Tipos de Sistemas
 Sistemas Operacionais (DB)
 Sistemas de Registo Histórico (DW)
1
Database System Concepts
21.1
©Silberschatz, Korth and Sudarshan
Sistemas típicos das Organizações
Clientes
A Organização
Sistemas de
Suporte à Decisão
ERPs
Portais
Soluções CRM
Data Marts
Data Stages
Data Warehouse
Extranets
Fornecedores
Database System Concepts
Soluções B2B
2
21.2
©Silberschatz, Korth and Sudarshan
Taxonomia de Dados e de Sistemas

Os dados podem ser classificados como:



Históricos/Projectados
Primitivos/Derivados
Públicos/Privados
Os diferentes tipos de dados determinam as características dos
Sistemas de Informação.
Immon 93 - “Data Architecture: The Information Paradigm”
3
Database System Concepts
21.3
©Silberschatz, Korth and Sudarshan
Taxonomia de Dados e de Sistemas
Dados Primitivos / Derivados
 Primitivos
 dependem de uma única ocorrência ou facto na organização.
Exemplo, registo da data, montante e intervenientes de cada
transação.
 Derivados
 os dados derivados dependem de vários factos ou ocorrências na
organização. São dados calculados, agregados e resumidos
4
Database System Concepts
21.4
©Silberschatz, Korth and Sudarshan
Taxonomia de Dados e de Sistemas
Dados Históricos/Projectados
 “Históricos”
 registam factos acontecidos com valores precisos e correctos.
Existe acordo quando à forma de os obter ou calcular.
 Projectados
 são estimativas ou previsões de factos que irão acontecer. O
conceito de correcto ou incorrecto não se aplica às projecções.
Normalmente não existe unanimidade quando à forma de os
obter ou calcular.
5
Database System Concepts
21.5
©Silberschatz, Korth and Sudarshan
Taxonomia de Dados e de Sistemas
Dados Públicos/Privados
 Públicos
 São dados cuja integridade é mantida pela organização.
Podem ser o único registo de um facto na organização.
Interessam a vários indivíduos da organização.
 Privados
 Traduzem as necessidades imediatas de cada indivíduo. Têm
como dono e interessam a um único indivíduo.
6
Database System Concepts
21.6
©Silberschatz, Korth and Sudarshan
Taxonomia de Dados e de Sistemas
Sistemas Operacionais
Sistemas de Suporte à Decisão
Sistemas de suporte
Sistemas
de registo
Data
Warehouse
atómico
Primitivos
Data
Marts
Data
Marts
departamental
individual
Derivados
+ públicos
+ privados
Presente
Históricos
Estimativas
+ orientados à aplicação
+ orientados ao assunto
7
Database System Concepts
21.7
©Silberschatz, Korth and Sudarshan
Taxonomia de Dados e de Sistemas Diferenças entre dados
Primitivos/Derivados
Nível de Detalhe
Desempenho
Padrões de Utilização
Disponibilidade
Utilizadores
Actualização
Definição
Qtd. de acessos
Modificação
Primitivos
Alto
Alto
Alto
Alta
Diversos
imediata
Estática
Muitos/curtos
Alta
Derivados
Baixo
Baixo
Baixo
Baixa
Concentrados
periódica
Dinâmica
Poucos/longos
Baixa
8
Database System Concepts
21.8
©Silberschatz, Korth and Sudarshan
Taxonomia de Dados e de Sistemas
Sistemas Operacionais






Suportam as operações diárias do negócio
(seg. a seg), segundo processos bem
definidos
Manipulam dados descreve o estado actual
do negócio
A informação refere-se às operações
atómicas
São optimizados para o processamento
rápido
Os sistemas são optimizados para o
armazenamento e modificação da
informação
Os clientes acedem cada vez mais a estes
dados
Data warehouse &
Sistemas de Suporte à Decisão





