The Data Warehouse Toolkit

Apresentação em tema: "The Data Warehouse Toolkit"— Transcrição da apresentação:

1 The Data Warehouse Toolkit
Guia completo para modelagem dimensional Capítulos 1 e 2 Daniela Resende Silva Orbolato São Carlos

2 Roteiro Definição de Data Warehouse Objetivos de um DW
Componentes de um DW Modelagem dimensional Passos para a criação de um modelo dimensional Modelagem do estudo de caso de vendas a varejo

3 Definição de Data Warehouse
Segundo, Ralph Kimball: Data warehouse é um conjunto de todos os data marts da organização, onde a informação é sempre armazenada em um modelo dimensional.

4 Objetivos de um Data Warehouse
O DW deve: permitir o acesso fácil às informações de uma organização Apresentar as informações de forma consistente Ser adaptável e flexível a mudanças Proteger as informações de forma segura Oferecer dados que suportem a tomada de decisões Ser aceito pela comunidade de negócio

5 Componentes de um Data Warehouse

6 Componentes de Um Data Warehouse

7 Componentes de Um Data Warehouse

8 Componentes de Um Data Warehouse

9 Componentes de Um Data Warehouse

10 Terminologia da Modelagem Dimensional
Tabela Fato 3 Tipos de Fatos Aditivos Semi-aditivos Não-aditivo Grão

11 Dimensional Modeling Vocabulary
Tabela Dimensional

12 Exemplo de Modelo Dimensional

13 Mitos sobre a Modelagem Dimensional
Modelos dimensionais e data marts são apenas para dados resumidos Modelos dimensionais e data marts são soluções departamentais e não corporativas Modelos dimensionais e data marts não são escalonáveis Modelos dimensionais e data marts são apropriados apenas quando existe um padrão de utilização previsível Modelos dimensionais e os data marts não podem ser integrados e, portanto, levam a soluções isoladas

14 Processo de Criação Dimensional em 4 Etapas
Selecione o processo do negócio Declare o grão do processo do negócio Escolha as dimensões que aplicam a cada linha da tabela fato Identifique os fatos numéricos que preencherão cada linha da tabela de fatos

15 Estudo de Caso sobre o Varejo
Empresa do ramo de alimentos 100 supermercados em 5 estados Todas as lojas têm os mesmos deptos. produtos individuais, as SKU´s SKU têm código de barras, os UPC´s 5.000 SKU são internas à rede (produtos a granel) Coleta de dados no POS e na entrada de mercadorias

16 Modelando esse Caso Selecione o processo do negócio Declare o grão
POS de vendas a varejo Declare o grão Item individual de venda no POS Escolha as dimensões Loja, Produto, Data, Promoção, nro. de transação POS Identifique os fatos .....

17 Analisando os Fatos Fatos Aditivos Fato NAO-Aditivo Margem de lucro Porcentagens e proporções são não-aditivas. É possível calculá-las armazenando numerador e denominador, e depois a proporção das somas

18 Dimensão Data

19 Dimensão Produto

20 Dimensão Loja

21 Dimensão Promoção Divisão em 4 dimensões Prós Contras
Mais intelegíveis para a comunidade de negócios Administração mais simples Contras Tamanho praticamente o mesmo nos dois casos Possível ver como os 4 aspectos são correlacionados

22 Extensão do Modelo

23 Normalização das Dimensões
X Snowflaking

24 Excesso de Dimensões X

25 Outras Considerações Dimensão de Degeneração – nro. da transação no POS Chaves substitutas Sem “inteligência” Possivelmente menor que chave operacional Registram condições para dimensões em que não há valor operacional Seu uso evita complicações com as chaves operacionais reutilizadas Ao usá-las, evite a composição de chaves unindo chaves de uma dimensão