Post on 14-Dec-2018
Inteligência nos Negócios (Business Inteligente)
Sistemas de Informação – Sistemas de Apoio a Decisão
Aran Bey Tcholakian Morales, Dr. Eng.
(Apostila 4: OLAP)
2
BI
Dados ( OLTP e outras fontes)
Data Warehouse/ Data Marts
Ferramentas OLAP
Mineração de dados - KDD
Interpretação/
Avaliação
Decisões
Analise
de dados
Analises dos
tomadores de
decisão
Fundamentação da disciplina
Dados
Informação
Conhecimento
Análises Exploratória de Dados
3Equipe técnica que desenvolve e
oferece suporte ao BIAnalistas de negócio
Apresentação
4
5
6
7
Processamento analítico on-line (OLAP): Navegando e visualizando os dados da organização.
8
OLAP (Processamento analítico on-line) é uma das ferramentas de
consulta e de apresentação de informações (front-end) que permite
que analistas, gerentes e executivos obtenham, de maneira rápida,
consistente e interativa, acesso a uma variedade de visualizações de
dados agregados (quantidade vendida, lucro, preço) ao longo de
várias dimensões analíticas (tempo, categoria de produto, loja).
A tecnologia OLAP foi definida em decorrência da forte necessidade
de análises dos dados de forma fácil e flexível. Analisam-se múltiplas
visões do negócio em diferentes níveis de detalhe, comparações e
tendências.
OLAP: Definição
9
Objetivo
A tecnologia OLAP tem como objetivo auxiliar analistas de negócios a
sintetizarem informações sobre o assunto de negócio por meio de
comparações, visões personalizadas, análise histórica e projeção dos
dados em vários cenários.
Terminologia
Para melhor compreensão dos dados, as análises são sempre
associadas a um cubo, onde as arestas representam as dimensões e
cada célula representa uma medida (indicador), resultado de uma
determinada visão (cruzamento de uma ou mais dimensões).
OLAP
10
OLAP
Cubo é uma estrutura de dados que pode ser imaginado como
folha de cálculo multidimensional.
11
OLAP
12
OLAP
14
Vendas Prod Loja Total
p1 c1 12
p2 c1 11
p1 c3 50
p2 c2 8
c1 c2 c3
p1 12 50
p2 11 8
Tabela fato:Cubo Multi-dimensional
Exemplos de cubos de dados: 2 dimensões
15
Vendas Prod Loja Tempo Total
p1 c1 1 12
p2 c1 1 11
p1 c3 1 50
p2 c2 1 8
p1 c1 2 44
p1 c2 2 4
Tempo 2c1 c2 c3
p1 44 4
p2 c1 c2 c3
p1 12 50
p2 11 8
Tempo 1
Cubo Multi-dimensionalTabela fato:
Exemplos de cubos de dados: 3 dimensões
16
Tempo 2c1 c2 c3
p1 44 4
p2 c1 c2 c3
p1 12 50
p2 11 8
Tempo 1
c1 c2 c3
p1 56 4 50
p2 11 8
c1 c2 c3
sum 67 12 50
sum
p1 110
p2 19
129
. . .
Vendas(c1,*,*)
Vendas(*,*,*)Vendas(c2,p2,*)
Operações no cubo
Vendas(*,p2,*)
17
Tempo 2c1 c2 c3
p1 44 4
p2 c1 c2 c3
p1 12 50
p2 11 8
Tempo 1
região A região B
p1 56 54
p2 11 8
Hierarquia da
dimensão loja
região
loja
(loja c1 na Região A;
loja c2, c3 na Região B)
Operações no cubo
18
Exemplos de cubos de dados
O cubo de dados de 3 (três) dimensões:
19
20
Há três tecnologias principais para a construção de cubos
multidimensionais: ROLAP, MOLAP e HOLAP.
• ROLAP usa BD relacionais tradicionais, onde os dados são
armazenados em tabelas esquematizadas na forma de uma estrela
(star schema) ou de flocos de neve (snow flake schema). Aqui
temos um cubo “lógico” que permite visão detalhada de dados
analíticos.
Arquiteturas OLAP
21
• Já MOLAP, utiliza estruturas de dados proprietárias para
armazenar o cubo de dados, tornando o processamento mais
rápido. O armazenamento dos dados é física.
Alguns exemplos de base de dados são: Hyperion Essbase,
Microsoft AnalysisServices, Cognos.
• A tecnologia HOLAP, é uma tecnologia híbrida.
Arquiteturas OLAP
22
Análises de dados com EXCELExemploSelecione Dados -> Relatório de tabela e gráfico dinâmicos...
23
BI
Dados ( OLTP e outras fontes)
Data Warehouse/ Data Marts
Ferramentas OLAP
Mineração de dados - KDD
Interpretação/
Avaliação
Decisões
Analise
de dados
Analises dos
tomadores de
decisão
Fundamentação da disciplina
Dados
Informação
Conhecimento
Análises Exploratória de Dados
24
Pentaho BI-Server 1. Baixar o aplicativo do endereço community.pentaho.com (ver figura);
2. Descompactar e copiar o materal de “SAD_Folha_10” para
“…\pentaho-server\pentaho-solutions\system”
3. Executar o arquivo start-pentaho.bat
25
Pentaho BI-Server
4. O servidor demora em subir. Aparece a mensagem “Server
startup”(ver fgura). No browser digitar:
http://localhost:8080/pentaho;
5. Se não visualizar a tela principal, verifique os problemas com o Java
(ver slides de apostilas anteriores).
26
Pentaho: Bi-ServerExecutar o Bi-Server (para a instalação, consultar apostila de ferramentas)
1. Execute o arquivo biserver-ce\start-pentaho.bat;
2. No browser digitar: http://localhost:8080/pentaho;
3. Escolher o login Administrador (Admin/password)
27
Pentaho: Bi-Server
28
Pentaho: Bi-ServerExercício Folha 10
1. Adicionar uma nova conexão
29
Pentaho: Bi-Server
2. Verifique os parâmetros da conexão
30
Pentaho: Bi-Server
3. Criar um novo data source
31
Pentaho: Bi-Server
4. Dar um novo ao data source e escolher o tipo Database table
32
Pentaho: Bi-Server
5. Selecionar a conexão com a base de dados
33
Pentaho: Bi-Server
6. Tela para construir os joins entre o fato e as dimensões
34
Pentaho: Bi-Server
7. Os joins construídos
35
Pentaho: Bi-Server
8. O cubo de dados foi construído
36
Pentaho: Bi-Server
9. Opções para visualizar o cubo de dados
37
Pentaho: Bi-Server
10. Ferramenta JPivot
38
Pentaho: Bi-Server
11. Editando o cubo de dados construído
39
Pentaho: Bi-Server
12. Agrupando os atributos da DI_LOJA
40
Pentaho: Bi-Server
13. Atributos da DI_LOJA agrupados
4114. Visualização na ferramenta Saiku
Pentaho: Bi-Server
42
Pentaho: Bi-Server
15. Outra visualização na ferramenta Saiku
43
Pentaho: Bi-ServerExercício Folha 10 – item a
44
Exercício Folha 10 – item b
45
46
Pentaho: Bi-ServerFolha 10: item e.
47
Pentaho: Bi-Server
48
Pentaho: Bi-Server
66
BI
Dados ( OLTP e outras fontes)
Data Warehouse/ Data Marts
Ferramentas OLAP
Mineração de dados - KDD
Interpretação/
Avaliação
Decisões
Analise
de dados
Analises dos
tomadores de
decisão
Fundamentação da disciplina
Dados
Informação
Conhecimento
Análises Exploratória de Dados