Your SlideShare is downloading. ×
0
BUSINESS INTELLIGENCE: O que é e o que envolve este termo?<br />Emerson henrique soares silva<br />emerson.hss@gmail.com<b...
Quem é este que vos fala?<br />Aluno concluinte do curso de Ciência da Computação da ASPER<br />Há 1 ano e 2 meses sou Ana...
Agenda<br />Introdução<br />Business Intelligence (BI)<br />Data Warehouse (DW)<br />Data Mart (DM)<br />Abordagens de imp...
Introdução<br />Era da Economia da Informação<br />Empresa precisão mais do que operar, funcionar<br />Precisam de conheci...
Introdução<br />Sistemas de Informação e seus espaços de negócio<br />Patamar conhecido<br />Operacional<br />Foco nas tar...
Introdução<br />Patamar estratégico dos Sistemas de Informações dão apoio aos processos de tomadas de decisões nas organiz...
Business Intelligence(BI)<br />“Business Intelligence  representa  a  habilidade  de  se  estruturar,  acessar  e explorar...
Business Intelligence (BI)<br />8<br />Emerson Henrique S. Silva<br />10/12/2009<br />
Data Warehouse (DW)<br />Sobre Data Warehouse  (DW)  ou Armazéns  de Dados, Machado  (2007)  afirma  que representa  uma  ...
Data Warehouse (DW)<br />Características<br />Segundo  [INMON,  1997  apud  ZORZIN,  2006],  um  DW  é  um  conjunto  de  ...
Data Warehouse (DW)<br />Pedido e nota fiscal são etapas do processo transacional de uma venda<br />Vendas são assuntos de...
Data Warehouse (DW)<br />O DW é alimentado por outras fontes de dados, que podem trazer dados representados de formas dife...
Data Warehouse (DW)<br />O DW  só  permite  duas  operações básicas:  a  inclusão  inicial  e  incremental  de  novos  dad...
Data Warehouse (DW)<br />Variáveis em relação ao Tempo<br />O DW deve ser carregado periodicamente através de um processo ...
Data Warehouse (DW)<br />Dados que apóiam a tomada de decisões<br />O  DW  é  construído  sobre  um  modelo  multidimensio...
Data Mart(DM)<br />Apresenta as mesmas características de um DW.<br />É um subconjunto de um DW.<br />Representa um DW dep...
Data Mart(DM)<br />São bem aceitos no mercado por:<br />Apresentarem menor investimento em infra-estrutura<br />Produzirem...
Abordagens de Implementação de DW<br />Inicialmente existiram (anos 1990) duas abordagens, cada uma apresentada por um gur...
Abordagens de Implementação de DW<br />Top-down<br />Primeiro se construiria um DW para depois construir os DMs departamen...
Abordagens de Implementação de DW<br />Top-down<br />Vantagens<br />Herança de arquitetura, consequentemente facilidade de...
Abordagens de Implementação de DW<br />Bottom-up<br />Primeiro se constroem os DMs separados que deverão ser integrados a ...
Abordagens de Implementação de DW<br />Bottom-up<br />Vantagens<br />Implementação mais rápida<br />Retorno sobre o invest...
Abordagens de Implementação de DW<br />Convergência das abordagens<br />Melhor dos dois mundos<br />Visualizar a empresa e...
Arquiteturas de DW<br />Decisão gerencial em um projeto de DW<br />Diretamente ligada a infra-estrutura física no aspecto ...
Arquiteturas de DW<br />Visão corporativa dos dados pelos usuários<br />Porém, consumo de tempo de desenvolvimento e admin...
Arquiteturas de DW<br />10/12/2009<br />Emerson Henrique S. Silva<br />26<br />Data Marts independentes<br />DMs isolados ...
Arquiteturas de DW<br />10/12/2009<br />Emerson Henrique S. Silva<br />27<br />Data Marts integrados<br />DMs distribuídos...
