INE 5643 - Aula4

INE 5643 Data Warehouse Modelagem Dimensional
AULA 4 Prof. Jos Leomar Todesco, Dr.
INE 5643 - Data Warehouse Copyright 2003 Jos Leomar Todesco
1/84
TPICOS
O Modelo Dimensional Etapas para Construo Tcnicas Bsicas Tcnicas Avanadas A Arquitetura BUS
2/84
Modelagem Dimensional
Projeto e Arquitetura Tcnica

Definio dos Requisitos de Negcio
Instalao e Seleo de Produtos
Planejamento do Projeto
Projeto Fsico
Desenvolvimento e Projeto da rea de Transio
Implantao e Manuteno
Especificao da Aplicao do Usurio Final
Desenvolvimento da Aplicao do Usurio Final
Administrao do Projeto
3/84
Projeto de Banco de Dados
Sistemas Operacionais
OLTP - On-Line Transaction Processing => Modelagem Entidade Relacionamento
Sistemas Informacionais
OLAP - On-Line Analytic Processing => Modelagem Dimensional

4/84
Modelagem Entidade Relacionamento

Surgimento na dcada de 80 para melhorar
os projetos de sistemas em bancos de dados relacionais;

nfase na eliminao da redundncia de dados,
atravs da identificao de entidades e relacionamentos e aplicao da normalizao dos dados;

Busca visualizar o relacionamento microscpico
entre os elementos de dados.

5/84
Exemplo de MER
6/84
Problemas na MER
O MER muito simtrico - todas as tabelas
parecem iguais;
Inmeras tabelas, relacionamentos, uma teia de
junes entre as tabelas;

Baixa performance em consultas, e dificuldade para
os mecanismos de otimizao dos SGBDs para montar o melhor plano de acesso.

7/84
Problemas na MER
Cenrio tpico:
Hardware e software carssimos executando menos de 50 consultas por dia; Depto de informtica em perodo integral escrevendo cdigos SQL; Consultas simples que exigem uma ou duas pginas de SQL; Usurios infelizes atacando o depto de informtica; CIO pressionado pela alta gerncia devido s constantes reclamaes.
8/84
Problemas na MER
Concluso: Modelos ER so um desastre para consultas porque no podem ser entendidos pelo usurio nem navegados de forma til pelo SGBD. No podem ser utilizados para um DW (Kimball).
9/84
10/84
Tcnica de projeto lgico que busca apresentar os
dados em uma estrutura padronizada mais intuitiva e permite alto desempenho de acesso;
Evita-se a utilizao da tcnica de normalizao; Especfica para suportar processamento analtico -
OLAP;
Cada modelo dimensional composto de uma tabela
com mltiplas chaves, chamada de tabela de fatos e um conjunto de outras tabelas chamadas dimenses.
11/84
As tabelas de fatos armazenam grande quantidade
de dados e contm medies numricas do negcio;

As dimenses so menores e armazenam dados
descritivos do negcio;
Cada dimenso tem uma chave primria que
corresponde a uma das chaves na tabela de fatos;

Viso de um hipercubo com n dimenses; Estrutura freqentemente chamada esquema estrela.
12/84
13/84
Idia Fundamental do Modelo Dimensional
Todo tipo de negcio pode ser representado por um tipo de cubo de dados, onde as clulas do cubo contm valores e as arestas do cubo definem as dimenses do dado;
possvel representar muitas dimenses.
14/84
Geralmente, os modelos dimensionais contm entre
4 e 15 dimenses;
Modelos com mais de 20 dimenses do a
impresso de que h dimenses sobrando, isto , que poderiam ser combinadas a outras dimenses e eliminadas.
15/84
Fato
Representa a essncia dos dados em um processo ou negcio; Medio numrica do negcio obtida da interseco de todas as dimenses; Continuamente valorado; Aditivo; Exemplos: Vendas em Reais;
Unidades Vendidas.
16/84
Dimenso

