Modelagem Multidimensional Flashcards
1
Q
A modelagem dimensional serve para bases de dados:
A
dimensionais.
2
Q
Existem dois tipos de bancos de dados:
A
transacionais e analíticos.
3
Q
Bancos de Dados Transacionais são mais eficientes para sistemas que processam uma ______ quantidade de transações.
A
Bancos de Dados Transacionais são mais eficientes para sistemas que processam uma grande quantidade de transações.
4
Q
As transações de dados são basicamente _________, ____________ ou ________ de dados de um banco de dados.
A
As transações de dados são basicamente inserções, atualizações ou remoções de dados de um banco de dados.
5
Q
As transações de dados são basicamente _________, ____________ ou ________ de dados de um banco de dados.
A
As transações de dados são basicamente inserções, atualizações ou remoções de dados de um banco de dados.
6
Q
Os dados que compõem os bancos de dados transacionais alimentam os bancos de dados
__________, que são extremamente eficientes quando integrados a sistemas que geram relatórios ____________ de dados.
A
Os dados que compõem os bancos de dados transacionais alimentam os bancos de dados
analíticos, que são extremamente eficientes quando integrados a sistemas que geram relatórios consolidados de dados.
Um exemplo clássico é o Data Warehouse (DW)
7
Q
O modelo de dados denominado “multidimensional” se aplica para banco de dados com a tecnologia:
A
Data warehouse
8
Q
QUESTÃO
Um modelo de banco de dados multidimensional está mais fortemente
relacionado com:
a) data warehouse.
b) modelo relacional.
c) bancos hierárquicos.
d) modelo em 3 camadas.
e) banco de dados distribuídos.
A
Letra A (data warehouse)
9
Q
Os bancos de dados transacionais (às vezes chamados de operacionais) geralmente utilizam uma modelagem de dados:
A
relacional.
10
Q
Os bancos de dados analíticos geralmente utilizam uma modelagem de dados:
A
dimensional
11
Q
Os modelos multidimensionais tiram proveito dos _______________ inerentes nos dados para preencher os dados em ________ _________________, chamadas de _____ __ _____ _________ (ou __________, quando possuem mais de três dimensões).
A
Os modelos multidimensionais tiram proveito dos relacionamentos inerentes nos dados para preencher os dados em matrizes multidimensionais, chamadas de cubos de dados agregados (ou hipercubo, quando possuem mais de três dimensões).
12
Q
PARA FIXAR
Vejam abaixo que se a matriz possuir três dimensões, ela se tornará um cubo e será capaz de mostrar, por exemplo, a quantidade de produtos vendidos por região brasileira no primeiro trimestre, no segundo trimestre, no terceiro trimestre ou no quarto trimestre. Nós temos, portanto, uma nova dimensão que armazena o tempo! E, dessa forma, é possível ter várias dimensões…
A
13
Q
Como é mesmo que se chama uma matriz de três dimensões?
A
Cubo de Dados!
14
Q
Como é mesmo que se chama uma matriz de mais de três dimensões?
A
Hipercubo.
15
Q
PARA FIXAR
Uma matriz de quatro e cinco dimensões seria mais ou menos assim.
A
16
Q
A modelagem dimensional oferece diversas maneiras de realizar consultas de dados em um:
A
Data Warehouse .
17
Q
O desempenho de consultas nas matrizes multidimensionais pode ser muito ______ do que no modelo de dados relacional.
A
O desempenho de consultas nas matrizes multidimensionais pode ser muito melhor do que no modelo de dados relacional.
18
Q
O cubo de dados permite que você veja uma orientação _________ em cada eixo.
A
O cubo de dados permite que você veja uma orientação diferente em cada eixo.
Você pode girar o cubo para mostrar a quantidade de produtos vendidos como linha, as regiões como colunas e cada trimestre como uma terceira dimensão.
19
Q
ATENÇÃO
O cubo de dados é uma representação conceitual ou uma metáfora visual, não dá pra vê-lo. O usuário final visualizará algo como a imagem
A
20
Q
CERTO OU ERRADO:
Um cubo de dados é a representação multidimensional dos dados não agregados na qual é necessário que as dimensões tenham o mesmo tamanho.
A
ERRADO! Trata-se de dados AGREGADOS e as dimensões NÃO precisam ter o mesmo tamanho
21
Q
A estrutura relacional se diferencia da estrutura multidimensional principalmente devido a ____________, pouca ___________ e a frequência de ___________ suportadas.
A
A estrutura relacional se diferencia da estrutura multidimensional principalmente devido a normalização, pouca redundância e a frequência de atualizações suportadas.
22
Q
A estrutura multidimensional possui, normalmente, _______________ de tabelas, redundância ____ e suporta periodicidade de atualizações de dados muito _____ do que uma estrutura relacional convencional.
A
A estrutura multidimensional possui, normalmente, desnormalização de tabelas, redundância alta e suporta periodicidade de atualizações de dados muito menor do que uma estrutura relacional convencional.
23
Q
Normalização trata-se de um conjunto de ______ que visa reduzir a ___________ __ _____, entre outras características.
A
Normalização trata-se de um conjunto de regras que visa reduzir a redundância de dados, entre outras características.
24
Q
Redundância é a __________ de dados em diversas tabelas de um banco de dados.
A
Redundância é a replicação de dados em diversas tabelas de um banco de dados.
25
Um banco de dados desnormalizado é ruim?
**DEPENDE!**
No contexto de bancos de dados transacionais, não é saudável replicar dados porque isso piora o desempenho.
N contexto de bancos de dados dimensionais, não há problema algum replicar dados – na verdade, é até bom que os dados sejam replicados porque facilita no momento de gerar relatórios.
26
**PARA FIXAR**
27
A desnormalização torna os bancos de dados multidimensionais mais _________, permitindo que os dados possam ser organizados de acordo com os __________ e ____________ de cada usuário.
A desnormalização torna os bancos de dados multidimensionais mais flexíveis, permitindo que os dados possam ser organizados de acordo com os requisitos e preferências de cada usuário.
*Logo, a desnormalização oferece flexibilidade para que os usuários possam visualizar dados de acordo com os assuntos que mais os interessam.*
28
A abordagem multidimensional é organizada por ________, que por sua vez são traduções dos __________ de diversos usuários.
A abordagem multidimensional é organizada por assuntos, que por sua vez são traduções dos requisitos de diversos usuários.
*Logo, a desnormalização oferece flexibilidade para que os usuários possam visualizar dados de acordo com os assuntos que mais os interessam.*
29
**QUESTÃO**
Em um banco de dados multidimensional, os dados estão conceitualmente armazenados e organizados em:
a) classes e objetos.
b) cubos e hipercubos.
c) partições e índices.
d) consultas materializadas e sumários.
e) estrelas e constelações.
**Letra B (cubos e hipercubos)**
30
A modelagem multidimensional trabalha basicamente com dois elementos principais: Tabela ____ e Tabela ________, e as duas são ______________.
A modelagem multidimensional trabalha basicamente com dois elementos principais: Tabela Fato e tabela Dimensão, e as duas são complementares.
31
O que é uma Tabela Fato?
Trata-se de uma tabela que armazena informações quantitativas para análise de dados. É comum dizermos que se trata de uma tabela que possui medidas, métricas ou fatos sobre um processo de negócio!
32
A Tabela Fato uma tabela que armazena informações _____________ para análise de dados. É comum dizer que se trata de uma tabela que possui medidas, métricas ou fatos sobre um ________ __ _______.
A Tabela Fato uma tabela que armazena informações quantitativas para análise de dados. É comum dizer que se trata de uma tabela que possui medidas, métricas ou fatos sobre um processo de negócio.
33
**EXEMPLO DE TABELA FATO**
Vamos supor que eu possua várias Amarones em várias cidades brasileiras. Logo, um possível processo de negócio seria – por exemplo – as vendas. Se eu tenho uma loja, eu vendo algo!
Nesse contexto, que dados armazenaria minha Tabela Fato? Ela poderia armazenar o valor arrecadado com vendas na loja do Rio de Janeiro no mês de janeiro; ou o valor arrecadado com
vendas na Amarone de São Paulo no primeiro trimestre; ou a média diária do valor arrecadado com vendas na Amarone de Brasília no Carnaval. O que são esses dados? São fatos ou acontecimentos que possuem métricas quantitativas sobre um processo de negócio.
34
Os dados com semânticas diferentes contidos na Tabela Fato vêm das:
Tabelas Dimensão.
35
As tabelas dimensão são responsáveis por armazenar _________ ou _________ de _______ contidos em uma ______ ____.
As tabelas dimensão são responsáveis por armazenar atributos ou dimensões de objetos contidos em uma Tabela Fato.
36
A tabela dimensão é a tabela que vai auxiliar a tabela fato com dados _______________ ou ____________, e que possui informações que não se _______.
A tabela dimensão é a tabela que vai auxiliar a tabela fato com dados complementares ou explicativos, e que possui informações que não se repetem.
*armazena as informações de um único item, ou seja, as informações referentes a cada produto e por tanto não podem se repetir.*
37
Em geral, as Tabelas Fato possui chaves ____________ que referenciam chaves __________
(em geral, chaves _________) da _______ ________.
Em geral, as Tabelas Fato possui chaves estrangeiras que referenciam chaves candidatas
(em geral, chaves primárias) da Tabela Dimensão.
38
Os três elementos básicos de um modelo multidimensional são os:
fatos, dimensões e medidas
39
**CARACTERÍSTICAS DA TABELA FATO: possui 12**
1) Armazenam ___________, _______ ou _____ de um ________ __ _______ da organização.
2) Possuem geralmente uma grande quantidade armazenada de _________ ou ______.
3) São ____________ e sem __________ (decomposições em outras tabelas).
4) São tabelas que geralmente crescem _____________: mais _________ ou ______.
