[CONHECIMENTO] Conhecendo o modelo multidimensional na prática

Fonte: Canaltech

Para entender melhor o Business Intelligence (BI), precisamos compreender o Data Warehouse (DW) e consequentemente a modelagem multidimensional (ou dimensional como também é conhecida).

Muito é falado sobre a modelagem dimensional, mas pouco é visto na prática, de forma a consolidar o entendimento sobre o assunto. Para a demonstração de um modelo multidimensional, veremos a seguir uma situação hipotética e simples de vendas de produtos em uma rede de lojas do varejo.

Para a construção do DW para essa rede, vamos imaginar que o problema seja a falta de informações para
gerar estatística das lojas que mais vendem, dos funcionários mais empenhados, dos produtos mais vendidos e até mesmo do período que mais tem movimento.

Na situação hipotética, teríamos que ter no mínimo quatro Dimensões: Funcionário, Produto, Loja e Data.

As Dimensões normalmente possuem muitos campos descritores, porém, neste exemplo, iremos supor que foram solicitados uma quantidade restrita de campos, apenas para a melhor compreensão do modelo.
No levantamento das necessidades dos usuários, por exemplo, foram solicitados os seguintes campos para a análise das informações:
  • Dimensão Funcionário

    Nome, cargo e setor do funcionário.
  • Dimensão Produto

    Nome, descrição e marca do produto.
  • Dimensão Loja

    Nome, cidade, estado, data de inauguração e CEP da loja.
  • Dimensão Data

    Dia, mês, ano, bimestre, trimestre, semestre, feriados e fim de semana da data do registro da venda.
  • Fato Vendas

    Quantidade e valor de itens vendidos.
Supondo também que todos os campos existem nos sistemas operacionais da empresa, logo o modelo dimensional resultante teria a seguinte estrutura:
Modelo multidimensional de BI
O modelo multidimensional do exemplo possui uma estrutura simples para uma melhor compreensão. Não está sendo levado em consideração o histórico das Dimensões, que seriam possíveis com o uso das Surrogate Keys (SK).

O campo “NUMERO_NOTA” (que seria o número da transação) na Fato Vendas se trata de uma

Dimensão Degenerada (Degenerate Dimension), devido ao campo não possuir tabela de Dimensão correspondente. Ela também serve como parte integrante da chave da Fato Vendas e permite o agrupamento dos produtos vendidos em um único documento (pedido), pois apesar de uma compra poder ter vários itens, os dados de cada produto são armazenados separadamente na Fato.

O modelo do exemplo possui estrutura básica para responder as solicitações hipotéticas do usuário, como também fazer outras perguntas como:
  • Qual a loja que vendeu mais bebidas no último ano?
  • Qual o trimestre que são vendidos mais produtos?
  • Qual é o produto mais vendido no período de maior movimento?
Além disso, esse modelo pode fazer inúmeros outros cruzamentos que serão definidos a partir da visão analítica do usuário, possibilitando a geração de valiosos insights para a organização. Tudo isso de forma intuitiva e com a velocidade adequada exigida pelos negócios empresarias.

Por fim, a visão dimensional irá auxiliar as empresas no aprimoramento de seus indicadores através dos ajustes de seus sistemas internos, além de promover uma nova cultura de análise e gestão da informação nos diversos níveis da organização.
Compatilhe no Google Plus

Sobre Grimaldo Oliveira

Mestre pela Universidade do Estado da Bahia (UNEB) no Curso de Mestrado Profissional Gestão e Tecnologias Aplicadas à Educação (GESTEC) com o projeto “GESMOODLE – Ferramenta de acompanhamento do aluno de graduação, no ambiente virtual de aprendizagem(MOODLE), no contexto da UNEB“. Possui também Especialização em Análise de Sistemas pela Faculdade Visconde de Cairu e Bacharelado em Estatística pela Universidade Federal da Bahia. Atua profissionalmente como consultor há mais de 15 anos nas áreas de Data Warehouse, Mineração de Dados, Ferramentas de Tomada de Decisão e Estatística. Atualmente é editor do blog BI com Vatapá. Livro: BI COMO DEVE SER - www.bicomodeveser.com.br

0 comentários: