Diagramas são a representação dos componentes dos bancos de dados que capacitam os usuários a visualizar as tabelas e seus relacionamentos. Quer dizer, as tabelas, índices e visões armazenadas pelo banco de dados dimensional do Data Warehouse podem ser vistos e manipulados com o uso de recursos clicar e arrastar e ainda permitem a interação com caixas de diálogo em execuções de diversas tarefas, como a alteração de características da base de dados, adição ou eliminação de tabelas, triggers, stored procedures, constraints ou relacionamentos, sem a necessidade de usar qualquer tipo de linguagem de programação. Mas é preciso dizer que cada tabela exibida pelo diagrama é tão somente uma referência à tabela que está armazenada, fisicamente, no banco de dados. Os diagramas podem ser criados em muitos números para uma mesma base de dados e, além disso, estão habilitados a realizar experimentos na estrutura do banco de dados sem executar realmente as modificações e se for o caso, executá-las, de fato. Neste caso, quando se efetuam modificações nas características de uma tabela, essas modificações passam a ser automaticamente refletidas nos demais diagramas em que esteja relacionada a tabela modificada. Mas as alterações feitas no diagramas só passam a ser incorporadas à tabela, se o mesmo for salvo.
Na próxima página está o exemplo de um diagrama da loja da rede de departamentos.
Produto prod_id código marca VENDAS prod_id prom_id tempo_id cliente_id Promoção prom_id mês loja Clientes cliente_id nome endereço Tempo tempo_id mês ano Loja loja_id departamento localização loja_id produto Cliente
8.8. Resultados
O resultado do presente trabalho procurou ir de encontro à teoria referenciada mais adiante. Muitos dos conceitos são facilmente aplicáveis, sem dúvida dada a sua simplicidade e consistência.
Conceitos de dimensões, fato, tabelas, visões e diagramas, entre outras coisas, facilitaram a organização do trabalho. E embora este não tenha tido uma aplicação prática destes preceitos, é certo que muitas das ferramentas de bancos de dados disponíveis no mercado foram concebidas e construídas sobre eles.
É evidente que muitos passos foram simplificados, visando o melhor entendimento dos conceitos apresentados. É preciso dizer também, que a modelagem de um Data Warehouse não é tão carente de complexidade quanto possa parecer, pois envolve algum tempo de estudo da própria organização, sua missão, objetivos gerais e específicos, sua cultura, aspectos humanos e, principalmente, o seu papel no mercado. A partir deste estudo, parte-se, então para uma análise mais especifica do ambiente interno da organização, agora, levando-se em consideração a sua necessidade de informação em suas atividades rotineiras e em seus processos de tomada de decisão.
Aqui, procurou-se demonstrar, dentro dos conceitos apresentados, uma forma simplificada de modelar um Data Warehouse. É claro que em se tratando de uma empresa fictícia, não se pode comprovar a efetividade do projeto. O que também não invalida o trabalho, pois é facilmente aplicável a sua teoria no caso de se utilizar uma boa ferramenta de construção de bancos de dados, com orientação para Data Warehouse e se possível, obtendo-se dados retirados do ambiente real de uma organização, o que sem dúvida traria melhores resultados ao trabalho. Mas visto que por diversos motivos, as empresas não oferecem a possibilidade de pesquisas deste caráter, fica a proposta com a modelagem do DW para futura implementação, já que é mesmo este o seu principal objetivo.
8.9. Discussão
Os dados voltados para Data Warehouse, por outro lado, requerem não somente sua extração e armazenamento, mas também seu refinamento, por dizerem respeito à
tomada de decisão, porque Data Warehouses, por definição, criam repositórios des- normalizados de dados, que levam os usuários à análises mais rápidas e inteligentes dos negócios.
A maioria das organizações tem a preocupação excessiva em relação ao armazenamento dos dados como se o Data Warehouse fosse apenas um depósito para estes últimos. Isto leva, com freqüência, ao descompasso em relação às suas necessidades de informação.
São inúmeras as empresas que investem tempo, equipamento, pessoal e recursos financeiros em sistemas de informações não lhes trazem qualquer benefício de ordem prática. Uma boa parte dos usuários destes sistemas permanecem à deriva quando se trata do bom uso dos dados que supostamente lhes estão disponíveis, pois como os referidos sistemas são construídos sem qualquer preocupação com os "consumidores" dos dados, estes tornam-se inúteis não só nos processos decisórios, mas também em trabalhos rotineiros como a apresentação de relatórios. É de se entender, portanto que a teoria em torno do Data Warehouse deve ser estudada e compreendida, antes mesmo que se pense em investir em equipamentos que tenham este fim.