Modelagem Dimensional<br />10/12/2009<br />Emerson Henrique S. Silva<br />28<br />De  acordo  com Machado  (2007)  a model...
Modelagem Dimensional<br />10/12/2009<br />Emerson Henrique S. Silva<br />29<br />Fatos<br />Definem a importância e a mot...
Modelagem Dimensional<br />10/12/2009<br />Emerson Henrique S. Silva<br />30<br />Medidas<br />Atributos numéricos que rep...
Modelagem Dimensional<br />10/12/2009<br />Emerson Henrique S. Silva<br />31<br />Dimensões<br />As dimensões determinam o...
Modelagem Dimensional<br />10/12/2009<br />Emerson Henrique S. Silva<br />32<br />Dimensões<br />Determinam “o como” se po...
Modelagem Dimensional<br />10/12/2009<br />Emerson Henrique S. Silva<br />33<br />Esquemas propostos<br />São 2 os esquema...
Modelagem Dimensional<br />Star Schema<br />As tabelas de dimensões são diretamente relacionadas a uma tabela central cham...
Modelagem Dimensional<br />SnowflakesSchema<br />Neste esquema as dimensões são normalizadas <br />AS hierarquias são sepa...
Modelagem Dimensional<br />10/12/2009<br />Emerson Henrique S. Silva<br />36<br />Diferenças em relação a modelagem ER<br />
Modelagem Dimensional<br />10/12/2009<br />Emerson Henrique S. Silva<br />37<br />
OLAP<br />10/12/2009<br />Emerson Henrique S. Silva<br />38<br />Acrônimo para:<br />OnLineAnalyticalProcessing<br />Proce...
OLAP x OLTP<br />10/12/2009<br />Emerson Henrique S. Silva<br />39<br />OLTP é acrônimo para:<br />OnLineTransactionProces...
Data Mining<br />10/12/2009<br />Emerson Henrique S. Silva<br />40<br />Em português, Garimpagem ou Mineração de Dados<br ...
Grupo(s) de Pesquisa<br />10/12/2009<br />Emerson Henrique S. Silva<br />41<br />Empregos na área de BI existem, porém pou...
Proposta de Projeto Inicial<br />10/12/2009<br />Emerson Henrique S. Silva<br />42<br />Desenvolver um solução completa de...
Interessados no grupo de pesquisas?<br />10/12/2009<br />Emerson Henrique S. Silva<br />43<br />Se você se interessou entr...
Dúvidas<br />10/12/2009<br />Emerson Henrique S. Silva<br />44<br />
Obrigado!<br />10/12/2009<br />Emerson Henrique S. Silva<br />45<br />
Referências<br />10/12/2009<br />Emerson Henrique S. Silva<br />46<br />BARBIERI, Carlos. Business Intelligence: Modelagem...
Upcoming SlideShare
Loading in...5
×

Introdução aos conceitos de Business Intelligence

8,579

Published on

Apresentação realizada em uma motra na faculdade sobre o que é e o que envolve os conceitos de Business Intelligence.

