DATA WAREHOUSES

O Data warehouse (INMON, 2005) ´e considerado o componente principal de um sistema de apoio a decis˜ao e tem quatro caracter´ısticas fundamentais.

• Orientado a assunto: os DWs s˜ao elaborados com o objetivo

de armazenar e analisar os dados conforme as ´areas de neg´ocio das empresas. Diferentemente dos sistemas operacionais que ar- mazenam os valores individuais de cada transa¸c˜ao, os DWs ar- mazenam informa¸c˜ao globais referentes aos neg´ocios da empresa. Por exemplo: sistemas transacionais armazenam pedidos, notais fiscais, etc; DW armazenam volume de vendas, faturamento, etc.

• Integrado: a caracter´ıstica mais importante de um DW ´e a in-

tegra¸c˜ao. Um DW ´e carregado de diversas fontes de dados e a integra¸c˜ao e a padroniza¸c˜ao das informa¸c˜oes s˜ao fundamentais para o seu funcionamento. Sem isso, seria imposs´ıvel a conso- lida¸c˜ao dos dados de diversos sistemas.

• Vari´avel no tempo: os DWs tˆem a caracter´ıstica de armazenar

um snapshot das informa¸c˜oes em um determinado instante de tempo. Atrav´es deste processo ´e poss´ıvel manter um banco de dados hist´orico das informa¸c˜oes da empresa.

• N˜ao vol´atil: a n˜ao volatilidade garante que os dados inseridos no

DW n˜ao possam ser alterados. Em compara¸c˜ao com os sistemas transacionais que executam as opera¸c˜oes de inserir, alterar, dele- tar e consultar; no DW s´o ´e poss´ıvel a realiza¸c˜ao das opera¸c˜oes de inserir e consultar.

O DW tem o objetivo de consolidar todas as informa¸c˜oes da empresa em um ´unico reposit´orio. Para que seja poss´ıvel acessar todos os dados de forma f´acil e ´agil. Um DW pode ser dividido em v´arios data marts com o objetivo de facilitar a implementa¸c˜ao (KIMBALL; ROSS, 2002).

Os data marts s˜ao respons´aveis por agrupar informa¸c˜oes de um determinado departamento ou ´area de neg´ocio da empresa, enquanto o DW est´a relacionado com toda a empresa. Os v´arios data marts da empresa podem ser integrados para compor o DW (INMON, 1998).

Os DWs s˜ao baseados no modelo dimensional, este modelo con- siste em visualizar as informa¸c˜oes na forma de um cubo de dados, sendo os cubos compostos por dimens˜oes e tabelas fatos (HAN; KAM- BER, 2006).

• A tabela fato ´e um importante componente do modelo dimen-

sional, sendo respons´avel por armazenar as medidas do neg´ocio (KIMBALL; ROSS, 2002). Neste modelo, a tabela fato ´e organizada sobre a ´otica de um tema central (por exemplo, vendas). Neste caso, as medidas armazenam a quantidade e o valor das vendas. As tabelas fatos s˜ao compostas de dois grupos de colunas: as cha- ves estrangeiras das dimens˜oes; e, as colunas que armazenam os valores das medidas (HAN; KAMBER, 2006).

• As dimens˜oes s˜ao formas de visualizar as informa¸c˜oes em dife-

rentes perspectivas, elas contˆem as descri¸c˜oes textuais do neg´ocio (KIMBALL; ROSS, 2002) e s˜ao compostas de uma chave prim´aria e v´arias colunas, chamadas de atributos. A partir das dimens˜oes podem ser formadas hierarquias de dimens˜oes (HAN; KAMBER, 2006). Elas s˜ao definidas com base nos valores dos atributos das dimens˜oes, do n´ıvel mais baixo para o mais alto. Por exemplo, as cidades de Florian´opolis e S˜ao Jos´e comp˜oe o Estado de Santa Catarina que faz parte do pa´ıs Brasil. Cada valor dos atributos das dimens˜oes s˜ao definidos como membros das dimens˜oes (MA- LINOWSKI; ZIMANYI, 2008).

A figura 1 apresenta um exemplo de um modelo dimensional para a ´area de vendas e ´e composta de 1 tabela fato e 4 tabelas de dimens˜oes. A tabela fato ´e composta pelas chaves estrangeiras das dimens˜oes e por duas medidas convencionais, quantidade de vendas e valor das vendas. As dimens˜oes s˜ao descritas abaixo:

• Tempo: A dimens˜ao tempo ´e composta dos atributos: dia, dia da

Figura 1 – Modelo estrela de um datamart sobre vendas Fonte: Han e Kamber (2006)

uma hierarquia de tempo. Por exemplo: iniciando pelo atributo dia, que comp˜oe o mˆes, que formam o trimestre, que define o ano.

• Localiza¸c˜ao: Esta dimens˜ao ´e formada pelo rua, cidade, estado

e o pais. Da mesma forma, esta dimens˜ao tamb´em pode formar uma hierarquia.

• Produtos: A dimens˜ao produto ´e composto por: nome do pro-

duto, marca, tipo e tipo de fabricante.

• Ramo de Atividade: Esta dimens˜ao ´e composta dos seguintes

atributos: nome e tipo do ramo de atividade.

Os sistemas OLAP s˜ao a liga¸c˜ao entre os DWs e/ou data marts e os usu´arios. A utiliza¸c˜ao de OLAP possibilita uma variedade de consultas e vis˜oes dos dados que est˜ao armazenados no DW. A ma- nipula¸c˜ao dos dados atrav´es do OLAP ´e realizada atrav´es de v´arias opera¸c˜oes, neste sentido, s˜ao detalhadas as opera¸c˜oes mais tradicionais (HAN; KAMBER, 2006).

A figura 2 apresenta o data mart da figura 1 e o resultado de cada opera¸c˜ao OLAP:

• A opera¸c˜ao de roll-up consiste em executar a agrega¸c˜ao dos da-

dos ao navegar de um n´ıvel de dimens˜ao mais baixo para o mais alto. Por exemplo, todas as vendas agregadas por pais.

• A opera¸c˜ao de drill-down realiza a opera¸c˜ao inversa ao roll-up,

vai do n´ıvel mais alto para o mais baixo. Ou seja, os dados s˜ao visualizados em uma granularidade menor (e.g., os dados est˜ao visualizados por trimestre e deseja-se analisar as informa¸c˜oes por mˆes).

• A opera¸c˜ao de slice consiste na defini¸c˜ao de uma dimens˜ao como

filtro dos dados e s˜ao disponibilizadas as informa¸c˜oes das outras dimens˜oes para an´alise.

• J´a o dice ´e definido atrav´es da sele¸c˜ao de mais de uma dimens˜ao

para uma an´alise mais restrita.

• Por fim, a opera¸c˜ao de pivot ´e respons´avel por mudar a forma

como os dados s˜ao visualizados. Nesta opera¸c˜ao as informa¸c˜oes s˜ao rotacionadas com o objetivo de apresentar os dados a partir de outra perspectiva.