13/03/2012 Faculdade Pitágoras Unidade 2.2 Curso Superior de Tecnologia: Banco de Dados Disciplina: Ferramentas para Tomada de Decisão 2 DataWarehouse 2.2 Fases de um projeto de DataWarehouse e Data Marts Prof.: Fernando Hadad Zaidan ACOMPANHAMENTO CONTACTO ÁREAS DE NEGÓCIOS 9 1 8 PROJETO DW/DM 7 6 TESTE PLANEJAMENTO/ LEVANTAMENTO DIFICULDADES DE INFORMAÇÃO GERENCIAL->OBJETIVO INDICADORES ESTRATÉGICOS-MÉTRICAS INICIAIS RESTRIÇÕES DE INFORMAÇÕES-ESTRUTURA-TECNOLOGIA INFORMAÇÕES JÁ EXISTENTES NO DW-METADADOS REUNIÕES JAD-PARTICIPAÇÃO INTENSA USUÁRIOS DEFINIÇÃO DE PATROCINADOR DEFINIÇÃO DE EQUIPE DE PROJETO 2 IMPLEMENTAÇÃO 5 4 ETC • DEFINIR AS NECESSIDADES DE INFORMAÇÃO PARA O NEGÓCIO: • INDICADORES,MÉTRICAS,COMPARATIVOS • SEMPRE OBSERVAR “DIMENSÕES”/COMBINAÇÕES – MODELO DE DADOS EXISTENTES: – ENTIDADES-RELACIONAMENTOS-ATRIBUTOS-(KEYS-ORIGINAISDERIVADOS)-PROPORÇÕES PROJETO-MODELAGEM DIMENSIONAL PROJETO FÍSICO DW/DM PROJETO OLAP MINING DEFINIÇÃO DO ETCEXTRAÇAÕ-TRANSFORMAÇÃO-CARGA LEVANTAMENTO DE NECESSIDADES – DIFICULDADES-RESTRIÇÕES SUGEREM OBJETIVOS REUNIÕES DE TRABALHO DETALHAMENTO DE NECESSIDADES DIMENSÕES-FATOS MÉTRICAS-GRANULARIDADE 3 CONSTRUÇÃO Fonte: Carlos Barbieri 2 CUBOS RELATÓRIOS ANALÍTICOS INFERENCIAIS MODELAGEM DIMENSIONAL • TABELAS FATOS – MÉTRICAS E VALORES • TABELAS DIMENSÃO 3 – ARQUIVOS, DADOS MANUAIS EXISTENTES 4 Fonte: Carlos Barbieri GRANULARIDADE HIERARQUIA DE DIMENSÕES MODELO DIMENSIONAL CONCEITOS DIMENSÃO PRODUTO PAIS CATEGORIA REGIÃO SUB CATEGORIA ESTADO PRODUTO ANO – TEXTOS, CAMPOS DIVERSOS TRIM CIDADE Fonte: Carlos Barbieri TABELAS DIMENSÃO 5 LOJA VENDAS DIMENSÃO GEOGRAFIA MÉTRICAS: •QUANTIDADE •VALOR Fonte: Carlos Barbieri MES TABELA FATO DIA 6 DIMENSÃO TEMPO 1 13/03/2012 MODELAGEM DIMENSIONAL ESTRUTURAS MODELAGEM DIMENSIONAL ESTRUTURAS • SCHEMA ESTRELA: – DIMENSÕES DESNORMALIZADAS – VOLTADO PARA ACESSOS C/ PERFORMANCE – HIERARQUIAS ACHATADAS • SCHEMA SNOWFLAKE (flocos de neve): – – – – TRADICIONAL+ E/R(TABELAS EM CASCATA) NORMALIZADO HIERAQUIAS MANTIDAS MUITAS TABELAS-->MUITAS JUNÇÕES-1:N • SCHEMA STARFLAKE – COMBINAÇÃO DAS DUAS – DIMENSÕES COM M X N COM OUTRAS TABELAS SCHEMA ESTRELA 7 Fonte: Carlos Barbieri MODELAGEM DIMENSIONAL ESTRUTURAS 8 SCHEMA STARFLAKE GALAXY – vários FATOS SCHEMA SNOWFLAKE SNOWFLAKE-TABELAS NORMALIZADAS, INDEPENDENTES, COM JOIN JOIN PAIS REGIÃO 9 10 MODELO DIMENSIONAL CONCEITO STARFLAKE MODELO DIMENSIONAL CONCEITOS-II DIMENSÃO PRODUTO CATEGORIA SUB PRODUTO CATEGORIA CATEGORIA PAIS CATEGORIA REGIÃO SUB CATEGORIA ESTADO PRODUTO DIMENSÃO PRODUTO ANO CATEGORIA SUB TRIM ESTADO PRODUTO STAR SCHEMA-DADOS CONSOLIDADOS NUMA MESMA TABELA NÃO NORMALIZADA EVITA JOIN CIDADE VENDAS LOJA LOJA VENDAS DIMENSÃO GEOGRAFIA MÉTRICAS: •QUANTIDADE •VALOR Fonte: Carlos Barbieri MÉTRICAS: •QUANTIDADE •VALOR CIDADE DIA MXN DIMENSÃO GEOGRAFIA 11 MES CLIENTE DIMENSÃO CLIENTE Fonte: Carlos Barbieri C/C CARACTERISTICAS DIMENSÃO TEMPO 12 2 13/03/2012 GRANULARIDADE DE FATOS E DADOS MODELAGEM DIMENSIONAL • TABELAS FATOS: – NÍVEL ATÔMICO DE DADOS NA(S) ENTIDADE(S)/TABELA(S) FATO/DIMENSÃO – POSSIBILIDADES: • CONTÉM VALORES(MÉTRICAS) • PODEM TER VÁRIAS NO SCHEMA/DMART – ESQUEMA MULTIFATO->N CUBOS – CONCEITO DE CONFORMIDADE DE DIMENSÕES • NÍVEL DE TRANSAÇÕES(DOCUMENTO-NF) • NÍVEL DE ÍTEM DE UM DOCUMENTO (NF,OC, OEXPEDIÇÃO, APÓLICE) • TEMPO: • PK=CONCATENAÇÃO DE FK DAS DIMENSÕES • TABELAS DIMENSÕES – NÍVEL DIÁRIO – NÍVEL SEMANAL – NÍVEL MENSAL, ETC • PONTOS DE ENTRADA • HIERARQUIAS-NÍVEIS DE QUEBRA • GRANULARIDADE COERENTE COM FATO • CONSIDERAÇÕES: – VOLUMES DE DADOS – NECESSIDADE DE INFORMAÇÕES P/ NEGÓCIO – DISPONIBILIDADE DO DADO FONTE 13 Fonte: Carlos Barbieri MODELO DIMENSIONAL GRANULARIDADE DIMENSÃO GEOGRAFIA PAIS CATEGORIA REGIÃO SUB CATEGORIA DIMENSÕES DIMENSÃO PRODUTO – PONTOS DE ENTRADAS DA ESTRUTURA – DIMENSÕES E SEUS ATRIBUTOS SERVEM TAMBÉM COMO FILTROS E COMO HEADER DOS RELATÓRIOS – DIMENSÕES TÍPICAS: • • • • • ANO PRODUTO ESTADO TRIM MÉTRICAS: •QUANTIDADE •VALOR CIDADE X LOJA ITEM NF DIA • MENOS=FALTOU OBSERVAÇÃO(TEMPO-ESPAÇO-TIPO) • MAIS=DIMENSÕES SUPÉRFLUAS – SÃO OS DESCRITORES DAS TFATOS – CONCEITO DE SK (surrogate Key – chave sequencial) -INDEPENDÊNCIA DIMENSÃO TEMPO GRANULARIDADE MENOR 15 PRODUTO/SERVIÇO-O QUE VENDO CLIENTE-QUEM COMPRA TEMPO-QUANDO FOI FEITO A COMPRA LOCAL(ARMAZÉM,LOJA,ETC)-ONDE STATUS, PROMOÇÕES-CONDIÇÕES DA COMPRA – DESCREVER TODOS OS ATRIBUTOS DAS DIMENSÕES – DEVEM SER ATRIBUTOS DESCRITIVOS SEM CAMPOS NULOS – NORMALMENTE UM DM TEM ENTRE 4-15 DIMENSÕES MES VENDAS Fonte: Carlos Barbieri DIMENSÕES EM HIERARQUIAS • DIMENSÕES NORMALMENTE TEM HIERARQUIAS HIERARQUIAS TEM NÍVEIS NÍVEIS