**CARACTERÍSTICAS DA TABELA FATO: possui 13**
1) Armazenam ocorrências, eventos ou fatos de um processo de negócio da organização.
2) Possuem geralmente uma grande quantidade armazenada de registros ou tuplas.
3) São normalizadas e sem hierarquia (decomposições em outras tabelas).
4) São tabelas que geralmente crescem verticalmente: mais registros ou linhas.
40
**CARACTERÍSTICAS DA TABELA FATO: possui 12**
5) Armazenam medidas/métricas ______________ (_______ ou ___________).
6) Podem ser medidas de ___________, métricas ____________, medidas __________, etc.
7) Contêm chaves ____________ que correspondem às chaves _________ das _______ ________.
8) Apresentam uma chave primária ________em que a dimensão tempo sempre é _____ __________.
**CARACTERÍSTICAS DA TABELA FATO: possui 13**
5) Armazenam medidas/métricas quantitativas (valores ou indicadores).
6) Podem ser medidas de desempenho, métricas operacionais, medidas agregadas, etc.
7) Contêm chaves estrangeiras que correspondem às chaves primárias das Tabelas Dimensão.
8) Apresentam uma chave primária composta em que a dimensão tempo sempre é parte integrante.
41
**CARACTERÍSTICAS DA TABELA FATO: possui 12**
9) Expressam, em geral, relacionamentos de ___ entre as Tabelas Periféricas (Dimensão).
10) São efetivamente criadas apenas após a criação de tabelas ____________.
11) Respondem à pergunta: “O que está sendo ______ nesse processo de negócio?”.
12) Concentram os dados de _________, passíveis de manipulação ________ e __________.
**CARACTERÍSTICAS DA TABELA FATO: possui 12**
9) Expressam, em geral, relacionamentos de 1:N entre as Tabelas Periféricas (Dimensão).
10) São efetivamente criadas apenas após a criação de tabelas dimensionais.
11) Respondem à pergunta: “O que está sendo medido nesse processo de negócio?”.
12) Concentram os dados de interesse, passíveis de manipulação numérica e estatística.
42
**EXEMPLOS DE TABELAS FATO**
Quantidade, Valor, Lucro, Margem, Perda, entre outros.
43
CERTO OU ERRADO:
Ao se modelar uma tabela‐fato, deve‐se considerar que a chave primária é composta e que a dimensão tempo sempre será parte integrante dessa chave.
CERTO!
44
**QUESTÃO DE PROVA**
Em um modelo dimensional, a tabela fatos armazena:
a) estatísticas sobre os metadados.
b) as restrições de domínio do negócio.
c) descrições textuais das dimensões.
d) medições numéricas do negócio.
e) o tempo de processamento das transações.
**d) medições numéricas do negócio.**
45
**CARACTERÍSTICAS DE TABELAS DIMENSÃO: possui 11**
1) Armazenam _________ ou _________ que descrevem _______ de uma ______ ____;
2) Possuem _geralmente_ menos ______ e mais _______ que Tabelas Fato;
3) Podem ser ________________ e com __________ (decomposições em outras tabelas).
4) Possuem uma chave ________ que identificam unicamente seus _________;
**CARACTERÍSTICAS DE TABELAS DIMENSÃO: possui 11**
1) Armazenam atributos ou dimensões que descrevem medidas de uma Tabela Fato;
2) Possuem _geralmente_ menos linhas e mais colunas que Tabelas Fato;
3) Podem ser desnormalizadas e com hierarquia (decomposições em outras tabelas).
4) Possuem uma chave primárias que identificam unicamente seus registros;
46
**CARACTERÍSTICAS DE TABELAS DIMENSÃO: possui 11**
5) As chaves primárias das Tabelas Dimensão compõem a chave ________ da Tabela Fato;
6) São tabelas que geralmente crescem ________________: mais __________ ou _______;
7) Apresentam atributos ____________ou ________ (Ex: ____, ____, ____ __ ___________);
8) Permitem a visualização de fatos por meio de diversas ____________ __________;
**CARACTERÍSTICAS DE TABELAS DIMENSÃO: possui 11**
5) As chaves primárias das Tabelas Dimensão compõem a chave primária da Tabela Fato;
6) São tabelas que geralmente crescem horizontalmente: mais atributos ou colunas;
7) Apresentam atributos qualitativos ou textuais (Ex: Nome, Sexo, Data de Nascimento);
8) Permitem a visualização de fatos por meio de diversas perspectivas diferentes;
47
**CARACTERÍSTICAS DE TABELAS DIMENSÃO: possui 11**
9) Atributos devem ser ________, ___________, _________, _________ e ________;
10) Respondem à pergunta: "______?", "_ ___?", "____?" e "____?";
11) Tabelas satélites que possuem as chaves de entrada do ______, além das informações ___________.
**CARACTERÍSTICAS DE TABELAS DIMENSÃO: possui 11**
9) Atributos devem ser verbosos, descritivas, completas, discretos e corretos;
10) Respondem à pergunta: "Quando?", "O que?", "Onde?" e "Quem?";
11) Tabelas satélites que possuem as chaves de entrada do modelo, além das informações descritivas.
48
**EXEMPLOS DE TABELAS DIMENSÃO**
Pessoas, Produtos, Lugares, Tempo, entre outros.
49
CERTO OU ERRADO:
Um modelo dimensional é composto por uma tabela com uma chave simples, denominada tabela de fatos, e um conjunto de tabelas maiores, que contém chaves compostas, conhecidas como tabelas de dimensão.
ERRADO! A questão inverteu os conceitos. Um modelo dimensional é composto por uma tabela maior que contém chaves compostas, denominada tabela de fatos e por um conjunto de tabelas menores, que contém uma única chave, conhecidas como tabelas de dimensão.
50
O modelo estrela (ou esquema estrela) é modelo ___________ de um data warehouse, no qual todas as tabelas relacionam-se ___________ com a tabela de _____, de forma que as tabelas ________ devem conter todas as __________ que são necessárias para se definir uma ______.
O modelo estrela (ou esquema estrela) é modelo dimensional de um data warehouse, no qual todas as tabelas relacionam-se diretamente com a tabela de fatos, de forma que as tabelas dimensão devem conter todas as descrições que são necessárias para se definir uma classe.
*as tabela de fora da imagem são as tabelas dimensão*
51
**QUESTÃO DE PROVA**
A organização dos data warehouse em tabela de fato e tabelas de dimensão relacionadas, é característica:
a) do esquema estrela.
b) da mineração de dados.
c) do roll-up.
d) do processador analítico on-line.
e) do drill-down.
**a) do esquema estrela.**
52
**QUESTÃO DE PROVA**
Uma das formas de apresentação de um banco de dados multidimensional é através do modelo estrela. No centro de um modelo estrela encontra-se a tabela de:
a) dimensão e, ao seu redor, as tabelas de fatos.
b) dimensão, cuja chave primária deve ser composta.
c) núcleo e, ao seu redor, as tabelas de nível.
d) fatos, cuja chave primária deve ser simples.
e) fatos e, ao seu redor, as tabelas de dimensões.
**e) fatos e, ao seu redor, as tabelas de dimensões.*
53
Existem seis tipos diferentes de Tabelas Fato:
- Tabela Fato Transacional
- Tabela Fato Agregada
- Tabela Fato Consolidada
- Snapshot periódico
- Snapshot Acumulado
- Fato sem fato
54
Tabelas Fatos transacionais são as mais comuns. A maioria dos bilhões de linhas que temos no Data Warehouse são de tabelas fato transacionais. Sabe quando você vai ao mercado fazer compra? Cada item comprado é uma transação na base de dados. Elas geralmente utilizam métricas ________, aquelas métricas que podem ser _______ por todas as dimensões. Existem duas formas de você armazenar os dados em uma tabela fato transacional: _________ ___ _____ e _____ ___ __________.
Tabelas Fatos transacionais são as mais comuns. A maioria dos bilhões de linhas que temos no Data Warehouse são de tabelas fato transacionais. Sabe quando você vai ao mercado fazer compra? Cada item comprado é uma transação na base de dados. Elas geralmente utilizam métricas aditivas, aquelas métricas que podem ser somadas por todas as dimensões. Existem duas formas de você armazenar os dados em uma tabela fato transacional: transação por linhas e linhas por transação.
55
Existem duas formas de você armazenar os dados em uma tabela fato transacional: transação por linhas e linhas por transação.
No primeiro caso, cada transação será representada como uma _____ na tabela fato. Se uma pessoa vai ao supermercado e compra 10 garrafas de Heineken e 10 pacotes de Doritos, cada unidade de cada produto será representada como uma _____ na tabela fato.
Existem duas formas de você armazenar os dados em uma tabela fato transacional: transação por linhas e linhas por transação.
No primeiro caso, cada transação será representada como uma linha na tabela fato. Se uma pessoa vai ao supermercado e compra 10 garrafas de Heineken e 10 pacotes de Doritos, cada unidade de cada produto será representada como uma linha na tabela fato.
*Logo, teremos 20 linhas!*
56
Existem duas formas de você armazenar os dados em uma tabela fato transacional: transação por linhas e linhas por transação.
No segundo caso, se uma pessoa vai ao supermercado e compra 10 garrafas de Heineken e 10 pacotes de Doritos, a quantidade de produtos iguais é ________ em uma única _________. Assim, teremos ____ linhas: uma contabilizando __ _________ __ ________ e outra contabilizando __ _______ __ _______.
Existem duas formas de você armazenar os dados em uma tabela fato transacional: transação por linhas e linhas por transação.
No segundo caso, se uma pessoa vai ao supermercado e compra 10 garrafas de Heineken e 10 pacotes de Doritos, a quantidade de produtos iguais é ________ em uma única _________. Assim, teremos duas linhas: uma contabilizando 10 garrafas de Heineken e outra contabilizando 10 pacotes de Doritos.
