SISTEMAS DE APOIO INTELIGNCIA DE NEGCIOS

http://www.uniriotec.br/~tanaka/SAIN tanaka@uniriotec.br

Asterio K. Tanaka

Material baseado em originais de Maria Luiza Campos (http://dataware.nce.ufrj.br/) Complementado com referncias atuais de Ralph Kimball (http://www.kimballgroup.com/) Agosto de 2007
Asterio K. Tanaka

Modelagem Dimensional Conceitos Avanados

 Dimenses clssicas em negcio de varejo

When (Tempo, Data, Hora do Dia); What (Produto); Where (Loja); Why (Promoo)

Tabelas de Fato sem Fatos ou Mtricas

Cobertura (Promoo) e Evento

Dimenses Degeneradas (dimenses sem tabelas) Extensibilidade do esquema estrela Modelo dimensional normalizado: Esquema Snow Flake Esquemas com muitas dimenses: Esquema Centpodo Campos Chaves de Tabelas de Dimenses Dinmica das Dimenses: Slowly Changing Dimension Dimenses com Papis (Role Playing dimensions) Outros Tipos Especiais de Dimenso
Lixo (Junk Dimension); Dimenses muito grandes: Minidimenses; Dimenses com outrigger; Dimenses Multivaloradas (Bridge table)

Tpicos Especiais sobre Fatos Fatos conformados, Bus Matrix de Implementao, Tipos Clssicos de Fatos Agregados

Asterio K. Tanaka

Dimenso tempo (Data)

A dimenso tempo muito poderosa e importante em todo DW. Como tal deve ser tratada de forma diferenciada em relao s outras dimenses. Usualmente est presente em todo Data Mart, pois o DW histrico. Costuma ser complexa no mundo real:
Dia, Ms, Trimestre, Semestre, Ano Dia Acumulado no Ms, no Ano Perodo Fiscal, Semana de Cinco Dias Feriados, Fim de semana

Qual a granularidade ideal? claro, depende do projeto

Com granularidade diria, podemos organizar os dados por dias, meses, anos, por perodos fiscais (artificiais) da empresa, etc. Essa modelagem, mais flexvel a mudanas nos requisitos do negcio.

Diferente das outras dimenses, a tabela pode ser carregada antecipadamente, de uma s vez e no requer fonte de dados
Exemplo: 5 anos passados + 5 anos futuros = 10 anos = 3.650 dias (linhas na tabela)

Asterio K. Tanaka

Dimenso Tempo (Data)

Tipo de dados SQL (Date, Time) no suportam essa riqueza de descries, da a necessidade de uma dimenso Data explcita.
Asterio K. Tanaka

Dimenso tempo: Horas, Minutos, Segundos

Vrias solues so possveis, graas extensibilidade do modelo dimensional. 1 Alternativa: Colocar a hora do dia na Tabela de Fatos

Date
Date_key

Fact
Date_key ... Time_of_day

- Pode ser usado quando no h descries adicionais sobre a hora do dia.

- Pode sobrecarregar a tabela de fatos (tipo Timestamp requer 8 bytes) 8 bytes x bilhes de linhas na tabela de fatos ...
Asterio K. Tanaka

Dimenso tempo: Horas, Minutos, Segundos

2 Alternativa: Criar uma Dimenso Hora do Dia (24 h X 60 min = 1440 valores)

Date
Date_key

Fact
Date_key Time_of_Day_key

Time of Day
Time_of_Day_key hour minute

- Permite descries e agregaes teis: (nomes de horas, nomes de turnos, etc ) - Chave Time_of_Day_key pode ter 2 bytes (suficiente para 24 x 60 = 1.440 minutos) ou 4 bytes (suficiente para 1.440 x 60 = 86.400 segundos).
Asterio K. Tanaka

Dimenso tempo: Horas, Minutos, Segundos

3 Alternativa : Hora, minuto na mesma tabela de dimenso que as datas

Date
Date_key day month hour minute

Fact
Date_key ... ...

Tabela dimenso muito grande 10 anos = 3.650 x 1.440 minutos = 5.256.000 linhas (525.600 linhas cada ano adicional)
Asterio K. Tanaka

Dimenso Produto

Redundncia custa da 3FN vale a pena, pois as tabelas de dimenses so pequenas em relao s tabelas de fatos. Asterio K. Tanaka

Dimenso Loja
First_Open_Date Last_Remodel_Date

Note os atributos First Open Date e Last Remodel Date, so DATAS. So chaves de juno com cpias da tabela de dimenso Date, declaradas como vises SQL, por exemplo
CREATE VIEW First_Open_Date (FO_day_number, FO_month, ...) AS SELECT day_number, month FROM Date

Esse tipo de tabela virtual para relacionar dimenses denominado outrigger.

