SlideShare uma empresa Scribd logo
1 de 28
SADAS – UMA VIS ÃO PRÁTICA DOS BANCOS DE DADOS COLUNARES PARA PEQUENAS E MÉDIAS EMPRESAS Marco Aurelio Ribeiro Khydra Serviços de Bancos de Dados www.khydra.com
Índice ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
Contexto Econômico
Cenário Econômico ,[object Object],[object Object],[object Object],[object Object],[object Object]
Suporte à Decisão ,[object Object],[object Object],[object Object],[object Object]
New Students Indicators Graduation   Income to Date 14/Sep 21/Sep 28/Sep 05/Oct 12/Oct 19/Oct 26/Oct 02/Nov 09/Nov 16/Nov 23/Nov Entries to Date 0 0 0 0 23 143 1,019 4,146 4,744 6,027 6,719 Partial History(Acumulated) 1 22 83 201 549 1,020 1,724 10,405 11,156 13,021 14,535 Proportional Goal 1 28 106 256 699 1,299 2,196 13,252 14,209 16,584 18,513 % Proportional Goal 0.0% 0.0% 0.0% 0.0% 3.3% 11.0% 46.4% 31.3% 33.4% 36.3% 36.3% Final Goal 59,262 59,262 59,262 59,262 59,262 59,262 59,262 59,262 59,262 59,262 59,262 % Final Gaol 0.0% 0.0% 0.0% 0.0% 0.0% 0.2% 1.7% 7.0% 8.0% 10.2% 11.3% Unit Dados Jan-09 Feb-09 Mar-09 Apr-09 May-09 Jun-09 Jul-09 Aug-09 Sep-09 Oct-09 Nov-09 Dec-09 Grand Total Bauru Average Ticket 295 385 401 305 186 302 212 325 406 305 284 306 309   Average ticket - Budget 316 330 329 331 329 326 301 311 305 321 321 324 320   Average Ticket x Budget 93% 117% 122% 92% 57% 93% 70% 105% 133% 95% 88% 94% 97%   Scholarships 286 400 564 505 300 336 438 380 604 394 430 469 5,106   Scholarships - Budget 409 409 410 410 410 409 412 412 413 413 413 413 4,932   Scholarships x Budget 70% 98% 138% 123% 73% 82% 106% 92% 146% 96% 104% 114% 104%   Scholarship/Monthly Payments 24.3% 26.7% 32.1% 31.8% 24.1% 24.2% 26.7% 24.1% 47.3% 36.9% 34.1% 34.6% 30.3%   Scholarship/Monthly Payments- Budget 30.3% 30.3% 29.9% 29.9% 30.0% 30.4% 31.5% 31.5% 31.3% 31.6% 31.6% 31.7% 30.8%   Scholarship/Monthly Payments x Budget 80% 88% 107% 107% 80% 80% 85% 77% 151% 117% 108% 109% 98%   Cancellations 0.5% 0.9% 5.3% 10.4% 27.0% 12.0% 34.5% 16.7% -35.8% -19.0% 0.8% 1.2% 5.8%   Average Payments 453 574 642 549 344 466 416 516 683 495 489 525 513   Average Payments - Budget 522 522 516 517 517 516 509 509 512 513 513 513 515   Average Payments x Budget 87% 110% 125% 106% 67% 90% 82% 101% 133% 96% 95% 102% 100%   Taxes and Services  Monthly Payments 0.9% 0.9% 0.4% 0.4% 0.6% -0.2% 1.2% 0.7% 0.3% 0.2% 0.2% 0.1% 0.5%   Taxes and Services  Monthly Payments - Budget 0.6% 0.6% 0.6% 0.7% 0.6% 0.6% 0.8% 0.4% 0.3% 0.8% 0.5% 0.8% 0.6%   Taxes and Services  Monthly Payments x Budget(%) 147% 150% 57% 62% 100% -32% 151% 157% 116% 21% 40% 13% 80%
Problemas para as Pequenas e Médias ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
Opportunidades ,[object Object],[object Object],[object Object],[object Object]
Pontos Críticos ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
