Kamila T. Lyra Karina C. S. Nishimura Thiago P. Colonhezi William S. Soares
Keneth Iverson – 1962 “A Programming Language” - APL Necessidade de relatórios dinâmicos Tecnologia OLAP – década de 90. Popularidade
Processamento Analítico Online ◦ Manipular e analisar um grande volume de dados sob múltiplas perspectivas Otimização de consulta e relatório BI- síntese de informações corporativas ◦ visões comparativas e personalizadas: Apresenta as informações via um modelo de dados natural e intuitivo. ◦ análises históricas; e ◦ elaboração de cenários.
Tipos básicos de dados: ◦ Medidas: Dados numéricos, como quantidades e médias Parâmetros utilizados na tomada de decisões dimensão especial utilizada para realizar comparações. ◦ Dimensões: Uma unidade de análise que agrupa dados de negócio relacionados.
Conceitos – chave: ◦ Cubo: estrutura multidimensional de dados do negócio. ◦ Membro: subconjunto de uma dimensão. ◦ Hierarquia: Uma estrutura em árvore lógica que organiza os membros de uma dimensão.
Conceitos-chave ◦ Drill-up: diminuir o nível de detalhamento ◦ Drill-down: aumentar o nível de detalhamento ◦ Slice and Dice: reorganizar os dados
Uma dimensão Duas Dimensões
Três Dimensões
Quatro Dimensões
Exemplo: aplicações bancárias OLTP: Ponto de vista do cliente. ◦ inserção, alteração, remoção de dados individuais. OLAP: Ponto de vista do Gerente. ◦ Análise global de contas correntes com diversas visões. Ex: Saber qual é o desempenho de contas correntes que tenham cheque especial e tenham utilizado o valor máximo dos mesmos em um determinado período de tempo em algumas regiões.
MOLAP: os dados são armazenados em cubos multimensionais. ROLAP: manipula os dados armazenados no banco de dados relacional para dar a aparência de funcionalidade slice and dice do OLAP tradicional. HOLAP: combinação do MOLAP e ROLAP.
São utilizados por gestores de qualquer nível da organização; Análise, navegação e visualização de dados corporativos: ◦ Alto desempenho ◦ Consistente ◦ Interativa ◦ Dinâmica ◦ Perspectivas diferentes
Escolha de uma ferramenta OLAP inadequada pode ocasionar severas consequências para um projeto de datawarehouse. Não existe nenhuma característica peculiar que dite como a ferramenta deve ser construída, qual tecnologia deva ser usada e que funcionalidades devem ser implementadas