O Data Warehouse em si não é uma ferramenta tão complexa. Complexos são os seus requerimentos de dados. Compreende-los é uma árdua tarefa que cabe não só aos analistas, mas também aos usuários. Todo o resto, modelos, esquemas, tabelas, visões e tudo mais, são apenas elementos que podem ser aprendidos e usados, desde que se absorva o Data Warehouse como uma espécie de cultura da empresa e não apenas como um sistema de informações que funcionará por si mesmo, tão logo seja adquirido um bom software.
8.10. Conclusões
A razão pela qual, um sistema operacional que tem suas aplicações voltadas para o fluxo diário de trabalho da organização e armazena vastos volumes de informações detalhadas é inadequado ao processo de tomada de decisão, ainda é um paradoxo.
Muitos sistemas operacionais se apoiam em transações recorrentes de dados armazenados em tabelas relacionadas e seguindo esquemas normalizados que, embora
limitem a redundância e promovam a saída de informações, são capazes de obstruir o processo decisório, isto porque dados normalizados são reconhecidamente difíceis de analisar através de consultas do tipo ad hoc.
Considerando-se ainda que uma organização, normalmente, não possui pessoal com tempo, habilidade ou ferramentas para fazer buscas a partir de sistemas operacionais e o suporte para tarefas deste gênero e que são os analistas e programadores os intermediários que escrevem as buscas e os relatórios dos programas, conclui-se que sem um bom projeto de DW, os usuários são deixados para “caçar” dados, enquanto aos programadores resta manterem-se alertas com o fluxo constante de novas requisições.
Por outro lado, ao permitir que os usuários adquiram e analisem dados com facilidade, o Data Warehouse torna poderosos os responsáveis pela tomada de decisão, deixando programadores livres para enfocar objetivos mais estratégicos para as informações. Data Warehouses, portanto, necessitam de planejamento e projeto adequados às necessidades de informação da empresa. Quando devidamente construídos, eles podem ser fontes de grandes vantagens competitivas, as quais não existem quando se trata de simples armazenamento de dados.
Muitos especialistas se dedicam a desvendar os mistérios do Data Warehouse para a empresas. Inúmeras são as obras são publicadas e anunciadas em todos os tipos de mídia. Entretanto, o mistério em torno do correto uso das informações persiste. O mas importante a se saber sobre este fato é que o Data Warehouse, apesar de ser um conceito universal em tanto que teoria, deve ser, antes de mais nada, para a organização que deseja implementá-lo, espécie de procedimento diário, daqueles que todos os funcionários podem e devem assimilar como parte de sua rotina de trabalho.
CONCLUSÃO
Mercados financeiros têm sido não apenas palcos de grandes disputas entre organizações e suas adversárias, como também têm sido a mola que impulsiona novas e importantes descobertas tecnológicas.
A maior parte das ferramentas orientadas a negócios são voltadas para melhorar sistemas apoiados em informações. Assim foram criadas as bases para o Data Warehouse. Assim também foram incrementados e tornados muito mais possantes bancos de dados de todos os tipos que possuem tal finalidade.
A proposta deste trabalho foi aplicar uma metodologia na construção de um Data Warehouse que representasse e sintetizasse as características mais relevantes da ferramenta. Para isso, foram consultadas obras de diversos pesquisadores da área e baseado em suas experiências (práticas, em alguns casos), formou-se uma metodologia capaz de dar feições a um modelo de Data Warehouse para uma empresa varejista, com necessidades bastante comuns até mesmo a diferentes ramos.
Através do presente trabalho, pode-se verificar a aplicabilidade de alguns conceitos formulados pelos melhores autores neste segmento de pesquisa e embora tenha sido necessário conhecimento prévio sobre Bancos de Dados e seus modelos, foi relativamente fácil a aplicação de suas teorias, assim como aquelas relacionadas aos Data Warehouse.
Tendo-se consciência da limitação do período de tempo para a construção de um Data Warehouse mais abrangente, foi idealizado um modelo que contivesse as áreas mais populares em termos de informações, também porque estas são, em princípio, as que se relacionam de modo mais integrado com as outras áreas da empresa.
Em termos de projeto, espera-se que possa contribuir para futuras pesquisas na área que se anuncia uma das mais promissoras tanto em se tratando da tecnologia desenvolvida quanto se apresenta uma daquelas com as maiores demandas em torno da dos sistemas de informações. Portanto, fica o registro do valor significativo que ferramentas de integração e análise de dados tem para incrementar a competitividade das empresas no mundo atual.
REFERÊNCIAS BIBLIOGRÁFICAS
[ANNES] R.Parallel Architecture For Natural Language Processing. New York: VecPar. 2000.
[BERTALANFFY] L. V. General System Theory: Foundation, Development, Applications. São Paulo: Atlas. 1976.
[BIO] S. R. Sistemas de Informação – Um Enfoque Gerencial. São Paulo: Atlas. 1996.
