Please enable JavaScript.

Coggle requires JavaScript to display documents.

Dimensional Model - Coggle Diagram

- - - - Tabelas que tem como objetivo dar perspectivas
        a dados.
      - A função principal pode ser dividida em três:
        
        Filtrar / 2. Agrupar / 3. Classificar
    - - Contem dados de eventos que podem ser mensuráveis
- - - - Star schema
        
        Fato
        
        no qual os dados são organizados em fatos (itens mensuráveis)
        
        Dimensão
        
        informações de referência
      - Snow Flake schema
        
        inclui camadas adicionais de dimensões associadas
        
        Padrão de ramificação mais complexo.
- - - - Tabela que se encontra centralizada no esquema e cercada por tabelas de dimensão
      - Possui 2 atributos principais, as chaves primárias da tabela de dimensão que se tornar estrangeiras na fato e as medidas nas quais serão calculados os eventos
      - Consiste em eventos relacionados a um processo de negócio especifico
      - Surrogate key é opcional
      - Pode possuir dimensão Degenerada
        
        Uma dimensão que não possui uma tabela com valor descritivo
        Ex: Na compra de algo em um site de comércio eletrônico e, como parte desse pedido, foi comprado 5 itens. Portanto, todos os cinco itens terão um único ID de pedido.
      - Permite que se faça análises significativa nos dados para melhorar seu processo de negócio
      - Existem 3 tipos de Fato
        
        Transaction Fact Table
        
        Granularidade definida para uma única transação
        
        Periodic Snapshot table
        
        A granularidade é uma extensão física de dados
        
        Relatórios intermitentes; relatório enviado para cada ID individual será gerado um e-mail pra os clientes.
        
        Qualidade dos dados está relacionada a transaction table
        
        Captura dados por um período definido e é por isso que a granularidade é um conjunto fixo de dados
        
        Pode ser mensal, diária, trimestral e anual
        
        Accumulated Snapshot
        
        Semelhante ao Periodic Snapshot
        
        Resume linha a linha os eventos que ocorreram entre o inicio e fim do processo
        
        Possui pontos iniciais e finais muito claro
        
        Sumariza eventos que ocorrem na etapa previsível entre o inicio e o fim de processos
        
        Em banco de dados onde não se quer atualizar muitas linha normalmente inserem uma nova linha mais recente e considera como instantâneo final
      - Fact Less Fact Table
        
        Não contém nenhuma medida
        Fornada por interações entre dimensões
        
        Two Tipes
        
        Capturing an Event
        
        Describing conditions
        
        Tem como objetivo capturar eventos ou ser usado para descrever condições
      - Menor complexidade nas querys e mais fácil para entender
      - Menor número de chaves estrangeiras e portanto menor o tempo de execução das queries
      - Bom para DW devido ao simples relacionamento (1:1 or 1:N)
      - Necessita de poucos Join's
    - - Conformed Dimension
        
        Forma que ofereça suporte a análises consistentes e precisas em diferentes áreas temáticas
        
        São dimensões que têm o mesmo significado e valores em diferentes tabelas de fatos ou áreas de assunto.
        Ex: uma dimensão de tempo conformada pode ter os mesmos atributos e níveis de granularidade para vendas, estoque e fatos de atendimento ao cliente
        
        As dimensões conformadas permitem unir e comparar dados de diferentes fontes sem se preocupar com a qualidade dos dados ou problemas de compatibilidade
        
        são úteis porque permitem realizar análises e relatórios interfuncionais em seu data warehouse. Por exemplo, você pode usar uma dimensão conformada de cliente para analisar a relação entre satisfação, fidelidade e lucratividade do cliente em diferentes canais e produtos
        
        Como criar:
        Primeiro, você precisa identificar as dimensões comuns que são compartilhadas por diferentes áreas temáticas ou processos de negócios
        Em segundo lugar, é necessário definir os atributos e hierarquias destas dimensões e garantir que sejam consistentes e significativas em todas as fontes
        Terceiro, você precisa implementar as dimensões conformadas em seu data warehouse, usando uma única tabela física ou exibições ou aliases que apontam para a mesma origem.
        
        Como usar:
        Para usar dimensões conformadas em consultas e relatórios, é necessário unir as tabelas de fatos que compartilham a mesma dimensão conformada nas chaves de dimensão correspondentes. Por exemplo, se quiser comparar o desempenho das vendas e do estoque por produto e região, você poderá unir a tabela de fatos de vendas e a tabela de fatos de estoque na chave do produto e na chave da região, que são dimensões conformadas. Você pode então usar os atributos e hierarquias dessas dimensões para dividir seus dados e criar relatórios e painéis.
        
        Desafios:
        podem apresentar certos desafios e armadilhas, como o gerenciamento de alterações e atualizações em atributos ou hierarquias, o equilíbrio entre granularidade e desempenho e o tratamento de exceções e variações
        Podem surgir problemas de desempenho ao unir grandes tabelas de fatos ou gerar relatórios detalhados. Para evitar conflitos ou confusão, pode ser necessário usar técnicas como subtipos, pontes ou estabilizadores para acomodar exceções ou variações em diferentes áreas temáticas ou fontes.
      - Junk Dimension
        
        São atributos que de certa forma ficam fora das dimensões mas que precisam ser autilizados
        
        Objetivo é armazenar os atributos que não fazem parte de nenhuma outra dimensão, porém, são campos que serão utilizados em algum tipo de análise
        
        O nome lixo faz sentido porque esses atributos não se encaixam nas dimensões existentes mas devem ser utilizados
        
        Ex: Vc está modelando um star schema, cuja necessidade é analisar os valores de venda por desconto, por:
        Tempo; Cliente; Produto; Tipo assinatura; Tipo pagamento; Tipo de plano
        
        Reparou quantos tipos possui?
        Eles não se encaixam em nenhuma das supostas dimensões que devemos ter e não podemos descarta já que a analise por esses campos é essencial, logo não podemos inserir na fato muito menos criar uma dimensão para cada tipo. O que resta é criarmos uma Junk Dimensional que será composta por estes atributos
      - Degenerate Dimension
        
        Compõe a tabela fato, porém não possui sua própria dimensão
        
        Normalmente usado como a fato necessita representar os dados em níveis transacionais com sua menor granularidade. Ex: Algum identificador de sistema de origem, número pedido, venda etc.
        
        Pode trazer performance para o modelo de dados, pois uma vez que esse identificador esteja na fato, não precisaria realizar junções entre fatos e dimensões , além de diminuir o número de lookups dentro de um fluxo ETL.
      - Slowly Changing Dimension
        
        Dimensões que mudam ao longo de um período de tempo
        
        6 tipos [SCD's]