Armazena dados descritivos do negcio; Usado como fonte de restrio (filtro de seleo); Usado como cabealho de um relatrio; Geralmente constante; Exemplos: Produto; Marca; Loja.
17/84
Tabelas Fatos e Dimenses de um Supermercado
DIMENSO TEMPO CHAVE_TEMPO DIA_SEMANA MS TRIMESTRE ANO FERIADO
FATO VENDAS CHAVE_TEMPO CHAVE_PRODUTO CHAVE_LOJA TOTAL_VENDA TOTAL_UNIDADES TOTAL_CUSTO
DIMENSO PRODUTO CHAVE_PRODUTO DESCRIO MARCA CATEGORIA
DIMENSO LOJA CHAVE_LOJA NOME_LOJA ENDEREO_LOJA PLANTA_LOJA

18/84
Exemplo de uma Consulta

Marca Axon Framis Widged Zapper Comandos SQL: Select p.marca, sum(f.total_venda), sum(f.total_unidades) *cabealho From fato_vendas f , produto p , tempo t * tabelas Where t.feriado = Carnaval * restrio de dimenso and f.chave_produto = p.chave_produto * restrio join and f.chave_tempo = t.chave_tempo * restrio join Group by p.marca * instruo group by Order by p.marca * instruo order by
Vendas R$ 780 1044 213 95
Unidades Vendidas 263 509 444 39
19/84
Dimenso TEMPO chave_tempo data dia_da_semana semana_numero ms
Fato VENDAS chave_tempo chave_produto chave_mercado total_venda unidades custo
Dimenso PRODUTO chave_produto SKU descrio marca categoria tipo_embalagem tamanho sabor
Dimenso LOJA chave_mercado nome_mercado distrito regio endereo
Distrito
Atherton Atherton Gelmont
Marca
Clean fast More power Clean fast
Total Dollars Custo Total Lucro Bruto

$ 1,233 $ 2,239 $ 2,097 $ 1,058 $ 2,200 $ 1,848 $ 175 $ 39 $ 249
20/84
Hierarquia marketing Hierarquia Finanas Outros atributos no relacionados a nenhuma hierarquia
Dimenso Produto chave_produto SKU descrio marketing_marca marketing_categoria finanas_marca finanas_categoria tipo_embalagem tamanho sabor
Fato Qualquer chave_produto
Pode ser interessante escolher atributos para atender a rea de Marketing e ao mesmo tempo a rea Financeira da empresa. Geralmente estas duas reas trabalham com hierarquias diferentes de produto.
21/84
ETAPAS PARA CONSTRUO
22/84
Modelagem Dimensional: Passos do Projeto

1 Passo: Decidir qual(is) processo(s) do negcio devemos modelar, por meio da combinao do conhecimento do negcio com o conhecimento dos dados que esto disponveis; 2 Passo: Definir o gro do processo do negcio. O gro o nvel fundamental atmico de dados que representar o processo na tabela de fatos. Gros tpicos so transaes individuais, instantneos individuais dirios ou instantneos mensais;
23/84
Modelagem Dimensional: Passos do Projeto

3 Passo: Escolher as dimenses que sero aplicadas a cada registro da tabela de fatos. Para cada dimenso escolhida, descrever todos os diferentes atributos de dimenso (campos) que preencham cada tabela dimensional; 4 Passo: Escolher os fatos mensurveis que iro popular cada registro da tabela de fatos. Fatos mensurveis so quantidades numricas aditivas como quantidade vendida e vendas (em espcie).
24/84
Viso Geral da Metodologia
25/84
Exemplo: O Supermercado
Rede de supermercados composta de 500 lojas localizadas em vrios estados. Cada loja composta de vrios deptos que movimentam mais de 60 mil produtos diferentes. As principais preocupaes da administrao ficam por conta da compra, venda e lucro. O lucro resulta de cobrar o mximo possvel, reduzir custos e atrair clientes. As promoes constituem uma grande arma para o aumento das vendas.
26/84
Supermercado: Definindo o Negcio
1 Passo: qual(is) processo(s) do negcio devemos modelar. Opo: movimento dirio de item. Permite acompanhar quais produtos esto sendo vendidos em que lojas, a que preo e em que dias.
27/84
Supermercado: Definindo o Gro
2 Passo: decidir sobre o gro do processo do negcio. Opes: 1 - A nvel de cupom fiscal; 2 - Pela identidade do cliente; 3 - Movimento mensal ou semanal dos itens; 4 - Movimento dirio dos itens por loja.
28/84
Granularidade
o nvel de detalhe de um banco de dados dimensional; Quanto maior o nvel de detalhe, menor a granularidade; Reflete diretamente no tamanho do banco de dados; Um dos pontos mais importantes no projeto de um DW.
29/84
Granularidade
Granularidade Alta:

Economia de espao em disco; Reduo na capacidade de atender consultas.
Granularidade Baixa:

Grande quantidade de espao em disco; Aumento na capacidade de responder qualquer questo.

