Cubos Multidimensionais x Tabulares VICTOR SALES Cubos Multidimensionais x Tabulares Facilidades e desafios da modelagem e utilização

PATROCINADORES

APRESENTAÇÃO Palestrante Introdução ao tema Modelagem de dados Finalização Estudos de Caso Modelos Multidimensionais e Tabulares Cubos Análise de Informações Modelagem de dados Introdução ao tema Palestrante

INTRODUÇÃO AO TEMA As informações são o bem mais valioso que as empresas possuem; Fontes de dados de diversos ambientes precisam ser avaliadas em um formato amigável; Padronizar o acesso às fontes de dados é importante; Muitos usuários acessando relatórios que consultam bases de dados podem causar lentidão e problemas com outros processos; Consultas AD-HOC em bases de dados transacionais são lentas; Em banco de dados relacionais, há duas abordagens utilizadas: processamento orientado à transações ou a análises; Bases de dados transacionais não são modeladas para tomada de decisão!

INTRODUÇÃO AO TEMA OLTP (Online Transaction Processing) OLAP (On-line Analytical Processing) Foco na operação (sistemas) da empresa; Foco no nível estratégico (análise) da empresa; Alta velocidade na manipulação de dados, mas ineficiente para geração de análises gerenciais; Otimizado para leitura e geração de análises e relatórios gerenciais; Dados estruturados em modelo relacional, otimizado para sistemas transacionais. Os dados possuem alto nível de detalhes; Dados estruturados no modelo multidimensional e, normalmente, com alto nível de sumarização; Armazenamento em sistemas convencionais (bancos de dados relacionais, arquivos) e bancos não relacionais; Armazenado em estruturas de DataWarehouse ou DataMart e otimizados para desempenho em leitura de bases com grande volume de dados; Atualização das informações é feita no momento da transação (evento). Frequência alta de atualizações; Atualização é feita no processo de cargas, definida de acordo com a necessidade da área que visa analisar os dados; Dados voláteis, ou seja, podem ser modificados e excluídos; Dados históricos e não voláteis (não sofrem alterações, salvo necessidades específicas, seja por inconsistências ou outros erros); Utilizada por técnicos e analistas e engloba vários usuários de uma empresa; Usado por gestores e analistas para tomada de decisão;

MODELAGEM DE DADOS Transformar os dados numa estrutura que seja capaz de se relacionar e ter significado; Normalizar os dados para garantir a integridade e qualidade da informação; Identificar a estrutura que melhor atende o modelo de negócio a ser analisado; Garantir que os conceitos aplicados possam ser utilizados em diversas fontes de acesso às informações;

ANÁLISE DE INFORMAÇÕES Front-Ends que permitem visualizar os dados de bases de dados (Reporting Services, Power BI, Excel etc.); Controle de acesso à informação (grupos de segurança); Centralização de repositório de dados; Softwares de mineração de dados otimizados para bases OLAP (Microsoft implementa seus algoritmos de DataMining no Analysis Services); Quais são as perguntas que quero responder?

ANÁLISE DE INFORMAÇÕES Pesquisa de conhecimento de público da palestra revelou que:

ANÁLISE DE INFORMAÇÕES Pesquisa de conhecimento de público da palestra revelou que:

ANÁLISE DE INFORMAÇÕES Pesquisa de conhecimento de público da palestra revelou que: 1 - Não conheço ou não domino | 10 – Conhecimento avançado

ANÁLISE DE INFORMAÇÕES Como analisar tantos dados? ANÁLISE SISTEMAS LEGADOS ETL CUBO

ANÁLISE DE INFORMAÇÕES Pesquisa de conhecimento de público da palestra revelou que: 1 - Não conheço ou não domino | 10 – Conhecimento avançado

ANÁLISE DE INFORMAÇÕES Pesquisa de conhecimento de público da palestra revelou que:

CUBOS Estrutura de banco de dados orientada à análise de informação; Otimizada para leitura de grandes volumes de dados; Permite que vários programas consumam as suas informações; É possível definir regras de acesso (por linha, usuário, objeto, hierarquia etc). Alimentado por bases de dados relacionais (DataMarts ou DataWarehouses); Permite analisar informações através de diversas visões (dimensões); Microsoft SQL Server Analysis Services implementa os modelos multidimensional e tabular.