Asterio K. Tanaka

Dimenso Causal (Why) Promoo

A dimenso Promoo do exemplo , de fato uma COMBINAO DE DIMENSES causais (price reduction, ads, display, coupon) que poderiam estar em quatro tabelas separadas, com o mesmo efeito. No caso, esto combinadas numa nica tabela de dimenso porque so altamente correlatas. Dimenses combinadas economizam espao da tabela de Fatos, embora separadas pudessem ser mais bem entendidas e mais facilmente administradas.

Asterio K. Tanaka

Tabela de Fatos sem Fatos (Factless Fact Tables)

Uma tabela de fatos que no tem fatos mas captura alguns relacionamentos muitos-para-muitos entre chaves de dimenses. Mais frequentemente usada para representar eventos ou prover informao de cobertura que no aparece em outras tabelas de fatos. A tabela de fatos Vendas com medidas no pode responder a consultas do tipo
Quais produtos estavam em promoo mas no venderam? Por que no pode? Por que no deveria? A soluo criar uma Tabela de Cobertura de promoo com as mesmas dimenses da tabela de Vendas (Data, Produto, Loja, Promoo). Os produtos em promoo que no venderam ser o conjunto diferena entre a cobertura e as vendas.
Asterio K. Tanaka

Tabela de Fatos sem Fatos Cobertura de Promoo

Uma tabela de fatos, tipicamente sem fatos, que registra todos os produtos que esto em promoo numa determinada loja, independentemente de ser vendidos ou no. Consulta: Quais produtos estavam em promoo mas no venderam?
SELECT Product_Key, ... FROM Promotion_Coverage, ... WHERE ... MINUS SELECT Product_Key. ... FROM POS_Retail_Sales, ... WHERE ...
Asterio K. Tanaka

Tabela de Fatos sem Fatos - Eventos

A tabela de fatos poderia no ter nenhuma medida e a consulta seria de contagem

SELECT Faculty, COUNT(Term_Key)... GROUP BY Faculty

Ou poderia ter uma medida artificial Registration_Count apenas para tornar mais fcil a consulta
SELECT Faculty, SUM(Registration_Count)... GROUP BY Faculty
Asterio K. Tanaka

Dimenses sem Tabelas Dimenses Degeneradas

Chaves de dimenso na tabela de fatos sem tabelas de dimenso correspondentes. Uma chave de dimenso, como o nmero de uma transao, nmero de fatura, tiquete, nota fiscal, pedido ou ordem de compra, que no tenha nenhum atributo portanto no se junta com uma tabela de dimenso. Esses documentos normalmente so compostos de itens, e se a granularidade da tabela de fatos for item, o nmero do documento estar na tabela fato apenas para permitir o agrupamento dos itens por documento.

Asterio K. Tanaka

Dimenses sem Tabelas Dimenses Degeneradas

POS Transaction Number uma Dimenso Degenerada (DD)

Asterio K. Tanaka

Extensibilidade do Esquema Estrela

O esquema estrela acomoda sem problema novas dimenses desde que o gro definido para a tabela de fatos seja o mais detalhado possvel. A incluso de novas dimenses que se aplicam a esse nvel de granularidade no altera as dimenses e fatos existentes. Para evitar chaves nulas, preciso prever valores do tipo No aplicvel para fatos anteriores incluso da nova dimenso. Todas as consultas e aplicaes existentes continuam a rodar sem nenhuma alterao.
Asterio K. Tanaka

Extensibilidade do Esquema Estrela

Modificaes absorvidas naturalmente pelo esquema estrela, devido a mudana nas fontes ou por deciso de modelagem, sem impacto nas aplicaes existentes
Novos atributos de dimenses Novas dimenses Novos fatos medidos (na mesma tabela de fatos ou em nova tabela) Dimenses mais granulares Adio de uma fonte de dados nova envolvendo dimenses existentes assim como novas dimenses no previstas

A extensibilidade possvel graas simetria do esquema estrela, contanto que o gro inicial escolhido seja o mais detalhado possvel pelos sistemas transacionais.
Asterio K. Tanaka

