Universidade Federal de Uberlndia - UFU Monte Carmelo Sistemas de Informao

Data Warehouse e Data Mart

Adelson Pacheco dos Reis Bruno Kamino Yamamoto Lucas Rodrigus da Cunha Raphael Arajo de Faria

Monte Carmelo 2012

Adelson Pacheco dos Reis Bruno Kamino Yamamoto Lucas Rodrigus da Cunha Raphael Arajo de Faria

Data Warehouse e Data Mart

Monografia apresentada como exigncia para obteno do grau de Bacharelado em Sistemas de Informao da Universidade Federal de Uberlndia UFU.

Orientador: Daniel Duarte Abdala

Monte Carmelo 2012

RESUMO

Desde a dcada de 1960 ,quando surgramos primeiros sistemas para auxilio no fluxo dos dados nas organizaes, as dificuldades no armazenamento, gerenciamento e transformao desses dados em informaes esteve presente como obstculo em praticamente todas as empresas. De acordo com esse contexto, surge uma ferramenta eficiente para suporte tomada de decises organizacionais que responsvel em armazenar e analisar dados, os Data Warehouse. Incorporados a esses sistemas organizacionais, existem outros sistemas menores de nvel departamental, chamados Data Marts. Palavras-chave: Data Warehouse, Data Mart, dados.

SUMRIO

1 JUSTIFICATIVA ....................................................................................................... 4 2 INTRODUO ......................................................................................................... 5 3 DEFINIO .............................................................................................................. 6 3.1 O que um Data Warehouse............................................................................. 6 3.2 O que um Data Mart ........................................................................................ 8 4 HISTRIA ................................................................................................................ 9 5 ARQUITETURA...................................................................................................... 12 5.1 Modelo Top-Down ............................................................................................ 12 5.2 Modelo Bottom-up ............................................................................................ 12 5.3 Modelo Hbrido ................................................................................................. 12 5.4 Modelo Federado ............................................................................................. 13 6 PROCESSO DE CRIAO DE DATA MART ........................................................ 14 7 INFRAESTRUTURA DOS DATA WAREHOUSE ................................................... 15 7.1 Ferramentas ..................................................................................................... 15 7.1.1 OLAP ......................................................................................................... 16 7.1.1.1 ROLAP - Relational On Line Analytical Processing ............................. 16 7.1.1.2 MOLAP - Multidimensional On Line Analytical Processing .................. 16 7.1.1.3 HOLAP - Hybrid On Line Analytical Processing .................................. 16 7.1.2 Data Mining ................................................................................................ 17 7.2 Modelagem Multidimensional ........................................................................... 17 7.3 Metadados ....................................................................................................... 17 8 SEGURANA......................................................................................................... 18 9 PROJETOS DE DATA WAREHOUSE ................................................................... 19 10 CICLO DE VIDA DOS DATA WAREHOUSE ....................................................... 20 11 EXEMPLOS DA UTILIZAO DOS DATA WAREHOUSE .................................. 21 12 CONCLUSO....................................................................................................... 22 REFERNCIAS ......................................................................................................... 23

1 JUSTIFICATIVA

Aplicaes OLAP (On-line Analytical Processing ), so ferramentas a cada dia mais teis no mundo dos negcios, e ,nada melhor para ns, que somos

universitrios e iniciantes no mundo de TI, do que desde inicio, ficar inteirados da vasta gama de reas da computao, principalmente do ramo dos negcios , rea a qual o curso de Sistemas de Informaes tem grande relao.

2 INTRODUO

Frente ao grande nmero de empresas e a grande concorrncia no cenrio mundial atual, qualquer erro na administrao, uma informao errada, pode significar um grande prejuzo, e dependendo do erro, pode resultar na falncia de tal empresa. Nesse contexto surge a Business Intelligence, que em smula, seria o uso da tecnologia, aliada aos dados de uma empresa, resultando em grficos, relatrios e informaes teis, que auxiliam gestores a tomar decises difceis da melhor maneira. Os Data Warehouse e Data Marts, so algumas das mais importantes e mais difundidas dessas ferramentas, que a cada dia se tornam mais comuns nas grandes empresas. Elas so responsveis por analisar e comparar dados, revelando informaes que antes passariam despercebidas (como por exemplo, a relao na venda de fraldas e de cervejas), mas que, se utilizadas corretamente, pode resultar no sucesso da empresa.