Published in: Technology
0 Comments
3 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
8,579
On Slideshare
0
From Embeds
0
Number of Embeds
6
Actions
Shares
0
Downloads
529
Comments
0
Likes
3
Embeds 0
No embeds

No notes for slide

Transcript of "Introdução aos conceitos de Business Intelligence"

  1. 1. BUSINESS INTELLIGENCE: O que é e o que envolve este termo?<br />Emerson henrique soares silva<br />emerson.hss@gmail.com<br />Introdução aos conceitos de Business Intelligence<br />
  2. 2. Quem é este que vos fala?<br />Aluno concluinte do curso de Ciência da Computação da ASPER<br />Há 1 ano e 2 meses sou Analista e Desenvolvedor de Sistemas para Web da Ativasystems (Divisão de desenvolvimento de Software da Ativaweb)<br />2<br />Emerson Henrique S. Silva<br />10/12/2009<br />
  3. 3. Agenda<br />Introdução<br />Business Intelligence (BI)<br />Data Warehouse (DW)<br />Data Mart (DM)<br />Abordagens de implementação de DW<br />Arquiteturas de DW<br />Modelagem Dimensional<br />OLAP<br />OLAP x OLTP<br />Data Mining<br />Grupo(s) de Pesquisa<br />Proposta de Projeto Inicial<br />3<br />Emerson Henrique S. Silva<br />10/12/2009<br />
  4. 4. Introdução<br />Era da Economia da Informação<br />Empresa precisão mais do que operar, funcionar<br />Precisam de conhecimento, sobre si e sobre os demais<br />Precisam aprender com erros e acertos<br />4<br />Emerson Henrique S. Silva<br />10/12/2009<br />
  5. 5. Introdução<br />Sistemas de Informação e seus espaços de negócio<br />Patamar conhecido<br />Operacional<br />Foco nas tarefas<br />No realizar trabalho<br />Busca por novos patamares:<br />Gerencial<br />Foco no planejamento<br />Alocação de Recursos<br />Orçamentos<br />Estratégico<br />Relacionada ao gerencial<br />Intenções estratégicas<br />Produtos/Serviços e seus benefícios para os clientes<br />5<br />Emerson Henrique S. Silva<br />10/12/2009<br />
  6. 6. Introdução<br />Patamar estratégico dos Sistemas de Informações dão apoio aos processos de tomadas de decisões nas organizações.<br />O conceito de Business Intelligence (BI), ou Inteligência de Negócios, ganha espessura neste cenário. <br />BI pode ser entendido como um guarda-chuva conceitual que envolve Inteligência Competitiva, ou CompetitiveIntelligence (CI), Gerência de Conhecimentos, ou knowledge Management System (KMS), Internet Business Intelligence (IBI), pesquisa e análise de mercados, etc. [BARBIERE, 2001]<br />6<br />Emerson Henrique S. Silva<br />10/12/2009<br />
  7. 7. Business Intelligence(BI)<br />“Business Intelligence representa a habilidade de se estruturar, acessar e explorar informações, normalmente guardadas em Data Warehouses e Data Marts, com o objetivo de desenvolver percepções, entendimentos, conhecimentos, os quais podem produzir um melhor processo de tomada de decisão”. (BARBIERE, 2001)<br />Business Intelligence é um termo genérico para descrever o levantamento de informações sobre os ativos internos e externos da organização para tomar melhores decisões de negócios [KIMBALL e ROSS, 2002].<br />Para Moss e Atre (2003) o BI não é um produto, nem um sistema. É uma arquitetura e uma coleção de aplicações e bancos de dados com acesso facilitado aos dados e que provê suporte a tomada de decisão.<br />7<br />Emerson Henrique S. Silva<br />10/12/2009<br />
  8. 8. Business Intelligence (BI)<br />8<br />Emerson Henrique S. Silva<br />10/12/2009<br />
  9. 9. Data Warehouse (DW)<br />Sobre Data Warehouse (DW) ou Armazéns de Dados, Machado (2007) afirma que representa uma grande base de dados capaz de integrar, de forma concisa e confiável, as informações de interesse para a empresa que se encontram espalhadas pelos sistemas operacionais e em fontes externas, para posterior utilização nos sistemas de apoio à decisão. <br />Segundo Barbiere (2001), Data Warehouse pode ser definido como um banco de dados, destinado a sistemas de apoio a decisão e cujos dados foram armazenados em estruturas lógicas dimensionais, possibilitando o seu processamento analítico por ferramentas especiais (OLAP e Mining).<br />9<br />Emerson Henrique S. Silva<br />10/12/2009<br />