Esquema Dimensional Snow Flake

Embora aceitvel, a normalizao de dimenses no recomendvel por razes de desempenho e facilidade de uso
A quantidade de tabelas torna a apresentao do modelo mais complexa. Otimizadores do SGBD tm mais dificuldade com esquema complexo. A economia de espao em disco insignificante em relao ao DW completo. Snowflaking diminui a habilidade de usurios de navegar na dimenso. Snowflaking impede o uso de ndices tipo Bit Map, que so usados por SGBD para indexar campos com baixa cardinalidade.
Asterio K. Tanaka

Esquemas com muitas dimenses (Centpodo)

Um nmero de dimenses muito grande (25+) um sinal de que muitas dimenses no so completamente independentes e deveriam ser combinadas numa nica. um erro em modelagem dimensional representar elementos de uma hierarquia como dimenses separadas.
Asterio K. Tanaka

Campos Chaves de Tabela de Dimenses

Regra bsica: uso de surrogates ou chaves artificiais.
Ajudam a manter a estabilidade, atravs da neutralidade. Evitam manuteno custosa de tabelas, especialmente das tabelas fatos. Chaves naturais podem ter problemas de unicidade, ausncia, tamanhos exagerados. Chaves artificiais podem ser especificadas como inteiros de 4 bytes, alcanando at 232, isto , mais de 2 bilhes de ocorrncias (inteiros positivos), o que mais do que necessrio para qualquer tabela dimenso. Chaves artificiais ficam transparentes (invisveis) para os usurios, servindo apenas como ligao entre dimenses e fatos. Campos naturais no chave podero ser indexados, tornando as consultas amistosas. Se produzidas automaticamente, deve-se ter cuidado no processo de preparao (ETL), especialmente nos reprocessamentos. A nica desvantagem das chaves artificiais que no faz sentido a tabela fato ser consultada diretamente, pois os campos descritivos de filtro estaro armazenados nas dimenses.

Every join between dimens ion and fact tables in the data warehous e s hould be bas ed on meaning les s integ er s urrog ate keys . You s hould avoid us ing the natural operational production codes . None of the data warehous e keys s hould be s mart, where you can tell s omething about the row jus t by looking at the key.
Asterio K. Tanaka

Dinmica das Dimenses

Atualizao das dimenses que mudam lentamente (Slowly Changing Dimensions)
Exemplos: Endereo de Cliente, Descrio de Produto.

Vrias alternativas
Tipo 1: Atualizar por cima do valor antigo
simples mas no preserva histrico.

Tipo 2: Adicionar uma nova linha com o novo valor do atributo atualizado, mantendo os demais.
A nova linha particiona o histrico na tabela fato. a tcnica predominante para dimenses que mudam lentamente (slowly changing dimensions).

Tipo 3: Adicionar uma nova coluna, preservando o valor anterior e inserindo o novo valor na nova coluna.
Permite a manuteno de duas vises simultneas do histrico, mas d margem a muitos valores nulos quando as mudanas so lentas.

Solues hbridas, com mltiplas verses (linhas) combinadas ou no com coluna de valor anterior.
Mais flexveis e completas, porm mais complexas.
Asterio K. Tanaka

Slowly Changing Dimensions Exemplos Tipo 1, Tipo 2, Tipo 3

Linha original Mudana: O produto IntelliKidz 1.0 muda de departamento. SCD Tipo 1

SCD Tipo 2

SCD Tipo 3
Asterio K. Tanaka

SCD: Exemplo Tipo Hbrido (tambm chamado tipo 6 = 3+2+1) Linha original Requisito: Preservar histrico e ao mesmo tempo suportar consultas a dados histricos de acordo com valores atuais. Primeira mudana

Segunda mudana

Asterio K. Tanaka

Dimenses com grande volume e alta volatilidade

tambm chamadas de Rapidly Changing Monster Dimensions
Soluo para dimenses grandes com mudanas frequentes (por exemplo, alguns atributos mudam mensalmente)
Particionamento da dimenso em tabelas diferentes, separando-se dados estticos de dados volteis. Dimenses so relacionadas entre si e ambas relacionadas com a tabela fato

As vrias tabelas quebradas de uma dimenso grande so tambm chamadas de minidimenses

Asterio K. Tanaka

Dimenses com vrios Papis Role Playing Dimensions

A situao onde uma mesma dimenso aparece vrias vezes na mesma tabela de fatos. Cada um dos papis da dimenso representado por uma tabela lgica separada com nomes de coluna nicos atravs de vises.

