SAD (Sistema de Apoio a Decisão)

Ajuda na análise de informação do negócio
Não faz parte da tecnologia do BD
Utiliza as tecnologias
1. Data WareHouse (DW)
  1. Um depósito de dados orientado por assunto, integrado, NÃO VOLÁTIL, variável com o tempo para apoiar as decisões da gerência (onde o termo não volátil significa que, uma vez inseridos, os dados não podem ser alterados, embora possam ser eliminados
2. Data Mart (DM)
  1. Extrair e preparar os dados exigidos diretamente de fontes locais, fornecendo acesso aos dados mais depressa do que se eles tivessem de ser sincronizados com todos os outros dados a serem carregados no data warehouse completo
  2. Especializado
  3. Volátil
  4. variável no tempo que fornece apoio a um subconjunto específico de decisões da gerência
3. Depósito de dados Operacionais
4. Processamento Analítico On-line (OLAP)
  1. Processo interativo de criar, administrar, analisar e gerar relatórios sobre dados
  2. Os dados em questão são percebidos e manipulados como se estivessem armazenados em um “array multidimensional”
  3. desenvolvidas para trabalhar com banco de dados desnormalizados
  4. Essas ferramentas são capazes de navegar pelos dados de um Data Warehouse, possuindo uma estrutura adequada tanto para a realização de pesquisas como para a apresentação de informações.
  5. fornecer subsídio para tomadas de decisão, a partir de análises realizadas sobre bases de dados históricas, por vezes com milhões de registros a serem totalizados.
  6. OLPT
    1. Sistemas transacionais, também conhecidos como sintéticos ou ainda OLTP
    2. Sistemas Comuns como :
      1. Sistemas Contábeis; Aplicações de Cadastro; Sistemas de Compra, Estoque, Inventário;
  7. OFERECE
    1. Grande potencial de recuperação de dados
    2. Análise de informaçõess rápida e fácil
    3. Possibilidade de analisar tendências, fazer comparações, destacar problemas e manipular as informações em qualquer ordem.
  8. HOLAP - Hybrid On Line Analytical Processing -
    1. É a combinação entre ROLAP e MOLAP, pegando o melhor de ambas as categorias a escalabilidade de ROLAP e o alto desempenho do MOLAP
  9. MOLAP
    1. processamento realizado em um servidor multidimensional.
  10. ROLAP
    1. A consulta é enviada ao servidor de banco de dados relacional e processada no mesmo, mantendo o cubo no Servidor
  11. DOLAP
    1. ferramentas que disparam uma consulta de uma estação cliente para o servidor, que por sua vez retorna enviando o macro-cubo de volta, para que possa ser analisado pelo usuário
5. Banco de Dados Multidimensionais
  1. dois tipos de tabelas
    1. Tabela de dimensão
      1. As entradas podem ser inseridas explicitamente pelo usuário.
      2. É normalmente pequena, se comparada com a tabela de fatos.
      3. Identifica cada tupla na tabela de fatos
    2. Tabela de fatos
      1. tuplas, uma por fato registrado
      2. Contem os dados
      3. Possui ponteiros para as tabelas de dimensão
  2. Snow Flake
    1. Há normalização da tabelas de dimensões até determinada Forma Normal (quanto maior a FN, mais granularidade)
  3. Roll-Up
    1. Os dados sã resumidos com generalização crescente.
    2. sã criados os agrupamentos e as agregação desejadas.
  4. Drill-down
    1. Níveis crescentes de detalhes são revelados
    2. É o inverso do Roll-up
  5. Pivot
    1. Inverte as colunas com as linhas
  6. Slice-and-Dice
    1. Permite remover informações que não deseja
  7. Modelagem Multidimensional
    1. Lixo (junk)
      1. Uma técnica que permite a redução do número de chaves estrangeiras de uma tabela fato é a criação de Dimensões ‘lixo’ (Junk Dimensions)
    2. Tabela Fato sem dados ou métricas (Factless Fact)
      1. Em certas situações, você poderá se deparar com tabelas fato sem medidas ou métricas
      2. Nesse caso, a tabela fato está cumprindo o papel de relacionar as várias tabelas dimensão envolvidas no modelo, e o valor básico da informação está justamente nesses relacimenamentos.
    3. Dimensão Degenerada
      1. é uma dimensão que é derivada da Tabela Fato
      2. não tem sua própria Tabela de Dimensão
      3. são usadas frequentemente quando a granularidade de uma tabela de fato representa os dados de nível transacional, e que se deseje manter identificadores específicos do sistema, como os números de ordem, números de fatura e similares, sem forçar a sua inclusão na sua própria dimensão.
    4. modelo dimensional
      1. Drill-down
        quando vai detalhando cada vez mais um item, aumenta o detalhamento, diminui a granularidade - 1
        Seta - 1
      2. Drill-up
        Seta-4
        é o inverso do drill-down aumenta a granularidade - 4
      3. Drill-across
        Seta -2
        significa mudar de uma classificação em uma dimensão para outra em uma dimensão diferente. - 2
