The Data Warehouse
Toolkit
Guia completo para modelagem
dimensional
Capítulos 1 e 2
Daniela Resende Silva Orbolato
São Carlos - 2009
Roteiro
•
•
•
•
•
Definição de Data Warehouse
Objetivos de um DW
Componentes de um DW
Modelagem dimensional
Passos para a criação de um modelo
dimensional
• Modelagem do estudo de caso de
vendas a varejo
2
Definição de Data
Warehouse
• Segundo, Ralph Kimball: Data
warehouse é um conjunto de todos os
data marts da organização, onde a
informação é sempre armazenada em
um modelo dimensional.
3
Objetivos de um Data
Warehouse
• O DW deve:
– permitir o acesso fácil às informações de
uma organização
– Apresentar as informações de forma
consistente
– Ser adaptável e flexível a mudanças
– Proteger as informações de forma segura
– Oferecer dados que suportem a tomada de
decisões
– Ser aceito pela comunidade de negócio
4
Componentes de um Data
Warehouse
5
Componentes de Um Data
Warehouse
6
Componentes de Um Data
Warehouse
7
Componentes de Um Data
Warehouse
8
Componentes de Um Data
Warehouse
9
Terminologia da Modelagem
Dimensional
• Tabela Fato
• 3 Tipos de Fatos
– Aditivos
– Semi-aditivos
– Não-aditivo
• Grão
10
Dimensional Modeling
Vocabulary
• Tabela Dimensional
11
Exemplo de Modelo
Dimensional
12
Mitos sobre a Modelagem
Dimensional
• Modelos dimensionais e data marts são apenas para
dados resumidos
• Modelos dimensionais e data marts são soluções
departamentais e não corporativas
• Modelos dimensionais e data marts não são
escalonáveis
• Modelos dimensionais e data marts são apropriados
apenas quando existe um padrão de utilização previsível
• Modelos dimensionais e os data marts não podem ser
integrados e, portanto, levam a soluções isoladas
13
Processo de Criação
Dimensional em 4 Etapas
1. Selecione o processo do negócio
2. Declare o grão do processo do negócio
3. Escolha as dimensões que aplicam a
cada linha da tabela fato
4. Identifique os fatos numéricos que
preencherão cada linha da tabela de
fatos
14
Estudo de Caso sobre o
Varejo
• Empresa do ramo de alimentos
– 100 supermercados em 5 estados
– Todas as lojas têm os mesmos deptos.
– 60.000 produtos individuais, as SKU´s
– 55.000 SKU têm código de barras, os UPC´s
– 5.000 SKU são internas à rede (produtos a granel)
– Coleta de dados no POS e na entrada de
mercadorias
15
Modelando esse Caso
1. Selecione o processo do negócio
– POS de vendas a varejo
2. Declare o grão
– Item individual de venda no POS
3. Escolha as dimensões
– Loja, Produto, Data, Promoção, nro. de transação POS
4. Identifique os fatos
– .....
16
Analisando os Fatos
Margem de lucro
Fatos Aditivos
Fato NAO-Aditivo
• Porcentagens e proporções são não-aditivas. É possível
calculá-las armazenando numerador e denominador, e
depois a proporção das somas
17
Dimensão Data
18
Dimensão Produto
19
Dimensão Loja
20
Dimensão Promoção
• Divisão em 4 dimensões
• Prós
– Mais intelegíveis para a
comunidade de negócios
– Administração mais
simples
• Contras
– Tamanho praticamente o
mesmo nos dois casos
– Possível ver como os 4
aspectos são
correlacionados
21
Extensão do Modelo
22
Normalização das
Dimensões
• Snowflaking
23
Excesso de Dimensões
24
Outras Considerações
• Dimensão de Degeneração – nro. da transação
no POS
• Chaves substitutas
– Sem “inteligência”
– Possivelmente menor que chave operacional
– Registram condições para dimensões em que não há
valor operacional
– Seu uso evita complicações com as chaves
operacionais reutilizadas
– Ao usá-las, evite a composição de chaves unindo
chaves de uma dimensão
25