  10. 10. Data Warehouse (DW)<br />Características<br />Segundo [INMON, 1997 apud ZORZIN, 2006], um DW é um conjunto de dados...<br /> orientados por assuntos, <br />integrados, <br />não voláteis, <br />variáveis em relação ao tempo <br />e que apóiam a tomada de decisões.<br />10<br />Emerson Henrique S. Silva<br />10/12/2009<br />
  11. 11. Data Warehouse (DW)<br />Pedido e nota fiscal são etapas do processo transacional de uma venda<br />Vendas são assuntos de empresa de interesse estratégico<br />Informações sobre quantidades vendidas, sobre lucros e observações de resultados de ações de marketing<br />11<br />Emerson Henrique S. Silva<br />10/12/2009<br />
  12. 12. Data Warehouse (DW)<br />O DW é alimentado por outras fontes de dados, que podem trazer dados representados de formas diferentes, mas que possuem o mesmo significado.<br />Por este motivo os dados devem ser integrados e padronizados.<br />12<br />Emerson Henrique S. Silva<br />10/12/2009<br />
  13. 13. Data Warehouse (DW)<br />O DW só permite duas operações básicas: a inclusão inicial e incremental de novos dados e o acesso somente para leitura a estes dados, isto é, não existem alterações nem exclusões dos dados do DW, isso para evitar impasses e atualizações registro a registro.<br />13<br />Emerson Henrique S. Silva<br />10/12/2009<br />
  14. 14. Data Warehouse (DW)<br />Variáveis em relação ao Tempo<br />O DW deve ser carregado periodicamente através de um processo batch (em lotes).<br />E deve ser armazenada uma ou mais referências temporais sobre os dados carregados, de modo que seja possível verificar o histórico desses dados. <br />O tempo é uma característica importante para tomada de decisões, por isso os dados do DW devem variar em relação a suas referências de tempo.<br />14<br />Emerson Henrique S. Silva<br />10/12/2009<br />
  15. 15. Data Warehouse (DW)<br />Dados que apóiam a tomada de decisões<br />O DW é construído sobre um modelo multidimensional <br />Centralizar os fatos pelas dimensões dos negócios<br />Organização lógica dos negócios da organização sobre esse modelo permite um acesso facilitado de ferramentas para análise dos negócios, e o resultado dessas análises permitem visualizar cenários passados, atuais e possíveis da organização, gerando informações estratégicas que possibilitem a tomada de decisões de melhorias e evoluções.<br />15<br />Emerson Henrique S. Silva<br />10/12/2009<br />
  16. 16. Data Mart(DM)<br />Apresenta as mesmas características de um DW.<br />É um subconjunto de um DW.<br />Representa um DW departamental, regional ou funcional.<br />Segundo Sing (2001) apudFelber (2005) uma empresa pode contruír uma séria de DM ao longo do tempo e vinculá-los a um DW lógico de empresa inteira.<br />16<br />Emerson Henrique S. Silva<br />10/12/2009<br />
  17. 17. Data Mart(DM)<br />São bem aceitos no mercado por:<br />Apresentarem menor investimento em infra-estrutura<br />Produzirem resultados mais rapidamente<br />E por serem escaláveis até DWs<br />17<br />Emerson Henrique S. Silva<br />10/12/2009<br />
  18. 18. Abordagens de Implementação de DW<br />Inicialmente existiram (anos 1990) duas abordagens, cada uma apresentada por um guru da tecnologia de DW<br />Bill Inmon<br />Implementação top-down (do topo para a baixo)<br />Ralph Kimball<br />Implementação bottom-up (da base para cima)<br />18<br />Emerson Henrique S. Silva<br />10/12/2009<br />