A Hierarquia de informação Ideal Empresa Areas Processos de Negócio Fontes de Dados Indicador de Desempenho (KPI) Relatório KPIs New Students Indicators Graduation   Income to Date 14/Sep 21/Sep 28/Sep 05/Oct 12/Oct 19/Oct 26/Oct 02/Nov 09/Nov 16/Nov 23/Nov Entries to Date 0 0 0 0 23 143 1,019 4,146 4,744 6,027 6,719 Partial History(Acumulated) 1 22 83 201 549 1,020 1,724 10,405 11,156 13,021 14,535 Proportional Goal 1 28 106 256 699 1,299 2,196 13,252 14,209 16,584 18,513 % Proportional Goal 0.0% 0.0% 0.0% 0.0% 3.3% 11.0% 46.4% 31.3% 33.4% 36.3% 36.3% Final Goal 59,262 59,262 59,262 59,262 59,262 59,262 59,262 59,262 59,262 59,262 59,262 % Final Gaol 0.0% 0.0% 0.0% 0.0% 0.0% 0.2% 1.7% 7.0% 8.0% 10.2% 11.3%
A Ferramenta
SADAS  ( System for static data analysis ) É um banco relacional especificamente projetado para endereçar problemas de desempenho em aplicações de data warehouse. SADAS utiliza estruturas e algoritmos baseados na natureza de “ apenas leitura” dos dados e também adota técnicas que não se aplicam a um ambiente OLTP (On Line Transaction Processing) tradicional, visando sempre o máximo desempenho. OLTP DBMS OLAP DBMS Usuários milhares (Usuários, Pessoal de TI) Centenas (knowledge workers) Acess0 Read /write (em centenas de registros) Leitura complexa (em milhões de registros) Atualizações Contínuas Periódicas Uso / Dados 90% repetitivas / correntes, detalhados relacional 90% ad-hoc / historico summarizado, multidimensional Orientação Transações Análise
SADAS - Principais características
Clientes
Como utilizar o SADAS
Feeds (Rewrite,append, update) Sql  ODBC  JDBC  SCI RelatóriosAnaliticos Criamos um fluxo simples para gerar um repositório centralizado de dados históricos e extrair relatórios. Fonte de Dados Única Data Mining Carga de Dados Streams Apps OLTP EDW Files Sistemas-Fonte
Vantagens
Utilizando o enfoque colunar obtemos:
Menos Hardware Estimativa de Máquina MILHÕES DE REGISTROS PLATAFORMA NUCLEOS DO PROCESSADOR RAM(GB)                                            50 32 2 2                                          100 64 2 4                                          500 64 4 8                                      1.000  64 8 16                                      2.500 64 8 32
Exemplo Prático
Estudo de Caso ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
Ferramentas ,[object Object],[object Object],[object Object],[object Object],[object Object]
Rumo à Excelência Tempo de Projeto Estimado (18 meses) Projetos Desenvolvidos Identificar Fontes de Informação Implementar Data Mining Direcionar Demandas de relatórios
Pontos Criticos ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
A Solução de Mercado ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
A Solução com SADAS ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],Dados disponíveis durante a implementação Data mining  já disponível
Resumo ,[object Object],[object Object],[object Object],[object Object],[object Object]
KHYDRA SERVI ÇOS RUA ORLANDO MARRONI,11 13272-101 -VALINHOS – SP TEL:(19)3869-3823 [email_address] A Khydra Serviços de Bancos de Dados é uma empresa situada em SP, na cidade de Valinhos especializada em serviços e projetos para aplicações de bancos de dados em geral, ERPs, Business Intelligence e Gestão de conteúdo com parceiros internacionais nestes segmentos e capaz de atender a clientes com produtos dos principais forncedores do mercado Nossas Tecnologias