30/84
Supermercado: Definindo as Dimenses

3 Passo: escolha das dimenses
Na escolha do gro da tabela de fatos algumas dimenses primrias surgem naturalmente; Verificar quais dimenses podem ser relacionadas ao gro sem gerar valores duplicados; Verificar se a todas as dimenses atendem ao detalhe quantificado na tabela de fatos.
31/84
Supermercado: Definindo as Dimenses

DIMENSO TEMPO DIMENSO PRODUTO
FATO VENDAS
DIMENSO LOJA
32/84
Supermercado: Definindo os Fatos

4 Passo: escolha dos fatos

Total de vendas Unidades Vendidas Total do Custo Total de Clientes Outros ...
33/84
Supermercado: Definindo os Fatos
FATO VENDAS CHAVE_TEMPO CHAVE_PRODUTO CHAVE_LOJA TOTAL_VENDA TOTAL_UNIDADES TOTAL_CUSTO TOTAL_CLIENTES

DIMENSO TEMPO
DIMENSO PRODUTO
DIMENSO LOJA
34/84
Fatos Aditivos, Semi Aditivos e No Aditivos
Aditivos: faz sentido adicion-los continuamente e sobre todas as dimenses (Ex: vendas em US$ e vendas em unidades); Semi Aditivos: so adicionados em um dado perodo de tempo (Ex: nveis de estoque, contas de balano e saldo bancrio). Estes fatos so instantneos de tempo; No Aditivos : no podem ser adicionados, apenas contados ou adicionados a somente uma dimenso por vez (Ex: temperatura e condio do tempo).
35/84
Normalizao
Tabelas de Fatos:

So compactas nas chaves e nos dados; No h meios para normalizar ainda mais os extremamente complexos relacionamentos muitos-para-muitos; A tabela de fatos uma estrutura dimensional de natureza altamente normalizada;
36/84
Normalizao
Tabelas de Dimenso:
Normalizar uma das tabelas de dimenso em um banco de dados dimensional para ganhar espao em disco uma perda de tempo; O espao livre em disco obtido por meio da normalizao de tabelas de dimenso representa normalmente menos de 1% do espao total necessrio para a estrutura como um todo; As tabelas de dimenso normalizadas destroem a capacidade de pesquisar.
37/84
Supermercado: Detalhando as Dimenses Dimenso Tempo:
Aparece em praticamente todos os DW por envolver uma srie temporal;
Geralmente definida como a primeira dimenso na ordem do banco de dados; Muitos desenvolvedores questionam a necessidade de criar uma tabela de dimenso especfica para tempo.
38/84
Dimenso Tempo
DIMENSO TEMPO CHAVE_TEMPO DIA_SEMANA MS TRIMESTRE ANO FERIADO PERODO_FISCAL TEMPORADA EVENTO FINAL_SEMANA FIM_DO_MES ... FATO VENDAS
CHAVE_TEMPO CHAVE_PRODUTO CHAVE_LOJA TOTAL_VENDA TOTAL_UNIDADES TOTAL_CUSTO
DIMENSO PRODUTO
DIMENSO LOJA
39/84
Supermercado: Detalhando as Dimenses Dimenso Produto:
Existncia de atributos nicos (cdigo do produto) e de atributos repetitivos (categoria, depto, etc); Existncia de uma ou mais hierarquias e de atributos no-integrantes das hierarquias: Departamento Categoria Subcategoria Marca Tipo Embalagem Tamanho embalagem Unidades Largura
40/84
Dimenso Produto
DIMENSO PRODUTO FATO VENDAS
DIMENSO TEMPO
CHAVE_TEMPO DIA_SEMANA MS TRIMESTRE ANO FERIADO PERODO_FISCAL TEMPORADA EVENTO FINAL_SEMANA FIM_DO_MES ...
CHAVE_PRODUTO DESCRIO NUMERO_ID DEPARTAMENTO CATEGORIA SUBCATEGORIA MARCA TAMANHO_EMB TIPO_EMB PESO ...
DIMENSO LOJA
41/84
Supermercado: Detalhando as Dimenses Dimenso Loja:
Trata-se de uma dimenso geogrfica, podendo ser considerada como um ponto no espao. Por esse motivo a hierarquia dessa dimenso pode ascender para qualquer elemento geogrfico; Por se representar uma localizao geogrfica, automaticamente encontram-se hierarquias mltiplas para navegao.
42/84
Dimenso Loja
DIMENSO TEMPO
CHAVE_TEMPO DIA_SEMANA MS TRIMESTRE ANO FERIADO PERODO_FISCAL TEMPORADA EVENTO FINAL_SEMANA FIM_DO_MES ...
FATO VENDAS
DIMENSO LOJA CHAVE_LOJA NOME_LOJA NUMERO_LOJA ENDERECO CIDADE ESTADO CEP REGIAO GERENTE MT2_MERCEARIA MT2_ACOUGUE...
DIMENSO PRODUTO
CHAVE_PRODUTO DESCRIO NUMERO_ID DEPARTAMENTO CATEGORIA SUBCATEGORIA MARCA TAMANHO_EMB TIPO_EMB PESO
...
43/84
Disposio dos Dados

