Data Warehouse: Conceitos, Modelagem e Tecnologia OLAP

Um **FATO** é um acontecimento de negócio e as métricas associadas a ele. É tudo aquilo que reflete a evolução dos negócios do dia a dia de uma organização.

**Dimensões:** Representação dos contextos relevantes para a análise de um fato, ou seja, representa uma perspectiva de análise dos usuários. Pontos de vista ou perspectivas do negócios sobre os quais uma organização deseja guardar registros e observar as métricas. Composta por chave e atributos. (Ex 1: Venda do produto X por R$50,00 em 20- mai-98 na loja A, com custo de R$35,00 ? Dimensões:• Produto• Data• Loja

). **Medidas/métricas** Os Fatos armazenam os dados que medem o processo de negócio que estamos modelando. 

As métricas normalmente são as informações que desejamos ver. Que processo/acontecimento estamos modelando? (Fato)Emissão de Cartões. ? O que usamos para medir este processo? (Métrica) • Ex: Quantidade de cartões emitidos.

? A métrica será analisada POR qual perspectiva? (Dimensão) • Região, Agencia, Mês. **Granularidade:** Nível de detalhe ou de resumo contido nas unidades de dados existentes na tabela fato. ? A granularidade de dados refere-se ao nível de sumarização dos elementos e de detalhe disponíveis nos dados, considerando o mais importante aspecto do projeto de um Data Warehouse.Afeta diretamente o volume de dados armazenado e ao mesmo tempo o tipo de consulta que pode ser respondida.OLA: A metáfora denominada CUBO é apenas uma aproximação da forma como os dados estão organizados.? A razão de se utilizar um cubo é para transmitir a idéia de múltiplas dimensões. implementar sistemas para OLAP:

Utilizando matrizes esparsas (MOLAP – OLAP multidimensional). Isso permite uma implementação mais fiel ao modelo conceitual, porém mais complexa de manipular. ? Utilizando a infra-estrutura já existente para bancos de dados relacionais (ROLAP – OLAP relacional). Embora mais difícil de entender como implementação de OLAP, permite seguir em frente a partir da tecnologia já existente para manipulação de bancos de dados. ? Essas duas formas podem também ser

combinadas (HOLAP – OLAP híbrido). MOLAP usas estruturas de bancos de dados que são atributos genéricos otimizados, como período

de tempo, localidade, produto ou código de conta. A forma como cada dimensão vai ser agregada é definida a priori por uma ou mais hierarquias. OLAP Relacional - ROLAP trabalha diretamente com bancos de dados relacionais. Os dados e as tabelas de dimensões são armazenadas como tabelas relacionais e novas tabelas são criadas para receber a informação agregada."Deixe-me ver os detalhes" (Drill down) ?"Deixe-me ver informações mais consolidadas" (Drill up) ?"Deixe-me ver outros dados" (Drill across) ?"Deixe-me ver os melhores e os piores" (Ranking) ?"Deixe-me comparar com anos anteriores" (Análise Comparativa Temporal). Drill-Up (roll up): diminuir nível de detalhe ? Drill-Down: aumentar nível de detalhe. Os Metadados são dados sobre os dados. Processos do ETL: Limpeza dos dados. Fatores Críticos para o sucesso de DW

: ? Planejamento do Projeto, ? Entendimento dos Conceitos e propósitos do DW, ? Conseguir um patrocinador forte, ? Conseguir mostrar de forma adequada o ROI, ? Planejamento pós-implantação.

Sumário: Data Warehouse e tecnologia: OLAP ? porque data warehousing? ? Modelo multi-dimensional do data warehouse ? Modelo Star , modelo snowflake schema ? Um Cubo de dados consiste de dimensões e medidas ? operações OLAP : drilling, rolling, slicing, dicing

and pivoting ? Arquitetura Data warehouse ? OLAP servers: ROLAP, MOLAP, HOLAP ? Projeto Data warehouse