Mais conteúdo relacionado

Semelhante a Columnar Db Para Pequenas

Tecnologias na atividade registral
Tecnologias na atividade registralTecnologias na atividade registral
Tecnologias na atividade registralIRIB
 
4a Web Aula - Gestão de Tecnologia da Informação.pdf
4a Web Aula - Gestão de Tecnologia da Informação.pdf4a Web Aula - Gestão de Tecnologia da Informação.pdf
4a Web Aula - Gestão de Tecnologia da Informação.pdfDimas Francisco
 
Sistemas de apoio à decisão - SAD
Sistemas de apoio à decisão - SADSistemas de apoio à decisão - SAD
Sistemas de apoio à decisão - SADJosé Luiz Wollinger
 
Sistema de informação gerencial
Sistema de informação gerencialSistema de informação gerencial
Sistema de informação gerencialDenilson Sousa
 
Tecnologia De Tomada De Decisão
Tecnologia De Tomada De DecisãoTecnologia De Tomada De Decisão
Tecnologia De Tomada De DecisãoCleiton Fernandes
 
Tecnologia para o processo de tomada de decisão
Tecnologia para o processo de tomada de decisãoTecnologia para o processo de tomada de decisão
Tecnologia para o processo de tomada de decisãoalessandrotk
 
Ecosistema de data warehouse com ferramentas microsoft
Ecosistema de data warehouse com ferramentas microsoftEcosistema de data warehouse com ferramentas microsoft
Ecosistema de data warehouse com ferramentas microsoftDennes Torres
 
Wiseminer Data Preparation & Smart Analytics - 2016 02
Wiseminer Data Preparation & Smart Analytics - 2016 02Wiseminer Data Preparation & Smart Analytics - 2016 02
Wiseminer Data Preparation & Smart Analytics - 2016 02Leonardo Couto
 
Estrutura e recepção de arquivos sped maio_2013_07 - arquitetura sistema eSocial
Estrutura e recepção de arquivos sped maio_2013_07 - arquitetura sistema eSocialEstrutura e recepção de arquivos sped maio_2013_07 - arquitetura sistema eSocial
Estrutura e recepção de arquivos sped maio_2013_07 - arquitetura sistema eSocialTania Gurgel
 
Exploração de resultados através do BI para avaliação de resultado financeiro...
Exploração de resultados através do BI para avaliação de resultado financeiro...Exploração de resultados através do BI para avaliação de resultado financeiro...
Exploração de resultados através do BI para avaliação de resultado financeiro...E-Commerce Brasil
 
Curso Dashboard em Excel Versão 2.0
Curso Dashboard em Excel  Versão 2.0Curso Dashboard em Excel  Versão 2.0
Curso Dashboard em Excel Versão 2.0BCN Treinamentos
 
Virtualização de dados para Advanced Analytics e Machine Learning
Virtualização de dados para Advanced Analytics e Machine LearningVirtualização de dados para Advanced Analytics e Machine Learning
Virtualização de dados para Advanced Analytics e Machine LearningDenodo
 
Tspd FLly
Tspd FLlyTspd FLly
Tspd FLlyctifly
 
Projeto SPED - Infraestrutura atual, volumes de processamento, etc. 07.05.2013
Projeto SPED - Infraestrutura atual, volumes de processamento, etc. 07.05.2013Projeto SPED - Infraestrutura atual, volumes de processamento, etc. 07.05.2013
Projeto SPED - Infraestrutura atual, volumes de processamento, etc. 07.05.2013decision-it
 
SPED: Infraestrutura tecnológica (2013)
SPED: Infraestrutura tecnológica (2013)SPED: Infraestrutura tecnológica (2013)
SPED: Infraestrutura tecnológica (2013)Roberto Dias Duarte
 
SPED - Infraestrutura atual e Volumes de Processamento
SPED - Infraestrutura atual e Volumes de ProcessamentoSPED - Infraestrutura atual e Volumes de Processamento
SPED - Infraestrutura atual e Volumes de ProcessamentoJose Adriano Pinto
 
Sped infraestrutura - cfc sped-maio_2013_07
Sped   infraestrutura - cfc sped-maio_2013_07Sped   infraestrutura - cfc sped-maio_2013_07
Sped infraestrutura - cfc sped-maio_2013_07Jurânio Monteiro
 
Webinar-SAGE SEI-Bongás
Webinar-SAGE SEI-BongásWebinar-SAGE SEI-Bongás
Webinar-SAGE SEI-BongásMarco Leite
 

Semelhante a Columnar Db Para Pequenas (20)

Tecnologias na atividade registral
Tecnologias na atividade registralTecnologias na atividade registral
Tecnologias na atividade registral
 
4a Web Aula - Gestão de Tecnologia da Informação.pdf
4a Web Aula - Gestão de Tecnologia da Informação.pdf4a Web Aula - Gestão de Tecnologia da Informação.pdf
4a Web Aula - Gestão de Tecnologia da Informação.pdf
 
Sistemas de apoio à decisão - SAD
Sistemas de apoio à decisão - SADSistemas de apoio à decisão - SAD
Sistemas de apoio à decisão - SAD
 
Sistema de informação gerencial
Sistema de informação gerencialSistema de informação gerencial
Sistema de informação gerencial
 
