SlideShare uma empresa Scribd logo
1 de 8
Figuras corrigidas
Livro BI2-Business Intelligence-
Modelagem e Qualidade
Carlos Barbieri
Páginas 178
Agosto/2015
Produto Loja Dia Quantidade Valor
P1 L1 D1 10 100
P1 L1 D2 15 150
P2 L1 D1 8 64
P1 L2 D1 10 100
P2 L2 D2 10 80
Produto Loja Dia Quantidade Valor
P1 L1 25 250
P2 L1 8 64
P1 L2 10 100
P2 L2 10 80
Group by P, L
Quantidade - Aditiva
Valor - Aditiva
Fig-8.13
Produto Loja Dia Quantidade Valor
P1 L1 D1 10 100
P1 L1 D2 15 150
P2 L1 D1 8 64
P1 L2 D1 10 100
P2 L2 D2 10 80
Group by P
Produto Loja Dia Quantidade Valor
P1 35 350
P2 18 144
Valor - Aditiva
Quantidade - Aditiva
Fig-8.14
Produto Loja Dia Quantidade Valor
P1 L1 D1 10 100
P1 L1 D2 15 150
P2 L1 D1 8 64
P1 L2 D1 10 100
P2 L2 D2 10 80
Group by L
Produto Loja Dia Quantidade Valor
L1 33 314
L2 20 180
Valor - Aditiva
Quantidade - Não aditivaFig-8.15
Produto Loja Dia Quantidade Valor
P1 L1 D1 10 100
P1 L1 D2 15 150
P2 L1 D1 8 64
P1 L2 D1 10 100
P2 L2 D2 10 80
Group by P, D
Produto Loja Dia Quantidade Valor
P1 D1 20 200
P1 D2 15 150
P2 D1 8 64
P2 D2 10 80
Quantidade - Aditiva
Valor-Aditiva Fig-8.16
Produto Loja Dia Quantidade Valor
P1 L1 D1 10 100
P1 L1 D2 15 150
P2 L1 D1 8 64
P1 L2 D1 10 100
P2 L2 D2 10 80
Group by L, D
Produto Loja Dia Quantidade Valor
L1 D1 18 164
L1 D2 15 150
L2 D1 10 100
L2 D2 10 80
Valor - Aditiva
Quantidade - Não aditivaFig-8.17
Produto Loja Dia Quantidade Valor
P1 L1 D1 10 100
P1 L1 D2 15 150
P2 L1 D1 8 64
P1 L2 D1 10 100
P2 L2 D2 10 80
Group by D
Produto Loja Dia Quantidade Valor
D1 28 264
D2 25 230
Valor - Aditiva
Quantidade - Não aditiva
Fig-8.18
Produto Loja Dia Quantidad
e
Valor #NFiscais
P1 L1 D1 10 100 2
P1 L1 D2 15 150 1
P2 L1 D1 8 64 2
P1 L2 D1 10 100 2
P2 L2 D2 10 80 2
Group by L, D
Produto Loja Dia Quantidad
e
Valor #NFiscais
L1 D1 18 164 4-overcount
L1 D2 15 150 1
L2 D1 10 100 2
L2 D2 10 80 2
Quantidade – Não-Aditiva
Valor - Aditiva
#NFiscais - overcount, pois os itens podem ter
sido vendidos nas mesmas notas, porém, contados duplicadamenteFig-8.19

Mais conteúdo relacionado

Destaque

Tomada de Decisão e Cenários - Módulo 5
Tomada de Decisão e Cenários - Módulo 5Tomada de Decisão e Cenários - Módulo 5
Tomada de Decisão e Cenários - Módulo 5
Dafne Morais
 

Destaque (12)

Data Mining e Data Warehouse
Data Mining e Data WarehouseData Mining e Data Warehouse
Data Mining e Data Warehouse
 
Mantendo seu Tempo a salvo com Python e Git
Mantendo seu Tempo a salvo com Python e GitMantendo seu Tempo a salvo com Python e Git
Mantendo seu Tempo a salvo com Python e Git
 
Mineração de dados e novas oportunidades de análise para sistemas de informação
Mineração de dados e novas oportunidades de análise para sistemas de informaçãoMineração de dados e novas oportunidades de análise para sistemas de informação
Mineração de dados e novas oportunidades de análise para sistemas de informação
 
Criando soluções de BI com Pentaho e Dados Abertos @ Pentaho Day 2013
Criando soluções de BI com Pentaho e Dados Abertos @ Pentaho Day 2013Criando soluções de BI com Pentaho e Dados Abertos @ Pentaho Day 2013
Criando soluções de BI com Pentaho e Dados Abertos @ Pentaho Day 2013
 
