3.2 Noções de Modelagem Dimensional - II Flashcards
Em Matéria de Tecnologia da Informação, quanto às Noções de Modelagem Dimensional,
Relacione cada característica abaixo diferenciando sob se ela faz parte de um (1) OLTP ou de um (2) OLAP
( ) Foco no nível estratégico da organização. Visa a ANÁLISE empresarial e tomada de decisão.
( ) Foco no nível operacional da organização. Visa a execução operacional do negócio.
( ) Alta velocidade na manipulação de dados operacionais, porém ineficiente para geração de análises gerenciais.
( ) Os dados são normalmente estruturados em um modelo relacional normalizado, otimizado para a utilização transacional. Os dados possuem alto nível de detalhes.
( ) Otimização para a leitura e geração de análises e relatórios gerenciais.
( ) Os dados estão estruturados na modelagem multidimensional e normalmente possuem alto nível de sumarização.
( ) Feito em estruturas de Data Warehouse com otimização no desempenho em grandes volumes de dados.
( ) Feito em sistemas convencionais de Banco de Dados através dos sistemas de informações da organização.
( ) Utilizado por técnicos e analistas. Engloba também vários usuários da organização.
( ) Utilizado pelos gestores e analistas para a tomada de decisão.
( ) Frequência muito alta de atualizações.
( ) Frequência baixa de atualizações, podendo ser diária, semanal, mensal ou anual (ou critério específico).
( ) Dados voláteis, passíveis de modificação e exclusão.
( ) Dados históricos e não voláteis. Os dados não sofrem alterações, salvo necessidades específicas (por motivos de erros ou inconsistências de informações).
(2) Foco no nível estratégico da organização. Visa a ANÁLISE empresarial e tomada de decisão.
(1) Foco no nível operacional da organização. Visa a execução operacional do negócio.
(1) Alta velocidade na manipulação de dados operacionais, porém ineficiente para geração de análises gerenciais.
(1) Os dados são normalmente estruturados em um modelo relacional normalizado, otimizado para a utilização transacional. Os dados possuem alto nível de detalhes.
(2) Otimização para a leitura e geração de análises e relatórios gerenciais.
(2) Os dados estão estruturados na modelagem multidimensional e normalmente possuem alto nível de sumarização.
(2) Feito em estruturas de Data Warehouse com otimização no desempenho em grandes volumes de dados.
(1) Feito em sistemas convencionais de Banco de Dados através dos sistemas de informações da organização.
(1) Utilizado por técnicos e analistas. Engloba também vários usuários da organização.
(2) Utilizado pelos gestores e analistas para a tomada de decisão.
(1) Frequência muito alta de atualizações.
(2) Frequência baixa de atualizações, podendo ser diária, semanal, mensal ou anual (ou critério específico).
(1) Dados voláteis, passíveis de modificação e exclusão.
(2) Dados históricos e não voláteis. Os dados não sofrem alterações, salvo necessidades específicas (por motivos de erros ou inconsistências de informações).
Em Matéria de Tecnologia da Informação, quanto às Noções de Modelagem Dimensional,
Relacione cada operação possível de ser executada em um OLAP com sua respectiva definição: (1) Slice, (2) Dice, (3) Drill Up, (4) Consolidação, (5) Drill Down, (6) Drill Across, (7) Drill Through, (8) Alertas, (9) Ranking, (10) Filtros, (11) Sorts, (12) Breaks, (13) Cross-Join, (14) Pivot e (15) Consultas Ad-Hoc
( ) Um recurso no qual dados são unidos (Faz-se a junção de dados!) e colunas e linhas são invertidas, permitindo uma melhor visualização sob a ótica do negócio
( ) permite agrupar resultados por ordem de maiores / menores, baseado em objetos numérico
( ) seleciona vários membros de várias dimensões, formando uma espécie de subcubo
( ) usuário aumenta o grau de granularidade, diminuindo o nível de detalhamento da informação - como passar de mês para trimestre
( ) calcula as medidas em função de agrupamentos, realiza o recálculo da medida de acordo com os ajustes de escala.
( ) É uma operação de visualização que rotaciona os eixos de um determinado cubo, provendo uma visão alternativa dos dados.
( ) o usuário passa de uma informação contida em uma dimensão para uma outra - estou na dimensão de tempo e no próximo passo começo a analisar a informação por região.
( ) indica situações de destaque em elementos dos relatórios, baseados em condições envolvendo objetos e variáveis. Servem para indicar valores mediante condições, mas não para isolar dados pelas mesmas.
( ) o usuário aumenta o nível de detalhe da informação, diminuindo o grau de granularidade, como passar de semestre para trimestre.
( ) Servem para ordenar uma informação. Esta ordenação pode ser customizada, crescente ou decrescente.
