Aula 2 4 Drill Down

5.194 visualizações

Publicada em

Sistemas Xyko Drill Down

Publicada em: Educação
0 comentários
0 gostaram
Estatísticas
Notas
  • Seja o primeiro a comentar

  • Seja a primeira pessoa a gostar disto

Sem downloads
Visualizações
Visualizações totais
5.194
No SlideShare
0
A partir de incorporações
0
Número de incorporações
4
Ações
Compartilhamentos
0
Downloads
107
Comentários
0
Gostaram
0
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

Aula 2 4 Drill Down

  1. 1. Administração de Sistemas de Informação Março / 2009 Bibliografia: Cap. 2 Livro Laudon Tecnologia em Informática para Gestão de Negócios
  2. 2. <ul><li>Sistemas de Informações Gerenciais (SIG) </li></ul><ul><li>2.1 Características e Finalidades </li></ul><ul><li>2.2 Relacionamento com SPT </li></ul><ul><li>2.3 Sistemas de apoio ao executivo </li></ul><ul><li>2.4 OLAP e drill-down </li></ul><ul><li>2.5 Exemplos </li></ul>
  3. 3. Objetivos <ul><li>Objetivos </li></ul><ul><ul><li>Introduzir os conceitos de OLAP e drill-down </li></ul></ul><ul><ul><li>Demonstrar o papel da modelagem dimensional de dados na geração de relatórios drill-down </li></ul></ul><ul><ul><li>Apresentar exemplos de relatórios e de software drill-down </li></ul></ul><ul><ul><li>Trabalho em grupo – em sala. </li></ul></ul>
  4. 4. OLAP : Processamento Analítico on-line <ul><li>Permite visões elaboradas, multidimensionais – idéia abstrata das informações em cubo – 3 dimensões. </li></ul><ul><li>Dados são agregados por assunto </li></ul><ul><ul><li>fatos relativos ao negócio: vendas, produção, etc. </li></ul></ul><ul><li>Dados são explicados por dimensões </li></ul><ul><ul><li>cliente, produto, filial, etc. </li></ul></ul><ul><li>Dimensão tempo pode ser considerada </li></ul><ul><ul><li>histórico </li></ul></ul><ul><li>Ferramentas de uso intuitivo </li></ul>PRODUTO M E R C A D O TEMPO
  5. 5. OLAP on-line Analytical Processing - OLAP é a capacidade para manipular e analisar um Grande volume de dados sob múltiplas perspectivas. As aplicações OLAP são usadas pelos gestores em qualquer nível da organização para lhes permitir análises comparativas que facilitem a sua tomada de decisões diária. <ul><li>Atividades: Operacionais x Decisão </li></ul>Mais freqüentes Mais previsíveis Pequenas quantidades de dados a cada consulta Dados brutos Dados correntes Pouca complexidade Menos freqüentes Menos previsíveis Grandes quantidades de dados a cada consulta Dados preparados Dados históricos, correntes e projeções Muita complexidade Operacionais Decisão
  6. 6. OLAP <ul><li>Dados: Operacionais x “Informacionais” </li></ul>Conteúdo Granularidade Organização Estabilidade Estrutura Valores correntes Detalhados Por aplicação Dinâmicos Otimizados para Transações Valores no tempo Resumidos, derivados Por assunto Estáticos (entre atualizações) Otimizados para Consultas complexas Operacionais “ Informacionais”
  7. 7. OLAP <ul><li>Dados: Operacionais x “Informacionais” </li></ul>Freq. Acesso Tipo Acesso Uso Tempo Resp. Finalidade Alta Select/Update/Delete Campo-a-campo Previsível,repetitivo Até 3 segundos Operações cotidianas Média ou Baixa Select/Aggregate Não-estruturado, específico, heurístico Vários segundos, até minutos Suporte estratégico Operacionais “ Informacionais”
  8. 8. Saídas do SIG Relatórios Periódicos Programados Relatórios de Exceção Auditorias Informes e Respostas por Solicitação Relatórios Drill-Down Principais Relatórios Gerenciais do Sistema de Informação
  9. 9. Relatório Drill-down – nível 1 <ul><li>Exemplo: Loja de departamentos </li></ul>Drill-down : Consiste em fazer uma exploração em diferentes níveis de detalhe das informações. Com o Drill Down você pode “subir ou descer” dentro do detalhamento do dado , como, por exemplo, analisar uma INFORMAÇÂO tanto diariamente quanto anualmente, partindo da mesma base de dados.  -3,8% 13,3 12,8 3º. T. 2004 -1,4% 14,5 14,3 4º. T. 2004 +0,9% 10,7 10,8 1º. T. 2005 +6,8% 11,8 12,6 2º. T. 2005 Variação Previsto Real Trimestre Lucros por Trimestre (em milhões)
  10. 10. Relatório Drill-down – nível 2 <ul><li>Exemplo: detalhe por tipo (entrada/saída) </li></ul>+6,8% 11,8 12,6 Lucro +1,9% 96,5 98,3 Despesas +2,4% 108,3 110,9 Vendas brutas Variação Previsto Real 2º. T. 2005 Vendas e Despesas (em milhões)
  11. 11. Relatório Drill-down – nível 3 <ul><li>Exemplo: detalhe de Vendas </li></ul>+2,4% 108,3 110,9 Total +5,5% 10,9 11,5 Eletrônicos -3,2% 12,5 12,1 Alimentos -0,9% 23,0 22,8 Esportes +7,1% 28,0 30,0 Saúde +1,8% 33,9 34,5 Cosméticos Variação Previsto Real 2º. T. 2005 Vendas por Divisão (em milhões)