TEM MEMBROS(MEMBERS) TIPOS DE HIERARQUIA-RELACIONAMENTOS 1:N • DIMENSÕES ESPECIAIS PODEM TER MÚLTIPLAS HIERARQUIAS. EXEMPLO: TEMPO TEMPO CALENDÁRIO NORMAL – ANO->TRIMESTRE->MÊS->DIA – COMEÇA EM JANEIRO – BALANCEADA: N DIFERENTE DE ZERO EM TODOS OS NIVEIS- • – DESBALANCEADA: N PODE SER ZERO • • EX:ÓRGÃO->DIVISÃO(PODE TER ÓRGÃO SEM DIVISÃO) • EX: PAIS-ESTADO-CIDADE-EM ISRAEL NÃO TEM ESTADO. EXISTE SOMENTE CIDADE E PAIS • 17 OS SERVIDORES OLAP TRATAM A DIMENSÃO TEMPO COMO ESPECIAL – PODEM SER OBTIDAS DIRETAMENTE DE UMA FONTE SIMPLES-CAMPO DATA DE UMA TABELA – PODEM SER OBTIDAS DE UMA TABELA FONTE-DIMENSÃO TEMPO BEM PROJETADA-COM DIA, FERIADOS,TAGS DE FIM DE SEMANA, ETC – RAGGED: UM DO NÍVEIS PODE NÃO TER MEMBROS – ESTADO: ASSUME CHAVE DO PAIS OU BRANCO TEMPO CALENDÁRIO FISCAL – ANO->TRIMESTRE->MÊS->DIA – COMEÇA EM ABRIL • EX: ANO->MÊS->DIA Fonte: Carlos Barbieri 16 Fonte: Carlos Barbieri DIMENSÕES EM HIERARQUIAS • • • • 14 Fonte: Carlos Barbieri NORMALMENTE DEFINE-SE TEMPO COMO UMA DIMENSÃO A SER COMPARTILHADA COM OS CUBOS DO DMART Fonte: Carlos Barbieri 18 3 13/03/2012 HIERARQUIAS DIMENSÕES COMPARTILHADAS PAÍS 2 HIERARQUIAS • SHIP TO • BILL TO ESTADO DIMENSÕES CLIENTE DIMENSÃO TEMPO CIDADE ANO VENDAS TRIM MES CLIENTE • • A DIMENSÃO É COMPARTILHADA ENTRE VÁRIOS PROJETOS DE DM/DW A DIMENSÃO SIGNIFICA A MESMA COISA COM TODA AS TFATOS COM AS QUAIS SE JUNTA(JOIN)-CONFORMIDADE OS PROJETISTAS DO DW/DM DEVEM MANTER CATALOGADAS E DIFUNDIDAS ESSAS DEFINIÇÕES FUNDAMENTAL PARA A INTEGRAÇÃO ENTRE OS VÁRIOS “DMARTS” AS DIMENSÕES -CONFORMES- NORMALMENTE SÃO DESENVOLVIDAS EM SUA MAIOR GRANULARIDADE • • • – – – DIA ZONA VENDA PRODUTO • CALENDÁRIO NORMAL CALENDÁRIO FISCAL REGIÃO VENDA MARCA TERRIT. VENDAS Fonte: Carlos Barbieri 19 DIMENSÃO TEMPO • • (QUASE) SEMPRE PRESENTE NOS MODELOS DIMENSIONAIS TABELA DIMENSÃO TEMPO PADRÃO: – CHAVE DE DATA(PK) – DATA-COMPLETA(01-01-2010) – DIA-SEMANA(6A FEIRA) – NÚMERO-DIA-MÊS(01) – NÚMERO-DIA-GERAL(CORRIDO NO ANO)(01 a 365) – NÚMERO-SEMANA-ANO(01 a 52) – NÚMERO-SEMANA-GERAL(CORRIDO) – MÊS – NÚMERO-MÊS-GERAL(CORRIDO) – TRIMESTRE – PERÍODO-FISCAL – TAG-DIA-SEMANA – TAG-ÚLTIMO-DIA-MÊS Fonte: Carlos Barbieri NORMALMENTE CRIADA A PARTIR DE UM AMBIENTE ESPECIAL-EDITOR DE DIMENSÕES-VALERÁ PARA TODOS OS CUBOS AS DIMENSÕES PODEM SER COMPARTILHADAS EM HIERARQUIAS