( ) seleciona um membro em particular de uma dimensão
( ) São consultas com acesso casual único e tratamento dos dados segundo parâmetros
nunca antes utilizados, geralmente executado de forma iterativa e heurística.
( ) Servem para separar o relatório em grupos de informações (blocos). Por exemplo: O usuário tem a necessidade de visualizar a informação por cidades, então ele deve solicitar um Break. Após esta ação ter sido executada, automaticamente o relatório será agrupado por cidades, somando os valores mensuráveis por cidades.
( ) o usuário pula um nível intermediário dentro de uma mesma dimensão, como passar direto de ano para mês, sem ter de passar por semestre ou trimestre
( ) Os dados selecionados por uma Query podem ser submetidos a condições para a leitura na fonte de dados. Os dados já recuperados pelo usuário podem ser novamente “filtrados” para facilitar análises diretamente no documento.
(13) Um recurso no qual dados são unidos (Faz-se a junção de dados!) e colunas e linhas são invertidas, permitindo uma melhor visualização sob a ótica do negócio
(9) permite agrupar resultados por ordem de maiores / menores, baseado em objetos numérico
(2) seleciona vários membros de várias dimensões, formando uma espécie de subcubo
(3) usuário aumenta o grau de granularidade, diminuindo o nível de detalhamento da informação - como passar de mês para trimestre
(4) calcula as medidas em função de agrupamentos, realiza o recálculo da medida de acordo com os ajustes de escala.
(14) É uma operação de visualização que rotaciona os eixos de um determinado cubo, provendo uma visão alternativa dos dados.
(7) o usuário passa de uma informação contida em uma dimensão para uma outra - estou na dimensão de tempo e no próximo passo começo a analisar a informação por região.
(8) indica situações de destaque em elementos dos relatórios, baseados em condições envolvendo objetos e variáveis. Servem para indicar valores mediante condições, mas não para isolar dados pelas mesmas.
(5) o usuário aumenta o nível de detalhe da informação, diminuindo o grau de granularidade, como passar de semestre para trimestre.
(11) Servem para ordenar uma informação. Esta ordenação pode ser customizada, crescente ou decrescente.
(1) seleciona um membro em particular de uma dimensão
(15) São consultas com acesso casual único e tratamento dos dados segundo parâmetros
nunca antes utilizados, geralmente executado de forma iterativa e heurística.
(12) Servem para separar o relatório em grupos de informações (blocos). Por exemplo: O usuário tem a necessidade de visualizar a informação por cidades, então ele deve solicitar esta função. Após esta ação ter sido executada, automaticamente o relatório será agrupado por cidades, somando os valores mensuráveis por cidades.
(6) o usuário pula um nível intermediário dentro de uma mesma dimensão, como passar direto de ano para mês, sem ter de passar por semestre ou trimestre
(10) Os dados selecionados por uma Query podem ser submetidos a condições para a leitura na fonte de dados. Os dados já recuperados pelo usuário podem ser novamente “filtrados” para facilitar análises diretamente no documento.
Em Matéria de Tecnologia da Informação, quanto às Noções de Modelagem Dimensional,
O Drill-up é quando vamos de ____ (ano / semestre) para ____ (ano / semestre)
Já o Drill-down é quando vamos de ____ (ano / semestre) para ____ (ano / semestre)
Além disso, ambos os comandos ____ (servem / não sevem) exclusivamente para alterar a variável tempo
Drill-up (vou para cima): semestre para ano (reduz o nível de detalhe)
Drill-down (vou para baixo): ano para semestre (aumenta o nível de detalhe)
Não servem exclusivamente para tempo - podem realizar outras “aberturas” ou “agrupamentos”
Em Matéria de Tecnologia da Informação, quanto às Noções de Modelagem Dimensional,
No esquema estrela as tabelas ____ (são / não são) normalizadas.
No esquema floco de neve as tabelas ____ (são / não são) normalizadas.
Estrela = não são
Floco de neve = são
Em Matéria de Tecnologia da Informação, quanto às Noções de Modelagem Dimensional,
Qual modelo é mais simples, o Multidimensional ou o Relacional? E por quê?
Além disso, qual a função de cada um? O objetivo, por assim dizer
O Multidimensional é mais simples que o Relacional, pois o Multidimensional organiza os dados em um grande Data Warehouse em que os dados já são construídos em um modelo de cubo, em que cada dimensão representa um ângulo de análise dos fatos em questão, o que é muito positivo para análises e leituras rápidas. Logo, é adequado para OLAP.
Já o modelo Relacional é adequado para registro de transações, em que a consistência é importante. Como o modelo relacional é composto por várias tabelas interligadas, com várias chaves estrangeiras que visam validar as informações inseridas, ele é tido como mais complexo pois a junção destas várias tabelas torna o processo mais lento, mas garante mais integridade dos dados. Logo, é adequado para OLTP.
