O documento discute o conceito de data warehouse, seu contexto histórico e funcionamento. Apresenta um estudo de caso da ANVISA, que implementou um data warehouse para apoiar a tomada de decisão, enfrentando desafios como diferenças nos dados e expectativas irrealistas dos executivos. O documento conclui destacando a importância dos data warehouses para sistemas de apoio à decisão.

1. Data Warehouse
Gestão da Informação
Andersen Ananias
Messias Batista

2. Agenda
1. O que é Data Warehouse?
2. Contexto histórico
3. Vantagens do Data Warehouse
4. Funcionamento do DW
5. Estudo de Caso
6. Considerações Finais

3. O QUE É DATA WAREHOUSE?
De onde vem essa bixiga?
1

4. “
Banco de dados baseado em
assuntos, integrado, não volátil e
variável em relação ao tempo que é
usado principalmente no processo
de tomada de decisões.
DILL, Sergio apud INMON (1997).

5. “
Cópia dos dados especialmente
estruturados para facilitar o
processo de análise, consulta e
geração de relatórios.
DILL, Sergio apud KIMBALL (1998).

6. “
Ambiente estruturado e extensível
projetado para o trabalho de análise
de dados não voláteis, lógica e
fisicamente transformados oriundos
de diferentes fontes e alinhados
com os objetivos estratégicos da
empresa.
DILL, Sergio apud GUPTA (1997).

7. CONTEXTO HISTÓRICO
Deixe de onda, e me conte essa asneira.
2

8. Hello!
Como se “toma” decisão?
O processo de tomada decisão mais acertado
depende diretamente da informação
recebida, do ponto de vista da sua qualidade,
precisão, entre outros.

9. Olá, sou 1960!
A informação gerada para
tomada de decisão é individual!
Existiam aplicação individuais
executadas sobre arquivos mestres.

10. Arquivos Mestres: proliferação e redundância
◦ Falta de credibilidade
dos dados;
◦ Baixa produtividade;
◦ Impossibilidade de
transformar dados em
informação.

11. Hello!
E como se resoulve-se isso?
Neste ponto chegamos ao momento em que
os SGBD’s nascem.

12. Olá, sou SGBD!
Sistemas Gerenciadores de
Bancos de Dados
Integração dos dados em fonte única.

13. Sistemas de Apoio a Decisão
Sistemas de
Apoio a Decisão
Ambiente de
Processamento
Operacional
Ambiente
Analítico
SEPARAÇÃO

14. Fluxo Histórico
Acesso direto a
dados
(1960~)
Surgimento dos
SGBDs
Criação do
Modelo
Relacional e
Ling. SQL

15. “
[Tudo isso culmina] na percepção
do usuário que era possível utilizar
dados para outros objetivos além
das transações on-line.
DILL, Sergio (2002).

16. Vantagens do Data Warehouse
Sei bichin, diga mais.
3

17. Hello!
Vantagens?
Há uma série de vantagens na separação do
ambiente operacional e do ambiente
analítico. Vejamos quais são.

18. Problemas antes do Data Warehouse
Os usuários construíam suas
próprias planilhas;
◦ Falta de credibilidade dos dados, consequência da
extração;
◦ Baixa produtividade causa pela necessidade de
analisar layouts de vários arquivos;
◦ Dificuldade de gerar informações a partir dos dados
extraídos;
◦ Tempo destinado ao desenvolvimento de aplicativos
de relatórios.

19. Implantação do Data Warehouse
Dados
Primitivos
Dados
Derivados
Operações
do dia-a-dia
Resultado
das Extrações
(Gerência)

20. Vantagens do Data Warehouse
◦ Atualização constante;
◦ Agilidade e facilidade de acesso
à informação atraves de
ferramentas;
◦ Menor custo e menor indiciu de
erros.

21. BIG CONCEPT
Data Warehouses são diferentes dos
Bancos de Dados tradicionais, por
estarem otimizados para
recuperação de dados e serem
suporte para sistemas de apoio a
decisão.

22. Funcionamento DW
Eitxa gôta, agora vai!
4

23. Hello!
Agora são dois conceitos
A forma de organização da infraestrutura
lógica e fisíca importam

24. “
Os Data Warehouse oferecem
acesso a dados para análise
complexa, descoberta de
conhecimento e tomada de
decisões.
NAVATHE & ELSMARI (2011).