PARCIAIS. POR EX: CATEGORIA->SUBCATEGORIA->PRODUTO. SOMENTE VOU COMPARTILHAR NO MEU CUBO CATEGORIA, OU CATEGORIA->SUBCATEGORIA. DESABILITO O NIVEL INDESEJÁVEL(AUTOMATICAMENTE DESABILITAM OS NIVEIS MENORES) • CLASSE DIMENSÕES PRODUTO 21 TEMPO=> ANO-SEMESTRE-TRIMESTRE-MÊS-DIA CLIENTE=> TIPO-CLIENTE GEOGRAFIA==>PAIS-REGIÃO-ESTADO-CIDADE-LOJA DIMENSÃO CLIENTE • • MAIOR DETALHAMENTO POSSÍVEL, COM MODELAGEM DOS ATRIBUTOS COM ALTA INDEPENDÊNCIA ENTRE ELES TABELA DIMENSÃO CLIENTE PADRÃO: – CHAVE DE DATA(PK) – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – SAUDAÇÃO ESTILO DE SAUDAÇÃO PRENOME E MEIO-NOME SOBRENOME SUFIXO ETNIA DO NOME GÊNERO TÍTULO RELACIONAMENTO ORGANIZAÇÃO SUB-ORGANIZAÇÃO SEGUNDO NÍVEL DA ORGAN. NÚMERO DO ENDEREÇO NOME DA RUA TIPO DA RUA DIREÇÃO CAIXA POSTAL CONJUNTO/ALA(SUITE) CIDADE DISTRITO ESTADO PAÍS CONTINENTE CODIGO POSTAL PRIMÁRIO CÓDIGO-POSTAL-SECUNDÁRIO TELEFONE-CÓDIGO-PAIS CÓDIGO-ÁREA TELEFONE FAX-CÓDIGO-PAIS …E-MAIL, WEB-SITE, RECOMENDAÇÃO - USAR SURROGATE KEY(SK) SK=CHAVE SEQUENCIAL, SEM SENTIDO EMBUTIDO CRIA MAIOR ESTABILIDADE EVITA CONFLITO DE MUDANÇAS DE CHAVES E DE SUAS SEMÂNTICAS • EVITAR/CUIDADO COM O USO DE SMART KEY(CHAVES COM SEMÂNTICA EMBUTIDA) • 4 BYTES: 2 BILHÕES DE OCORRÊNCIAS DE SK Fonte: Carlos Barbieri 23 EX:MR EX:PROFISSIONAL EX:R. JAMES EX: WOOD EX:JR EX:INGLÊS EX:MASCULINO EX:ADVOGADO EX:REPRESENTANTE DE JOHN DOE EX:ABC GENERIC POWER EX:DEPARTAMENTO JURÍDICO EX:DSEÇÃO DE ANÁLISES DE LITÍGIOS EX:1200 EX:AVENIDA BARBACENA EX:AVENIDA EX:NOROESTE EX;2348 EX:B2 EX:BELO HORIZONTE EX:SANTO AGOSTINHO EX:MAINS GERAIS EX:BRASIL EX:AMÉRICA DO SUL EX: EX031 EX;55 EX:31 EX:525-8798 22 Fonte: Carlos Barbieri CHAVES DE DIMENSÕES E DE FATOS • • • • 20 Fonte: Carlos Barbieri CHAVES SURROGATE TFATO DIMENSÃO K1 K1 S MÉTRICAS PS CHAVE SURROGATE: NÚMERICA, NEUTRA GERADA, SEQUENCIAL TIPO IDENTITY NORMALMENTE 4 BYTES 24 4 13/03/2012 FATOS E DADOS FATOS E DADOS – ESCOLHER PARA CADA TFATO OS ATRIBUTOS NUMÉRICOS E ADITIVOS – TÍPICOS: • QUANTIDADE VENDIDA • VALOR VENDIDO • CUSTO DO PRODUTO (VENDIDO) • LUCRO • CONSUMO – MANTER CONFORMIDADE/COERÊNCIA TAMBÉM ENTRE FATOS E AS MEDIDAS/VALORES , COM O MESMO SENTIDO, FÓRMULAS DE CÁLCULOS, ETC – GRANULARIDADE DA TFATO ESTA DIRETAMENTE RELACIONADA COM A DAS TDIM • • • ESCOLHER COM CUIDADO OS CAMPOS, DEVIDO