DataWarehouse

DWumbancodedadosdesuporteadecisesbaseadoemassuntos,integrado,no
voltilevarivelemrelaoaotempo.FazpartedosSistemasdeSuporteaDeciso(DSS).
umaplataformaquecontmtodososdadosdaorganizao,centralizadoseorganizadosde
formaqueusurios,demaneiramuitosimples,possamextrairrelatrioscomplexos,contendo
informaesgerenciaisparaapoiodeciso.
ODWotimizadoparaaanliseegeraoderelatrios.Osdadosnoso
normalizados,pelocontrrio,esoarmazenadosemummodelomultidimensional.Osdados
soparticionadosemduastabelas,adefatoseadedimenses.
Orientadoaoassunto
Todososdadossoorganizadosdemaneiraqueoselementosrelacionadosaum
mesmoeventoouobjetoestejamligados.
Varivelemrelaoaotempo
Mudanasnosdadossorastreadasegravadasdeformaqueosrelatrios
mostremasmudanasnosdadosaolongodotempo.
Novolteis
Osdadosnuncasosobrescritosnemapagados.
Integrados
Obancocontmdadosdetodasasaplicaes/sistemasdaorganizaoetais
dadossoconsistentes.
Atabeladefatosatabelanaqualseroarmazenadasasmtricasdonegcio,os
fatosdonegcio,porexemplo,aquantidadedeprodutosvendidospordiaumamtrica.
Atabeladefatospossuivriaschavesestrangeirasemsuascolunas,todas
provindasdetabelasdedimensodiferentes.Achaveprimriadeumatabeladefatos
formadaporumsubconjuntodaschavesestrangeirasAtabeladefatospodepossuiralgumas
colunasnumricas(escalares)almdascolunasformadorasdachaveprimria,no
recomendadoquetabelasdefatospossuamcolunastextuais(nominais).FKdenotachave
estrangeira
TabeladeFatosdeVendasDirias
Data(FK)
Produto(FK)
Loja(FK)
Quantidade
Valorem$$

Umalinhanumatabeladefatoscorrespondeaumamtricadenegcio,as
mtricasdentrodeumamesmatabeladefatosdevempossuiramesmagranularidade,ou
seja,omesmograudedetalhamento.
1
Atabeladedimensesatabelaquepossuiasdescriestextuaisdonegcio.Ao
contrriodastabelasdefatos,astabelasdedimensesnodevemconteratributos
numricos,apenastextuaisesuaschavesprimriassosimples,formadasporapenasum
atributo.
TabelaDimensodeProduto
CdigodoProduto(PK)
DescriodoProduto
DescriodaMarca
DescriodoDepartamento
DescriodoTipodeEmbalagem
Tamanhodopacote
Peso
Altura
Largura
...emuitosoutrosatributos

ModeloEstrela(Star)
OmodeloEstrelapossuiapenasumatabeladefatoseapenasumatabelaparacada
dimenso.Normalmenteatabeladefatosestna3FNeasDimensesestonomximona
2FN.
OModeloEstrelanocapturaahierarquiadiretamente,noummodeloadequado
paraorganizaesmuitohierarquizadas.
UmavariaodomodeloEstrelaoModeloConstelaoDeFatosnoqualexistem
vriastabelasdefatosquecompartilhamastabelasdedimenso.

TabelaDimensodeProduto
CdigodoProduto(PK)
AtributosdoProduto...
TabelaDimensodeData
ChavedaData(PK)
AtributosdaData...
TabelaDimensodeLoja
ChavedeLoja(PK)

TabeladeFatosdeVendasDirias
Data(FK)
Produto(FK)
Loja(FK)
Fatos...

AtributosdeLoja...
2
ModeloFlocodeNeve(Snowflake)
Omodeloflocodenevetambmpossuiapenasumatabeladefatos,masdimenses
sonormalizadasata3FNequebradasemvriastabelasdedimenso.Estemodelo
representamelhoraahierarquiasendomaisadequadoparaorganizaesaltamente
hierarquizadas.

OLAP(OnlineAnalyticalProcessing)
umaabordagemtecnolgicaparagerarrespostasrpidasaconsultasanalticasde
naturezatipicamentedimensional.
OLAPimplementadoemummododecliente/servidoreoferecerespostasrpidasas
consultas,criandoummicrocubonamquinaclienteounoservidor.AsferramentasOLAPso
asaplicaesquenossosusuriosfinaistmacessoparaextraremosdadosdesuasbasese
construirosrelatrioscapazesderesponderassuasquestesgerenciais.
DrillAcross
ODrillAcrossocorrequandoousuriopulaumnvelintermediriodentrodeumamesma
dimenso.Porexemplo:adimensotempocompostaporano,semestre,trimestre,ms
edia.OusurioestarexecutandoumDrillAcrossquandoelepassardeanodiretopara
semestreoums.
DrillDown
ODrillDownocorrequandoousurioaumentaonveldedetalhedainformao,
diminuindoograudegranularidade.
DrillUp
ODrillUpocontrriodoDrillDown,eleocorrequandoousurioaumentaograude
granularidade,diminuindoonveldedetalhamentodainformao.

3
DrillThrough
ODrillThroughocorrequandoousuriopassadeumainformaocontidaemuma
dimensoparaoutra.Porexemplo:Estounadimensodetempoenoprximopasso
comeoaanalisarainformaoporregio.
SliceAndDice
OSliceandDiceumadasprincipaiscaractersticasdeumaferramentaOLAP.Comoa
ferramentaOLAPrecuperaomicrocubo,surgiuanecessidadedecriarummdulo
responsvelportrabalharestainformao.Eleserveparamodificaraposiodeuma
informao,alterarlinhasporcolunasdemaneiraafacilitaracompreensodosusuriose
girarocubosemprequetivernecessidade.

ROLAP(RelationalOLAP)
Nestecasoaarquiteturasecompede:SGBDRelacional+ferramentaROLAP.Aqui,a
engineOLAPficaemumservidordedicado,quearmazenaosvrioscubosdeinformao.O
usurioacessaosvrioscubos,eanalisaasinformaescomoprocessamentoOLAPsendo
realizadonoservidor.AsqueriesOLAPsotratadaspeloprprioSGBDR.
Podetrazerproblemasdeescalabilidade(onmerocrescentedeusuriospode
derrubaroservidor)edetrfegoderede.Poroutrolado,permiteanlisedegrandesvolumes
dedados.INFORMAOALTAMENTEDUVIDOSA!JfoiencontradatambmparaMOLAP

MOLAP(MultidimensionalOLAP)
TemseSGBD+servidorMOLAP.Nestecaso,noSGBDficamosdadosnumformato
simples,enoServidorMOLAP,quenaverdadeumbancodedadosmultidimensional,ficam
osdadosconsolidados.OusuriovisualizadiretamenteoServidorMOLAP,usandoosmdulos
deconsultadestaferramenta.

HOLAP(HybridOLAP)
Nestecaso,juntaseumaferramentaOLAPaosistemaMOLAP,sendoqueosusurios
usamessainterfaceparafazersuasconsultas.umsistemaextremamentecompleto,contudo
omaiscarosdetodos,sendoquemuitasvezesaanlisecusto/benefciomostraa
inviabilidadedestaopo.

DOLAP(DesktopOLAP)
AarquiteturacompostadeSGBD+ferramentaDOLAP.OprocessamentoOLAP
acontecenamquinacliente(desktop),semtrfegoderedenemproblemasdeescalabilidade.
Contudo,podetrazerproblemasemalgunsrelatrios,quandoovolumededadosficamuito
grande,apesardasboasferramentastrataremosdadosdemaneiracompactada.

DataMart
umDWespecializado,umapartedoDWdaempresafocadoemumsetorourea
especfica.
DataMining
oprocessodeexplorargrandesquantidadesdedadosnaprocuradepadres
consistentes,comousoderegrasdeassociaoouseqnciastemporais,paradetectar
relacionamentosentrevariveis.avelhahistriadacervejaedafralda...