57
A Tabela Fato Agregada tem a função de ________ o ___________ das consultas. Ela é criada com dados da tabela fato, alterando sua _____________, ou seja, ela sumariza os dados, gerando uma ______ _____. A tabela agregada é utilizada para ________ o tempo de ______ de uma consulta ao banco de dados. É importante avaliar bem o ambiente para definir quais ___________ devem ser criadas, dado que a sua utilização requer um esforço adicional de manutenção.
Além disso, ela aumenta o gasto com _____________, por isso deve‐se sempre tentar criar tabelas agregadas que atendam a múltiplas consultas. Finalmente, as tabelas agregadas podem ser ___________. Desta forma, deve‐se levar em conta a possível ________ dessa tabela e os futuros _______ causados devido a sua exclusão.
A Tabela Fato Agregada tem a função de acelerar o desempenho das consultas. Ela é criada com dados da tabela fato, alterando sua granularidade, ou seja, ela sumariza os dados, gerando uma tabela menor. A tabela agregada é utilizada para otimizar o tempo de acesso de uma consulta ao banco de dados. É importante avaliar bem o ambiente para definir quais agregações devem ser criadas, dado que a sua utilização requer um esforço adicional de manutenção.
Além disso, ela aumenta o gasto com armazenamento, por isso deve‐se sempre tentar criar tabelas agregadas que atendam a múltiplas consultas. Finalmente, as tabelas agregadas podem ser temporárias. Desta forma, deve‐se levar em conta a possível extinção dessa tabela e os futuros efeitos causados devido a sua exclusão.
*Não confundir tabela fato agregada com tabela fato consolidada*
58
A Tabela Fato Consolidada é bem parecida com a agregada, mas serve para combinar ____ _____ de negócio. A fato consolidada serve para consolidar ____ _______ _____.
A Tabela Fato Consolidada é bem parecida com a agregada, mas serve para combinar duas tabelas de negócio. A fato consolidada serve para consolidar duas tabelas fatos.
*O que ocorre é que, no processamento do ETL, carrega‐se uma tabela fato, depois carrega‐se outra e, por fim, mistura as duas (evidente que deve ter o mesmo nível de granularidade).*
59
O foco da tabela de fatos snapshot periódico é o:
tempo.
60
Uma linha em uma tabela de fatos de snapshot periódico resume muitos eventos de _______ que ocorrem durante um _______ ______ (um ___, uma ______ ou um ___). Em outras palavras, a granularidade é o _______ e, não, a transação individual.
Uma linha em uma tabela de fatos de snapshot periódico resume muitos eventos de medição que ocorrem durante um período padrão (um dia, uma semana ou um mês). Em outras palavras, a granularidade é o período e, não, a transação individual.
61
As tabelas fato snapshot periódico geralmente contêm muitos fatos porque qualquer evento de _______ ___________ com o grão da tabela de fatos é permitido.
As tabelas fato snapshot periódico geralmente contêm muitos fatos porque qualquer evento de medição consistente com o grão da tabela de fatos é permitido.
62
As tabelas de fato snapshot periódico são geralmente ______ em suas chaves estrangeiras porque, mesmo que nenhuma atividade ocorra durante o período, uma linha é tipicamente inserida na tabela de fato contendo um ____ ou ____ para cada fato. Essas tabelas são frequentemente utilizadas permitir visualizar o __________ _________ do negócio em __________ __ ______ _________ e ___________.
As tabelas de fato snapshot periódico são geralmente densas em suas chaves estrangeiras porque, mesmo que nenhuma atividade ocorra durante o período, uma linha é tipicamente inserida na tabela de fato contendo um zero ou nulo para cada fato. Essas tabelas são frequentemente utilizadas permitir visualizar o desempenho periódico do negócio em intervalos de tempo regulares e previsíveis.
63
Ao contrário da tabela de fatos transacional, onde carregamos uma linha para cada ocorrência de evento, na tabela fato snapshot periódico tiramos uma ____ (por isso o nome snapshot) da atividade no _____ __ __ ___, ______ ou ___, depois outra ______ no _____ __ _______ _______, e assim por diante. Essas _____ são empilhadas consecutivamente na ______ __ _____. Essa tabela, muitas vezes, é o único lugar para recuperar facilmente uma visão regular e previsível das principais ________ __ __________ do negócio.
Ao contrário da tabela de fatos transacional, onde carregamos uma linha para cada ocorrência de evento, na tabela fato snapshot periódico tiramos uma foto (por isso o nome snapshot) da atividade no final de um dia, semana ou mês, depois outra imagem no final do período seguinte, e assim por diante. Essas fotos são empilhadas consecutivamente na tabela de fatos. Essa tabela, muitas vezes, é o único lugar para recuperar facilmente uma visão regular e previsível das principais métricas de desempenho do negócio.
64
Uma linha em uma tabela de fatos de snapshot acumulado resume os eventos de _______ que ocorrem em etapas ___________ entre o ______ e o ___ de um processo. Processos que tenham um _____ __ _______ bem definido, ______ ______________ ____________ e um _____ _____ bem definido podem ser modelados com esse tipo de tabela de fatos. Há uma data de chave estrangeira na tabela de fatos para cada _____ _______ no processo.
Uma linha em uma tabela de fatos de snapshot acumulado resume os eventos de medição que ocorrem em etapas previsíveis entre o início e o fim de um processo. Processos que tenham um ponto de partida bem definido, etapa intermediária padronizada e um ponto final bem definido podem ser modelados com esse tipo de tabela de fatos. Há uma data de chave estrangeira na tabela de fatos para cada marco crítico no processo.
65
Em suma, a diferença do snapshot periódico é que este pega o momento no período, tira uma foto e insere na tabela fato, enquanto o snapshot acumulado também é uma ____, mas em ____ __ __ _______.
Em suma, a diferença do snapshot periódico é que este pega o momento no período, tira uma foto e insere na tabela fato, enquanto o snapshot acumulado também é uma foto, mas em mais de um período.
66
A tabela fato sem fato é chamada também de ____ __ __________ ou de __________.
A tabela fato sem fato é chamada também de tabela de associação ou de interseção.
*Uma tradução para o nosso dia a dia seria: fato sem métricas.*
67
A tabela fato sem fato serve para fazer uma:
intersecção de dimensões.
*Às vezes, a gente quer comparar ou cruzar algo somente entre duas dimensões e não tem uma métrica para fazer essas comparações. Essa tabela de fatos é a exceção, só é usada quando se precisa fazer uma intersecção entre as dimensões.*
68
A tabela de fato sem fatos é a exceção, só é usada quando se precisa fazer uma:
intersecção entre as dimensões.
69
Embora a maioria dos eventos de medição capture resultados numéricos, é possível que o evento apenas registre um conjunto de _________ ____________ se unindo em um _______ __ _____.
Outra observação importante: as tabelas fato sem fatos são tipicamente usadas para ________ __ _______ ou coletar ___________. Elas são chamadas assim porque a tabela de fatos não tem _______ _________ __________ ou ___________.
Embora a maioria dos eventos de medição capture resultados numéricos, na tabela de fato sem fatos é possível que o evento apenas registre um conjunto de entidades dimensionais se unindo em um momento no tempo.
Outra observação importante: as tabelas fato sem fatos são tipicamente usadas para rastrear um processo ou coletar estatísticas. Elas são chamadas assim porque a tabela de fatos não tem valores numéricos agregáveis ou informações.
70
Existem dois tipos de tabelas de fatos sem fatos:
aquelas que descrevem eventos e aquelas que descrevem condições.
71
A tabela de fatos sem fatos que descrevem eventos é uma tabela que registra um
______. Muitas tabelas de rastreamento de eventos em Data Warehouses acabam não tendo _____. Ocorrem eventos ou atividades que você deseja rastrear, mas não encontra ________.
A tabela de fatos sem fatos que descrevem eventos é uma tabela que registra um
evento. Muitas tabelas de rastreamento de eventos em Data Warehouses acabam não tendo fatos. Ocorrem eventos ou atividades que você deseja rastrear, mas não encontra medições.
72
A tabela de fatos sem fatos que descrevem condições busca _______ condições ou outras ________ ___________ entre as dimensões.
A tabela de fatos sem fatos que descrevem condições busca modelar condições ou outras relações importantes entre as dimensões.
73
**PARA FIXAR**
74
Complete o quadro de acordo com as definições corretas de Modelo Multidimensional e Modelo Relacional
75
Métricas ou medidas são informações que se são armazenadas em _______ ____ e que permitem medir um ________ __ _______.
Métricas ou medidas são informações que se são armazenadas em Tabela Fato e que permitem medir um processo de negócio.
76
Existem três tipos de métricas (ou medidas):
- Medidas/Fatos Aditivos
- Medidas/Fatos Não-Aditivas
- Medidas/Fatos Semi-Aditivas
77
Métricas/Medidas/Fatos Aditivos
Uma métrica é dita aditiva quando faz sentido ______-__, somando seus valores ao longo de qualquer ________, isto é, quando os valores são passíveis de serem _______ em todas as _________.
Métricas/Medidas/Fatos Aditivos
Uma métrica é dita aditiva quando faz sentido agrega-la, somando seus valores ao longo de qualquer dimensão, isto é, quando os valores são passíveis de serem somados em todas as dimensões.
*ex: Um departamento de uma empresa realizou vendas online para diversas regiões do país de um mesmo produto no ano passado inteiro. Se eu quiser obter a quantidade de vendas desse produto por trimestre no último ano, é possível? Claro que é possível! Essa consulta retornaria quatro valores, uma vez que um ano possui quatro trimestres. Se eu quiser obter a quantidade de vendas desse produto no ano inteiro, faz sentido somar esses valores para calcular o montante anual? Sim, se eu somar essas quantidades, terei a quantidade de vendas desse produto no último ano.*
78
Métricas/Medidas/Fatos Não-Aditivas
Uma métrica é dita não-aditiva quando _não_ faz sentido ______-__, somando seus valores em _______ ________, isto é, quando os valores _não_ são passíveis de serem _______ em nenhuma ________.