Cases big data
Cases big dataCases big data
Cases big data
 
Análise de Problemas Big Data
Análise de Problemas Big DataAnálise de Problemas Big Data
Análise de Problemas Big Data
 
Weka – Ferramenta Livre para Mineração de Dados
Weka – Ferramenta Livre para Mineração de DadosWeka – Ferramenta Livre para Mineração de Dados
Weka – Ferramenta Livre para Mineração de Dados
 
Mineração de dados
Mineração de dadosMineração de dados
Mineração de dados
 
Pentaho Hadoop Big Data e Data Lakes
Pentaho Hadoop Big Data e Data LakesPentaho Hadoop Big Data e Data Lakes
Pentaho Hadoop Big Data e Data Lakes
 
Big Data e NoSQL
Big Data e NoSQLBig Data e NoSQL
Big Data e NoSQL
 
Tomada de Decisão e Cenários - Módulo 5
Tomada de Decisão e Cenários - Módulo 5Tomada de Decisão e Cenários - Módulo 5
Tomada de Decisão e Cenários - Módulo 5
 
Árvores de Decisão
Árvores de Decisão Árvores de Decisão
Árvores de Decisão
 

Bi2 modelagem e qualidade-carlos barbieri-figuras corrigidas v02

  • 1. Figuras corrigidas Livro BI2-Business Intelligence- Modelagem e Qualidade Carlos Barbieri Páginas 178 Agosto/2015
  • 2. Produto Loja Dia Quantidade Valor P1 L1 D1 10 100 P1 L1 D2 15 150 P2 L1 D1 8 64 P1 L2 D1 10 100 P2 L2 D2 10 80 Produto Loja Dia Quantidade Valor P1 L1 25 250 P2 L1 8 64 P1 L2 10 100 P2 L2 10 80 Group by P, L Quantidade - Aditiva Valor - Aditiva Fig-8.13
  • 3. Produto Loja Dia Quantidade Valor P1 L1 D1 10 100 P1 L1 D2 15 150 P2 L1 D1 8 64 P1 L2 D1 10 100 P2 L2 D2 10 80 Group by P Produto Loja Dia Quantidade Valor P1 35 350 P2 18 144 Valor - Aditiva Quantidade - Aditiva Fig-8.14
  • 4. Produto Loja Dia Quantidade Valor P1 L1 D1 10 100 P1 L1 D2 15 150 P2 L1 D1 8 64 P1 L2 D1 10 100 P2 L2 D2 10 80 Group by L Produto Loja Dia Quantidade Valor L1 33 314 L2 20 180 Valor - Aditiva Quantidade - Não aditivaFig-8.15
  • 5. Produto Loja Dia Quantidade Valor P1 L1 D1 10 100 P1 L1 D2 15 150 P2 L1 D1 8 64 P1 L2 D1 10 100 P2 L2 D2 10 80 Group by P, D Produto Loja Dia Quantidade Valor P1 D1 20 200 P1 D2 15 150 P2 D1 8 64 P2 D2 10 80 Quantidade - Aditiva Valor-Aditiva Fig-8.16
  • 6. Produto Loja Dia Quantidade Valor P1 L1 D1 10 100 P1 L1 D2 15 150 P2 L1 D1 8 64 P1 L2 D1 10 100 P2 L2 D2 10 80 Group by L, D Produto Loja Dia Quantidade Valor L1 D1 18 164 L1 D2 15 150 L2 D1 10 100 L2 D2 10 80 Valor - Aditiva Quantidade - Não aditivaFig-8.17
  • 7. Produto Loja Dia Quantidade Valor P1 L1 D1 10 100 P1 L1 D2 15 150 P2 L1 D1 8 64 P1 L2 D1 10 100 P2 L2 D2 10 80 Group by D Produto Loja Dia Quantidade Valor D1 28 264 D2 25 230 Valor - Aditiva Quantidade - Não aditiva Fig-8.18
  • 8. Produto Loja Dia Quantidad e Valor #NFiscais P1 L1 D1 10 100 2 P1 L1 D2 15 150 1 P2 L1 D1 8 64 2 P1 L2 D1 10 100 2 P2 L2 D2 10 80 2 Group by L, D Produto Loja Dia Quantidad e Valor #NFiscais L1 D1 18 164 4-overcount L1 D2 15 150 1 L2 D1 10 100 2 L2 D2 10 80 2 Quantidade – Não-Aditiva Valor - Aditiva #NFiscais - overcount, pois os itens podem ter sido vendidos nas mesmas notas, porém, contados duplicadamenteFig-8.19