25. Funcionamento do Data Warehouse
◦ Alto desempenho sobre os dados e
informações de uma organização;
◦ Suporte a aplicações OLAP
(Processamento analítico on-line);
◦ Suporte a aplicações DSS
(Sistemas de apoio a decisão);
◦ Mineração de Dados.

26. EXEMPLO

27. Estudo de Caso
Tem doido pra tudo...
5

28. Hello!
ANVISA
Agência Nacional de Vigilância Sanitária.
Vinculada ao Ministério da Saúde e com
trabalhos em parceria com o Ministério das
Relações Exteriores.

29. Estudo de Caso: Anvisa
◦ Implantação realizada em meados
de 2002;
◦ Avaliação do serviço de saúde foi
a área piloto (complexidade e
importância);
◦ Solução para apoiar o processo
decisório da instituição;
◦ Fonte de dados são os sistemas
transacionais que os atendem;

30. Estudo de Caso: Anvisa
◦ Os dados são associados pelo
assunto;
▫ Na Avaliação de Serviços de Saúde a
principal fonte de dados é o DATASUS;
◦ Dados armazenados em nível
granularidade mais atômico
possível;
◦ Modelagem multidimensional no
formato estrela.

31. “
Para a infra-estrutura de DW, foram
adquiridos equipamentos com
grande área de disco para
armazenar o volume de dados e
com processadores paralelos para
proporcionar melhores tempos de
resposta.
BETHINI, (xxxx).

32. Estudo de Caso: Anvisa
Problemas encontrados com os dados
◦ Diferença de unidades;
◦ Diferenças de Precisão;
◦ Diferenças de códigos ou
expressões;
◦ Diferenças de granularidades;
◦ Diferenças de abstrações.

33. “
Normalmente as ações de correção
das anomalias encontradas não se
deram automaticamente com uma
rotina específica, até porque isto
poderia ter sido feito já na própria
base transacional. O que se
procurou é solucionar as
pendências caso a caso, tentando
corrigir inclusive a base original.
BETHINI, (xxxx).

34. Estudo de Caso: Anvisa
The Data Warehouse Institute - Dificuldades
1. Começar o projeto com o tipo errado de patrocínio;
2. Gerar expectativas que não podem ser satisfeitas,
frustrando os executivos quando da utilização do DW;
3. Dizer: “Isto vai ajudar os gerentes a tomar decisões
melhores” e outras informações politicamente
ingênuas;
4. Carregar o DW com informações só “porque estavam
disponíveis”;
5. Falhar no objetivo de acrescentar valor ao dada por
meio de mecanismos de desnormalização,
categorização e navegação assistida;

35. Estudo de Caso: Anvisa
The Data Warehouse Institute - Dificuldades
6. Escolher um gerente que seja voltado para a
tecnologia e não para o usuário;
7. Focalizar em dados tradicionais internos orientados a
registro e ignorar o valor potencial de dados textuais,
imagem, som, vídeo e dados externos;
8. Fornecer dados com definições confusas e
sobrepostas;
9. Acreditar nas promessas de desempenho, capacidade
e escalabilidade dos vendedores de produtos; e
10. Usar o DW como justificativa para modelagem de
dados e uso de ferramentas case.

36. Considerações Finais
Enfim, cabou!
6

37. Bye!
Considerações Finais
O Data Warehouse é um recurso muito
importante no auxílio a decisão...

38. Considerações Finais
◦ Data Warehouse é fundamental para
um sistema de apoio a decisão;
◦ A compreensão história deste
desenvolvimento revela suas
capacidades atuais;
◦ A atenção as limitações da sua função,
bem como as suas fontes de dados são
fundamentais;
◦ É importante que a solução seja
pensada para o usuário.

39. Data Warehouse – a experiência da ANVISA
Camilo Mussi, Denis Murahovschi, Giliana
Bettni, Luiz Gustavo Kratz
Bibliografia
Sistemas de Banco de Dados
Ramez Elmasri, Shamkant B. Navathe
Uma Metodologia para Data Warehouse e Estudo de
Caso
Sergio Luis Dill

40. Messias R. Batista
@mrafaelbatista
mrafaelbatista@gmail.com
mrafaelbatista.com.br
Andersen Ananias
@andersenpro
andersenpro@gmail.com

41. Questões
https://goo.gl/sNLcE3
Acesso
Messih_TPLink
#@gi2016