Métricas/Medidas/Fatos Não-Aditivas
Uma métrica é dita não-aditiva quando _não_ faz sentido agrega-la, somando seus valores em nenhuma dimensão, isto é, quando os valores _não_ são passíveis de serem somados em nenhuma dimensão.
*ex: Um departamento de uma empresa possui dois funcionários. Um deles vendeu um produto com 55% de margem de lucro, já o outro vendeu o mesmo produto com 45% de margem de lucro.
Se eu quiser obter a margem de lucro dos dois produtos vendidos pelos vendedores, faz sentido somar a margem de lucro de cada um? Se fizesse, teríamos 45% + 55% = 100% de margem de lucro. Evidentemente, esses dados não fazem nenhum sentido. Por que? Porque não é possível agregar a margem de lucro de ambos os funcionários, somando suas porcentagens. Logo, essa é considerada uma medida não-aditiva.*
79
Medidas/Fatos Semi-Aditivas
Uma métrica é dita semi-aditiva quando faz sentido agrega-la em ______ ________, isto é,
quando os valores são passíveis de serem _______ apenas em _______ _________.
Medidas/Fatos Semi-Aditivas
Uma métrica é dita semi-aditiva quando faz sentido agrega-la em alguma dimensão, isto é,
quando os valores são passíveis de serem somados apenas em algumas dimensões.
*ex: segunda‐feira, eu tenha um estoque de 1000 produtos: se – na terça feira – eu vender 200 produtos, meu estoque nesse dia será de 800 produtos; se – na quarta‐feira – eu vender 300 produtos, meu estoque nesse dia será de 500 produtos.
Se eu quiser obter a quantidade de produtos vendidos nos três dias, posso somar 200 + 300 = 500 produtos? Sim, faz todo sentido. No entanto, se quiser obter a quantidade de estoque restante nos três dias, não posso somar 1000 + 800 + 500 = 2300 produtos – isso não faz nenhum sentido. Logo, eu posso agregar a quantidade de produtos vendidos na dimensão tempo, mas não posso agregar a quantidade de estoque na dimensão tempo.*
80
**PARA FIXAR**
81
Ralph Kimball afirma que as regras sobre modelagem dimensional a seguir não devem ser quebradas.
A partir disso, cite as 10 regras de Kimball:
**Regra #01**: Carregue dados detalhados para as estruturas dimensionais
**Regra #02**: Estruture os modelos dimensionais em torno dos processos de negócios
**Regra #03**: Tenha certeza de que cada tabela fato tenha uma dimensão de data associada
**Regra #04**: Certifique-se que todos os fatos em uma única tabela fato estão na mesma granularidade ou nível de detalhe
**Regra #05**: Resolva relacionamentos muitos-para-muitos em tabelas fato
**Regra #06**: Resolva os relacionamentos muitos-para-um nas tabelas de dimensões
**Regra #07**: Gravar nomes de relatórios e valores de domínios de filtros em tabelas dimensão
**Regra #08**: Tenha certeza de que as tabelas dimensão usam uma chave artificial
**Regra #09**: Crie dimensões padronizadas para integrar os dados na empresa
**Regra #10**: Avalie requisitos e realidade continuamente para desenvolver uma solução de DW/BI que seja aceita pelos usuários de negócios e suporte seu processo de tomada de decisões
82
Regra #01 de Kimball: Carregue dados detalhados para as estruturas dimensionais
Modelos dimensionais devem ser populados com uma base de dados __________ para suportar os requisitos _____________ de filtragem e agrupamento necessárias para atender as _________ dos usuários de negócios. Usuários normalmente não precisam visualizar um registro por ___, mas é impossível prever em quais diferentes maneiras eles pretendem ver os dados e acessar seu detalhamento.
Se apenas dados agregados estiverem disponíveis, os usuários podem não conseguir acessar seus ________. É claro, dados detalhados podem ser complementados por _______ ____________ __________ que trazem vantagens de desempenho para consultas frequentes de dados sumarizados, mas os usuários de negócios não conseguem viver apenas dos dados agregados; eles precisam dos detalhes sangrentos para responder seus diferentes questionamentos.
Regra #01 de Kimball: Carregue dados detalhados para as estruturas dimensionais
Modelos dimensionais devem ser populados com uma base de dados detalhados para suportar os requisitos imprevisíveis de filtragem e agrupamento necessárias para atender as consultas dos usuários de negócios. Usuários normalmente não precisam visualizar um registro por vez, mas é impossível prever em quais diferentes maneiras eles pretendem ver os dados e acessar seu detalhamento.
Se apenas dados agregados estiverem disponíveis, os usuários podem não conseguir acessar seus detalhes. É claro, dados detalhados podem ser complementados por modelos dimensionais agregados que trazem vantagens de desempenho para consultas frequentes de dados sumarizados, mas os usuários de negócios não conseguem viver apenas dos dados agregados; eles precisam dos detalhes sangrentos para responder seus diferentes questionamentos.
83
Regra #02 de Kimball: Estruture os modelos dimensionais em torno dos processos de negócios
Os processos de negócios são as atividades desenvolvidas por sua empresa; elas representam eventos ___________, tais como registrar um pedido ou emitir uma fatura para um consumidor. Processos de negócios normalmente capturam ou geram ________ _______ de desempenho associadas a cada evento. Estas ________ devem ser traduzidas em _____, com cada processo de negócio representado por uma _____ ______ ____. Além dessas, tabelas fato consolidadas podem ser criadas para combinar métricas de vários processos em uma tabela fato com um nível ___________ __ _______.
Regra #02 de Kimball: Estruture os modelos dimensionais em torno dos processos de negócios
Os processos de negócios são as atividades desenvolvidas por sua empresa; elas representam eventos mensuráveis, tais como registrar um pedido ou emitir uma fatura para um consumidor. Processos de negócios normalmente capturam ou geram métricas únicas de desempenho associadas a cada evento. Estas métricas devem ser traduzidas em fatos, com cada processo de negócio representado por uma única tabela fato. Além dessas, tabelas fato consolidadas podem ser criadas para combinar métricas de vários processos em uma tabela fato com um nível padronizado de detalhe.
*Novamente, tabelas fato agregadas são um complemento para as tabelas fato detalhadas relacionadas aos processos de negócio e, não, um substituto para elas.*
84
Regra #03 de Kimball: Tenha certeza de que cada tabela fato tenha uma dimensão de data associada
Os eventos mensuráveis descritos na Regra #2 sempre tem uma data de algum tipo associada a eles, tais como um balancete mensal ou uma transferência de dinheiro registrada em um centésimo de segundo. Cada tabela fato deve ter ao menos uma _____ ___________ associada a uma tabela de ________ __ ____, cuja granularidade é cada _____ ___, com os atributos de calendário e suas características não padronizadas relacionadas a data do evento, como o período fiscal ou um indicador corporativo de feriado. Às vezes, múltiplas chaves estrangeiras de data estão ligadas em uma única ______ ____.
Regra #03 de Kimball: Tenha certeza de que cada tabela fato tenha uma dimensão de data associada
Os eventos mensuráveis descritos na Regra #2 sempre tem uma data de algum tipo associada a eles, tais como um balancete mensal ou uma transferência de dinheiro registrada em um centésimo de segundo. Cada tabela fato deve ter ao menos uma chave estrangeira associada a uma tabela de dimensão de data, cuja granularidade é cada único dia, com os atributos de calendário e suas características não padronizadas relacionadas a data do evento, como o período fiscal ou um indicador corporativo de feriado. Às vezes, múltiplas chaves estrangeiras de data estão ligadas em uma única tabela fato
85
Regra #04 de Kimball: Certifique-se que todos os fatos em uma única tabela fato estão na mesma granularidade ou nível de detalhe
Existem três granularidades fundamentais para classificar todas as tabelas fato: ____________, _________ _________, ou ________ _________. Independentemente de sua granularidade, cada métrica em uma tabela fato deve estar exatamente no mesmo _____ __ _______. Quando você mistura fatos representando muitos níveis de granularidade em uma mesma tabela fato, você estará criando ________ para os usuários de negócios e tornando as aplicações de Business Intelligence vulneráveis a ____ __ _______ ou outros resultados _________.
Regra #04 de Kimball: Certifique-se que todos os fatos em uma única tabela fato estão na mesma granularidade ou nível de detalhe
Existem três granularidades fundamentais para classificar todas as tabelas fato: transacional, snapshot periódico, ou snapshot acumulado. Independentemente de sua granularidade, cada métrica em uma tabela fato deve estar exatamente no mesmo nível de detalhes. Quando você mistura fatos representando muitos níveis de granularidade em uma mesma tabela fato, você estará criando confusão para os usuários de negócios e tornando as aplicações de Business Intelligence vulneráveis a erros de valores ou outros resultados incorretos.
86
Regra #05 de Kimball: Resolva relacionamentos muitos-para-muitos em tabelas fato
Como uma tabela fato guarda os resultados de um evento de um processo de negócios, existem inerentemente relacionamentos ______-____-______ (_:_) entre suas chaves estrangeiras. Estes campos de chaves estrangeiras nunca devem conter valores _____. Às vezes, dimensões podem ter valores __________para uma única métrica.
Nestes casos, seria irracional resolver as dimensões multivaloradas diretamente na tabela fato, pois isto poderia violar a _____________ _______ da métrica. Neste caso, podemos usar um relacionamento _:_, com uma tabela de ______________ em conjunto com a tabela fato.
