Apresentação Trabalho

1. SGBDGestão de Dados João Nascimento [20234] Pedro Teixeira [20227] Filipe Melo [20230] Bruno Moreira [20218] Carlos Brito [20224]

2. Tópicos 1 Diagrama 4 SQL (S. B. I. D. S.) 2 Tabelas 5 Excel 3 Hierarquia

3. Diagrama Base Dados Em redor de cada facttable existe um tradicional starschema, sobre o qual podemos criar os cubos OLAP (Online AnalyticalProcessing é a capacidade para manipular e analisar um grande volume de dados sob múltiplas perspectivas Dois tipos de tabelas: > Fact table: FACT_sales e FACT_age_promotion; > Tabelasdimensão: Colour, Size, Style, Outlet, Age e Time 3

4. Tabela FACT_sales Possui duas métricas, fs_qtd e fs_value. A métrica fs_qtd representa a quantidade de sapatos vendidos e, a métrica fs_value indica o valor monetário dessa mesma quantidade de sapatos vendidos. Cada métrica possui cinco dimensões, colour, size, style, outlet e time. 3

5. TabelaFACT_age_promotion A FACT_age_promotion possui apenas uma métrica, a fp_value, que representa o grau de afectividade das pessoas às promoções realizadas. Esta métrica possui duas dimensões, a dimensão outlet e a dimensão age. 3

6. Hierarquia dimensão Time Hierarquia -> série de relações pai-filho A dimensão Time tem uma hierarquia de quatro níveis, day, month, period e year. Desta forma podemos facilmente associar o dia 4 de Abril de 2009 ao mês Abril de 2009, que por sua vez podemos associar ao 2 quarter de 2009 e por sua vez ao ano de 2009. 3

10. Selects do SQL Vendas no outlet por quarter (descrescente pelo número de vendas) Alterando a cláusula WHERE podemos visualizar dados do ano desejado ou ainda refinar mais (drilldown) os dados. 3

11. Selects do SQL Vendas totais por tamanho de sapato Alterando a cláusula WHERE podemos refinar os dados (drilldown) de forma a obtermos exactamente o que pretendemos. 3

12. Selects do SQL Vendas totais por estilo, nos outlets de Gaia, no dia de Natal do ano 2008 Vendas totais por estilo, nos outlets de Gaia, no dia de Natal do ano 2008 3

13. SQL SBIDS > SQL Server Business Intelligence Development Studio 3

14. Tópicos SQL O Projecto; Criação Data Source, Data SourceView, Cubo; Criação Data SourceView; Criação Cubo; Hierarquias; Utilização do(s) Cubo(s).

15. O Projecto É possível ver-se o data source, os diferentes data sourceviews, um para cada cubo, os cubos em si e as dimensões existentes. 3

16. Criação Data SourceView Após a escolha do Data Source que queremos utilizar, escolhemos as tabelas a utilizar no Data sourceView. facttableFACT_sales; FACT_age_promotion. 3

17. Criação Cubo Foram criados dois cubos facttableFACT_sales facttableFACT_age_promotion. A criação do cubo inicia-se com a escolha de um Data SourceView. Após esta escolha, temos de indicar quais das nossas facttable e quais as tabelas dimensão e, se existente, qual a tabela dimensão “time”. Após a indicação das dimensões e a indicação das métricas a utilizar, o sistema tenta adivinhar a hierarquia de cada dimensão, pedindo ao utilizador para confirmar e alterar as hierarquias. 3

18. Hierarquias Convêm serem corrigidas de forma a representarem sem erros a estrutura hierárquica de níveis que estão representados nos dados da base de dados. 3

19. Utilização do(s) Cubo(s) Após a criação dos cubos, abre-se o browsedos mesmos e, para dar um exemplo, questionamos o sistema sobre as unidades de sapatos vendidos, por Outlet e por Style e, o resultdo surge sobre a forma de uma pivô table, muito funcional e prática, permitindo quer o Drilldown como Rollup. Quantidade de sapatos vendida por outlet, por estilo, por período, por ano

20. Utilização do(s) Cubo(s) Quantidade de sapatos vendida por estilo, por cor em cada ano - Quantidade de sapatos vendida, no outletArrabida e Gaia, por estilo desportivo, por tamanho

21. Excel Usado para extrair dados dos cubos para elaborar tabelas pivot e desta forma, um utilizador normal (não avançado) tratar dos dados, retirar todos os benefícios de um cubo OLAP. Vendas de cor por outlet Vendas de estilo por tamanho

22. Fim