        
        Pivot,
        
        Drill Down,
        
        Roll Up,
        
        Dicing e
        
        Slicing.
        
        1 more item...
    - - .
        
        Tabelas FATO
        
        Contêm os DADOS REAIS e VARIÁVEIS e OS apontam para as Tabelas Dimensão.
        
        AQUI ESTÃO os DADOS :warning:
        
        DADOS estão AQUI
      - .
        
        Tabelas DIMENSÃO
        
        São INDICADORES criados a partir das Tabelas FATO.
        
        Identificam cada LINHA dos dados da tabela fato.
        
        Obs.: No cubo, NÃO há limitação de dimensões.
    - - .
        
        ESTRELA
        STAR
        
        consiste em:
        
        UMA tabela FATO (CENTRO)
        para CADA DIMENSÃO
        
        Cada TABELA AO REDOR corresponde a uma dimensão, e elas estão no MESMO NÍVEL
        (formando uma ESTRELA)
        
        .
        
        Características
        
        :arrow_left:Dados NÃO NORMALIZADOS
        NÃO divisão de redundâncias
        
        MAIOR REDUNDÂNCIA dos dados.
        Por causa da NÃO NORMALIZAÇÃO
        
        Ocupa MAIS ESPAÇO de armazenamento
        Por causa da REDUNDÂNCIA
        
        Maior AGILIDADE de RECUPERAÇÃO dos dados
        Por causa DAS REDUNDÂNCIAS
      - .
        
        FLOCO de NEVE
        (SNOWFLAKE)
        
        Este formato apresenta mais RAMIFICAÇÕES das dimensões.
        
        UMA tabela de fato com VÁRIOS NÍVEIS de tabela DIMENSÃO.
        
        Tabela FATO no centro
        Ao redor da FATO, tabelas DIMENSÃO de 1°nível
        Ao redor do 1°, tabelas DIMENSÃO de 2°nível
        
        .
        
        Características
        
        :arrow_left:Dados NORMALIZADOS
        Divisão de redundâncias
        
        MENOS REDUNDÂNCIA dos dados.
        Por causa da NORMALIZAÇÃO
        
        Ocupa MENOS ESPAÇO de armazenamento
        Por ter MENOS Redundâncias
        
        MENOR AGILIDADE de RECUPERAÇÃO dos dados
        Por FALTAS DAS REDUNDÂNCIAS
        
        Por ter MAIS DIMENSÕES, assunto que podem se repetir ficam separados, EVITANDOS as REDUNDÂNCIAS :check:
- - - - subdivisão de Data Warehouse.
        
        são a setorização do Data Warehouse. São porções do Data Warehouse divididas em segmentos.
    - - Podem ser feitas consultas Ad Hoc a relatórios específicos e às análises OLAP
        (Online Analitical Processing).
        
        Atenção :!:
        
        OLAP (Online Analitical Processing) =
        processamento ANALÍTICO, com dados ESTÁTICOS.
        
        OLTP (Online Transactional Processing) = bancos de dados SIMPLES, que realizam ações de inserção, alteração, exclusão e consultas, trabalhando os dados DINAMICAMENTE.