Regra #05 de Kimball: Resolva relacionamentos muitos-para-muitos em tabelas fato
Como uma tabela fato guarda os resultados de um evento de um processo de negócios, existem inerentemente relacionamentos muitos-para-muitos (N:M) entre suas chaves estrangeiras *(Ex: diferentes produtos vendidos em diferentes lojas em diferentes dias)*. Estes campos de chaves estrangeiras nunca devem conter valores nulos. Às vezes, dimensões podem ter valores diferentes para uma única métrica *(Ex: diferentes clientes de uma conta bancária)*.
Nestes casos, seria irracional resolver as dimensões multivaloradas diretamente na tabela fato, pois isto poderia violar a granularidade natural da métrica. Neste caso, podemos usar um relacionamento N:M, com uma tabela de relacionamento em conjunto com a tabela fato.
87
Regra #06 de Kimball: Resolva os relacionamentos muitos-para-um nas tabelas de dimensões
Hierarquicamente, relacionamentos muitos-para‐um (M:1) entre atributos são normalmente _______________ ou concentrados em uma única ______ ________.
Desnormalização de dimensões é a regra do jogo na modelagem dimensional. É bastante comum ter muitos relacionamentos M:1 em uma única tabela dimensão. Relacionamentos __-____-__, como uma única descrição de produto associada a um código de produto, também são encontradas em uma tabela dimensão. Usar a tabela fato para resolver relacionamentos M:1 deve ser feito de forma ________.
Regra #06 de Kimball: Resolva os relacionamentos muitos-para-um nas tabelas de dimensões
Hierarquicamente, relacionamentos muitos-para‐um (M:1) entre atributos são normalmente desnormalizadas ou concentrados em uma única tabela dimensional.
Desnormalização de dimensões é a regra do jogo na modelagem dimensional. É bastante comum ter muitos relacionamentos M:1 em uma única tabela dimensão. Relacionamentos um-para-um, como uma única descrição de produto associada a um código de produto, também são encontradas em uma tabela dimensão. Usar a tabela fato para resolver relacionamentos M:1 deve ser feito de forma moderada.
88
Regra #07 de Kimball: Gravar nomes de relatórios e valores de domínios de filtros em tabelas dimensão
Os códigos e, mais importante ainda, as decodificações e descrições associadas a eles usadas como nomes de colunas em relatórios e como filtros em consultas devem ser gravadas em tabelas dimensionais. Evite gravar campos com códigos criptografados ou volumosos campos descritivos na própria tabela fato.
Regra #07 de Kimball: Gravar nomes de relatórios e valores de domínios de filtros em tabelas dimensão
Os códigos e, mais importante ainda, as decodificações e descrições associadas a eles usadas como nomes de colunas em relatórios e como filtros em consultas devem ser gravadas em _______ ____________. Evite gravar campos com códigos _______________ ou volumosos campos ___________ na própria tabela fato.
*Assuma que os usuários não precisam das descrições das colunas ou que elas podem ser resolvidas dentro da própria aplicação de Business Intelligence.*
89
Regra #08 de Kimball: Tenha certeza de que as tabelas dimensão usam uma chave artificial
Chaves artificiais, sem significado e sequenciais (exceto para a _________ ____, onde chaves
cronologicamente definidas e mais inteligíveis são __________) provêm muitos benefícios ____________; chaves menores significam menores _______ ____, menores _______, e desempenho _________. Chaves artificiais são absolutamente necessárias no caso de você estar registrando as alterações dos _________ da dimensão com uma nova _____ para cada mudança.
Regra #08 de Kimball: Tenha certeza de que as tabelas dimensão usam uma chave artificial
Chaves artificiais, sem significado e sequenciais (exceto para a dimensão data, onde chaves
cronologicamente definidas e mais inteligíveis são aceitáveis) provêm muitos benefícios operacionais; chaves menores significam menores tabelas fato, menores índices, e desempenho melhorado. Chaves artificiais são absolutamente necessárias no caso de você estar registrando as alterações dos atributos da dimensão com uma nova linha para cada mudança.
90
Regra #09 de Kimball: Crie dimensões padronizadas para integrar os dados na empresa
Dimensões padronizadas (também conhecidas por dimensões ______, ___________, ou de __________) são essenciais para o data warehousing ___________. Elas trazem atributos descritivos ____________ para os modelos dimensionais e permitem navegar através dos _____ __________ de diferentes _________ __ ________. A reutilização das dimensões padronizadas diminui o tempo de _______________ eliminando ___________ e o esforço de ______________.
Regra #09 de Kimball: Crie dimensões padronizadas para integrar os dados na empresa
Dimensões padronizadas (também conhecidas por dimensões comuns, principais, ou de referência) são essenciais para o data warehousing empresarial. Elas trazem atributos descritivos consistentes para os modelos dimensionais e permitem navegar através dos dados integrados de diferentes processos de negócio. A reutilização das dimensões padronizadas diminui o tempo de desenvolvimento eliminando redundância e o esforço de desenvolvimento.
91
Regra #10 de Kimball: Avalie requisitos e realidade continuamente para desenvolver uma solução de DW/BI que seja aceita pelos usuários de negócios e suporte seu processo de tomada de decisões
Os responsáveis pela modelagem dimensional devem constantemente balancear os requisitos dos usuários de negócios com as realidades inerentes aos dados de origem associados para desenvolver um modelo que possa ser ___________, e que, mais importante ainda; tenha uma boa chance de ser ____ aos negócios. A avaliação dos requisitos vs realidade é parte da tarefa dos desenvolvedores de ____ _________/________ ____________.
Regra #10 de Kimball: Avalie requisitos e realidade continuamente para desenvolver uma solução de DW/BI que seja aceita pelos usuários de negócios e suporte seu processo de tomada de decisões
Os responsáveis pela modelagem dimensional devem constantemente balancear os requisitos dos usuários de negócios com as realidades inerentes aos dados de origem associados para desenvolver um modelo que possa ser implantado, e que, mais importante ainda; tenha uma boa chance de ser útil aos negócios. A avaliação dos requisitos vs realidade é parte da tarefa dos desenvolvedores de Data Warehose/ Business Intelligence
92
Existem basicamente duas organizações ou esquemas do modelo dimensional:
Estrela ou Flocos de Neve.
93
O Esquema Estrela é basicamente uma ______ __ _____ central conectada a várias _______ __ ________ em um relacionamento _:_, sendo uma única tabela para cada ________.
O Esquema Estrela é basicamente uma tabela de fatos central conectada a várias tabelas de dimensão em um relacionamento 1:N, sendo uma única tabela para cada dimensão.
94
**PARA FIXAR**
No exemplo da imagem, temos uma Tabela de Fatos (FATO_VENDAS) conectada a várias Tabelas de Dimensão (DIM_PRODUTO, DIM_PERÍODO e DIM_LOCALIZAÇÃO). Além disso, é possível observar no exemplo que existe apenas uma tabela para cada dimensão.
95
Uma característica importante do Esquema Estrela é que as Tabelas de Dimensão são
_______________, isto é, possuem dados ___________. Isto porque a redundância, em bancos de dados multidimensionais, ajuda a melhorar o desempenho de _________.
Uma característica importante do Esquema Estrela é que as Tabelas de Dimensão são
desnormalizadas, isto é, possuem dados redundantes. Isto porque a redundância, em bancos de dados multidimensionais, ajuda a melhorar o desempenho de consultas.
96
O analista que está construindo o esquema em estrela geralmente tem que fazer algumas suposições a respeito do comportamento do usuário no que se refere às _________ realizadas ao sistema.
O analista que está construindo o esquema em estrela geralmente tem que fazer algumas suposições a respeito do comportamento do usuário no que se refere às consultas realizadas ao sistema.
*vamos supor que o usuário deseje extrair relatórios por período. O analista já supõe que esses períodos podem ser diários, mensais, trimestrais, semestrais, anuais e assim por diante. Isso torna as consultas mais simples, mais rápidas, mas com manutenções mais difíceis.*
97
CERTO OU ERRADO:
No Esquema Estrela, a tabela fato e as tabelas dimensionais são desnormalizadas.
ERRADO! Apenas as tabelas dimensionais são desnormalizadas.
98
No Esquema Estrela, as chaves primárias das tabelas de dimensão são ______ ____________ da tabela fato, e a chave primária da tabela de fato é uma chave composta pelas ______ ____________ referentes às tabelas de dimensão.
No Esquema Estrela, as chaves primárias das tabelas de dimensão são chaves estrangeiras da tabela fato, e a chave primária da tabela de fato é uma chave composta pelas chaves estrangeiras referentes às tabelas de dimensão.
99
O Esquema Flocos de Neve (Snowflake Schema) é basicamente uma ______ __ _____ _______ conectada a várias _______ __ ________, sendo possível haver várias _______ para cada dimensão.
O Esquema Flocos de Neve (Snowflake Schema) é basicamente uma Tabelas de Fato central conectada a várias Tabelas de Dimensão, sendo possível haver várias tabelas para cada dimensão.
100
**PARA FIXAR**
ESQUEMA FLOCOS DE NEVE (SNOWFLAKES)
No exemplo da imagem, temos uma Tabela de Fatos (FATO_VENDAS) conectada a várias Tabelas de Dimensão (DIM_PRODUTO, DIM_PERÍODO e DIM_LOCALIZAÇÃO). No entanto, observem que a Tabela de Dimensão DIM_FABRICANTE não está conectada à Tabela de Fato FATO_VENDAS.
101
No exemplo da imagem, temos uma Tabela de Fatos (FATO_VENDAS) conectada a várias Tabelas de Dimensão (DIM_PRODUTO, DIM_PERÍODO e DIM_LOCALIZAÇÃO). No entanto, observem que a Tabela de Dimensão DIM_FABRICANTE não está conectada à Tabela de Fato FATO_VENDAS. Isso significa que a Tabela de Dimensão DIM_PRODUTO está:
normalizada.
102
CERTO OU ERRADO:
Não é obrigatório normalizar todas as tabelas de dimensão do esquema de flocos de neve.