AO TAMANHO EXPONENCIAL DAS TFATOS ETERNO COMPROMISSO ENTRE PERFORMANCE E ARMAZENAMENTO CAMPOS CANDIDATOS A REMOÇÃO: – – CAMPOS USADOS POR POUCOS USUÁRIOS CAMPOS POTENCIALMENTE DERIVADOS – – CAMPOS QUE NÃO TENHAM VALOR DE NEGÓCIO CAMPOS DE DIMENSÕES DEGENERADAS, COMO NÚMERO DE ORDEM/PEDIDOS, CASO A GRANULARIDADE SEJA O ITEM DESSAS ENTIDADES • • • EX: VALOR UNITÁRIO E QUANTIDADE DO ITEM ARMAZENO O VALOR TOTAL DA VENDA DO ÍTEM????(V.UNITÁRIO*QUANTIDADE) ANALISAR O TAMANHO DE CADA CAMPO – USE CHAVES SURROGATE QUANDO POSSÍVEL(CHAVE DEFINIDA PELO PROJETO, SEM SIGNIFICADO INTRÍNSECO) – LEMBRE-SE PORÉM: AS TFATOS SÃO GIGANTESCAS(ALTO VOLUME) E ISSO REQUER COMPROMISSOS NA ESCOLHA DE SEUS CAMPOS 25 Fonte: Carlos Barbieri 26 Fonte: Carlos Barbieri FATOS SEM DADOS FATOS SEM DADOS ALUNO • • • • TABELAS FATOS SEM PRESENÇA DE DADOS PODEM ACONTECER MAS NÃO SÃO COMUNS CONTÉM SOMENTE AS CHAVES DAS DIMENSÕES SERVEM PARA CONTROLE DE EVENTOS E SUAS OCORRÊNCIAS, SEM NECESSIDADE DE REGISTRO DE DADOS ADITIVOS • EX: DISCIPLINA CHAVE-ALUNO CHAVE-DIA CHAVE-DISCIPLINA MÉTRICA(???) – CONTROLE DIÁRIO DE PRESENÇA DE ESTUDANTES • DIA, ESTUDANTE,CURSO(0). – NÃO CABERIA NOTA(NORMALMENTE POR MÊS, OU SEMESTRE), NEM FREQUÊNCIA 27 Fonte: Carlos Barbieri DIA 28 Fonte: Carlos Barbieri FATOS E DADOS HETEROGENEIDADE CONTA CORRENTE CLASSIFICADOS EM • PRODUTOS HETEROGÊNEOS • INDÚSTRIA FINANCEIRA • CONTA CORRENTE, SEGURO,EMPRÉSTIMO, POUPANÇA,HABITAÇÃO, ETC • DIFERENTES FATOS E DADOS PARA CADA LINHA DE NEGÓCIO • DIMENSÕES COMUNS(CLIENTES, AGÊNCIAS) • ESTRATÉGIA: – MÚLTIPLAS TABELAS FATO E DADOS ESPECÍFICOS – DIMENSÕES ÚNICAS E CONFORMES BANCO PRODUTOS CONTA POUPANÇA É FORMADO DE PERTENCEM A POSSUEM ASSOCIADOS A EMPRÉSTIMO SFH AGÊNCIAS ASSOCIADOS A INVESTIMENTO TRABALHAM COM ASSOCIADOS A CLIENTE RELATIVAS A CONTAS EMPRÉSTIMO PESSOAL POSSUEM ASSOCIADOS A CARTÃO CRÉDITO DOMICÍLIO Fonte: Carlos Barbieri 29 Fonte: Carlos Barbieri 30 5 13/03/2012 FATOS MULTI-DADOS AGÊNCIA CONTA TEMPO DIMENSÕES COMPARTILHADAS AGÊNCIA FATOS SALDO CHAVE-CONTA CHAVE-AGÊNCIA CHAVE-PRODUTO CHAVE-TEMPO CONTA PRODUTO FATOS FATOS FATOS FATOS FATOS CHAVE-CONTA CHAVE-PRODUTOC.CORRENTE CHAVE-TEMPO CHAVE-AGÊNCIA CHAVE-CONTA CHAVE-PRODUTOPOUPANÇA CHAVE-TEMPO CHAVE-AGÊNCIA CHAVE-CONTA CHAVE-PRODUTOSFH CHAVE-TEMPO CHAVE-AGÊNCIA CHAVE-CONTA