Dimenso Produto
Chave Produto 1 2 Descrio Guaran Soda ID Produto 900087 900088 Chave Tempo 100 101 Chave Loja 10 20 10 20 Departamento Bebidas Bebidas Dia Ms 01 02 05 05 Ano 2001 2001 Total Unidades 2.000 1.500 1.000 1.500
44/84
Subcategoria Refrigerante Refrigerante Feriado Dia do Trabalho
Dimenso Loja
Chave Nome Loja Cidade Loja 10 20 Beira Mar Coqueiros Florianpolis Florianpolis
Dimenso Tempo
Fato Vendas
Chave Tempo 100 100 100 100 Chave Produto 1 1 2
Total Vendas 2400,00 1800,00 1000,00 1500,00
Dimensionamento do BD
Dimenso Tempo: 2 anos x 365 dias = 730 dias. Dimenso Produto: 30.000 produtos sendo 3.000 vendidos todos os dias. Dimenso Loja: 300 lojas
Nmero de registros de fatos bsicos = 730 x 3.000 x 300 = 657 milhes de registros Nmero de campos = 3 chaves + 4 fatos = 7 Tamanho bsico da tabela de fatos = 657 milhes x 7 campos x 4 bytes = 18 GB
45/84
TCNICAS BSICAS
46/84
Freqentemente dimenses grandes
DIMENSO PRODUTO COD_PRODUTO DESCRIO NUMERO_ID DEPARTAMENTO CATEGORIA SUBCATEGORIA MARCA TAMANHO_EMB TIPO_EMB PESO ...
como Produto e Cliente sofrem alteraes ao longo do tempo

Pergunta: Como tratar estas
modificaes ao longo do tempo?
47/84
Dimenses de Modificao Lenta
Tcnica 1 - Rescrever o registro da dimenso com novos valores.
DIMENSO PRODUTO COD_PRODUTO DESCRIO NUMERO_ID DEPARTAMENTO CATEGORIA SUBCATEGORIA MARCA TAMANHO_EMB TIPO_EMB PESO ...
48/84
Tcnica 2 - Criar um registro

adicional na dimenso utilizando um novo valor, com uso de uma chave seqencial ou derivada da chave original do sistema operacional.
DIMENSO PRODUTO CHAVE_PRODUTO COD_PRODUTO DESCRIO NUMERO_ID DEPARTAMENTO CATEGORIA SUBCATEGORIA MARCA TAMANHO_EMB TIPO_EMB PESO ...
49/84
Tcnica 3 - Criar um campo velho

