MetodosAgeis_DW_IGTI2015

55 visualizações

Publicada em

  • Seja o primeiro a comentar

  • Seja a primeira pessoa a gostar disto

MetodosAgeis_DW_IGTI2015

  1. 1. UTILIZAÇÃO DE MÉTODOS ÁGEIS EM PROJETOS DE DATA WAREHOUSE, UMA REVISÃO BIBLIOGRÁFICA Autor: Wiliam Pereira Righi Orientador: Marco Gandra Análise de Inteligência de Negócios
  2. 2. Projetos de DW tradicionais ● Desenvolvimento sequencial (waterfall) ● Ciclos longos de desenvolvimento (meses) ● Pouco envolvimento dos stakeholders ● Falta de abertura a mudanças nos requisitos
  3. 3. Métodos Ágeis já são bastante comuns nos projetos de desenvolvimento de software em geral. É possível aplicar os mesmos princípios em projetos de Data Warehouse? Problema
  4. 4. ● Apresentar as principais características de quatro propostas de métodos ágeis aplicados a modelagem de um DW ● O método BEAM* (Business Event Analysis and Modeling), (CORR,2012); ● Agile Analytics – A value-driven approach to Business Intelligence and Datawarehouse, (COLLIER,2012); ● Agile Data, (AMBLER,2003); ● Modeling the Agile Data Warehouse with Data Vault, (HULTGREN,2014). ● Listar os desafios quanto a adoção de métodos ágeis em um projeto de DW Objetivos
  5. 5. Valores – Indivíduos e interações sobre processos e ferramentas; – Software funcional sobre documentação compreensiva; – Colaboração do cliente sobre negociações de contrato; – Resposta a mudanças sobre seguir estritamente o planejamento. Princípios Satisfação do cliente, entrega rápida, software funcional, mudanças nos requisitos,cooperação, confiança, comunicação presencial, ritmo constante, excelência ténica, design, simplicidade, auto-organização O Manifesto Ágil (BECK,2001)
  6. 6. § Alia técnicas de levantamento de requisitos com técnicas de modelagem de bancos de dados § Data Stories descrevem os eventos de negócios § Framework 7W´s (who, what, where, when, why, how many, how) – Conduz a conversa dos desenvolvedores com os stakeholders – Stakeholders respondem as mesmas perguntas que farão ao DW § Diagramas e notações específicas para comunicação com stakeholders – BEAM* Tables, timelines, hierarquias, etc Método BEAM* (CORR,2012)
  7. 7. Método BEAM* Exemplo de BEAM* Table
  8. 8. § Propõe a utilização de método ágil em todo o ciclo de desenvolvimento de BI § Principais princípios – Modelar com propósito – Excesso de detalhes e documentação é desperdício – Modelo de dados funcional é auto-documentado – Foco na modelagem necessária para a iteração corrente – Envolvimento do cliente durante a modelagem Agile Analytics (COLLIER,2012)
  9. 9. § Uso intensivo de Padrões de Projeto – Reutilizar modelos comprovadamente eficazes – Reduz tempo de modelagem – Eleva grau de abstração – Reduz riscos Agile Analytics (COLLIER,2012) (JONES & SONG,2005).
  10. 10. § Foco em reduzir os riscos do projeto e entregar um sistema de BI que atenda as necessidades dos clientes e usuários § Práticas – Envisioning – previsão de arquitetura e de requisitos – Modelagem iterativa, modelstorm e JIT modeling – Desenvolvimento orientado a testes – ferrramentas específicas para testes de bancos de dados – Foco na usuabilidade, user stories – Abertura a mudanças – apoiado pela modelagem evolutiva e testes de bancos de dados Agile Data Modeling (AMBLER,2011)
  11. 11. § Práticas (cont.) – Database refactoring – pequenas mudanças no modelo afim de melhorar performance e/ou suporte a futuras iterações – Entrega contínua de software funcional – mesmo que poucos relatórios por iteração. Oportunidade de correções de rumo. – Envolvimento das equipes de suporte e operações desde o início do projeto ● Essas equipes têm requisitos não-funcionais do projeto: infra- estrutura, manutenção, necessidade de treinamento, etc Agile Data Modeling (AMBLER,2011)
  12. 12. § Abordagem otimizada para construção de Enterprise Data Warehouses (EDW) – Integração de dados – Rastreabilidade de dados históricos – Auditorias – Construção incremental § Tipos de tabelas – Hubs – Links – Satellites Agile DW with Data Vault (HULTGREN,2014)
  13. 13. § Hubs Agile DW with Data Vault (HULTGREN,2014)
  14. 14. § Links Agile DW with Data Vault (HULTGREN,2014)
  15. 15. § Satellites Agile DW with Data Vault (HULTGREN,2014)
  16. 16. § Modelo não é otimizado para consultas, e sim para integração – Requer data marts com modelagem dimensional § Data Vault é ágil por permitir a construção incremental do EDW § Mínimo de retrabalho entre as iterações § Alterações de requisitos -> novas Satellites, raramente requerem alterações nas tabelas existentes § Ganho é multiplicado por não exigir mudanças nas cargas ETL Agile DW with Data Vault (HULTGREN,2014)
  17. 17. § As quatro abordagens possuem pontos em comum – Desenvolvimento incremental e evolutivo – Forte interação com stakeholders – Abertura e suporte a mudanças de requisitos § Dificuldades na aplicação – Resistência a mudanças de paradigma – Falta de apoio executivo § Necessidades de negócio demandam entrega ágil de software Conclusão
  18. 18. CORR, Lawrence; STAGNITTO, Jim - Agile Data Warehouse Design. Decision One Press.2012 COLLIER, Ken; Agile Analytics – A value-driven approach to business intelligence and data warehousing. Pearson Press. 2012. JONES, Mary; SONG, Il-Yeol - Dimensional modeling: identifying, classifying & applying patterns. DOLAP '05 Proceedings of the 8th ACM international workshop on Data warehousing and OLAP. 2005. BECK, Kent. et al. Manifesto for Agile Software Development. 2001. Disponível em <http://agilemanifesto.org/>. Acessado em 16/11/2014. GRAZIANO, Kent - Agile Data Warehouse Modeling: Introduction to Data Vault Data Modeling. Apresentado em Oracle User Group Finland (OUGF) 2014. HULTGREN, Hans - Modeling the Agile Data Warehouse with Data Vault (Volume 1). Brighton Hamilton. 2012. AMBLER, Scott - Agile Database Techniques: Effective Strategies for the Agile Software Developer. Wiley. 2003 Referências

×