O documento apresenta uma palestra sobre modelagem dimensional realizada pela Cetax, uma empresa especializada em business intelligence e data warehousing. O instrutor, Marco Antonio Garcia, possui ampla experiência na área e aborda conceitos fundamentais como fatos, dimensões, granularidade e chaves primárias. Também discute as vantagens e desvantagens da modelagem dimensional, incluindo técnicas para lidar com mudanças lentas nos dados.

1. Palestra sobre Modelagem Dimensional CFSA – São Bernardo do Campo - SPCetax Consultoria e TreinamentosMaio/2009

2. Apresentação - CetaxA Cetax é uma empresa de consultoria e treinamento especializada em sistemas de Business Intelligence e Data Warehouse

3. Existe desde 2000 trabalhando exclusivamente com BI e DW

4. Nossos treinamentos são exclusivos sem cursos semelhantes no Brasil

5. Outros cursos são ministrados em parcerias com outras empresas do mercado ou mesmo profissionais que possuem experiência diferenciadaModelagem Dimensional

6. Apresentação - InstrutorMarco Antonio Garcia

7. 15 anos de experiência em TI, sendo 9 exclusivamente com Business Intelligence e Data Warehouse.

8. Certificado pelo Kimball University nos EUA, onde teve aula pessoalmente com Ralph Kimball, um dos principais gurus do data Warehouse.

9. Vivência profissional em diversos projetos, passando por Bancos e Financeiras, Construção, Serviços, Varejo, Marketing e outros.Modelagem Dimensional

10. Fatos, Dimensões e GranularidadeIniciando a Modelagem DimensionalFatos – medidas, métricas, acontecimentos ou valores.Dimensões – descrições, características, localidade, detalhamento.Granularidade – nível de detalhe da informação.Modelagem Dimensional

11. Objeto com características desnormalizadas:Decodes, hierarquias, rollups.Atributos da dimensão. Descrições e restrições das queries.Clausulas BY e WHERE das queries.Conjunto de descrições :Características FísicasDescrições baseados nas regras de negócios ou com significado modificado.Terminologias: DimensõesModelagem Dimensional

12. Chaves Primarias das Dimensões.Surrogate KeyNumero inteiro seqüencial, exceto em datas. Para as datas pode-se utilizar o tipo date ou um numérico representando a data, como YYYYMMDD, por exemplo. Utilizado para unir as dimensões as tabelas de fatos.A Chave natural da tabela origem é utilizada para geração da surrogate key.Benefícios:Isola o datawarehouse do sistema operacionalIncrementa a performancePode-se utilizar atributos como “Não se aplica”,”Dado a ser determinado”.Permite a integração de diversas fontes.Suporta rastrear mudanças nos dados, Slowly Changing Dimensions.DesvantagemO ETL torna-se mais complexo.Modelagem Dimensional

13. Terminologias: Tabelas FatosResolve os relacionamentos Muitos-para-Muitos entre as dimensões.Chave PrimariaGeralmente é um subset das foreign keys.FatosSão métricas resultantes do processo de negocio ou eventos.Geralmente são numéricas.Geralmente são aditivas, mas não sempre.Modelagem Dimensional

14. GranularidadeIdentifica o nível de detalhe.1 Grão por fatoNova Fato a cada novo grãoGrão Atômico da mais flexibilidadeDegenerated Dimension (DD)Sem correspondente na DimensãoChave OperacionalMais sobre tabelas FatosModelagem Dimensional

15. Terminologia - Dimensional Model ou Star Schema 1 Fato por processo de negocioBenefíciosFácil entendimentoPerformanceFacilita mudançasModelagem Dimensional

16. Resista ao SnowflakingModelagem Dimensional

17. Star X Snowflakes ModelsModelagem Dimensional

18. Somente Dados sumarizadosSoluções DepartamentaisSem foco na Empresa, tático mas não estratégicoNão integrávelNão escalávelPode ser implementada com SQL e Views sobre um modelo relacionalFabulas sobre Modelagem DimensionalModelagem Dimensional

19. Data WarehouseBus ArchitectureModelagem Dimensional

20. EnterpriseData Warehouse Bus MatrixModelagem Dimensional

21. Modelagem Dimensional no Ciclo de Vida do DW Modelagem Dimensional