1) A pessoa não consegue enxergar as informações que precisa e se sente limitada. 2) Ela quer entender os motivos pelos quais a meta de faturamento não foi atingida no mês para aprender. 3) As possíveis causas incluem desempenho de apenas um vendedor, eventos externos ou novo concorrente.

2. Não consigo enxergar nada, me sinto completamente cego;
Me sinto de mãos atadas;
Tudo do que eu preciso está lá, eu sei que está lá, mas não consigo chegar neles...
Eu não quero premiar ou castigar ninguém, mas preciso entender o que ouve para
aprender com o acerto e corrigir os erros;
Eu sei que deveríamos faturar bem este mês, mas isto não ocorreu, porque?
Não gosto de depender dos outros para enchergar.
Todos os vendedores ou apenas um? Teve algo a ver com algum acontecimento
externo, temos um novo concorrente?

3. Fonte: 100loop.com
A arquitetura proposta por Kimball sugere que os dados das bases operacionais sejam
carregados por ETL nos Data Marts e posteriormente no DataWareHouse, para que então sejam
disponibilizados para consulta analíticas e relatórios no servidor OLAP pelos usuários finais.

4. DOLAP HOLAP
MOLAP
BI OLAP
ROLAP
DW DM
MDX
ETL DAX
METADADOS
PIVOT
TABLE POWER
PIVOT
OLTP
ERP
SAE
SAD SIG

5. ERP
Enterprise Resource Planning
Sistema Integrado de Gestão Empresarial
Funcional
Sistemas de: finanças, contabilidade, recursos
humanos, fabricação, marketing, vendas, compras,
etc)
Sistêmica
Sistema de processamento de transações, sistemas de
informações gerenciais, sistemas de apoio a decisão,
etc

6. Estratégico
(SAE ou EIS)
Tático
(SIG ou MIS)
Operacional
(SAD ou DSS)
O afinamento da pirâmide indica quantidades menores
e mais específicas de usuários para cada sistema.

7. 295 exabytes
Informações
acumuladas em um
ano
Se toda a informação armazenada por nós em 2007 fosse gravada
em CD-Roms e esses dispositivos fossem empilhados, eles ultrapassariam
a distância entre a Terra e a Lua.
Fonte: CienciaHoje

8. Fonte:

9. Fonte: Adaptação de Negash e Gray (2003)

10. Um DATA WAREHOUSE ou armazém de dados, é um sistema de
computação utilizado para armazenar informações relativas às atividades
de uma organização em bancos de dados, de forma consolidada. O
desenho da base de dados favorece os relatórios, a análise de grandes
volumes de dados e a obtenção de informações estratégicas que podem
facilitar a tomada de decisão.
Fonte: Microsoft MSDN

11. 1. Relacionamento físico entre duas tabelas fatos, pode?
2. Indicador interno de tipo de entidade, o que fazer?
3. Consulta envolvendo duas tabelas fatos
4. Médias, Percentual
5. Campos caractere
6. Campos data
7. Composição (Nota e Itens), como fazer?
8. Granularidade
Fato
Dimensão
Medida

12. Diferença de Codificação
Fonte: Academia Microsoft TechNet

13. Diferença
Unidade de Medidas e Datas
Fonte: Academia Microsoft TechNet

14. Junção de Colunas
Fonte: Academia Microsoft TechNet

15. Quebra de coluna em várias
Fonte: Academia Microsoft TechNet

16. ETL
Os diferentes processos concentrados no conceito de extração,
transformação e carga de dados em um Data Warehouse
denomina-se ETL, em inglês Extract – Transform – Load.
Fonte: Academia Microsoft TechNet

17. Demonstração
SSIS

18. Fonte: 100loop.com

19. OLAP, ou On-line Analytical Processing é a capacidade para
manipular e analisar um grande volume de dados sob múltiplas perspectivas.
MOLAP, ROLAP, HOLAP, DOLAP
Drill Down,
Drill Up,
Drill Across,
Slice,
Dice
Fonte: Ferramentas Olap.ppt de Allana, Helber e Paulo

20. Demonstração
SSAS

21. Data Mining
A diferença básica entre OLAP e Data Mining está na
maneira como a exploração dos dados é realizada. Na
análise OLAP a exploração é feita através da verificação,
isto é, o analista conhece a questão, elabora uma
hipótese e utiliza a ferramenta pra refutá-la ou
confirmá-la. Com o Data Mining, a questão é total ou
parcialmente desconhecida e a ferramenta é utilizada
para a busca de conhecimento. E essa capacidade
claramente agrega valor às soluções de apoio à decisão

22. Partições
Uma partição é uma divisão ou fracionamento da informação que forma um cubo.
Cada cubo contém pelo menos uma partição, porém pode estar formado por
múltiplas partições.
As partições de um cubo são invisíveis para o usuário, porém o seu uso aumenta
a carga de trabalho do administrador do modelo multidimensional. Para cada partição
é possível definir a fonte de dados, o modo de armazenamento e a porcentagem de
agregação de forma independente das demais partições.
Além disso, uma partição de dados pode ser atualizada independentemente das
outras. Esta propriedade é muito importante pois oferece a vantagem de melhorar
os tempos de processamento se dividir corretamente as partições e elas forem
processadas adequadamente

23. % Agregação
Fonte: Academia Microsoft TechNet

24. MDX
Multi-Dimensional eXpression
Fonte: http://blog.datainspirations.com/

25. KPI
Key Performance Indicator
Indicador chave de desempenho
Meta
Situação
Tendência

26. DAX
POWER
PIVOT

27. FIM