CREATE VIEW order_date (order_date_key, order_day_of_week, order_month...) AS SELECT date_key, day_of_week, month, . . . FROM Date CREATE VIEW req_ship_date (req_ship_date_key, req_ship_day_of_week, req_ship_month ...) AS SELECT date_key, day_of_week, month, . . . FROM Date
Asterio K. Tanaka

Outros exemplos de Dimenses com papis

Dimenso Cliente

Fato Viagem Data do Vo Origem do Segmento Destino do Segmento Origem da Viagem Destino da Viagem Vo Tarifa Classe Cliente
c

Dimenso Aeroporto

Dimenso Vo

Dimenso Tarifa

Dimenso Data

Asterio K. Tanaka

Mais de uma dimenso com vrios papis

Trfego Tarifado de Comutao Dimenso Data
Data da Chamada Data da Tarifao Data do Faturamento Data do Pagamento Provedor do Sistema de Origem Provedor da Comutao Local Provedor dos Interurbanos Provedor do Servio de Valor Agregado Parte que Ligou Parte que Recebeu a Ligao Comutao Anterior Comutao Subsequente

Dimenso Provedor

Dimenso Localizao

Asterio K. Tanaka

Outros Tipos Especiais de Dimenso

Dimenso lixo ou sucata (junk dimension)
Uma dimenso abstrata com a decodificao de um grupo de flags e indicadores de baixa cardinalidade, portanto removendo os flags da tabela de fatos.

Minidimenses
Subconjuntos de uma dimenso grande, como Cliente, que so quebrados em dimenses artificiais menores para controlar o crescimento explosivo de uma dimenso grande, com mudana rpida. Os atributos demogrficos continuamente mutveis de um cliente so frequentemente modelados como uma minidimenso separada.

Dimenses com Outrigger

Soluo normalizada (snow flake) para conjuntos de atributos de baixa cardinalidade em dimenses grandes, como Cliente. A economia de espao vale a pena porque a dimenso grande, e a carga de dados separada do restante da dimenso porque os dados provm de fontes externas diferentes.

Dimenses multivaloradas (tabela ponte)

Normalmente, uma tabela de fatos possui conexes somente para dimenses representando um valor simples, como uma data ou produto. Mas ocasionalmente, vlido conectar um registro de fato a uma dimenso representando um nmero aberto de valores, como o nmero de diagnsticos simultneos que um paciente pode ter num momento de um mesmo tratamento. Neste caso, dizemos que a tabela de fatos tem uma dimenso multivalorada. Tipicamente manipulada por uma tabela ponte (Bridge Table) tambm chamada Helper Table, Tabela Associativa).
Asterio K. Tanaka

Dimenso lixo ou sucata (junk dimension)

Relacionadas com tabelas tipo cdigo-descrio com baixa cardinalidade: Sexo, Estado Civil, Tags diversos, Textos descritivos, etc. So campos tipo miscelnea que no trazem muita correlao com os outros campos da tabela fato, mas so usados como filtro, da serem dimenses. Podem ser usadas de forma combinada. Exemplo: trs tags binrios 23 = 8 combinaes possveis Usado como artifcio para diminuir a tabela de fatos. Exemplo:

Asterio K. Tanaka

Minidimenses
A melhor abordagem para tratar atributos em dimenses muito grandes quebrar em uma ou mais minidimenses, cada uma contendo atributos que tenham um nmero limitado de valores. Exemplo: dimenso Cliente com milhes de ocorrncias.

Vide tambm o caso de dimenses com alta volatilidade (minidimenso com atributos que mudam rapidamente) Tamanho de cada minidimenso = Produto cartesiano da cardinalidade dos atributos da minidimenso Exemplo acima: 10 x 2 x 10 x 5 x 5 = 5.000 linhas
Asterio K. Tanaka

Dimenses com Outrigger

No exemplo, o outrigger agrupa atributos de baixa cardinalidade, que so mantidos em tabela separada da dimenso principal (Customer) para economia de espao, e tambm porque a carga dessa tabela feita com frequncia diferente e a partir de fonte externa. Note que se a soluo fosse ligar o outrigger diretamente tabela de Fatos, seria uma minidimenso. Seria possvel? Vantagens e desvantagens?

Asterio K. Tanaka

Dimenses Multivaloradas (Tabela Ponte)

(Bridge Table, Helper Table, Associative Table)
Uma tabela com chave composta capturando um relacionamento muitos-para-muitos que no possa ser acomodado pela granularidade natural de uma tabela de fatos ou tabela de dimenso. Serve como uma ponte entre a tabela de fatos e a tabela de dimenso de forma a permitir dimenses multivaloradas.