no registro de dimenso para guardar o valor do atributo imediatamente anterior.
DIMENSO PRODUTO COD_PRODUTO DESCRIO NUMERO_ID DEPARTAMENTO CATEGORIA_VELHA CATEGORIA_NOVA SUBCATEGORIA MARCA TAMANHO_EMB TIPO_EMB PESO ...
50/84
Dimenses Grandes
DW que armazena muitos detalhes, muito granular, pode requerer dimenses extremamente grandes - nestes casos ter o cuidado de manter estas dimenses grandes sob controle; - no penalizar a consulta na tabela de fatos utilizando uma grande e cara dimenso; - escolher tecnologias de indexao que suportem rpidas pesquisas (browsing).
51/84
Dimenses Grandes
DIMENSO DEMOGRAFIA CHAVE_DEMOGRAFIA FAIXA_ETARIA ESTADO_CIVIL SEXO
FATO VENDAS CHAVE_TEMPO CHAVE_DEMOGRAFIA CHAVE_CLIENTE TOTAL_VENDA TOTAL_UNIDADES TOTAL_CUSTO
DIMENSO CLIENTE CHAVE_CLIENTE PRIMEIRO_NOME SOBRENOME ENDERECO CIDADE ESTADO CEP . CHAVE_DEMOGRAFIA
52/84
Dimenses Descaracterizadas
Nmeros de controle de documentos,como nmeros de pedidos, nmeros de fatura e outros so representados como dimenses descaracterizadas (chaves de dimenso sem uma tabela de dimenso correspondente) em tabelas de fatos em que o gro da tabela o documento propriamente dito ou uma linha de item do documento.
53/84
Dimenses Descaracterizadas FATO VENDAS CHAVE_TEMPO CHAVE_PRODUTO CHAVE_LOJA NRO_PEDIDO TOTAL_VENDA TOTAL_UNIDADES TOTAL_CUSTO TOTAL_CLIENTES DIMENSO TEMPO
DIMENSO PRODUTO
DIMENSO LOJA
54/84
Esquema Floco de Neve
55/84
Desdobra-se as tabelas de dimenses removendo alguns campos para tabelas separadas conectando as mesmas com a tabela original atravs de chaves artificiais;
Geralmente no recomendado num ambiente de DW;
O excesso de chaves baixa a eficincia da consulta.

56/84
No compensa usar o snowflacking para reduzir espao em disco;
Os usurios se sentem intimidados por tanto detalhes; Existem, no entanto, algumas situaes em que pode ser necessria a criao de uma minidimenso com aparncia de Snowflacking (Ex: atributos demogrficos em dimenses grandes).
57/84
TCNICAS AVANADAS
58/84
Esquema Estrela com Vrias Tabelas de Fatos Fatos
59/84
Tabela de Fato como Tabela Associativa em um Esquema Estrela
60/84
Esquema Estrela com Tabelas Externas
61/84
Viso da Estrutura Hierrquica
62/84
Viso da Estrutura Hierrquica
A estrutura hierrquica de um modelo pode ser resolvida com um ponteiro recursivo em cada registro da dimenso cliente;
Embora seja um modo compacto e efetivo para representar uma hierarquia, este tipo de estrutura de recursividade no pode ser usado efetivamente com o SQL padro.
63/84
Soluo 1: Dimenso Recursiva
64/84
Dimenso Recursiva A funo Group by no pode ser usada para seguir a estrutura recursiva da rvore de baixo para cima para resumir o fato aditivo, como o faturamento da organizao. Isto probe conectar uma tabela de dimenso recursiva para qualquer tabela de fato.
65/84
Soluo 2: Dimenso Hierrquica de Relacionamento
66/84
Dimenso Hierrquica de Relacionamento
Capaz de adicionar resumos inteiros de uma organizao, usando SQL padro GROUP BY atravs da lgica;
Capaz de sumarizar fatos das filiais de uma empresa, restringindo o campo nvel a 1, usando SQL padro; Capaz de achar o nvel superior como tambm o topo a partir de qualquer cliente na hierarquia da organizao, usando o SQL padro atravs da lgica.
67/84
Dimenso Hierrquica de Relacionamento
Manter o gro original da dimenso cliente, de forma que a chave da dimenso cliente quando desejado possa ser unida diretamente tabela de fatos, podendo-se evitar a criao de qualquer bridge table (tabela ponte) para navegar a hierarquia.
68/84
Dimenso Auditoria
Dimenso interessante para somar a uma tabela de fato pois a dimenso de auditoria registra os processos de cada registro da tabela de fato. A dimenso de auditoria construda durante o processo de extrao dos dados; So compactados em um nico registro de auditoria, as fases principais do processo que descrevem o ocorrido durante o processamento.
69/84
Dimenso Auditoria
70/84
A ARQUITETURA BUS
71/84
Agrupando os Modelos Dimensionais: Arquitetura BUS
Como planejar a construo do DW? De forma monoltica; De forma separada por assuntos;
O mais adequado um sistema passo a passo para criar o DW completo; Uma alternativa criar o DW com a arquitetura BUS (barramento).
72/84
A Crise no Planejamento
Um DW completo exige conhecimento de todos os dados legados;
Dever responder as questes mais importantes para o negcio;
A impossibilidade de construir rapidamente um DW completo deu oportunidade ao Data Mart (DM) onde uma rea especfica do negcio enfocada.
73/84
A Crise no Planejamento
Se muitos Data Marts forem construdos independentes no vo representar um Data Warehouse;
Podem mostrar diferentes resultados e no consistentes para a organizao;
Relatrios de diferentes DM no podem ser comparados entre si.