[BOAR] B. Understanding Data Warehousing Strategically. New York: NCR's Communication Industry Line of Business. 1997.
[CHAUDHURI] S.; UMESHWAR, D. An Overview of Data Warehousing and OLAP Technology. London: ACM Sigmod Record. 1997.
[COOD] E.F. Providing OLAP to User-Analysts: An IT Mandate. 1993. Disponível em: <http://www.hyperionsolution.com>. Acesso em: 20 jun. 2001.
[DILLY] R. Data Mining – An Introduction.1996. Disponível em: <http://www.dinfocenter.edu/~dilly>. Acesso em: 11 mar. 2001.
[FINKELSTEIN] C. Business Re-Engineering And The Internet: Transforming Business for a Connected World. Sidney: Information Engineering Services Pty Ltd. 1998.
[FINKELSTEIN] C. Information Engineering : Essentital Strategies. Sidney: Information Engineering Services Pty Ltd. 1999.
[FINKELSTEIN] C. Information Engineering Services. Sidney: Information Engineering Services Pty Ltd. 2000.
[FIRESTONE] J.M. Evaluating OLAP Alternatives. Sidney: Information Engineering Services Pty Ltd. 1997.
[FRAWLEY] W. J.; PIATETSKY-SHAPIRO, G.; MATHEUS, C. J. Knowledge Discovery in Databases: An Overview. AI Magazine , n.13, v.3. Apr. 1992.
[GUPTA] V. R. An Introduction to Data Warehousing. 1996. Disponível em: <http://www. dwinfocenter.edu/~dilly>. Acesso em: 13 abr. 2000.
[HAISTEN] M. Planning For a Data Warehouse. Info DB, n. 2, v. 9. Mar.1996.
[HAISTEN] M. Designing a Data Warehouse. Info DB, n. 4, v. 9. Mar.1996.
[HOLSHEMIE] L.; SIEBES, M. Modeling na Information System. New Jersey: Prentice Hall PTR.1994.
[HYPERION] WHITE PAPERS. The Role of OLAP Server in Data Warehousing Solution. 2000. Disponível em: <http://www.hyperionsolutions.com>. Acesso em: 21 mai. 2001.
[INMON] W. H. What is a Data Warehouse. New York: Prism Solution Inc. 1995.
[KELLY] F. Implementing an Executive Information System. New York: WEB Media Co. 1999.
[KIMBALL] R. A Dimensional Modeling Manifesto: DBMS and Internet Systems. 1996. Disponível em: <http://www.dwinfocenter.edu/~kimball>. Acesso em: 25 jul. 2001.
[KIMBALL] R. Data Warehouse Toolkit. São Paulo: Makron Books do Brasil.1998.
[KIMBALL] R. Is ER Modeling Hazardous to DSS?. 1997. Disponível em: <http://www.dwinfocenter.edu/~kimball>. Acesso em: 13 ago. 2001.
[KORZYBSKI] A. What is Metadata?. Data Warehouse Tools Bulletin. Issue , n. 3, v.5. Mar. 1996.
[KORTH] H. New Focal Points for Research in Database Systems. ACM Computing Surveys, n. 8, v. 4. Apr.1996.
[KORTH] H.; SILBERSCHATZ, A. Sistema de Bancos de Dados. São Paulo: Makron Books do Brasil. 1997.
[LAUDON] K. C.; LAUDON, J. P. Management Information Systems – New Approaches to Organization & Technology. New Jersey: Prentice Hall PRT. 1998.
[LITWIN] P. & REDDICK, G. Fundamentals of Relational Database Design. Microsoft Access 2 Developer’s Handbook. Sybex. n.1, v.1.1994.
[MARTIN] J. Engenharia da Informação. Rio de Janeiro: Editora Campus.1991.
[MELENDEZ] R. Prototipação de Sistemas de informação – Fundamentos, Técnicas e Metodologia. Rio de Janeiro: LTC – Livros Técnicos e Científicos. 1990.
[ORR] K. Data Warehouse Technology. 1997. Disponível em: <http://www.kenorinstitute.edu/~orr. Acesso em: 20 mar. 2000.
[PENDSE] N. What is OLAP?. 1999. Disponível em :
<http://www.dwinfocenter.edu/~pendse>. Acesso em: 15 abr. 2001.
[PERKINS] A. Developing a Data Warehouse – The Enterprise Engineering Approach.1996. Disponível em: <http://www.visiblesystems.com/whitepapers>. Acesso em: 10 fev. 2001.
[REZENDE] D.A. Engenharia de Software Empresarial. Rio de Janeiro: Brasport.1997.
[TANLER] R. Intranet Data Warehouse. Rio de Janeiro: IBPI Press. 1998.
[WHITE] C. A Technical Architecture for Datawarehousing. InfoDB. n. 3, v.5. Aug. 1995.