1) O documento descreve o processo de projeto dimensional para modelagem de dados em um data warehouse, com quatro passos principais: selecionar o processo de negócios, declarar a granularidade, escolher dimensões, e identificar medidas. 2) Como estudo de caso, é usada uma cadeia de lojas de varejo para ilustrar cada um dos passos do processo de projeto dimensional. 3) O modelo dimensional proposto tem como foco principal o processo de vendas nos caixas, com granularidade de cada linha de transação individual.

1. Data Warehouse
Processo de Projeto
Dimensional - Estudo de
Caso: Vendas

2. Processo de Design em Quatro Passos
1. Selecçionar o processo de negócios a modelar
2. Declarar a granularidade do processo
3. Escolher as dimensões que se aplicam a cada linha da tabela
de factos
4. Identificar os factos numéricos que irão populacionar a
tabela de factos
 Tanto requisitos dos usuários do negócio quanto realidades
dos dados fonte devem ser levados em consideração no
projecto

3. Processo de Design em Quatro Passos
 Selecçionar o processo de negócios a modelar
 Actividade executada na organização
 Compras, vendas, pedidos, inventario,
 Obtido atraves de conversas com usuários
 Não está restrito a um único departamento
 E.g., pedidos podem envolver departamentos de
vendas e marketing

4. Processo de Design em Quatro Passos
 Declarar a granularidade do processo
 Especificar explicitamente o que uma linha da tabela de
factos significa
 O grão indica o nível de detalhes associados com cada
linha da tabela
 Exemplos:
 Uma linha do recibo de vendas do supermercado
 Um snapshot das vendas diarias de cada produto
 Um extracto mensal do banco
 Passo extremamente importante!

5. Processo de Design em Quatro Passos
 Escolher as dimensões que se aplicam a cada linha da tabela
de factos
 Dimensões respondem à questão “como as pessoas do
negócio descrevem os dados que resultam dos processos
do negócio?”
 Com as escolhas de cada dimensão serão listados todos os
atributos discretos, textuais, etc, de cada tabela de
dimensão
 Exemplos:
 Data, produto, cliente, tipo de transação, status

6. Processo de Design em Quatro Passos
 Identificar os factos numéricos que irão populacionar a tabela
de factos
 Respondem à pergunta “O que estamos medindo?”
 Devem estar em conformidade com a granularidade
escolhida
 Exemplos:
 Quantidade pedida, custo em dolares

7. O negócio: cadeia de lojas
 O negócio tem 100 lojas de cadeia em cinco estados
 Cada loja tem departamentos de: comidas congeladas, carnes,
paes, complementos alimenticios, etc
 Cada loja tem aproximadamente 60.000 produtos nas suas
prateleiras
 Os produtos individuais são chamados unidades em estoque (SKU)
 Cerca de 55.000 produtos vêm de fabricantes externos e têm
codigos de barras impressos no pacote do produto chamados
codigos de produto universais (UPC)
 As 5.000 unidades de estoque restantes vêm dos departamentos
da cadeia e têm codigos locais individuais
 Dados são colectados principalmente nos caixas da loja
 Os codigos de venda do produtos são escaneados no pontos de
venda (PV)
 Outro ponto de colecta de dados é na entrada traseira das lojas
onde os fornecedores entregam as encomendas

8. O negócio: cadeia de lojas
 Nas lojas, a administração está preocupada com
logisticas de pedidos, armazenamento, e vendas de
produtos enquanto tenta maximizar o lucro
 Lucro vem da venda no melhor preço possivel para cada
produto, da redução de custos na aquisição de produtos,
e da atracção do maior numero de clientes possivel
atraves de preços competitivos
 As decisões mais importantes tem haver com preços e
promoções
 Promoções incluem reduções temporarias de preços,
propagandas em jornais, amostras em lojas, e cupons.

9. Passo 1. Seleccionar o Processo de
negócios
 O primeiro modelo dimensional a ser construido deve
ser aquela a causar maior impacto
 O modelo deveria responder as questões mais
importantes do negócio e estar prontamente acessivel
para extracção de dados
 Escolha:
 Vendas nos caixas!
 Entender que produtos estão sendo vendidos em que
lojas em que dias sobre quais condicões
promocionais

10. Passo 2. Declarar a Granularidade
 Utilizar a informação mais atômica e detalhada capturada por um
processo de negócios
 Provêm alta flexibilidade analítica; pode ser restrito, pesquisado, e
agregado de diversas formas
 Granularidades de mais alto nível limitam as dimensões e analises
 Escolha:
 Cada linha individual de uma transação no caixa
 Analises:
 Diferenças em vendas de Segunda a Domingo
 Se vale apenas estocar pacotes de varios tamanhos de certos
cereias
 Quantos consumidores compraram um determinado shampoo
durante uma promoção de 50% de desconto
 O impacto nas vendas de uma propaganda “pesada” de uma
marca concorrente

11. Passo 3. Escolher as Dimensões
 Uma granularidade apropriada determina as dimensões
primárias da tabela de factos
ID_data
atributos
ID_produto
atributos
ID_data
ID_produto
ID_loja
ID_promoção
ID_loja
ID_produto
atributos
atributos

12. Passo 4. Identificar os factos
ID_data
ID_data atributos
ID_produto
atributos
ID_produto
ID_loja
ID_promoção
Unid_vendidas
Custo_compra
Valor_venda
ID_promoção Nº_clientes ID_loja
atributos atributos

13.  Dimensão de Data
 Usada por quase todos data marts
 Existem muitos atributos de datas que não são
suportados pela função data do SQL, incluindo periodos
fiscais, feriados, periodos especias do ano (e.g., Natal,
Carnaval) e fins de semana.
 Focado na granularidade de dias
 10 anos correspondem apenas a 3500 linhas!