CERTO!
103
Em resumo, o esquema Flocos de Neve é o resultado da decomposição de uma ou mais tabelas de dimensões normalizadas até que forma normal?
3ª Forma Normal (3FN).
104
Em contraste com o esquema estrela, o esquema Flocos de Neve apresenta consultas mais _________, mais ______, mas com manutenção mais _____. Como as tabelas são normalizadas, existe menos ___________ de dados, portanto ocupa-se menos espaço. Além disso, como há tabelas de dimensão conectadas a outras tabelas de dimensão, existe uma __________.
Em contraste com o esquema estrela, o esquema Flocos de Neve apresenta consultas mais complexas, mais lentas, mas com manutenção mais fácil. Como as tabelas são normalizadas, existe menos redundância de dados, portanto ocupa-se menos espaço. Além disso, como há tabelas de dimensão conectadas a outras tabelas de dimensão, existe uma hierarquia.
105
O modelo dimensional de um data warehouse em que cada dimensão se divide em várias outras subdimensões é denominado de:
Flocos de Neve.
106
CERTO OU ERRADO:
No projeto de um esquema estrela, é necessário fazer algumas suposições a respeito do comportamento do usuário no que se refere às consultas realizadas ao sistema.
CERTO!
107
**PARA FIXAR**
108
**PARA FIXAR**
109
O esquema Constelação de Fatos é basicamente constituído de ____ ou mais _______ ____ que compartilham uma ou mais _________.
O esquema Constelação de Fatos é basicamente constituído de duas ou mais tabelas fato que compartilham uma ou mais dimensões.
110
Quando vários esquemas estrela são unidos por dimensões compatíveis – comuns entre eles –chamamos de Esquema:
Multiestrela.
*Essas dimensões comuns também são chamadas de Dimensão Conforme*
111
No Esquema Multiestrelar é importante que as dimensões guardem entre si uma ______________ e as tabelas fato estejam definidas em granularidade compatível com as _________ ____________. Ele pode ser criado dividindo um esquema estrela em ____ ou ____ esquemas estrela.
No Esquema Multiestrelar é importante que as dimensões guardem entre si uma compatibilidade e as tabelas fato estejam definidas em granularidade compatível com as dimensões interligadas. Ele pode ser criado dividindo um esquema estrela em dois ou mais esquemas estrela.
*e por que usaria um esquema desse? porque fornece uma flexibilidade maior ao esquema, por outro lado ele é um esquema bem mais complexo, logo é mais difícil de implementar ou manter.*
112
**PARA FIXAR**
113
Qual o significado da ferramenta OLAP?
Online Analytical Processing.
114
Online Analytical Processing é um conjunto de ___________ de software que permite aos gerentes e diretores de empresas terem acesso ________ a informações armazenadas nos diversos _________ corporativos, podendo realizar ___________ e análises de informações em _____ ____ sob diversas ____________ com o intuito de auxiliar na ______ __ _______.
Online Analytical Processing é um conjunto de ferramentas de software que permite aos gerentes e diretores de empresas terem acesso dinâmico a informações armazenadas nos diversos sistemas corporativos, podendo realizar cruzamentos e análises de informações em tempo real sob diversas perspectivas com o intuito de auxiliar na tomada de decisão.
115
Uma ferramenta OLAP é caracterizada pela análise ________________ ________ dos dados, apoiando o usuário final nas suas __________ e permitindo consultas __-___.
Uma ferramenta OLAP é caracterizada pela análise multidimensionais dinâmicas dos dados, apoiando o usuário final nas suas atividades e permitindo consultas ad-hoc.
116
Consultas ad-hoc são consultas ___________ ou __________ que geralmente nunca foram ________ ou __________.
Consultas ad-hoc são consultas específicas ou exclusivas que geralmente nunca foram pensadas ou realizadas.
117
A consulta ad-hoc permite que você realize diversas operações em modelos de dados multidimensionais – navegando por _________ e ____________ – com o intuito de enxergar informações preciosas que, de alguma forma, auxiliem na ______ __ ________ ____________.
A consulta ad-hoc permite que você realize diversas operações em modelos de dados multidimensionais – navegando por dimensões e hierarquias – com o intuito de enxergar informações preciosas que, de alguma forma, auxiliem na tomada de decisões estratégicas.
*Exemplo: no contexto de uma Rede de Fast-food, pode-se analisar dados de vendas em dimensões como cliente, filiais, regiões, yempo, produtos, entre outros.*
118
A OLAP abstrai as complexidades de forma que qualquer pessoa consiga manipular essa ferramenta.
A OLAP abstrai as complexidades de forma que qualquer pessoa consiga manipular essa ferramenta.
119
**PARA FIXAR**
É importante saber as diferenças entre as ferramentas que lidam com bancos de dados transacionais e as ferramentas que lidam com bancos de dados analíticos.
120
Qual o significado da sigla da ferramenta OLTP?
OLTP (ONLINE TRANSACTION PROCESSING)
121
Ferramentas OLTP são utilizadas em bancos de dados ____________, no entanto elas possuem limitações que podem ser superadas por meio de ___________ _____.
Ferramentas OLTP são utilizadas em bancos de dados transacionais, no entanto elas possuem limitações que podem ser superadas por meio de ferramentas OLAP.
122
Uma dimensão em um Data Warehouse é simplesmente um valor __________ ________ que pode ser utilizado para _______ _____ e que pode ser acessado _______________ ou de forma _________ com outras _________.
Uma dimensão em um Data Warehouse é simplesmente um valor descritivo variável que pode ser utilizado para acessar dados e que pode ser acessado individualmente ou de forma combinada com outras dimensões.
123
O analista de dados que utiliza a Ferramenta OLAP não vai ficar manipulando um cubo, ele vai escolher e combinar diversos _______ __ _________ até chegar ao resultado desejado.
O analista de dados que utiliza a Ferramenta OLAP não vai ficar manipulando um cubo, ele vai escolher e combinar diversos vetores de dimensões até chegar ao resultado desejado.
124
ROLAP significa:
Relational On Line Analytical Processing.
*ou Relationl OLAP*
125
O ROLAP trata-se de uma ferramenta que ________ dados de um banco de dados __________.
O ROLAP trata-se de uma ferramenta que recupera dados de um banco de dados relacional.
126
O ROLAP apresenta os dados para o usuário em uma visão ________________, mas eles são efetivamente armazenados em um formato __________.
O ROLAP ferramenta apresenta os dados para o usuário em uma visão multidimensional, mas eles são efetivamente armazenados em um formato relacional.
127
O ROLAP apresenta os dados para o usuário em uma visão multidimensional, mas eles são efetivamente armazenados em um formato relacional. Como isso é feito?
Existe uma camada intermediária que faz o mapeamento relacional-multidimensional.
128
O ROLAP apresenta os dados para o usuário em uma visão multidimensional, mas eles são efetivamente armazenados em um formato relacional. Isso é feito a partir de uma camada _____________ que faz o mapeamento __________-_______________. Em outras palavras, essa ferramenta apresenta os dados para o usuário em uma visão ________________, mas eles são efetivamente armazenados em um formato __________.
O ROLAP apresenta os dados para o usuário em uma visão multidimensional, mas eles são efetivamente armazenados em um formato relacional. Isso é feito a partir de uma camada intermediária que faz o mapeamento relacional-multidimensional. Em outras palavras, essa ferramenta apresenta os dados para o usuário em uma visão multidimensional, mas eles são efetivamente armazenados em um formato relacional.
*o usuário vai trabalhar achando que está lidando efetivamente com cubos e vetores multidimensionais, mas – na verdade – haverá uma camada intermediária que traduzirá dinamicamente suas operações em equivalentes relacionais*
129
A principal vantagem da ferramenta ROLAP é a ____ _____________, isto é, não há nenhuma restrição na limitação do ______ ou quantidade de dados a serem __________, cabendo essa limitação ao próprio _____ __ _____ __________ utilizado.
A principal vantagem da ferramenta ROLAP é a alta escalabilidade, isto é, não há nenhuma restrição na limitação do volume ou quantidade de dados a serem analisados, cabendo essa limitação ao próprio banco de dados relacional utilizado.
130
A principal desvantagem da ferramenta ROLAP é o _____ __________, isto é, cada operação ROLAP na visão multidimensional deve se transformar em uma ou mais _________ ___ no _____ __ _____ __________. Logo, há uma sobrecarga que reduz bastante a __________ dessas operações.
A principal desvantagem da ferramenta ROLAP é o baixo desempenho, isto é, cada operação ROLAP na visão multidimensional deve se transformar em uma ou mais consultas SQL no banco de dados relacional. Logo, há uma sobrecarga que reduz bastante a efetividade dessas operações.
131
ROLAP se baseia principalmente na geração de __________ ___ para consultar a base de dados relacional, por outro lado essas instruções não suprem todas as ____________.
ROLAP se baseia principalmente na geração de instruções SQL para consultar a base de dados relacional, por outro lado essas instruções não suprem todas as necessidades.
*Exemplo: é difícil de realizar cálculos complexos utilizando SQL). Logo, usar ROLAP é se limitar ao que instruções SQL são capazes de fazer.*
132
Um usuário que deseje realizar consultas multidimensionais fará uma requisição a uma ferramenta ROLAP que irá traduzi-la em __________ ___ (geralmente _________) em um sistema gerenciador de banco de dados __________ onde serão processadas e retornarão dados que também serão traduzidos dinamicamente em uma visão ________________ (_____) de volta para o usuário que a requisitou.
Um usuário que deseje realizar consultas multidimensionais fará uma requisição a uma ferramenta ROLAP que irá traduzi-la em instruções SQL (geralmente complexas) em um sistema gerenciador de banco de dados relacional onde serão processadas e retornarão dados que também serão traduzidos dinamicamente em uma visão multidimensional (cubos) de volta para o usuário que a requisitou.