3 DEFINIO

3.1 O que um Data Warehouse

As empresas modernas, seguindo o ritmo da globalizao, tm investido em sistemas que as auxiliem, no processo de armazenamento, cruzamento de dados, anlise, e obteno de informao para sobressair funcionalmente em relao s suas concorrentes. E para isso, elas contam com o uso dos recursos de TI sistemas de informao em diversas aplicaes. Esses sistemas muita das vezes rodam em um banco de dados transacional (sistema que contm informaes detalhadas, que permite s empresas controlarem seus processos organizacionais). Mas sentiam carncia de sistemas que suportassem e auxiliassem as reas estratgicas e administrativas das

organizaes. Os chamados Data Warehouse foram concebidos com o propsito de atuar nessas reas. Um Data Warehouse (armazm de dados), segundo W. H. Inmon uma coleo de dados orientada por assuntos, integrada, variante no tempo e no voltil, que tem por objetivo dar suporte aos processos de tomada de deciso. As principais diferenas entre os bancos de dados transacionais e os Data Warehouse so vistas na tabela a seguir:

Caractersticas Objetivo Uso Processamento Unidade de trabalho Usurios

Banco de Dados Tradicional Atividades cotidianas Operacional OLTP Incluso, alterao, excluso Operadores (Muitas pessoas)

Banco de Dados Suporte Deciso Anlise de negcio Informativo OLAP Carga e consulta Gerncia (poucas pessoas)

Dados Granularidade Redundncia Manuteno Estrutura Atualizao ndices Funo dos ndices

Operacionais Detalhada (baixa) No ocorre Raramente Esttica Contnua Poucos Localizar um registro

Analticos Detalhada e consolidada (alta) Pode ocorrer Constantemente Varivel Peridica Muitos Agilizar consultas

Os DW so a soluo para alguns problemas, como: A falta de padro dos dados: os DW tm a funo de padronizar dados, j que

cada rea da empresa gera um tipo de dado, que precisa ser convertido para um formato nico, evitando assim discrepncias. Um a deciso tem que ser tomada com base em dados slidos, concisos, que sejam confiveis. Facilitar o acesso a informaes: em uma empresa, os dados so

armazenados em vrios locais, o que torna o seu acesso mais difcil. Nos DW, os dados so armazenados em um nico lugar, ou separados por rea, o que resulta em um acesso mais rpido e mais fcil. Eliminar informaes repetidas e desnecessrias: no momento da assimilao

dos dados ao DW, o sistema executa uma limpeza em dados repetidos, desnecessrios, os quais poderiam resultar em equvocos.

Os DW ainda possuem quatro caractersticas marcantes: Varivel com o tempo; Integrado; Orientado por assunto; No voltil.

3.2 O que um Data Mart

Um Data Mart necessariamente uma parte funcional do Data Warehouse, de escopo limitado, projetados de acordo com a necessidade de seus usurios e voltado para um departamento ou rea especifica da empresa. Um DW um sistema integrado, no voltil, utilizado no processo de tomada de decises estratgicas em nvel executivo e de gerncia de uma organizao. O Data Mart melhora esse processo, pois foca na gerncia sumarizada, dados exemplificativos e no em dados histricos. No passado, os DM eram desenvolvidos de forma rgida e conseguiam responder a um nmero limitado de questes. Hoje, com o necessidade das empresas, esse mtodo no mais utilizado, agora eles esto mais flexveis. As principais diferenas entre Data Warehouse e Data Mart esto relacionadas na tabela abaixo:

