Banco de Dados Multidimensional multidimensionais

Gestão Sistema de Informação Luciano Santos Plínio Silva Bruno Assis Erilson Vieira Cleyton Gomes Jefferson Alves Fidias Alves Gestão S.I. S.I.P.E.

Gestão Sistema de Informação Banco de dados multidimensionais Profª: Márcia Passos Gestão S.I. S.I.P.E.

Conteúdo da Apresentação O que é BD Multidimensional? Características Data Warehouse Ferramentas OLAP Gestão S.I. S.I.P.E.

Conteúdo da Apresentação Modelo BD Multidimensional Agrupamento de Informações: Dimensões, Medidas, Fatos e Agregações. Modelo Cubo Estrutura de BD Multidimensional Hipercubos Multicubos Qual o Melhor? Estudo Caso de Uso Conclusão Referências Gestão S.I. S.I.P.E.

Banco de Dados Multidimensional Introdução Banco de dados multidimensionais (alguns autores chamam de dimensionais) tem o propósito de fornecer subsídio para realização de análises. Para tanto, sua arquitetura e até mesmo a terminologia empregada são distintas das utilizadas para bancos de dados transacionais. O fato de existirem diversas informações a serem cruzadas (dimensões) permite a realização de pesquisas mais detalhadas para tomada de decisão. Gestão S.I. S.I.P.E.

O que é BD Multidimensional? Um banco de dados multidimensional é uma forma de banco de dados que é projetado para fazer o melhor uso de armazenar e utilizar dados. Gestão S.I. S.I.P.E.

O que é BD Multidimensional? Normalmente estruturado, a fim de otimizar o processamento analítico online (OLAP) e aplicações de data warehouse. O banco de dados multidimensional pode receber dados de uma variedade de bancos de dados relacionais e estruturar as informações em categorias e seções que podem ser acessados em um número de maneiras diferentes. Gestão S.I. S.I.P.E.

Características BD Multidimensional O modelo multidimensional reflete a maneira de pensar dos especialistas de negócios e responde às suas necessidades de informações. A tecnologia relacional de bancos de dados possibilita ao data warehouse ser utilizado para responder as questões de forma rápida e precisa. Gestão S.I. S.I.P.E.

Características BD Multidimensional Para isso, são necessários três componentes essenciais: Os dados provenientes das várias fontes distribuídas pela empresa e armazenados em um único local; Ferramentas que possibilitem a análise das informações armazenadas de forma rápida, flexível com alta qualidade de apresentação; O conhecimento do especialista de negócios. Gestão S.I. S.I.P.E.

Data Warehouse Um Data Warehouse é uma base de dados, geralmente relacional, que consolida as informações empresariais. Gestão S.I. S.I.P.E.

On-Line Analytical Processing Ferramentas OLAP Existem inúmeras ferramentas disponíveis no mercado chamadas de OLAP. Permitem ao usuário visualizar os vários níveis de detalhamento da informação, sob as visões das diferentes dimensões definidas no modelo. On-Line Analytical Processing Gestão S.I. S.I.P.E.

Contexto do OLAP e DW Data Warehouse Data Storage OLAP Engine Analysis Extract Transform Load Refresh Metadata Data Marts Data Storage OLAP Engine Serve OLAP Server Analysis Query Reports Data mining Front-End Tools Data Sources Operational DBs other sources Gestão S.I. S.I.P.E.

OLAP / Data Warehouse Gestão S.I. S.I.P.E.

Arquitetura Ferramentas OLAP Os dados são modelados em uma estrutura multidimensional conhecida por “cubo”. As dimensões do cubo representam os componentes dos negócios da empresa, tais como "cliente", "produto", "fornecedor" e "tempo". Gestão S.I. S.I.P.E.

Arquitetura - OLAP Para conhecermos a arquitetura de OLAP é preciso conhecer seus termos Cubo Dimensão Hierarquia Membro Medidas Gestão S.I. S.I.P.E.

Figueiredo (1998) - OLAP Os sistemas OLAP ajudam os analistas e os gerentes a sintetizarem as informações sobre a empresa através de comparações, visões personalizadas, análises estatística, previsões e simulações Gestão S.I. S.I.P.E.

Modelo BD Multidimensional As análises sobre dados históricos envolvem uma série de possibilidades de cruzamentos e agrupamentos de informações, com o uso dos seguintes termos: Gestão S.I. S.I.P.E.

Modelo BD Multidimensional Dimensões: estabelecem a organização dos dados, determinando possíveis consultas/cruzamentos. Por exemplo: região, tempo, canal de venda Medidas: são os valores a serem analisados, como médias, totais e quantidades; Fatos: são os dados a serem agrupados, contendo os valores de cada medida para cada combinação das dimensões existentes; Agregações: totalizações calculadas nos diversos níveis hierárquicos. Gestão S.I. S.I.P.E.

Modelo BD Multidimensional Gestão S.I. S.I.P.E.

Exemplo: Modelagem dos Dados Vídeo Multidimensional Fonte: http://www.youtube.com/watch?v=kx19CV4MyNg Gestão S.I. S.I.P.E.