São usados para gerir e controlar o
negócio
A informação é uma série de vistas do
negócio em determinados pontos no
tempo
A optimização (desnormalização) resulta
apenas do facto de não haver updates
Os sistemas são optimizados para a
pesquisa da informação
Estes sistemas dão suporte a processos
não definidos
9
Database System Concepts
21.9
©Silberschatz, Korth and Sudarshan
Data Warehouses e Sistemas Suporte à Decisão
OLAP
Data Mining
Highly
Summarized
Data
Data
Mart
Extração, Limpeza e
Carregamento de Dados
M/D
Meta Data
M/D Data
Mart
Data
Warehouse
Current Detail
M/D
M/D
Old Detail
Sistemas Operacionais
Sistemas Legados
10
Database System Concepts
21.10
©Silberschatz, Korth and Sudarshan
Taxonomia de Dados e de Sistemas
 Exemplo de Informação/Queries em cada nível
Operacional
Atomic /DW
J Jones
123 Main St
Credit-AA
J Jones
1986-1987
456 Hight St
Credit-B
Qual é o
crédito do
J Jones ?
Qual é a evolução
do crédito do
J Jones ?
Database System Concepts
J Jones
1987-1989
456 Hight St
Credit-A
J Jones
1989-pres.
123 Main St
Credit-AA
DataMart
Client/mes
Jan - 4101
Feb - 4209
Mar – 4175
Apr – 4215
....
Estamos ganhar
ou perder clientes
de crédito ?
individual
Clientes desde 88
com crédito > A e
contas > 5000
Que
características
têm os clientes ?
11
21.11
©Silberschatz, Korth and Sudarshan
Taxonomia de Dados e de Sistemas
 Exemplo de Integração
Operacional
Life Policy
Operacional
Auto Policy
J Jones
female
July 20, 1945
...
J Jones
2 tickets 1998
1 bad accident 1999
...
Operacional
health Policy
Operacional
Home Policy
J Jones
2 children
High blood pressure
...
Database System Concepts
Atomic /DW
J Jones
123 Main Street
maried
...
J Jones
female
July 20, 1945
2 tickets 1998
1 bad accident 1999
2 children
High blood pressure
123 Main Street
maried
......
12
21.12
©Silberschatz, Korth and Sudarshan
Data Warehousing
 Large organizations have complex internal organizations, and
have data stored at different locations, on different operational
(transaction processing) systems, under different schemas
 Data sources often store only current data, not historical data
 Corporate decision making requires a unified view of all
organizational data, including historical data
 A data warehouse is a repository (archive) of information
gathered from multiple sources, stored under a unified schema,
at a single site
 Greatly simplifies querying, permits study of historical trends
 Shifts decision support query load away from transaction processing
systems
13
Database System Concepts
21.13
©Silberschatz, Korth and Sudarshan
Data Warehousing
14
Database System Concepts
21.14
©Silberschatz, Korth and Sudarshan
Components of Data Warehouse
 When and how to gather data
 Source driven architecture: data sources transmit new information to
warehouse, either continuously or periodically (e.g. at night)
 Destination driven architecture: warehouse periodically requests
new information from data sources
 Keeping warehouse exactly synchronized with data sources (e.g.
using two-phase commit) is too expensive
 Usually OK to have slightly out-of-date data at warehouse
 Data/updates are periodically downloaded form online
transaction processing (OLTP) systems.
 What schema to use
 Schema integration
15
Database System Concepts
21.15
©Silberschatz, Korth and Sudarshan
Components of Data Warehouse (Cont.)
 Data cleansing
 E.g. correct mistakes in addresses
 E.g. misspellings, zip code errors
 Merge address lists from different sources and purge duplicates
 Keep only one address record per household (“householding”)
 How to propagate updates
 Warehouse schema may be a (materialized) view of schema from
data sources
 Efficient techniques for update of materialized views
 What data to summarize
 Raw data may be too large to store on-line
 Aggregate values (totals/subtotals) often suffice
 Queries on raw data can often be transformed by query optimizer to
use aggregate values
16
Database System Concepts
21.16
©Silberschatz, Korth and Sudarshan
Data Warehouse Schemas
17
Database System Concepts
21.17
©Silberschatz, Korth and Sudarshan
Warehouse Schemas
 Typically warehouse data is multidimensional, with very large
fact tables
 Examples of dimensions: item-id, date/time of sale, store where sale
was made, customer identifier
 Examples of measures: number of items sold, price of items
 Dimension values are usually encoded using small integers and
mapped to full values via dimension tables
 Resultant schema is called a star schema
 More complicated schema structures
– Snowflake schema: multiple levels of dimension tables
– Constellation: multiple fact tables
18
Database System Concepts
21.18
©Silberschatz, Korth and Sudarshan