Introdução ao Modelo Multidimensional.

BANCO DE DADOS II
TEMAS AVANÇADOS DE BANCOS DE DADOS.
Introdução ao modelo
multidimencional
.
MsC. Leoder Alemañy Socarrás
Inteligencia de Negocio
Aplicativos
Os aplicativos informáticos podem classificar-se
em dois grandes grupos:
OLTP (Procesamiento Transaccional en Línea)
OLAP (Procesamiento Analítico en Línea).
OLTP – Procesamiento Transaccional en Línea
• São sistemas operacionais que capturam transacções e
as alojam em Banco de dados.
• Exemplos:
 Aplicativos para caixas automáticos.
 Aplicativos para realizar operações bancárias.
 Aplicativos de vendas de produtos on-line.
 Aplicativos para reservaciones de hotéis on-line.
OLTP
Características:
• Transacções em tempo real (com dia a dia).
• Dados alojados mudam continuamente
(INSERT, DELETE, UPDATE).
• Mantêm os dados.
• Estruturas de dados optimizadas – normalizadas.
• Limitado para a tomada de decisões, as consultas
históricas produzem um impacto na operação do
sistema.
• Usa Diagrama Entidade Relação.
Necessidades de análises de dados
Necessidades de análises de dados
• ¿Quantos sapatos do 41 de cor vermelha se venderam no
último mês na zona norte, este e sul; comparados com as
vendas do mesmo mês no ano passado?
• ¿Que tipo de cliente me tem estado comprando o BMW
320i durante os últimos 10 anos?
• ¿Quais são as 25 primeiras marcas, por produtos, estilos
e regiões de Espanha classificadas pela margem de
vendas em euros?
Necessidades de gestão de dados
• ¿Que desconto deveríamos oferecer para incrementar
significativamente as vendas?
• O produto de tipo A vendeu-se bem mais que o produto
de tipo B. Encontrar padrões de correlação entre estes
tipos de produtos e extrair similitudes/diferenças.
• ¿Quais são as tendências em minhas vendas?
OLAP – Procesamiento analítico en línea
• Os sistemas OLAP encarregam-se do processamento
analítico dos dados e estão focados a apoiar a tomada de
decisões em determinada entidade.
Características:
• Optimizado para responder rapidamente a consultas.
• Proporciona uma vista de dados multidimensional.
• Alojam grandes volumes de dados.
• Estão destinados a diretores.
• Seus dados encontram-se geralmente desnormalizados.
OLAP - Ejemplos
• OLAP en el Marketing
• Sistemas de Información para ejecutivos
• Alertas.
• Toma de decisiones.
• OLAP en la Actividad Financiera
• Reportes analíticos.
• Planeamiento.
• Análisis.
• Análise de produtos.
• Análise de Clientes.
• Análise de Facturação.
• OLAP en Otros Usos
• Análise da Produção.
• Análise de Serviços ao
cliente.
• Evolução do Custo do
produto.
OLTP y OLAP
OLTP
OLAP
Usuario
Operativos, Profesionales TI
Trabajadores de conocimiento
Uso
Predecible, Repetitivo
Heurístico
Accesos
Alta
Media y baja
Tipo acceso
R/W - actualización al campo
Lectura - Sumarización
T. respuesta
Segundos
Segundos a minutos
Contenido
Valores elementales
Datos sumarizados, derivados
Estabilidad
Dinámicos
Estáticos hasta su actualización
Función
Operaciones día a día
Soporte a las decisiones
Diseño BD
Orientado a la aplicación
Orientado al tema (sujeto)
Estructura
Transaccional (NORMALIZADA)
Consultas (DESNORMALIZADA)
# filas
cientos
millones
# usuarios
miles
cientos
DB Size
100 MB-GB
100GB-TR
métrica
rendimiento de la transacción
rendimiento de la consulta
OLAP - OLTP
OLTP
OLAP
Diagrama E-R
Cubos
Entidad
Atributo
Relación
Hechos
Dimensiones
Jerarquías
Medidas
Normalización
Integridad
Referencial
Codificación
Granularidad
UML
Lenguaje de
Modelamiento
Unificado
UDM
modelo
dimensional
unificado
Análisis
Diseño
Desarrollo
Implementación
Explotación
Diseño
Carga
Explotación
Armazém de dados (Data Warehouse)
•Um armazém de dados é uma colecção de dados
orientada a temas, integrada, não volátil e de
tempo variante, que brinda suporte à tomada de
decisões.
Orientados por temas
O armazém de dados está orientado pelas
principais áreas de temáticas da empresa que
têm sido definidas no modelo de dados de alto
nível. Exemplos de áreas de temáticas:
- Clientes
- Produtos
- Transacção ou actividade
- Políticas
- Reclamos
- Contas
Orientados por temas
A cada área de aspecto principal é implementada
fisicamente como uma série de tabelas
relacionadas no armazém de dados. Um área de
aspecto principal pode constar de 10, 100 ou
inclusive mais tabelas físicas que estão
relacionadas.