Tecnologia De Tomada De Decisão
Tecnologia De Tomada De DecisãoTecnologia De Tomada De Decisão
Tecnologia De Tomada De Decisão
 
Tecnologia para o processo de tomada de decisão
Tecnologia para o processo de tomada de decisãoTecnologia para o processo de tomada de decisão
Tecnologia para o processo de tomada de decisão
 
Ecosistema de data warehouse com ferramentas microsoft
Ecosistema de data warehouse com ferramentas microsoftEcosistema de data warehouse com ferramentas microsoft
Ecosistema de data warehouse com ferramentas microsoft
 
Wiseminer Data Preparation & Smart Analytics - 2016 02
Wiseminer Data Preparation & Smart Analytics - 2016 02Wiseminer Data Preparation & Smart Analytics - 2016 02
Wiseminer Data Preparation & Smart Analytics - 2016 02
 
Estrutura e recepção de arquivos sped maio_2013_07 - arquitetura sistema eSocial
Estrutura e recepção de arquivos sped maio_2013_07 - arquitetura sistema eSocialEstrutura e recepção de arquivos sped maio_2013_07 - arquitetura sistema eSocial
Estrutura e recepção de arquivos sped maio_2013_07 - arquitetura sistema eSocial
 
Exploração de resultados através do BI para avaliação de resultado financeiro...
Exploração de resultados através do BI para avaliação de resultado financeiro...Exploração de resultados através do BI para avaliação de resultado financeiro...
Exploração de resultados através do BI para avaliação de resultado financeiro...
 
Curso Dashboard em Excel Versão 2.0
Curso Dashboard em Excel  Versão 2.0Curso Dashboard em Excel  Versão 2.0
Curso Dashboard em Excel Versão 2.0
 
Virtualização de dados para Advanced Analytics e Machine Learning
Virtualização de dados para Advanced Analytics e Machine LearningVirtualização de dados para Advanced Analytics e Machine Learning
Virtualização de dados para Advanced Analytics e Machine Learning
 
Tspd FLly
Tspd FLlyTspd FLly
Tspd FLly
 
Projeto SPED - Infraestrutura atual, volumes de processamento, etc. 07.05.2013
Projeto SPED - Infraestrutura atual, volumes de processamento, etc. 07.05.2013Projeto SPED - Infraestrutura atual, volumes de processamento, etc. 07.05.2013
Projeto SPED - Infraestrutura atual, volumes de processamento, etc. 07.05.2013
 
SPED: Infraestrutura tecnológica (2013)
SPED: Infraestrutura tecnológica (2013)SPED: Infraestrutura tecnológica (2013)
SPED: Infraestrutura tecnológica (2013)
 
SPED - Infraestrutura atual e Volumes de Processamento
SPED - Infraestrutura atual e Volumes de ProcessamentoSPED - Infraestrutura atual e Volumes de Processamento
SPED - Infraestrutura atual e Volumes de Processamento
 
Sped infraestrutura - cfc sped-maio_2013_07
Sped   infraestrutura - cfc sped-maio_2013_07Sped   infraestrutura - cfc sped-maio_2013_07
Sped infraestrutura - cfc sped-maio_2013_07
 
Orçamento Empresarial
Orçamento EmpresarialOrçamento Empresarial
Orçamento Empresarial
 
Webinar-SAGE SEI-Bongás
Webinar-SAGE SEI-BongásWebinar-SAGE SEI-Bongás
Webinar-SAGE SEI-Bongás
 