CUBOS Incentiva a cultura Data-Driven Operações em cubos Descrição Drill-down Navega de um nível menos detalhado para nível mais detalhado; Roll-Up (ou Drill-Up) Navega de um nível mais detalhado para um nível menos detalhado; Slice Seleciona uma faixa de valores baseados numa visão (dimensão) Dice Seleciona uma faixa de valores baseados em várias visões (dimensões) Pivot Rotaciona os dados do cubo (tranforma linhas em colunas e vice-versa) Drill-Across Cruzamento de métricas que possuem dimensão(s) em comum

CUBOS Pesquisa de conhecimento de público da palestra revelou que:

MODELOS MULTIDIMENSIONAIS E TABULARES Modelo já maduro (SQL Server 2000 – atuais); Possui dimensões; Dados Pré-agregados (níveis mais altos já possuem valores agregados); Armazena os dados em disco; Suporta relacionamento muitos para muitos; Manipulação dos dados via MDX*; Modos MOLAP, ROLAP, HOLAP e DOLAP; Alta curva de aprendizado; ESTRUTURA MULTIDIMENSIONAL

MODELOS MULTIDIMENSIONAIS E TABULARES Modelo mais recente (SQL Server 2012 - atuais); Possui tabelas de banco de dados; Armazena os dados em memória (xVelocity) – alta compressão de dados para garantir maior performance; Baixa curva de aprendizado; Suporta relacionamento bi- direcional; Manipulação dos dados via DAX ESTRUTURA TABULAR

MODELOS MULTIDIMENSIONAIS E TABULARES

MODELOS MULTIDIMENSIONAIS E TABULARES MULTIDIMENSIONAL TABULAR Consultas com informações consolidadas (nível de granularidade alto); Consultas com informações mais detalhadas; Escalável de acordo com espaço de armazenamento em disco; Escalável de acordo com a memória disponível; MDX possui diversas funções para criação de cálculos e filtros com poucas linhas; DAX é similar a Excel e a sua curva de aprendizado é mais baixa que a de MDX; Também possui diversas funções; Suporta campos calculados; Suporta colunas calculadas; Uma dimensão pode ser referenciada em mais de um campo nas tabelas Fato; Uma dimensão só pode referenciar de forma ativa apenas um campo de uma tabela Fato; Relacionamento “muito para muitos”; Relacionamento “bidirecional” ou CROSSFILTER; Permite a implementação de KPI’s (indicadores gerenciais); Melhor aproveitado em modelos de alta complexidade; Utilizado em modelos de baixa complexidade; Quando utilizar o Multidimensional ou Tabular?

ESTUDOS DE CASO

FINALIZAÇÃO Cada empresa ou modelo de negócio deve ser avaliado de forma consciente para que o modelo utilizado adeque-se da melhor maneira possível; BI não consiste apenas em exibir a informação para o cliente. Lembre- se, Power BI não é BI! A modelagem correta do DataMart / DataWarehouse é fundamental para que o cubo trabalhe de maneira performática; BI tradicional não morrerá com as novas tendências do mercado.

DÚVIDAS

REFERÊNCIAS BONEL, Cláudio. Analysis Services multidimensional x tabular: vantagens e limitações. [S. l.], 21 mar. 2014. Disponível em: https://www.linkedin.com/pulse/sql-analysis-services-tabular-x-multidimensional- fight-claudio-bonel. Acesso em: 14 maio 2019. FONTES, Marcos Vinícius. Analysis Services multidimensional x tabular: vantagens e limitações. [S. l.], 21 mar. 2014. Disponível em: https://dataficacao.wordpress.com/2014/03/21/sssas-multidimensional-tabular/. Acesso em: 14 maio 2019. MICROSOFT. Comparando soluções tabulares e multidimensionais. [S. l.], 7 maio 2018. Disponível em: https://docs.microsoft.com/pt-br/sql/analysis- services/comparing-tabular-and-multidimensional-solutions-ssas?view=sql-server- 2017. Acesso em: 14 maio 2019.

OBRIGADO! LinkedIn: https://br.linkedin.com/in/victors145 E-mail: victorsalesbh@gmail.com