133
A abordagem relacional para multidimensionalidade, que permite operações multidimensionais sobre dados relacionais é conhecida como:
Relational On Line Analytical Processing (ROLAP).
134
A ferramenta MOLAP significa:
Multidimensional On Line Analitical Processing.
135
MOLAP trata-se da ferramenta tradicional de OLAP que ________ _____ de um banco de dados _________________.
MOLAP trata-se da ferramenta tradicional de OLAP que recupera dados de um banco de dados multidimensional.
*Falou em multidimensional, deve-se lembrar do quê? Vetores/Arrays Dimensionais (Cubos)*
136
A ferramenta MOLAP apresenta os dados para o usuário em uma visão ________________ e eles são efetivamente armazenados em bancos de dados ________________ __________ chamados ________________ ________.
A ferramenta MOLAP apresenta os dados para o usuário em uma visão multidimensional e eles são efetivamente armazenados em bancos de dados multidimensional otimizados chamados Multidimensional Database *(MDDB)*.
137
Os bancos de dados multidimensionais são proprietários, isto é, pertencem a:
alguma empresa específica.
138
Cubos de dados do banco de dados multidimensional transportam dados ___ __________ e ___-__________ pela ferramenta ______, que recebem os dados de algum ____ _________.
Cubos de dados do banco de dados multidimensional transportam dados pré-calculados e pré-fabricados pela ferramenta MOLAP, que recebem os dados de algum Data Warehouse.
139
O MOLAP fornecerá a visualização ________________ dos dados do ______________ ____ ____ para o usuário.
O MOLAP fornecerá a visualização multidimensional dos dados do Multidimensional Data Base para o usuário.
140
Um usuário da ferramenta MOLAP que deseje realizar consultas multidimensionais fará uma requisição diretamente a um banco de dados ________________ sem necessidade de qualquer ________.
Um usuário da ferramenta MOLAP que deseje realizar consultas multidimensionais fará uma requisição diretamente a um banco de dados multidimensional sem necessidade de qualquer tradução.
*Além disso, ele consultará dados pré-calculados e pré-fabricados, melhorando o desempenho da consulta. Dessa forma, quando houver uma solicitação do usuário para os dados, nenhum tempo será desperdiçado no cálculo dos dados e as respostas do sistema serão rápidas.*
141
Uma vantagem da utilização da ferramenta MOLAP é seu:
alto desempenho.
142
Uma vantagem da utilização da ferramenta MOLAP é seu é seu alto desempenho, visto que os cubos de dados são construídos para uma rápida ___________ de dados e o usuário é capaz de manipular dados diretamente no ________. Além disso, todos os cálculos são ___-_______ quando o cubo é criado e podem ser facilmente aplicados no momento da _______ de dados.
Uma vantagem da utilização da ferramenta MOLAP é seu é seu alto desempenho, visto que os cubos de dados são construídos para uma rápida recuperação de dados e o usuário é capaz de manipular dados diretamente no servidor. Além disso, todos os cálculos são pré-gerados quando o cubo é criado e podem ser facilmente aplicados no momento da pesquisa de dados.
143
CERTO OU ERRADO:
Os benefícios da utilização da ferramenta MOLAP é seu alto desempenho e seu baixo investimento.
ERRADO! De fato possui alto desempenho mas a aquisição exige alto investimento.
144
Uma desvantagem da ferramenta MOLAP é sua baixa ______________, ou seja, sua vantagem de conseguir alto desempenho com a pré-geração de todos os cálculos no momento da criação dos cubos faz com que o MOLAP seja limitado a uma _____ __________ __ _____.
Uma desvantagem da ferramenta MOLAP é sua baixa escalabilidade, ou seja, sua vantagem de conseguir alto desempenho com a pré-geração de todos os cálculos no momento da criação dos cubos faz com que o MOLAP seja limitado a uma pouca quantidade de dados.
145
O tipo de processamento analítico on-line, adequado para dados referentes a um assunto em especial, tipo Data Marts, no qual os dados são mais específicos e o aplicativo será direcionado na análise com dimensionalidade limitada e pouco detalhamento das informações, que trabalha exclusivamente com a tecnologia multidimensional, com acesso direto ao servidor, sem transferir dados para desktops, e que fornece uma resposta rápida para praticamente qualquer consulta é o:
Multidimensional On Line Analytical Processing (MOLAP).
146
CERTO OU ERRADO:
O banco de dados de um MOLAP possui um SGDB multidimensional, ou seja, permite armazenamento de dados nas células de um array multidimensional.
CERTO!
147
A ferramenta HOLAP significa:
Hybrid On Line Analitycal Processing.
148
A ferramenta HOLAP trata-se de combinar as vantagens de MOLAP e ROLAP, extraindo o que há de ______ de cada uma, ou seja, a ____ __________ do MOLAP com a ____ ____________ do ROLAP.
A ferramenta HOLAP trata-se de combinar as vantagens de MOLAP e ROLAP, extraindo o que há de melhor de cada uma, ou seja, a alto performance do MOLAP com a alta escalabilidade do ROLAP.
149
Para informações mais sintéticas, HOLAP utiliza cubos ____________ para um desempenho mais rápido.
Para informações mais sintéticas, HOLAP utiliza cubos dimensionais para um desempenho mais rápido.
150
Quando for necessário mais detalhe, a ferramenta HOLAP pode ir além do cubo multidimensional e ir para o banco __________ utilizado no _____________ __ ________.
Quando for necessário mais detalhe, a ferramenta HOLAP pode ir além do cubo multidimensional e ir para o banco relacional utilizado no armazenamento de detalhes.
151
As vantagens principais da utilização da ferramenta HOLAP são:
alto desempenho e alta escalabilidade.
152
Na utilização da ferramenta HOLAP os cubos dimensionais apenas armazenam uma _______ ___ ___________ e os detalhes das informações são armazenados em um _____ __ _____ __________.
Na utilização da ferramenta HOLAP os cubos dimensionais apenas armazenam uma síntese das informações e os detalhes das informações são armazenados em um banco de dados relacional.
153
A desvantagem da utilização da ferramenta HOLAP é:
seu alto investimento.
*arquitetura possui um custo maior, uma vez que necessita de um alto investimento de aquisição*
154
Que tipo de aplicação OLAP combina a tecnologia de banco de dados relacionais com a de banco de dados multidimensionais?
HOLAP.
155
A ferramenta DOLAP significa:
Desktop On Line Analytical Processing
156
OLAP (Desktop OLAP) dispara uma consulta a partir de uma _______ _______ para o servidor, que por sua vez retorna enviando o ____ __ _____ de volta, para que possa ser _________ pelo usuário.
OLAP (Desktop OLAP) dispara uma consulta a partir de uma estação cliente para o servidor, que por sua vez retorna enviando o cubo de dados de volta, para que possa ser analisado pelo usuário.
157
A ferramenta WOLAP significa:
Web On Line Analytical Processing
158
A ferramenta WOLAP (Web OLAP) dispara uma consulta via _________ ___ para um servidor, que por sua vez retorna enviando o ____ __________ de volta para que possa ser _________ pelo usuário.
A ferramenta WOLAP (Web OLAP) dispara uma consulta via navegador web para um servidor, que por sua vez retorna enviando o cubo processado de volta para que possa ser analisado pelo usuário.
159
ROLAP é mais indicado para ____ __________ pelo grande ______ __ _____, pela necessidade de um maior número de _______ e pelas diversas ______ __ ________ a serem aplicadas.
ROLAP é mais indicado para Data Wwarehouses pelo grande volume de dados, pela necessidade de um maior número de funções e pelas diversas regras de negócios a serem aplicadas.
160
MOLAP é mais indicado para ____ _____, em que os dados são mais ___________ e o aplicativo será direcionado na análise com ________________ ________ e pouco ____________ das informações.
MOLAP é mais indicado para Data Marts, em que os dados são mais específicos e o aplicativo será direcionado na análise com dimensionalidade limitada e pouco detalhamento das informações.
161
**PARA FIXAR**
162
O que significa o grão em Tecnologia da Informação?
O grão é o menor nível da informação
163
Quando falamos de menor granularidade, menor grão ou granularidade fina, significa:
maior detalhamento dos dados (menor sumarização).
164
Quando falamos de maior granularidade, maior grão ou granularidade grossa, significa:
menor detalhamento (maior sumarização).
165
Granularidade e o detalhamento são conceitos ____________ proporcionais.
Granularidade e o detalhamento são conceitos inversamente proporcionais.
166
Ao nível de sumarização dos elementos e de detalhes disponíveis nos dados em um DW dá-se o nome de:
granularidade.
167
Em uma reunião técnica sobre a construção de um data mart de vendas de uma empresa, discute-se o nível de detalhamento dos dados dentro do banco de dados.
Essa característica é conhecida como:
granularidadade.
168
Quais são as seis operações OLAP?
- Roll Up
- Drill Down
- Drill Across
- Drill-Through
- Slice and Dice
- Pivot
169
A operação de Drill Down permite a navegação entre os níveis de dados que vão desde o mais ___________ até o mais _________.
A operação de Drill Down permite a navegação entre os níveis de dados que vão desde o mais sumarizado até o mais detalhado.
*Quando você pensarem nessa operação, lembrem-se que Down = Para baixo. Dessa forma, você vai aumentar o nível de detalhes, descendo na hierarquia das dimensões e reduzindo a granularidade.*
170
Uma funcionalidade típica em um sistema de Data Warehouse permite a visualização dos dados em várias dimensões diferentes. Assinale a alternativa que apresenta a funcionalidade pré-programada que permite níveis diferentes de detalhe dos dados não revelados.
a) Roll-up
b) Drill-down
c) Pivô
d) Slice
**b) Drill-down**
A questão pede a alternativa que apresenta a funcionalidade pré-programada que permite níveis diferentes de detalhe dos dados não revelados. Logo, podemos inferir que se trata do Drill-Down, em que vamos descobrir detalhes em um nível menor de granularidade. Se a questão tivesse mencionado “níveis diferentes de sumarização dos dados não revelados” poderia ser Roll-Up.