CV_Tulio_Abrantes
CV_Tulio_AbrantesCV_Tulio_Abrantes
CV_Tulio_Abrantes
 

Columnar Db Para Pequenas

  • 1. SADAS – UMA VIS ÃO PRÁTICA DOS BANCOS DE DADOS COLUNARES PARA PEQUENAS E MÉDIAS EMPRESAS Marco Aurelio Ribeiro Khydra Serviços de Bancos de Dados www.khydra.com
  • 2.
  • 4.
  • 5.
  • 6. New Students Indicators Graduation   Income to Date 14/Sep 21/Sep 28/Sep 05/Oct 12/Oct 19/Oct 26/Oct 02/Nov 09/Nov 16/Nov 23/Nov Entries to Date 0 0 0 0 23 143 1,019 4,146 4,744 6,027 6,719 Partial History(Acumulated) 1 22 83 201 549 1,020 1,724 10,405 11,156 13,021 14,535 Proportional Goal 1 28 106 256 699 1,299 2,196 13,252 14,209 16,584 18,513 % Proportional Goal 0.0% 0.0% 0.0% 0.0% 3.3% 11.0% 46.4% 31.3% 33.4% 36.3% 36.3% Final Goal 59,262 59,262 59,262 59,262 59,262 59,262 59,262 59,262 59,262 59,262 59,262 % Final Gaol 0.0% 0.0% 0.0% 0.0% 0.0% 0.2% 1.7% 7.0% 8.0% 10.2% 11.3% Unit Dados Jan-09 Feb-09 Mar-09 Apr-09 May-09 Jun-09 Jul-09 Aug-09 Sep-09 Oct-09 Nov-09 Dec-09 Grand Total Bauru Average Ticket 295 385 401 305 186 302 212 325 406 305 284 306 309   Average ticket - Budget 316 330 329 331 329 326 301 311 305 321 321 324 320   Average Ticket x Budget 93% 117% 122% 92% 57% 93% 70% 105% 133% 95% 88% 94% 97%   Scholarships 286 400 564 505 300 336 438 380 604 394 430 469 5,106   Scholarships - Budget 409 409 410 410 410 409 412 412 413 413 413 413 4,932   Scholarships x Budget 70% 98% 138% 123% 73% 82% 106% 92% 146% 96% 104% 114% 104%   Scholarship/Monthly Payments 24.3% 26.7% 32.1% 31.8% 24.1% 24.2% 26.7% 24.1% 47.3% 36.9% 34.1% 34.6% 30.3%   Scholarship/Monthly Payments- Budget 30.3% 30.3% 29.9% 29.9% 30.0% 30.4% 31.5% 31.5% 31.3% 31.6% 31.6% 31.7% 30.8%   Scholarship/Monthly Payments x Budget 80% 88% 107% 107% 80% 80% 85% 77% 151% 117% 108% 109% 98%   Cancellations 0.5% 0.9% 5.3% 10.4% 27.0% 12.0% 34.5% 16.7% -35.8% -19.0% 0.8% 1.2% 5.8%   Average Payments 453 574 642 549 344 466 416 516 683 495 489 525 513   Average Payments - Budget 522 522 516 517 517 516 509 509 512 513 513 513 515   Average Payments x Budget 87% 110% 125% 106% 67% 90% 82% 101% 133% 96% 95% 102% 100%   Taxes and Services Monthly Payments 0.9% 0.9% 0.4% 0.4% 0.6% -0.2% 1.2% 0.7% 0.3% 0.2% 0.2% 0.1% 0.5%   Taxes and Services Monthly Payments - Budget 0.6% 0.6% 0.6% 0.7% 0.6% 0.6% 0.8% 0.4% 0.3% 0.8% 0.5% 0.8% 0.6%   Taxes and Services Monthly Payments x Budget(%) 147% 150% 57% 62% 100% -32% 151% 157% 116% 21% 40% 13% 80%
  • 7.
  • 8.
  • 9.
  • 10. A Hierarquia de informação Ideal Empresa Areas Processos de Negócio Fontes de Dados Indicador de Desempenho (KPI) Relatório KPIs New Students Indicators Graduation   Income to Date 14/Sep 21/Sep 28/Sep 05/Oct 12/Oct 19/Oct 26/Oct 02/Nov 09/Nov 16/Nov 23/Nov Entries to Date 0 0 0 0 23 143 1,019 4,146 4,744 6,027 6,719 Partial History(Acumulated) 1 22 83 201 549 1,020 1,724 10,405 11,156 13,021 14,535 Proportional Goal 1 28 106 256 699 1,299 2,196 13,252 14,209 16,584 18,513 % Proportional Goal 0.0% 0.0% 0.0% 0.0% 3.3% 11.0% 46.4% 31.3% 33.4% 36.3% 36.3% Final Goal 59,262 59,262 59,262 59,262 59,262 59,262 59,262 59,262 59,262 59,262 59,262 % Final Gaol 0.0% 0.0% 0.0% 0.0% 0.0% 0.2% 1.7% 7.0% 8.0% 10.2% 11.3%
  • 12. SADAS ( System for static data analysis ) É um banco relacional especificamente projetado para endereçar problemas de desempenho em aplicações de data warehouse. SADAS utiliza estruturas e algoritmos baseados na natureza de “ apenas leitura” dos dados e também adota técnicas que não se aplicam a um ambiente OLTP (On Line Transaction Processing) tradicional, visando sempre o máximo desempenho. OLTP DBMS OLAP DBMS Usuários milhares (Usuários, Pessoal de TI) Centenas (knowledge workers) Acess0 Read /write (em centenas de registros) Leitura complexa (em milhões de registros) Atualizações Contínuas Periódicas Uso / Dados 90% repetitivas / correntes, detalhados relacional 90% ad-hoc / historico summarizado, multidimensional Orientação Transações Análise
  • 13. SADAS - Principais características
  • 16. Feeds (Rewrite,append, update) Sql ODBC JDBC SCI RelatóriosAnaliticos Criamos um fluxo simples para gerar um repositório centralizado de dados históricos e extrair relatórios. Fonte de Dados Única Data Mining Carga de Dados Streams Apps OLTP EDW Files Sistemas-Fonte
  • 18. Utilizando o enfoque colunar obtemos:
  • 19. Menos Hardware Estimativa de Máquina MILHÕES DE REGISTROS PLATAFORMA NUCLEOS DO PROCESSADOR RAM(GB)                                           50 32 2 2                                          100 64 2 4                                         500 64 4 8                                     1.000 64 8 16                                     2.500 64 8 32
  • 21.
  • 22.
  • 23. Rumo à Excelência Tempo de Projeto Estimado (18 meses) Projetos Desenvolvidos Identificar Fontes de Informação Implementar Data Mining Direcionar Demandas de relatórios
  • 24.
  • 25.
  • 26.
  • 27.
  • 28. KHYDRA SERVI ÇOS RUA ORLANDO MARRONI,11 13272-101 -VALINHOS – SP TEL:(19)3869-3823 [email_address] A Khydra Serviços de Bancos de Dados é uma empresa situada em SP, na cidade de Valinhos especializada em serviços e projetos para aplicações de bancos de dados em geral, ERPs, Business Intelligence e Gestão de conteúdo com parceiros internacionais nestes segmentos e capaz de atender a clientes com produtos dos principais forncedores do mercado Nossas Tecnologias