      4. Drill-Through
        Ela visa o entendimento das informações (registros) a partir dos quais o cubo é derivado. Assim, permite a movimentação de um dado, em um determinado nível do cubo para dados de nível operacional. - 3
        Seta- 3
6. Mineração de Dados (Data Mining)
  1. Bancos muito grande
  2. funcionalidade que agrega e organiza dados, encontrando neles padrões, associações, mudanças e anomalias relevantes
    1. data mining auxilia na obtenção de novos padrões
  3. Objetivos
    1. Explanatório
      1. Explicar a ocorrência de algum evento ou observação
      2. Ex.: Por que a venda de calçados caiu vertiginosamente em maio de 2014, na filial da loja XYZ, na cidade de Goiânia?
    2. Confirmatório
      1. Visa confirmar uma hipótese.
      2. Ex.: Uma revendedora supõ que casais recém casados preferem automóveis do tipo compacto. Resolve, então examinar o cadastro de clientes para determinar se casais recém casados tê tendência de adquirir automóveis do tipo sedan ou hatch
    3. Exploratório
      1. Objetiva analisar os dados buscando relacionamentos novos e não previstos
      2. Ex.: Uma seguradora pode executar uma análise em seus registros históricos para determinar quais as maiores causas de acidentes em determinada faixa etária e quais medidas foram eficazes para a mitigação dessas causas em algum momento
  4. Regras de Associação
    1. Suporte
      1. Faz referencia a quantas vezes a regra ocorre – frequencia
    2. Confiança
7. Staging
  1. Os dados coletados das fontes operacionais são
    1. Trabalhaos
    2. Limpos
    3. Combinados
    4. Acertados
    5. Batidos
Caracteristica
1. CONSULTAS
2. Características Gerais
  1. O BD é QUASE somente de Leitura
  2. O banco de dados tende a ser grande e possuir chaves com componentes temporais.
  3. Atualização limitada
  4. Colunas tendem usadas em combinações
  5. Não tem preocupação com integridade
  6. o Banco tende a ser grande, Indexado e redundancia controlada
  7. Acesso granular ou agregado
  8. normalmente sem UPDATE
  9. direto
  10. Valores sumarizados
  11. Integrado a várias fontes
Preparação dos Dados
1. ODS (Operational Data Store)
  1. Uma coleção de dados orientada por assunto, integrada, volátil (isto é, atualizável), atual ou quase atual.
  2. são mantidos como no ambiente operacional (DW, DM ETC)
  3. podem ser úteis para recuperação de cargas de dados problemáticas ou validação de dados.
Modelagem Analítica
1. O gerente utiliza um pacote de software SAD em seu computador para fazer consultas, dar respostas e emitir comandos.
  1. Ele não precisa especificar antecipadamente suas necessidades de informações. Em vez disso, utiliza o SAD para encontrar as informações que precisam para ajudá-los a tomar uma decisão.
2. Análise do tipo What If (E Se?)
  1. O usuário final introduz mudanças nas variáveis ou relações entre variáveis e observa as mudanças resultantes nos valores de outras variáveis.
  2. Exemplo
    1. : E se reduzíssemos a propaganda em 10%? O que aconteceria com as vendas?
    2. E se houver uma redução de 10% no volume de resíduos dispostos no aterro sanitário? O que acontecerá com a vida útil do aterro?
3. Análise de Sensibilidade:
  1. o valor de uma única variável é alterado repetidas vezes e as mudanças resultantes sobre as outras variáveis são observadas.
  2. Por isso, a análise de sensibilidade é, na verdade, um caso de análise supositiva envolvendo mudanças repetidas em apenas uma variável de cada vez.
  3. é utilizada quando os tomadores de decisão estão em dúvida quanto às premissas assumidas
  4. Exemplo
    1. Vamos reduzir a propaganda em 1.000 reais repetidamente de forma que possamos entender sua relação com as vendas.
4. Análise de Busca de Metas
  1. Em lugar de observar como as mudanças em uma variável afetam outras variáveis, a análise de busca de metas fixa um valor-alvo para uma variável e, em seguida, altera repetidas vezes as outras variáveis até que o valor-alvo seja alcançado.
  2. Exemplo
    1. Experimentemos aumentos na propaganda até que as vendas atinjam 1 milhão de reais.
5. Análise de Otimização:
  1. É uma extensão mais complexa da análise de busca de metas
    1. muda-se uma ou várias outras variáveis repetidas vezes, sujeitas às limitações especificadas, até que sejam descobertos os melhores valores para as variáveis-alvo.
  2. Exemplo
    1. Descobrir qual a quantidade de resíduos sólidos recicláveis que a coleta seletiva deve conseguir para garantir uma remuneração média de R$ 400,00 aos cooperados, considerando os preços de vendas atuais dos resíduos.

Próximo

SAD (Sistema de Apoio a Decisão)

Descrição

Resumo de Recurso

Anexos de mídia

Semelhante

	Criado por lorranz sousa mais de 9 anos atrás