171
Em que tipo de funcionalidade das aplicações OLAP, os dados são visualizados com níveis crescentes de detalhamento?
Drill-down.
172
**PARA FIXAR**
Exemplo de Drill Down: Note que o tempo estava marcado como QUARTER (quadrimestre) e aumentou seu detalhamento quando saiu de de quarter para meses que possui maior quantidade.
173
A operação de Roll Up permite a navegação entre os níveis de dados que vão desde o mais _________ até o mais __________.
A operação de Roll Up permite a navegação entre os níveis de dados que vão desde o mais detalhado até o mais sumarizado.
*Quando você pensarem nessa operação, lembrem-se que Up = Para cima. Dessa forma, você vai reduzir o nível de detalhes, subindo na hierarquia das dimensões e aumentando a granularidade*
174
Quando um usuário visualiza dados em um modelo OLAP e aumenta o grau de granularidade, diminuindo o nível de detalhamento da informação, ele está usando a funcionalidade:
Roll-up.
175
CERTO OU ERRADO:
Ao explorar um data warehouse por meio de uma ferramenta OLAP, o analista pode executar as operações de drill down e drill up, que, respectivamente, aumentam e reduzem o nível de granularidade dos dados.
ERRADO! A assertiva inverteu. Drill down diminui a diminui a granularidade e o drill up aumenta o nível de granularidade.
176
**PARA FIXAR**
EXEMPLO DE ROLL UP (DRILL UP): Note que o tempo estava marcado como QUARTER (quadrimestre) e diminuiu seu detalhamento quando saiu de meses para quarter, sumarizando o tempo.
177
A Operação Drill-Across permite ao usuário pular um nível _____________ dentro de uma mesma ________.
A Operação Drill-Across permite ao usuário pular um nível intermediário dentro de uma mesma dimensão.
*ex: a dimensão é uma localização composta por bairro, cidade, estado e país, e o usuário pula de bairro para país*
178
Kimball utiliza outra definição totalmente diferente sobre operação Drill-Across que afirma que esta operação serve realizar consultas que envolvem:
mais de uma tabela fato.
179
**ATENÇÃO**
Drill Through possui DUAS DEFINIÇÕES. As duas são do mesmo conceito mas é preciso ficar atento.
180
A Operação Drill-Through permite atravessar de uma informação contida em uma ________ para uma informação contida em _____ ________.
A Operação Drill-Through permite atravessar de uma informação contida em uma dimensão para uma informação contida em outra dimensão.
*Exemplo: sendo uma dimensão tempo e outra localização, seria atravessar de mês para cidade*
181
OLAP (Online Analytical Procesing), o conjunto de ferramentas que possibilita efetuar a exploração dos dados de um Data Warehouse, utiliza quatro tipos de operação para analisar dados. Uma dessas operações ocorre quando o usuário passa de uma informação contida em uma dimensão para outra dimensão. Trata-se da operação:
Drill Through.
182
**PARA FIXAR**
183
Outra definição de Drill Through afirma que essa operação permite que o usuário exiba, em _____ __ ________, os detalhes dos dados ___ ___________ a partir do modelo ________________.
Outra definição de Drill Through afirma que essa operação permite que o usuário exiba, em tempo de consulta, os detalhes dos dados não sumarizados a partir do modelo multidimensional.
*Lembra que nós temos um cubo de dados no modelo multidimensional, certo? Pois é, esses cubos podem representar os dados em um nível de granularidade baixo ou alto, dependendo do nível de sumarização utilizado (Ex: visualizar dados por país ou por município). Agora imagine que você possui uma visualização no menor nível de granularidade do cubo, mas ainda precisa descer mais ainda o nível para buscar dados mais detalhados. Nesse caso, você pode utilizar a operação Drill Through. Por que? Porque ela permitirá que você capture dados na base de dados transacional (aquela que geralmente é relacional) que deu origem a esses dados sumarizados do cubo de dados. Logo, quando eu parto de um nível superior do modelo dimensional e vou até as tabelas do modelo transacional para acessar dados mais detalhados que foram a origem para os dados do cubo, eu estou utilizando o Drill Through.*
184
A Operação Slice permite ao usuário recuperar um ___________ de uma matriz ________________ fixando/selecionando o _____ de uma de suas _________.
A Operação Slice permite ao usuário recuperar um subconjunto de uma matriz multidimensional fixando/selecionando o valor de uma de suas dimensões.
*É como se fatiássemos um cubo fixando apenas uma dimensão (como uma fatia de bolo) –lembrando slice é fatiar, em inglês*
185
**PARA FIXAR**
SLICE: No exemplo
da imagem, nós fatiamos o cubo fixando apenas a dimensão Tempo como Q1, de forma que recuperamos um subconjunto de localização e veículos.
186
A Operação Dice permite ao usuário recuperar um ____________ de uma matriz ________________ fixando/selecionando valores de ____ __ ___ _________.
A Operação Dice permite ao usuário recuperar um subconjunto de uma matriz multidimensional fixando/selecionando valores de mais de uma dimensão.
*Dice é dado, em inglês – portanto é como se gerássemos um minicubo a partir de um cubo maior*
187
**PARA FIXAR**
EXEMPLO DICE: No exemplo da imagem, escolhemos as localizações: Delhi e Kolkata; os períodos: Q1 e Q2; e os veículos: Car e Bus. Muitas vezes, pode ocorrer uma mudança de perspectiva de visão nessa operação!
188
**QUESTÃO DE PROVA**
Entre as ferramentas OLAP, duas operações são utilizadas para realizar navegação por meio de dados na visualização de um cubo. Uma é a operação que corta o cubo, mas mantém a mesma perspectiva de visualização de dados, enquanto outra representa a extração de um “subcubo” e muda a perspectiva de visão. Essas operações são denominadas, respectivamente:
a) dice e join
b) slice e dice
c) raster e slice
d) join e stream
e) stream e raster
**b) slice e dice**
189
Slice em Dice trata-se da redução do ______ dos dados em análise, além da mudança de ordem das _________ e consequentemente da __________ de acordo com a qual os dados são ____________.
Slice em Dice trata-se da redução do escopo dos dados em análise, além da mudança de ordem das dimensões e consequentemente da orientação de acordo com a qual os dados são visualizados.
190
A operação PIVOT permite ao usuário realizar uma alteração de uma __________ ou __________ ___________ para outra. Uma vez que gira a visão atual para obter uma nova visão da representação, é conhecida como _____________ ou _______.
A operação PIVOT permite ao usuário realizar uma alteração de uma hierarquia ou orientação dimensional para outra. Uma vez que gira a visão atual para obter uma nova visão da representação, é conhecida como pivoteamento ou rotação.
*Ex: inverter as dimensões entre linhas e colunas*
191
**PARA FIXAR**
PIVOTE: No subcubo obtido após a operação de fatia (slice), é possível observar que a execução da operação de pivoteamento nos fornece uma nova visão da mesma fatia.
192
**QUESTÃO DE PROVA**
Observe as seguintes figuras que ilustram uma operação OLAP em que a exibição dos dados foi modificada da Visão A para a Visão B.
Para alterar a perspectiva de análise dos dados da Visão A para a Visão B, deve-se executar qula operação OLAP?
PIVOT é a operação para alterar a perspectiva de uma visão para outra.
193
Edgar Frank Codd definiu 12 regras fundamentais para um aplicativo do tipo cubo
multidimensional:
1) **Dimensionalidade Genérica**: Cada dimensão deve ser equivalente na sua estrutura e capacidade de operacionalidade.
2) **Suporte a multiusuários**: As ferramentas OLAP devem fornecer acesso simultâneo à recuperação e atualização, integridade e segurança.
3) **Conceito de Visão Multidimensional**: A visão multidimensional dos dados permite, uma manipulação simplificada e intuitiva dos dados, uma vez que inclui a ferramenta Slice and Dice.
4) **Transparência**: A aplicação do tipo cubo tem que ser apresentada de forma transparente para o utilizador final, porque ela é crucial para preservar a produtividade de informações de boa qualidade.
5) **Acessibilidade**: O utilizador final não deve ter nenhuma preocupação com a fonte de dados, devendo pelo contrário a aplicação OLAP aceder e disponibilizar, somente os dados necessários para a análise indicada.
6) **Desempenho consistente de relatórios**: O desempenho da ferramenta OLAP não deve ser afetado significativamente à medida que o número de dimensões é aumentado.
7) **Arquitetura cliente/servidor**: O servidor da ferramenta OLAP deve ter a capacidade de poder ser usado por vários utilizadores.
8) **Tratamento dinâmico de matriz esparsa**: A estrutura física servidores OLAP deve ter um tratamento ótimo para matriz esparsa. Considera-se matriz esparsa aquela em que nem todas as células na matriz contêm dados.
9) **Operações de cruzamento dimensional irrestritas**: Na análise de dados multidimensional, todas as dimensões são criadas e tratadas de igual modo.
10) **Manipulação de dados intuitiva**: Qualquer manipulação de dados inerente ao caminho de consolidação de dados deve ser realizada através de uma ação direta nas células do modelo analítico, e não devem exigir o uso de um menu ou navegação pela interface do utilizador.
11) **Relatórios flexíveis**: A função de gerar relatórios deve poder apresentar os dados a serem sintetizados ou as informações resultantes da animação do modelo de dados em todas as orientações possíveis.
12) **Níveis de dimensões e agregações ilimitados**: A recomendação é que uma ferramenta OLAP possa acomodar várias dimensões, num modelo analítico e agregações de factos ilimitados.
194