Modelo Cubo Membros Produto Geografia Tempo Cubo Hierarquia: Dimensões País Estado Cidade Etc... Dimensões Cubo Produto Florianópolis Lages Geografia Medidas: É representada por uma dimensão especial utilizada para realizar comparações. Inclui membros como: custos, lucros ou taxas. Trombudo Central Curitibanos 1999 Membros Leite 2000 Pão 2001 Chá Tempo 2002 Água Gestão S.I. S.I.P.E.

Estrutura de BD Multidimensional São sistemas proprietários que não seguem padrões, ou seja, cada desenvolvedor cria a sua própria estrutura para o banco de dados, isto é, para armazenar o cubo e usa as suas próprias ferramentas para acessá-lo. Gestão S.I. S.I.P.E.

Estrutura de BD Multidimensional Alicerce em Cubos Quando o modelo multidimensional é processado, nova base é gerada, desta vez contendo tanto os dados quanto as agregações em formato próprio, utilizando-se de estruturas apropriadas para pesquisas. Gestão S.I. S.I.P.E.

Estrutura de BD Multidimensional Cubo com três dimensões Representação de um cubo com as dimensões Produto, Região e Tempo.

Estrutura de BD Multidimensional Esparsos Gestão S.I. S.I.P.E.

Estrutura de BD Multidimensional Tipos de Cubo Podem apresentar seus dados para uma aplicação usando dois tipos de cubos: Hipercubos Multicubos. Gestão S.I. S.I.P.E.

Estrutura de BD Multidimensional Hipercubo Todos os dados aparecem logicamente como um simples cubo. Todas as múltiplas partes representadas pelo hipercubo têm idêntica dimensionalidade, isto é, cada pedaço é de igual tamanho. Gestão S.I. S.I.P.E.

Estrutura de BD Multidimensional Vantagem A vantagem desta abordagem é o rápido tempo de resposta, independente do número de dimensões envolvidas

Estrutura de BD Multidimensional Multicubos dado é segmentado em um conjunto de cubos pequenos (subcubos), cada qual é composto de um subconjunto das dimensões avaliadas. Por exemplo, nos dados das vendas podemos colocar em um cubo as dimensões produto, região e mês, em outro as dimensões produto, vendedor e região, e em outro as dimensões produto, vendedor e mês.  Gestão S.I. S.I.P.E.

Estrutura de BD Multidimensional Vantagem São a menor utilização de espaço de armazenamento em disco, por diminuir o problema dos dados esparsos, e o melhor desempenho em consultas em um único cubo.

Estrutura de BD Multidimensional Qual o melhor? Multicubos são mais eficientes e versáteis; Hipercubos são mais fáceis para entender; Usuário deve reconhecer melhor hipercubos pela sua simplicidade de uso; Produtos mais sofisticados tendem a usar multicubos;  No hipercubo, cada dimensão pertence a um único cubo; Em um multicubo, a dimensão pode fazer parte de múltiplos cubos.

Estudo de Caso DELLA VIA Nome fantasia do cliente Della Via Pneus Sede Rua Professor Arnaldo João Semeraro, 164 Jd. Santa Emília - São Paulo – SP CEP 04184-000 www.dellavia.com.br Gestão S.I. S.I.P.E.

Estudo de Caso Desafios Ter um ERP que pudesse acompanhar o crescimento da Della Via Necessidade de acompanhamento fiscal Centralização das informações e organização da empresa Agilidade na tomada de decisão Conformidade com a legislação Integração das informações numa única ferramenta Controle das informações

Estudo de Caso Resultados Produtos & Serviços da TOTVS neste cliente Utiliza 18 módulos do ERP TOTVS Varejo BI (Business Intelligence) Depoimento “Temos 700 profissionais usando o ERP, desde a nossa frente de lojas até BI. Nós não temos nenhum outro sistema paralelo na empresa, somos 100% TOTVS. Ganhamos em agilidade no atendimento dos clientes, que por sua vez ficaram mais satisfeitos”. Gestão S.I. S.I.P.E.

Conclusão Esperamos que todos possam escolher melhor, e entender as características de cada modelo de dados abordados nesta apresentação. Agradecemos à todos! O desenvolvimento de sistemas analíticos são cada vez mais comum. Embora haja ferramentas de diversos fornecedores, de nada elas adiantam se a modelagem de dados e o paradigma analítico não forem compreendidos. Nesta apresentação, procuramos percorrer assuntos pouco divulgados e com pouca bibliografia. Abordamos as estruturas de dados mais comumente encontradas em gerenciadores relacionais e analíticos. Gestão S.I. S.I.P.E.

Referências SISNEMA. Disponível em: <http://sisnema.com.br/Materias/idmat013979.htm> MICROSOFT. Disponível em: < http://msdn.microsoft.com/pt-br/library/cc518031.aspx> BATEBYTE. Disponível em: <http://www.batebyte.pr.gov.br/modules/conteudo/conteudo.php?conteudo=1732> ABEPRO. Disponível em: <http://www.abepro.org.br/biblioteca/ENEGEP1998_ART222.pdf> FIGUEIREDO, A. M. C. M. (1998) Molap x Rolap: Embate de Tecnologias para Data Warehouse, Developers’ Magazine, ano 2,n. 18, p. 24-25, fev. FORSMAN, S. (1997). OLAP Council White Paper. OLAP Council. TOTVS. Clientes. 28 setembro 2011. Disponível em: <http://www.totvs.com/clientes/casos-de-sucesso/dellavia-pneus>