Outros exemplos de dimenses multivaloradas: titulares de conta bancria, cdigos de classificaes, etc
Asterio K. Tanaka

Tabela Ponte Outro exemplo

Tabela ponte conta-cliente para associar mltiplos clientes com fatos de contas.
Asterio K. Tanaka

Tpicos Especiais sobre Fatos

Fatos conformados
Data marts de primeiro nvel , data marts consolidados. Unidades de medida Bus Matrix de Implementao

Tipos clssicos de fatos

Transaes Instantneos Peridicos Instantneos Acumulados

Fatos agregados

Asterio K. Tanaka

Fatos Conformados
Estabelecer dimenses conformadas para amarrar os data marts representa 90% do esforo de arquitetura de projeto. O restante do esforo consiste em estabelecer definies de fatos conformados. Preos, custos, lucros, medidas de qualidade, medidas de satisfao do cliente e outros KPIs so fatos que devem ser conformados. Em geral, dados de fatos no so duplicados explicitamente em mltiplos data marts. Mas isso pode ocorrer em data marts de primeiro nvel (originrios de um sistema fonte primrio de dados) e data marts consolidados (a partir de mltiplas fontes que podem referenciar mais de um processo de negcio). Se os fatos forem rotulados identicamente, precisam ser definidos no mesmo contexto dimensional e com as mesmas unidades de medida de data mart para data mart. Algumas vezes, um fato tem uma unidade de medida natural em uma tabela de fatos e outra unidade de medida em outra tabela de fatos. Ao invs de prover um fator de converso numa tabela de dimenso, a abordagem correta levar o fato com as duas unidades de medida para para facilitar os relatrios sem preocupao de converso. Por exemplo, produtos medidos em caixas no depsito e em peas na loja.
Asterio K. Tanaka

Data Marts de Primeiro Nvel e Data Marts Consolidados

The Matrix Plan for the enterprise data warehouse of a large telecommunications company. First-level data marts are directly derived from production applications. Second-level data marts are developed later and represent combinations of first-level data marts.

Artigo The Matrix, Ralph Kimball, Intelligent Enterprise, Dezembro 1999. http://www.intelligententerprise.com/db_area/archives/1999/990712/webhouse.jhtml

Asterio K. Tanaka

Bus Matrix de Implementao

Exemplo em Negcio de Seguradora

Asterio K. Tanaka

Fatos de transaes
O nvel de transao individual representa a viso mais fundamental das operaes do negcio. Essas tabelas de fatos representam um evento que ocorreu num ponto instantneo do tempo.

Asterio K. Tanaka

Fatos Instantneos Peridicos

So necessrios para observar o desempenho cumulativo do negcio em intervalos de tempo regulares e previsveis. D iferentemente do fato de transao, onde se carrega uma linha para cada ocorrncia de evento, com o instantneo peridico, tira-se uma fotografia da atividade no fim de um dia, uma semana ou um ms, e repetidamente ao fim de cada perodo.

Asterio K. Tanaka

Fatos instantneos acumulados

Representam um tempo indeterminado, que cobre o ciclo de vida da transao ou do produto ou pessoa. Q uase sempre possuem mltiplas datas, representando os mltiplos eventos ou fases que ocorrem durante o curso de um ciclo de vida.
Asterio K. Tanaka

Tipos clssicos de fatos

Tabela de Comparao dos Tipos de Fatos

Asterio K. Tanaka

Agregados (1)
Materializar (armazenar) ou no?
Vide sndrome da exploso do volume de dados

Critrios para definio de agregados

Passam pela anlise dos principais tipos de informao necessrias e pela dificuldade de se obt-las diretamente das tabelas granulares. Exemplo:
TDLoja (chave-loja, nome-loja, endereco-loja, cidade, estado, regiao) TDProduto (chave-produto, descricao, marca, categoria, tipo-embalagem, departamento) TDDia (chave-dia, data-completa, dia, ms, ano, perodo-fiscal, estao) TFVendas (chave-loja, chave-produto, chave-dia, valor-vendido-real, custo-real, lucro, qtdvendida) Hierarquias de dimenses REGIO LOJA CATEGORIA PRODUTO ANO MS DIA