74/84
Data Marts e a Arquitetura BUS
Fazer um planejamento global do DW criando uma arquitetura de fundo que define o escopo e implementao;
Os padres especificados para o DW sero seguidos por todos que iro implementar os DM.
75/84
Dimenses em Conformidade
Significa que uma dimenso aps definida pelos projetistas do DW sempre ser igual para qualquer tabelas de fatos em todos os DM;
Exemplos de dimenses: clientes, produtos, localizao, promoo, calendrio;
Equipe central estabelece, publica e mantm as dimenses conformadas.

76/84
Dimenses em Conformidade
Uma nica tabela dimensional poder ser usada para mltiplas tabelas de fatos em um mesmo banco de dados;
Interface com usurios e contedo dos dados sero consistentes sempre que a dimenso for usada;
A interpretao dos atributos ser consistente entre os DM.

77/84
Projetando as Dimenses em Conformidade
A maioria das dimenses conformadas sero definidas no maior nvel de granularidade possvel (atmica); Para a dimenso Clientes dever ser o cliente individual; Deve-se definir uma chave que no seja a chave original do sistema legado. feito em paralelo com a definio das dimenses; Definimos tabelas de fatos conformados quando usamos a mesma terminologia entre diferentes DM e quando criamos relatrios nicos, navegando diversos DM.
78/84
Importncia da Granularidade
As dimenses conformadas so usualmente de Granularidade atmica pois cada linha da tabela corresponde a uma simples descrio de cliente, produto, dia, etc.;
A tabela de fatos dever ter o mesmo nvel das tabelas dimensionais.
79/84
Importncia da Granularidade
Uma tabela de fatos granular pode ser facilmente estendida, pela adio de novos fatos, novos atributos na dimenso ou adio de nova dimenso completa;
Mantm consultas e aplicaes antigas sem drop and reload;
Importante para Data Mining.

80/84
Data Marts de Fontes Mltiplas
A recomendao comear com um DM para cada fonte de informao. Assim, para um sistema de vendas, teramos um DM de vendas;
Um DM eficiente de uma nica fonte vai fornecer informaes interessantes e em quantidade suficiente ao usurio para deix-lo feliz e quieto enquanto a equipe pode evoluir a aplicao.
81/84
Quando no Necessrio Dimenses Conformadas
Quando se tem diferentes linhas de negcios onde no esto relacionados clientes de um negcio com produtos do outro negcio;
Diferentes subsidirias, uma com servios, outra industrial e mais uma financeira;
Cada uma dever ter seu prprio contexto de DM.

82/84
83/84
Referncias Bibliogrficas
Inmon, William H. Como Construir o Data Warehouse, 1997. Kimball, R.; Reeves, L.; Ross, M. & Thornthwaite, W. The Data Warehouse Lifecycle Toolkit: expert methods for designing, developing, and deploying data warehouses, 1998. Kimball, Ralph.Data Warehouse Tollkit, 1998. Pereira, Walter. Data Warehouse - Trabalho Individual II, http://www.inf.pucrs.br/~wpereira,1999. Poe, Vidette; Klauer, Patricia & Brobst, Stephen, Building a Data Warehouse for Decision Support, 1998.
84/84

INE 5643 - Aula4

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

INE 5643 - Aula4

Uploaded by

Copyright:

Available Formats

INE 5643 Data Warehouse Modelagem Dimensional

AULA 4 Prof. Jos Leomar Todesco, Dr.