CHAVE-PRODUTOINVESTIMENTO CHAVE-TEMPO CHAVE-AGÊNCIA CHAVE-CONTA CHAVE-PRODUTOEMP.PESSOAL CHAVE-TEMPO CHAVE-AGÊNCIA CHAVE-CONTA CHAVE-PRODUTOC.CRÉDITO CHAVE-TEMPO CHAVE-AGÊNCIA MÉTRICAS C.CORRENTE MÉTRICAS C.POUPANÇA MÉTRICAS SFH MÉTRICAS INVESTIMENTO MÉTRICAS EMP.PESSOAL MÉTRICAS C.CRÉDITO PRODUTO PRODUTO PRODUTO SFH PRODUTO PRODUTO EMP. PESSOAL MÉTRICA C.CORRENTE POUPANÇA TEMPO • • • DADOS E FATOS ALGUMAS FERRAMENTAS CONSIDERAM A TFATO COMO MAIS UMA DIMENSÃO FACILITA O USO DE EXPRESSÕES OS VALORES DA TFATO ESTÃO SEMPRE ASSOCIADOS A ELEMENTOS FOLHA DAS DIMENSÕES LEMBRAR QUE AS FATOS PODERÃO SER PROCESSADAS POR VÁRIOS TIPOS DE ELABORAÇÃO: – SOMA ( MAIS COMUM) – VALOR MÁXIMO, MÍNIMO, CONTADOR, CONTADOR(DISTINTO) • C.CRÉDITO 32 Fonte: Carlos Barbieri DADOS E FATOS • PRODUTO DIMENSÕES ESPECIALIZADAS 31 Fonte: Carlos Barbieri INVESTIMENTO AS CÉLULAS DA TFATO PODEM SER CALCULADAS EM FUNÇÃO DE VALORES DE OUTRAS CÉLULAS DA MESMA TFATO-SÃO OS MEMBROS CALCULADOS • CONCEITO DE ELEMENTO VIRTUAL – ELEMENTO DEFINIDO NA TFATO, COMO MEDIDA – CALCULADO EM FUNÇÃO DE OUTRO ELEMENTO DA MESMA DIMENSÃO – POR EXEMPLO: DEFINO UM CAMPO VIRTUAL EM TFATO CHAMADO MEDIDA DOBRADA – FAÇO MEDIDA DOBRADA= 2 * VALOR DO PRODUTO – FUNCIONA COMO SE TIVESSE DEFINIDO UM NOVO MEMBRO DE PRODUTO, CUJOS VALORES NA TFATO SÃO SEMPRE O DOBRO DO PRODUTO – EX: MÉDIA=TOTAL VENDAS/TOTAL UNIDADES VENDIDAS Fonte: Carlos Barbieri 33 Passos da Modelagem Dimensional Definição da área de negócios; Definição da granularidade - Menor – mais espaço; - Maior – menos espaço; Definição das tabelas dimensão; Normalização das tabelas dimensao; - Star Schema - ÑN - Snow Flakes Relacionamento dos atributos da tabela dimensão - Podem possuir ou não relacionamento Definição dos atributos da tabela fato - Definição das chaves - Definição das Métricas Fonte: Carlos Barbieri 34 Erros Comuns a Evitar em Modelagem Dimensional • Colocar atributos de texto usados para restrições e agrupamento numa tabela de fatos. • Limitar atributos em dimensões para economizar espaço. • Ignorar a necessidade de cuidar de mudanças em atributos de dimensões. • Resolver todos os problemas de desempenho de consultas adicionando mais hardware. • Usar chaves operacionais ou “inteligentes” para junções de tabelas de dimensão com tabela de fatos. • Projetar o modelo