14. Atributos da Tabelas de Dimensões Data

15. Atributos da Tabelas de Dimensões Data
 Day-of-Week: analises de venda por dia da semana
 Day number e Month number: comparações do mesmo dia
cada mês e mesmo mês cada ano
 Holidays: Uso de labels com significado
 Selling Season: Natal, Carnaval, etc
 Major event: dia das maes, dia dos namorados
 Date key: inteiro, por razões de armazenamento,
actualização, etc
 Inclusão de horas: time-of-the day table a ser juntada

16. Dados na Dimensão de Data

17. Atributos da Tabelas de Dimensões Produto
 Descreve cada unidade em estoque na loja
 Alguns atributos descritivos normalmente organizado em
hieraquias: tipo -> categoria -> departamento
 Integral -> pães -> padaria
 Um tabela de dimensão produto tipica teria 50 ou mais
atributos
 Quanto mais completa, mais analises são possiveis

18. Atributos da Tabelas de Dimensões Produto

19. Dimensão Loja
 Descreve cada loja da cadeia
 Principal dimensão geografica do estudo de caso
 Atributos geograficos: ZIP code (CEP) , distrito, estado,
etc
 Descrição da loja (textual): floor plan type, financial type,
photo processing type

20. Atributos da Tabelas de Dimensões Loja

21. Dimensão Promoção
 Descreve as condições de promoção sob os quais um
produto foi vendido
 Condições de promoção: reduções de preços temporarias,
anuncios em journais, displays, cupons, etc
 Dimensão causal: causa mudanças nos padrões de vendas
 Dica: evitar valores null, incluindo uma entrada para
indicar explicitamente que a dimensão nao é aplicavel a
determinada medida (e.g., “nenhuma promoção em
curso”)

22. Dimensão Promoção
- Análises:
 Se os produtos sob promoção tiveram ganhos em vendas durante
o periodo promocional
 Se os produtos sob promoção tiveram uma queda antes ou após a
promoção, cancelando possiveis ganhos
 Se os produtos em promoção apresentaram ganhos mas os
produtos proximos nas prateleiras apresentaram declinio
 Se todo os produtos em promoção apresentaram ganhos
conjuntamente levando em contas os periodos anterior, durante
e posterior às promoções (crescimento de mercado)
 Se a promoção como um todo foi rentavel

23. Atributos das Tabelas de Dimensão Promoção

24. Retail Esquema em Acção
 Cenario: um usuário do negócio esta interessado em
entender melhor as vendas semanais por promoção para a
categoria de salgadinhos durante Janeiro de 2002 para as
lojas do distrito de Boston

25. Esquema de Vendas em Acção
 Resultado

26. Retail Esquema em Acção
ID_produto
ID_data
ID_Loja
ID_Promoção
Unid_vendidas
Custo_compra
Valor_venda Dimensão Loja
Dimensão Produto
Nº_clientes
ID_loja
ID_produto Nome
Dimensão Tempo
Número Dimensão Promoção Número_loja
Nome Endereço
Marca ID_data Localidade
Categoria Dia_do_mês ID_promoção Código_postal
Subcategoria Dia_da_semana Número Distrito
Departamento Dia_do_ano Nome_promo Região
Tam_embalagem Semana_do_ano Tipo_red_preço Telefone
Tipo_embalagem Mês Tipo_anúncio Fax
Tipo_dieta Número_do_mês Tipo_cartaz Gestor_loja
Peso Trimestre Tipo_coupons Área_total
Unidade_de_peso Período_fiscal Meio_anúncio Área_mercearias
Quant_caixa Flag_feriado Meio_cartaz Área_congelados
Caixas_p_pallete Flag_dia_semana Custo_promoção Área_bazar
Larg_prateleira Flag_últ_dia_mês Início_promoção Nº_Caixas
Altura_prateleira Estação_ano Fim_promoção Data_inauguração
Profun_prateleira Aconteci_espec Data_ult_remod

27. Extensibilidade do Esquema de Vendas

28. Normalização de Dimensões

29. Normalização de Dimensões
 Apresentação muito mais complexa
 Complexidade tambem na optimização de consultas
(muitos joins)
 Ganhos de espaço são irrisorios
 Navegação é comprometida

30. Dimensões Demais

31. Dimensões Demais
 Um numero muito grande de dimensões é
tipicamente um sinal que diversas dimensões não
são completamente independentes e devem ser
combinadas em uma única dimensão.
 Dimensões demais geram problemas de usabilidade
e performance
 É geralmente um erro representar elementos de
uma hierarquia em dimensões separadas