INE 5643 - Data Warehouse Copyright 2003 Jos Leomar Todesco

INE 5643 - Data Warehouse Copyright 2003 Jos Leomar Todesco

Projeto e Arquitetura Tcnica

Instalao e Seleo de Produtos

Desenvolvimento e Projeto da rea de Transio

Especificao da Aplicao do Usurio Final

Desenvolvimento da Aplicao do Usurio Final

Projeto de Banco de Dados

OLTP - On-Line Transaction Processing => Modelagem Entidade Relacionamento

OLAP - On-Line Analytic Processing => Modelagem Dimensional

Modelagem Entidade Relacionamento

os projetos de sistemas em bancos de dados relacionais;

atravs da identificao de entidades e relacionamentos e aplicao da normalizao dos dados;

entre os elementos de dados.

INE 5643 - Data Warehouse Copyright 2003 Jos Leomar Todesco

O MER muito simtrico - todas as tabelas

junes entre as tabelas;

os mecanismos de otimizao dos SGBDs para montar o melhor plano de acesso.

INE 5643 - Data Warehouse Copyright 2003 Jos Leomar Todesco

INE 5643 - Data Warehouse Copyright 2003 Jos Leomar Todesco

de dados e contm medies numricas do negcio;

corresponde a uma das chaves na tabela de fatos;

INE 5643 - Data Warehouse Copyright 2003 Jos Leomar Todesco

Idia Fundamental do Modelo Dimensional

possvel representar muitas dimenses.

INE 5643 - Data Warehouse Copyright 2003 Jos Leomar Todesco

Geralmente, os modelos dimensionais contm entre

Tabelas Fatos e Dimenses de um Supermercado

DIMENSO TEMPO CHAVE_TEMPO DIA_SEMANA MS TRIMESTRE ANO FERIADO

FATO VENDAS CHAVE_TEMPO CHAVE_PRODUTO CHAVE_LOJA TOTAL_VENDA TOTAL_UNIDADES TOTAL_CUSTO

DIMENSO PRODUTO CHAVE_PRODUTO DESCRIO MARCA CATEGORIA

DIMENSO LOJA CHAVE_LOJA NOME_LOJA ENDEREO_LOJA PLANTA_LOJA

Exemplo de uma Consulta

Vendas R$ 780 1044 213 95

Unidades Vendidas 263 509 444 39

Dimenso TEMPO chave_tempo data dia_da_semana semana_numero ms

Fato VENDAS chave_tempo chave_produto chave_mercado total_venda unidades custo

Dimenso LOJA chave_mercado nome_mercado distrito regio endereo

Total Dollars Custo Total Lucro Bruto

INE 5643 - Data Warehouse Copyright 2003 Jos Leomar Todesco

Hierarquia marketing Hierarquia Finanas Outros atributos no relacionados a nenhuma hierarquia

Fato Qualquer chave_produto

ETAPAS PARA CONSTRUO

INE 5643 - Data Warehouse Copyright 2003 Jos Leomar Todesco

Modelagem Dimensional: Passos do Projeto

Modelagem Dimensional: Passos do Projeto

Viso Geral da Metodologia

INE 5643 - Data Warehouse Copyright 2003 Jos Leomar Todesco

Supermercado: Definindo o Negcio

INE 5643 - Data Warehouse Copyright 2003 Jos Leomar Todesco

Supermercado: Definindo o Gro

INE 5643 - Data Warehouse Copyright 2003 Jos Leomar Todesco

Economia de espao em disco; Reduo na capacidade de atender consultas.

Grande quantidade de espao em disco; Aumento na capacidade de responder qualquer questo.

Supermercado: Definindo as Dimenses

Supermercado: Definindo as Dimenses

Supermercado: Definindo os Fatos

INE 5643 - Data Warehouse Copyright 2003 Jos Leomar Todesco

Supermercado: Definindo os Fatos

FATO VENDAS CHAVE_TEMPO CHAVE_PRODUTO CHAVE_LOJA TOTAL_VENDA TOTAL_UNIDADES TOTAL_CUSTO TOTAL_CLIENTES

Fatos Aditivos, Semi Aditivos e No Aditivos