Data Warehouse Corporativo Altamente granular Dados Histricos Grandes Volumes de Dados Versatilidade

Data Mart Departamental Sumarizado e Agregado Dados Recentes Volumes de Dados Limitados Especificidade

4 HISTRIA

Para que se possa compreender melhor a utilizao dos Data Warehouse, devemos voltar a dcada de 60, quando os computadores passaram a ser uma ferramenta essencial dentro de uma grande empresa. As configuraes das maquinas daquela poca, so hoje motivo de riso pela baixa capacidade de armazenamento e processamento. Eram capazes de executar apenas um programa de cada vez, mas para aquela poca, isso era algo fantstico, que realizava o trabalho de vrios funcionrios. Os dados inicialmente eram armazenados em fitas magnticas, que eram de baixo custo, mas de difcil acesso, que era feito de maneira seqencial. Se fez necessrio, uma nova forma de armazenar os dados. Na dcada de 70, surge uma nova forma de armazenar dados: armazenamento em disco. Paralelo a isso surge idia de banco de dados, um local onde se armazenaria todos os dados de uma empresa, para que depois eles fossem transformados em informaes, que resultariam em alguma vantagem para a empresa frente a concorrncia. Os anos seguintes foram de grande crescimento da rea da computao. Computadores mais modernos, mais eficientes e consequentemente novos softwares. Inicialmente esses softwares foram suficientes para atender as necessidades das empresas nas transaes, mas no ajudavam muito no apoio a decises. No que os sistemas no fossem capazes de cumprir tal tarefa, mas como essa no era a funo principal deles, havia muitas falhas, como dados equivocados, dificuldade de lidar com grandes quantidades de dados. Surgiram idias a respeito de sistemas com a finalidade especifica de analisar dados, e, retornar informaes teis para as decises que deveriam ser tomadas nas empresas. Os sistemas empresariais passaram a ser divididos em dois grupos: Sistemas operacionais (On-line Transaction Processing - OLTP): sistemas que do suporte ao dia a dia do negcio da empresa, que mantm a empresa em funcionamento e so chamados de sistemas de produo; Sistemas informacionais (On-line Analitycal Processing - OLAP): sistemas que do suporte aos processos decisrios da empresa, que iro dar subsdios para as decises estratgias da empresa e compreendem os SADs e os SIGs.

10

Ainda na dcada de 70, Bill Inmom comea a usar o termo Data Warehouse, um sistema separado do sistema operacional, o qual teria a funo de armazenar todos os dados que eram gerados pelos sistemas operacionais da empresa. Nesse novo sistema, os dados no seriam alterados, mas armazenados com sua essncia fiel e no poderiam ser modificados, apenas consultados. Essa tecnologia foi, e ainda fundamental para o sucesso de grandes marcas, frente a um mundo globalizado de alta concorrncia. Abaixo, segue uma estrutura com algumas datas do advento dos Data Warehouse. varejo. 1970 - Bill Inmon comea a definir e discutir o termo: Data Warehouse 1975 - Sperry Univac Introduzir MAPPER (manter, preparar e produzir 1960 - General Mills e Dartmouth College , em um projeto de pesquisa

conjunta, desenvolver as dimenses termos e fatos. 1970 - ACNielsen e IRI fornecer Data Marts dimensionais para as vendas no

relatrios executivos) uma gesto de dados e sistema de comunicao que inclui 4GL primeiros do mundo. Foi a primeira plataforma projetada especificamente para a construo de Centros de Informao (um precursor das atuais plataformas empresariais de Armazenamento de Dados) 1983 - Teradata apresenta um sistema de gerenciamento de banco de dados

projetado especificamente para apoio deciso. 1983 - Sperry Corporation Martyn Richard Jones define a abordagem Sperry

Information Center, que embora no sendo um DW verdade no sentido Inmon, que contm muitas das caractersticas das estruturas de DW e processo, tal como definido anteriormente por Inmon, e mais tarde por Devlin. Usado pela primeira vez na Inglaterra e Pas de Gales TSB 1984 - Sistemas de Computao Metfora, fundada por David Liddle e