Asterio K. Tanaka

Agregados (2)
Combinaes possveis
Ternrias: LOJA X PRODUTO X DIA 2 x 2 x 3 = 12 combinaes Binrias: LOJA X PRODUTO + LOJA X DIA + PRODUTO X DIA 2 x 2 + 2 x 3 + 2 x 3 = 16 combinaes Unrias: LOJA + PRODUTO + DIA 2 + 2 + 3 = 7 combinaes Total = 35 combinaes Quais deveriam ser materializadas e armazenadas? Qual a distribuio de valores agregados por dimenso?
Ex: LOJA SELECT nome-loja, COUNT(*) FROM TFVendas, TDLoja WHERE TFVendas.chave-loja = TDLoja.chave-loja GROUP BY nome-loja

Asterio K. Tanaka

Agregados (3)
Cuidados na definio dos agregados
Valores aditivos Nem todas as mtricas armazenadas nas tabelas granulares so aditivas em todas as dimenses (fatos semi-aditivos ou no aditivos). Isto significa que os atributos das tabelas fatos de agregados podero ser diferentes das tabelas fatos granulares. Preciso Deve-se definir criteriosamente a preciso dos valores aditivos de agregados, que devero ser maiores do que os usados nos respectivos valores das tabelas granulares (para evitar overflow na adio) Fatos e dimenses agregados devem estar em tabelas fisicamente diferentes das tabelas granulares, mesmo que o nmero de tabelas cresa muito. Ferramentas de anlise (OLAP, por exemplo) possuem mecanismo de navegao de agregados que escondem a complexidade da estrutura.

Asterio K. Tanaka

Agregados (4)
Exemplos
Agregao por loja, para todos os produtos, todos os dias.

Agregao por loja, por ms, para todos os produtos.

Agregao por regiao de venda, por ms, por categoria.

Asterio K. Tanaka

Agregados (4)
Exemplos
Agregao por loja, para todos os produtos, todos os dias. INSERT INTO AG-LOJA AS SELECT nome-loja, sum(valor-vendido-real), sum(custo-real) FROM TDLoja, TFVendas WHERE TDLoja.chave-loja=TFVendas.chave-loja GROUP BY nome-loja Agregao por loja, por ms, para todos os produtos. INSERT INTO AG-LOJA-MS AS SELECT nome-loja, ms, sum(valor-vendido-real), sum(custo-real) FROM TDLoja, TFVendas, TDDia WHERE TDLoja.chave-loja=TFVendas.chave-loja AND TFVendas.chave-dia=TDDia .chave-dia GROUP BY nome-loja, ms

Asterio K. Tanaka

Agregados (5)
Exemplos
Agregao por regiao de venda, por ms, por categoria. INSERT INTO AG-REG-CAT-MES AS SELECT regiao, ms, categoria, sum(valor-vendido-real), sum(custo-real) FROM TDLoja, TFVendas.TDProduto, TDDia WHERE TDLoja.chave-loja=TFVendas.chave-loja AND TFVendas.chave-dia=TDDia .chave-dia AND TFVendas.chave-produto=TDProduto.chave-produto GROUP BY regiao, ms, categoria

Cuidados operacionais
Modelos separados (agregados e granulares) para evitar contenes mtuas no momento de carga ou atualizao. Carga total versus Atualizao incremental: Tempo de processamento versus Complexidade de programas Carga/atualizao pode requerer processamento paralelo, para otimizao

Utilizao de agregados
Navegador de agregados: camada de interface entre a ferramenta OLAP e o servidor de DW. O navegador realiza transparentemente a converso de comandos SQL granulares nos equivalentes que trabalham informaes agregadas.
Asterio K. Tanaka

Dez Erros Comuns a Evitar em Modelagem Dimensional (1)

Erro 10: Colocar atributos de texto usados para restries e agrupamento numa tabela de fatos. Erro 9: Limitar atributos descritivos verbosos em dimenses para economizar espao. Erro 8: Separar hierarquias e nveis de hierarquia em dimenses mltiplas. Erro 7: Ignorar a necessidade de cuidar de mudanas em atributos de dimenses. Erro 6: Resolver todos os problemas de desempenho de consultas adicionando mais hardware.

Asterio K. Tanaka

Dez Erros Comuns a Evitar em Modelagem Dimensional (2)

Erro 5: Usar chaves operacionais ou inteligentes para junes de tabelas de dimenso com tabela de fatos. Erro 4: Negligenciar a declarao e depois a consistncia com o gro da tabela de fatos. Erro 3: Projetar o modelo dimensional baseado em um relatrio especfico. Erro 2: Esperar que usurios consultem dados de nvel atmico mais baixo num formato normalizado. Erro 1: Falhar em conformar fatos e dimenses atravs de diferentes data marts.

Asterio K. Tanaka