dimensional baseado em um relatório específico. Fonte: Marcos André Gonçalves 36 6 13/03/2012 Erros Comuns a Evitar em Projetos de Data Warehouse • Aceitar a premissa de que os responsáveis pelos sistemas operacionais fontes mais relevantes da organização são muito importantes e ocupados para gastar tempo com a equipe de DW. • Assegurar para o pessoal de suporte do DW escritórios agradáveis no prédio da TI, que fica próximo dos usuários de negócio, e providenciar um número de telefone de suporte de DW com várias opções de menu. • Treinar cada usuário em cada característica da ferramenta de acesso a dados na primeira aula de treinamento, adiar o treinamento sobre conteúdo de dados porque a aula usa dados falsos (os dados reais não estarão prontos nos próximos dois meses) e declarar sucesso ao término da primeira aula de treinamento já que o DW foi disponibilizado para os usuários de negócio. Fonte: Marcos André Gonçalves 37 Erros Comuns a Evitar em Modelagem Dimensional • Assumir que os usuários de negócio vão naturalmente gravitar em direção a dados robustos e desenvolver suas próprias “killer applications” analíticas. • Evitar a ilusão sedutora de desenvolvimento iterativo, que é somente uma desculpa para não fazer certo da primeira vez. Antes de implementar o DW, fazer uma análise completa descrevendo todos os possíveis ativos de dados da empresa e todos os usos desejados de informação, e Fonte: Marcos André Gonçalves 38 Erros Comuns a Evitar em Modelagem Dimensional • Não encorajar os usuários de negócio a lhe dar feedback contínuo ao longo do ciclo de desenvolvimento sobre novas fontes de dados e métricas chaves de desempenho que eles gostariam de acessar, e não assegurar a inclusão desses requisitos na release em desenvolvimento. Bons Estudos! Prof. Zaidan – www.fernandozaidan.com.br • Não concordar em entregar um data mart centrado em cliente de alto perfil, idealmente lucratividade de cliente ou satisfação de cliente, como seu primeiro produto. • Não conversar com os usuários de negócio; ao invés disso, confiar em consultores ou especialistas internos para lhe dar interpretação dos requisitos de usuários do DW. “O sucesso vem para aqueles que fazem com que ele aconteça, e não para aqueles que deixam que ele aconteça.” Anônimo Fonte: Marcos André Gonçalves 39 7