Massaro Don, lanamentos Sistema de Interpretao de Dados (DIS). DIS era um pacote de hardware / software e interface grfica para usurios de negcios para criar um sistema de gerenciamento de banco de dados e analtica. 1988 - Barry Devlin e Paul Murphy publicar o artigo Uma arquitetura para um

negcio e sistema de informao no IBM Systems Journal, onde introduzem o termo "business warehouse". 1990 - Sistemas Red Brick, fundada por Ralph Kimball , introduz Red

11

armazm de tijolo, um

sistema

de gerenciamento de banco

de dados

especificamente para armazenamento de dados. 1991 - Solues de prisma, fundada por Bill Inmon , introduz Prism

Warehouse Manager, software para o desenvolvimento de um data warehouse. 1992 - Bill Inmon publica o livro Construindo o Data Warehouse. 1995 - O Data Warehousing Institute, uma organizao sem fins lucrativos

que promove o armazenamento de dados, fundada. 1996 - Ralph Kimball publica o livro The Data Warehouse Toolkit. 2000 - Daniel Linstedt libera o cofre de dados, permitindo em tempo real

auditvel, acesso aos Data warehouse .

12

5 ARQUITETURA

Os sistemas OLTP, no geral so feitos seguindo uma base, um molde nico, usado em vrios sistemas. Um DW feito de maneira diferente, onde cada um feito de acordo com as necessidades da empresa. Embora cada armazm seja feita de uma maneira, existe alguns moldes que so os mais utilizados. Tais como, Top-Down, Bottom-up, Hbrido e Federado.

5.1 Modelo Top-Down

Modelo proposto por Inmon, o qual se baseia em uma nica mquina que possui um sistema paralelo ao sistema transacional, onde todos os dados que circulam na empresa so armazenados. Tem como prs, a maximizao do processamento e busca de dados. Como contras, podemos citar o alto investimento em uma mquina com grande capacidade de armazenamento e processamento.

5.2 Modelo Bottom-up

Modelo proposto por Kimball, que consiste em vrios Data Marts, espalhados por reas chave da empresa (cada um referente apenas sua rea), e conectados a um servidor Data Warehouse, ou considera-se como Data Warehouse a unio de todos os Data Marts.

5.3 Modelo Hbrido

Um modelo que consiste em uma mistura dos dois citados anteriormente. Iniciada por Hackney, esse modelo tende a aproveitar os prs de ambos os modelos anteriores: a rapidez do Top-down e a praticidade oferecida pelo modelo Bottom-up.

13

5.4 Modelo Federado

O modelo Federado prope a diviso do Data Warehouse por nveis. Podemos colocar em um nvel, dados de uma determinada rea da empresa, como por exemplo, vendas, em outro, compras, e utilizar um software que faz a converso de um armazm para o outro, quando for necessria a anlise de todos os dados.

14

6 PROCESSO DE CRIAO DE DATA MART

As fases de criao e atualizao de um Data Warehouse so: I. Extrao;

II. Transformao; III. Leitura de dados. A quantidade de sistemas transacionais implicados, suas estruturas de dados, e quantidade de documentao impactam diretamente no tamanho do Data Mart. Tambm influenciam no tamanho do Data Marts, as regras de negcio dos sistemas transacionais e sua forma de extrao. Em I, feita a extrao, leitura e compreenso dos dados. Esses dados so copiados para uma staging area para serem utilizados posteriormente. Os dados armazenados em sistemas diferentes quase no se relacionam, pois as aplicaes dos sistemas que os contm no so integradas. A integrao desses sistemas a parte mais difcil da construo de um Data Warehouse. Na fase II implantada a mudana na estrutura do armazenamento dos dados e ocorrem alteraes como filtragem de dados (verificao de similaridade de dados, erros de digitao, implementao de formatos padro). Nesta fase tambm esta presente a desnormalizao e renormalizao (que basicamente separao de dados por normas), combinao e auditoria, que contribuem tambm no tamanho do Data Mart. A fase III a utilizao real do Sistema, nesse momento que os dados so inseridos, atualizados ou implementados. Alteraes na fonte dos dados refletem diretamente na leitura final. A leitura final dos dados a ltima parte da fase III e nessa parte que os dados so cuidadosamente analisados e com base neles, so implantadas as solues de negcio da empresa.