Notas do Editor

  1. This template can be used as a starter file for presenting training materials in a group setting. Sections Right-click on a slide to add sections. Sections can help to organize your slides or facilitate collaboration between multiple authors. Notes Use the Notes section for delivery notes or to provide additional details for the audience. View these notes in Presentation View during your presentation. Keep in mind the font size (important for accessibility, visibility, videotaping, and online production) Coordinated colors Pay particular attention to the graphs, charts, and text boxes. Consider that attendees will print in black and white or grayscale. Run a test print to make sure your colors work when printed in pure black and white and grayscale. Graphics, tables, and graphs Keep it simple: If possible, use consistent, non-distracting styles and colors. Label all graphs and tables.
  2. Give a brief overview of the presentation. Describe the major focus of the presentation and why it is important. Introduce each of the major topics. To provide a road map for the audience, you can repeat this Overview slide throughout the presentation, highlighting the particular topic you will discuss next.
  3. Give a brief overview of the presentation. Describe the major focus of the presentation and why it is important. Introduce each of the major topics. To provide a road map for the audience, you can repeat this Overview slide throughout the presentation, highlighting the particular topic you will discuss next.
  4. This is another option for an Overview slides using transitions.
  5. Microsoft Engineering Excellence Microsoft Confidential Is your presentation as crisp as possible? Consider moving extra content to the appendix. Use appendix slides to store content that you might want to refer to during the Question slide or that may be useful for attendees to investigate deeper in the future.
  6. This is another option for an Overview slide.
  7. Add slides to each topic section as necessary, including slides with tables, graphs, and images. See next section for sample table, graph, image, and video layouts.
  8. Microsoft Engineering Excellence Microsoft Confidential
  9. Keep it brief. Make your text as brief as possible to maintain a larger font size.
  10. Microsoft Engineering Excellence Microsoft Confidential If there is relevant video content, such as a case study video, demo of a product, or other training materials, include it in the presentation as well.
  11. Add a case study or class simulation to encourage discussion and apply lessons.
  12. Summarize presentation content by restating the important points from the lessons. What do you want the audience to remember when they leave your presentation? Save your presentation to a video for easy distribution (To create a video, click the File tab, and then click Share.  Under File Types, click Create a Video.)
  13. Microsoft Engineering Excellence Microsoft Confidential