Exemplo
Dados integrados
Dados integrados de diferentes fontes de dados
operacionais.
Exemplo
Dados não voláteis
• Os dados alojados não se modificam nem actualizam
nunca, só se acrescentam novos dados.
Dados variáveis no tempo
• Dados relativos a um período de tempo e incrementamse periodicamente.
Nível de arquitectura
Nível de arquitectura
• O nível operacional dos dados mantém somente os dados
primitivos orientados ao aplicativo e serve em primeiro lugar
à comunidade de alto desempenho de processamento
transacional.
• O nível de dados do armazém de dados mantém dados
integrados e históricos primitivos que não podem ser
actualizar. Ademais, alguns dados derivados encontram-se
neste nível.
• O nível departamental dos dados, ou nível de data mart,
contém quase exclusivamente dados derivados. Este nível é
ajustado, segundo os requisitos do utente final, numa forma
especialmente agradável para as necessidades do
departamento.
Nível de arquitectura
Análisis heurístico
Desenho de um armazém de dados
A granularidad é considerado o aspecto a mais
importância no desenho de um armazém de
dados.
• A granularidad refere-se ao nível de detalhes ou
resumo das unidades de dados no armazém de
dados. Quanto mais detalhe exista, menor será o
nível de granularidad. Quanto menos detalhe
exista, maior será o nível de granularidad.
Exemplo
Desenho de um armazém de dados
O segundo tópico de maior importância no
desenho do DWH (após a granularidad) é o
particionamiento.
•O particionamiento dos dados refere-se à
ruptura dos dados em unidades físicas
separadas que podem ser manipuladas
independentemente.
Desenho de um armazém de dados
• Por data
• Por linha de negócio
• Por geografia
• Por unidade organizacional
• Por todo o anterior
Desenho de um armazém de dados
• Quando existem muitas tabelas, é recomendável misturar
fisicamente algumas das tabelas (desnormalización).
Conceptualizando
•Facto: Evento específico que constitui a
unidade fundamental de análise de dados,
para a tomada de decisões. Exemplos:
vendas, exportações, investimentos, etc.
•Dimensões: É uma entidade de negócios
respeito da qual se devem calcular as
métricas. Exemplos: clientes, produtos,
tempo, etc.
Conceptualizando
•Medidas: Valores quantitativos que alojam as
métricas do negócio. Estão representados por
colunas numéricas na tabela de factos. Estes
dados provem/provêm directamente dos sistemas
OLTP.
Conceptualizando
• Cubo: A ideia fundamental do modelo multidimensional
é que os dados de negócio podem ser representados
como um tipo de cubo de dados. Nos cubos a cada cela
contém um valor e as arestas do cubo definem
dimensões naturais de análises.
Desenho lógico de um armazém de dado
transformações
Esquema fonte
Esquemas lógicos intermediários
Esquemas lógicos
DWH
Modelos básicos dimensionais
Estrella
Copo de Nieve
DESENHO FÍSICO
MOLAP - OLAP Multidimensional
Os dados origem e suas agregações estão numa estrutura multidimensional.
AGREGACIONES
Y DATOS
Vista de
Usuario
Base de Datos
Relacional
Base de Datos
Multidimensional
Características
• Provê excelente rendimento e compressão de dados.
• Melhor tempo de resposta, depende das agregações.
• Estrutura optimizada para maximizar as consultas.
• Apropriado para cubos de rápida resposta.
ROLAP - OLAP Relacional
• A informação do cubo, seus dados, sua agregação, são alojar
num banco de dados relacional.
• Não copia a BD original, acede às tabelas origem.
• É mais lenta que as outras estratégias (MOLAP ou HOLAP).
• Utiliza-se para poupar espaço de armazenamento em
grandes BD de baixa frequência de consulta.
AGREGACIONES
Y DATOS
Base de Datos
Relacional
Base de Datos
Multidimensional
Vista de
Usuario
HOLAP – OLAP Híbrido
•Combina características de MOLAP e ROLAP.
•As agregações alojem-se numa estrutura
multidimensional e os dados, na BD original.
•Cubos mais pequenos que MOLAP e mais
rápidos que ROLAP.
DATOS
Base de Datos
Relacional
AGREGACIONES
Base de Datos
Multidimensional
Vista de
Usuario
Características
Vantagens e desvantagens
Conclusiones
• O modelo de dados mais estendido é o modelo relacional
• Modelo baseia-se na normalização de bancos de dados.
• Um campo em sistemas OLAP pode conter valores múltiplos.
• Modelos OLAP permitem a tomada
de decisões.
BFA
Tarefa
• Exercício 1 da Clase Práctica # 1