15

7 INFRAESTRUTURA DOS DATA WAREHOUSE

A infraestrutura dos Data Warehouse est restritamente relacionada com a sua arquitetura e deve suportar um aumento dos dados, consultas complexas e no previstas, vrias integraes e tecnologias distintas. So componentes da infraestrutura: Treinamento de pessoal, Hardware e Software. Suas ferramentas, talvez, sejam as que merecem menos ateno. A grande preocupao com a integrao com diversas plataformas, organizao dos dados e disponibilizao de informaes. Para isso devem-se considerar algumas caractersticas, tais como: O sistema deve facilitar a migrao dos dados de uma plataforma para outra,

pois com o passar do tempo, e por questes de custo, pode ser vivel troc-la; Deve ser uma combinao da integrao de bancos de dados relacionais e

fornecedores diferentes; Sua estrutura deve ser capaz de armazenar, processar e analisar enormes

quantidades de dados, por causa do aumento exponencial com o tempo; Deve suportar consultas imprevistas e dar respostas rpidas. Para isso, conta-se com as ferramentas OLAP responsveis em gerenciar dados que auxiliam no trabalho de associao e visualizao das informaes; Treinamento de equipe em tecnologia Data Warehouse e habilidade na

administrao de banco de dados; Instalao, configurao e manuteno de uma infra-estrutura de rede e

comunicao. Como se pode perceber uma boa escolha da infraestrutura para um Data Warehouse um passo importante para seu sucesso.

7.1 Ferramentas

Para realizar a analise dos dados e obter as informaes desejadas, necessria a utilizao de ferramentas que iro disponibilizar os relatrios de forma dinmica e fornece os tratamentos de analises.

16

Essas ferramentas podem ser: OLAP, Data Mining ou Metadados.

7.1.1 OLAP

A tecnologia OLAP, como j descrita anteriormente, consiste em uma ferramenta de suporte a decises. Classifica-se em ROLAP, DOLAP, MOLAP.

7.1.1.1 ROLAP - Relational On Line Analytical Processing

So um conjunto de interface para o usurio e aplicaes que do aos SGBDs relacionais uma aparncia de dimensional. So um conjunto de ferramentas que enviam solicitaes diretamente no servidor de banco de dados, garantindo um melhor desempenho

7.1.1.2 MOLAP - Multidimensional On Line Analytical Processing

So um conjunto de ferramentas que enviam solicitaes diretamente no servidor de banco de dados, garantindo um melhor desempenho.

7.1.1.3 HOLAP - Hybrid On Line Analytical Processing

uma mesclar do Rolap e do Molap. Utiliza-se o melhor de cada uma dessas ferramentas, ou seja, a escalabilidade do Molap e o desempenho do Rolap.

17

7.1.2 Data Mining

Ferramenta criada para o explorar um banco de dados a fim de encontrar padres consistentes entre dados.

7.2 Modelagem Multidimensional

Atravs de uma modelagem multidimensional, consegue-se realizar pesquisas em mais de uma dimenso e facilita para um melhor entendimento das informaes da base de dados.

7.3 Metadados

Os metadados so basicamente dados que facilitam o entendimento de outros dados, ou seja, resumos de informativos de uma fonte ou contedo. muito utilizado na Web Semntica, podendo ser aproveitado como mtodo de pesquisa. A importncia dos metadados nessa rea a facilidade na recuperao de dados de documentos catalogados. Para isso, deve existir uma ficha que contenha informaes referentes ao assunto que se queria recuperar, chamada ficha de catlogos. Por exemplo, nome, diretor e atores principais em relao a um filme.