  12. 12. Relatório Drill-down – nível 4 <ul><li>Exemplo: detalhe da Divisão Saúde </li></ul>+7,1% 28,0 30,0 Total -5,9% 3,4 3,2 Prods. para Pele +9,4% 5,3 5,8 Emagrecimento -2,3% 8,8 8,6 Prods. para Higiene Bucal +18,1% 10,5 12,4 Cremes dentais Variação Previsto Real 2º. T. 2005 – Divisão Saúde Vendas por Categoria de Produto (em milhões)
  13. 13. Modelagem Dimensional de Dados <ul><li>Idéia: </li></ul><ul><ul><ul><li>Vendemos produtos </li></ul></ul></ul><ul><ul><ul><li>em vários mercados </li></ul></ul></ul><ul><ul><ul><li>e avaliamos o nosso </li></ul></ul></ul><ul><ul><ul><li>desempenho no tempo </li></ul></ul></ul><ul><li>“Cubo”: </li></ul><ul><ul><ul><li>Produto x Mercado x Tempo </li></ul></ul></ul><ul><li>Modelo é simples: bom ! </li></ul>PRODUTO M E R C A D O TEMPO
  14. 14. Modelagem Dimensional <ul><li>Fatos e Dimensões </li></ul><ul><ul><li>Tabela de Fatos : medições numéricas do negócio </li></ul></ul><ul><ul><li>Tabelas de Dimensões : descrições textuais </li></ul></ul><ul><ul><li>esquema star-join ( junção em estrela ) </li></ul></ul>Dimensão Produtos Dimensão Tempo Dimensão Loja IDtempo dia_da_semana mes trimestre ano indicador_feriado IDproduto descricao marca categoria IDloja nome_loja endereco Fato Vendas CODtempo CODproduto CODloja vendas_em_reais unidades_vendidas custos_em_reais Vendas - Pode ser uma View do SQL
  15. 15. Modelagem Dimensional <ul><li>Exemplo de Uso </li></ul>SELECT P.marca, sum(V.vendas)as [Vendas (R$)] , sum(V.unidades)as [Unidades Vendidas] FROM Vendas as V, Produtos as P, Tempo as T WHERE V.IDproduto = P.CODproduto AND V.IDtempo = T.CODtempo AND T.trimestre = “1 T 2005” GROUP BY P.marca ORDER BY P.marca Relatório : Vendas, por marca, no 1o. trim. 2005 Avon Payot Lancôme Coty 780 1045 213 95 263 509 444 39 Marca Vendas (R$) Unidades Vendidas
  16. 16. Modelagem Dimensional <ul><li>Exemplo: Supermercado </li></ul><ul><ul><li>Grande rede (300 lojas, três Estados). </li></ul></ul><ul><ul><li>Cada loja: 30 mil produtos individuais. </li></ul></ul><ul><ul><ul><li>10% (3 mil) vendidos a cada dia em cada loja. </li></ul></ul></ul><ul><ul><li>Cada produto: SKU ( Stock Keeping Unit ) – código único. </li></ul></ul><ul><ul><li>Códigos de barras: UPC ( Universal Product Code ). </li></ul></ul><ul><ul><li>Promoções. </li></ul></ul><ul><ul><li>Banco de dados: movimento diário de SKU </li></ul></ul><ul><ul><li>Granularidade : SKU por loja por promoção por dia </li></ul></ul><ul><ul><li>Granularidade - tem a ver com o nível de detalhamento do comportamento de um objeto que é exposto. </li></ul></ul>
  17. 17. Modelagem Dimensional <ul><li>Supermercado : Tabela de Fatos </li></ul>Dimensão Tempo Dimensão Produtos Dimensão Loja IDtempo demais atributos IDproduto demais atributos IDloja demais atributos Fato Vendas CODtempo CODproduto CODloja CODpromocao vendas_em_reais unidades_vendidas custos_em_reais contagem_clientes Dimensão Promoção IDpromocao demais atributos Dimensionamento da Tabela de Fatos : - 2 anos, 300 lojas, 3 mil SKU’s => 730 x 300 x 3000 = 657 milhões de registros - registro com 8 campos, 4 bytes cada => 657 Mega x 32 = 21 Gigabytes
  18. 18. Modelagem Dimensional <ul><li>Drill-Down </li></ul><ul><ul><li>Aprofundamento da visão dos dados em alguma dimensão. </li></ul></ul>Padaria Congelados Mercearia Foto 12.331 31.777 100.756 8.079 5.088 15.565 48.885 1.274 Departamento Vendas (R$) Vendas (unidades)
  19. 19. Modelagem Dimensional <ul><li>Drill-Down usando “Marca do Produto” </li></ul>Padaria Padaria Congelados Congelados Mercearia Mercearia Mercearia Foto Foto 6.024 6.307 10.022 21.755 8.445 52.554 39.757 4.011 4.068 1.993 3.095 5.564 10.001 10.055 21.234 17.596 499 775 Departamento Vendas (R$) Vendas (unids) Marca Kaori Pullman Light Gold Nestlé Parmalat Leco Kodak FujiFilm
  20. 20. Atividade (equipes até 3 pessoas) <ul><li>Contexto </li></ul><ul><ul><li>Sua empresa está implantando um mecanismo de e-commerce . </li></ul></ul><ul><ul><li>As operações realizadas através da Internet fornecerão dados para o SIG de Marketing </li></ul></ul><ul><li>Atividade </li></ul><ul><ul><li>Construa um diagrama da Tabelas que mostre os dados de entrada importantes para o SIG de Marketing e os relatórios produzidos pelo SIG a partir destes dados. </li></ul></ul><ul><ul><li>Usando dados fictícios, mostre um relatório drill-down de três níveis produzido pelo SIG. </li></ul></ul>

×