18

8 SEGURANA

O DW projetado para se ter uma maior segurana nos dados, no s nas analises, mas tambm para que eles no se percam. Para que isso acontea, existem alguns passos propostos por Inmom, para que se tenha um bom nvel de segurana, e evitar problemas. 1) Anlise de Dados: Elaborar o modelo de dados para o DW; 2) Dimensionamento: Estimar o volume de dados do DW; 3) Avaliao Tcnica: Definio das configuraes tcnicas; 4)Preparao do Ambiente Tcnico: Identificar, tecnicamente, como a

configurao definida ser acomodada; 5) Anlise das reas de Interesse: Seleo da rea de negcio para ser povoada; 6) Projeto do DW: Projeto fsico do banco de dados; 7) Anlise do Sistema Fonte: Identificar, nos sistemas existentes, a fonte de dados para o DW, e efetuar um mapeamento entre eles; 8) Especificaes: Definir em especificaes de programas de rotinas para carga dos dados; 9) Programao: Codificao das especificaes para as rotinas de carga; 10) Povoamento: Execuo das rotinas de carga do DW.

19

9 PROJETOS DE DATA WAREHOUSE

Os Data Warehouse de sucesso no possuem etapas de desenvolvimento, pois devem ser projetados de acordo com as necessidades das empresas. Muitas organizaes utilizam-se dos mtodos de criao de um sistema que abrange um departamento com carncia no fluxo de dados Data Mart para que aos poucos, o sistema seja implantado por completo em todos seus setores. Outras criam prottipos de pequenas amostras do sistema e disponibilizam alguns funcionrios para fazer testes, quando o projeto do Data Warehouse chega em um nvel de boa aceitao e realizando todas as atividades designadas, ele implementado. Segundo Inmon, um erro criar mtodos de projeto e concepo de Data Warehouse, pois s possvel saber todos os requisitos necessrios a ele, quando o mesmo estiver em uso. Outra preocupao que se deve ter no projeto a adequao ao sistema OLTP. A modelagem deve ser feita de forma que no haja redundncia de dados e que as transies que causam mudanas no estado do banco de dados sejam feitas no menor tempo possvel. Com isso, as metodologias do projeto devem ser divididas em vrias tabelas, o que torna bem complexo a consulta do usurio final. Dada essa complexidade no vivel a utilizao desse processo. No mercado, ainda no encontrado um mtodo funcional de criao de Data Warehouse. De toda maneira, seu procedimento de criao ainda pende ao ambiente escolhido.

20

10 CICLO DE VIDA DOS DATA WAREHOUSE

O ciclo de vida comea com um dilogo para determinar o plano de projetos e as necessidades de negcios. Quando o plano e as necessidades so alinhados, o projeto e a implementao podem prosseguir. Aps a fase de implementao e manuteno para detectar mudanas nos requisitos, caso seja necessrio fazer ajustes, retornamos para a fase inicial.

21

11 EXEMPLOS DA UTILIZAO DOS DATA WAREHOUSE

Abaixo, encontra-se listados alguns exemplos da utilizao de DW em empresas, onde elas obtiveram grande xito: Uma grande rede de varejo americana, encontrou em seu gigantesco armazm de dados que a venda de fraudas estava relaciona a venda de cerveja. Em geral, os compradores eram homens, que saam noite para comprar fraldas e aproveitavam para levar algumas latinhas para casa. Os produtos foram postos lado a lado. Resultado: a venda de fraldas e cervejas disparou. O banco Ita, pioneiro no uso de data warehouse no Brasil, costumava enviar mais de 1 milho de malas diretas, para todos os correntistas. No mximo 2% deles respondiam s promoes. Hoje, o banco tem armazenada toda a movimentao financeira de seus 3 milhes de clientes nos ltimos 18 meses. A anlise desses dados permite que cartas sejam enviadas apenas a quem tem maior chance de responder. A taxa de retorno subiu para 30%. A conta do correio foi reduzida a um quinto. A Sprint, um dos lderes no mercado americano de telefonia de longa distncia, desenvolveu, com base no seu armazm de dados, um mtodo capaz de prever com 61% de segurana se um consumidor trocaria de companhia telefnica dentro de um perodo de dois meses. Com um marketing agressivo, conseguiu evitar a desero de 120 000 clientes e uma perda de 35 milhes de dlares em faturamento. O governo de Massachusetts, nos Estados Unidos, compilava informaes financeiras imprimindo telas e mais telas de terminais dos computadores de grande porte. Era preciso seis pessoas s para reunir os relatrios necessrios ao oramento anual. Com o armazm de dados, informaes atualizadas esto disponveis on-line para 1 300 usurios. S em papel, economizam-se 250 000 dlares por ano. Em 1995, pela primeira vez em dez anos, o oramento estadual foi assinado antes do incio do ano fiscal. O Brasil quer a mesma agilidade. O Serpro, rgo responsvel pelo processamento dos dados do governo federal, j investiu 2 milhes no seu projeto de data warehouse, desenvolvido com a Oracle. S consolidou 5% de suas informaes, mas j possvel fazer em cinco minutos cruzamentos de dados que antes demandavam quinze dias de trabalho.

22

12 CONCLUSO

Neste trabalho foram abordados os temas Data Warehouse, Data Mart. As organizaes atuais esto sempre procurando vantagens competitivas. E a soluo para estar na frente no mundo dos negcios informao. Por isso, as organizaes se vem com a necessidade de organizar e utilizar bem os dados coletados. Mas como fazer isso em meio a uma montanha de dados? Como resposta surgiu os Data Warehouse. Uma ferramenta alternativa que auxilia a busca de informaes.

23

REFERNCIAS

INMON, William H. The Data Warehouse Budget. Junior, Arnaldo dos Santos Colinski. Business Intelligence Sistema de Apoio Gerencial Data Warehouse. So Paulo: UNIP, 2009.

Teorey, Toby; Lightstone, Sam; Nadeau, Tom. Projeto e Modelagem de Bancos de Dados. Traduo da Quarta Edio. 2 Tiragem. Editora Campus/ Elsevier. 2007. Mussi, Camilo. Data Warehouse Da modelagem a Implantao.

Data

Warehouse

from

Wikipedia.

Disponvel

em:

<http://en.wikipedia.org/wiki/Data_warehouse>. Acesso em: 21/06/2012.

Amaral, Glenda Carla Moura. Aquaware: Um Ambiente de Suporte Qualidade de Dados em Data Warehouse. Disponvel em:

<http://teses2.ufrj.br/Teses/NCE_M/GlendaCarlaMouraAmaral.pdf>. Acesso em: 25/06/2012.

KIMBALL, R., ROSS, M. Data warehouse toolkit: o guia completo para modelagem multidimensional. Rio de Janeiro: Campus, 2002. 494 p.

Data

Mining

origem

Wikipedia.

Disponvel

em:

<http://pt.wikipedia.org/wiki/Data_Mining>, Acesso em: 25/06/2012.

Gurovitz, Helio. O que cerveja tem a ver com fraldas?

Fileto, Renato. Data Warehouses: Fundamentos, Ferramentas e Tendncias Atuais. Departamento de Informtica e Estatstica (INE). Universidade Federal de Santa Catarina (UFSC). 2009.

24

NERI, F. Tecnologia e Projeto de Data Warehouse. Editora rica, 2004.

INMON, W. H. Building the Data Warehouse, 2a ed., Wiley, 1996.

INMON, William H. Data Mart Does Not Equal Data Warehouse. DMReview.com, 07/2000.

Machado, F. N. R. (2000). Projeto de Data Warehouse: Uma Viso Multidimensional. rica, So Paulo.