  19. 19. Abordagens de Implementação de DW<br />Top-down<br />Primeiro se construiria um DW para depois construir os DMs departamentais a partir do DW.<br />19<br />Emerson Henrique S. Silva<br />10/12/2009<br />
  20. 20. Abordagens de Implementação de DW<br />Top-down<br />Vantagens<br />Herança de arquitetura, consequentemente facilidade de manutenção<br />Visão do empreendimento, DW concentra toda a empresa e seus negócios<br />Controle e centralização de regras, único conjunto de aplicações para ETL<br />Monitoração e manutenção centralizada<br />Desvantagens<br />Demora para entrar em produção<br />Alto risco de investimento<br />Demora no retorno do investimento<br />20<br />Emerson Henrique S. Silva<br />10/12/2009<br />
  21. 21. Abordagens de Implementação de DW<br />Bottom-up<br />Primeiro se constroem os DMs separados que deverão ser integrados a medida que os mesmos evoluem, dando condições para a construção de um DW.<br />21<br />Emerson Henrique S. Silva<br />10/12/2009<br />
  22. 22. Abordagens de Implementação de DW<br />Bottom-up<br />Vantagens<br />Implementação mais rápida<br />Retorno sobre o investimento é mais rápido<br />A manutenção do enfoque da equipe é facilitada<br />Pode existir uma herança incremental entre os DMs permitindo o reaproveitamento<br />Desvantagens<br />Os DMs produzidos podem não obter uma perfeita coesão<br />Integração pode se tornar inviável<br />Provável repetição de esforços na fase de ETL<br />22<br />Emerson Henrique S. Silva<br />10/12/2009<br />
  23. 23. Abordagens de Implementação de DW<br />Convergência das abordagens<br />Melhor dos dois mundos<br />Visualizar a empresa e seus negócios de forma integrada<br />Construindo o DW de forma incremental, a partir de DMs<br />Construção integrada<br />Resultado repositório integrado e coeso<br />Dimensões alinhadas e conformes, e métricas compatíveis<br />23<br />Emerson Henrique S. Silva<br />10/12/2009<br />
  24. 24. Arquiteturas de DW<br />Decisão gerencial em um projeto de DW<br />Diretamente ligada a infra-estrutura física no aspecto da tecnologia da informação<br />As arquiteturas podem ser:<br />Global<br />Centralizada<br />Distribuída<br />Data Marts independentes<br />Data Marts integrados<br />24<br />Emerson Henrique S. Silva<br />10/12/2009<br />
  25. 25. Arquiteturas de DW<br />Visão corporativa dos dados pelos usuários<br />Porém, consumo de tempo de desenvolvimento e administração do ambiente é muito grande, assim como o custo de implementação.<br />25<br />Emerson Henrique S. Silva<br />10/12/2009<br />
  26. 26. Arquiteturas de DW<br />10/12/2009<br />Emerson Henrique S. Silva<br />26<br />Data Marts independentes<br />DMs isolados por departamentos<br />Sem foco corporativo<br />Pouca interferência da TI<br />Vantagem:<br />Implementação Rápida, por conta do escopo reduzido e isolado<br />Desvantagem:<br />Capacidade de decisão através dos dados é limitada<br />
  27. 27. Arquiteturas de DW<br />10/12/2009<br />Emerson Henrique S. Silva<br />27<br />Data Marts integrados<br />DMs distribuídos em departamentos, como na anterior<br />Dados interconectados, integrados e acessíveis a outras áreas ou departamentos da empresa<br />Maior interferência da TI<br />Vantagem:<br />Aumenta a visão corporativa e a qualidade das informações<br />Desvantagem:<br />Maior complexidade dos requisitos<br />Maior necessidade de controle e de administração<br />
  28. 28. Modelagem Dimensional<br />10/12/2009<br />Emerson Henrique S. Silva<br />28<br />De acordo com Machado (2007) a modelagem multidimensional é uma técnica de concepção e visualização de um modelo de dados de um conjunto de medidas que descrevem aspectos comuns de negócios. E esse modelo é formado por três elementos básicos: os fatos as dimensões e as medidas (variáveis). <br />O objetivo dessa modelagem é fornecer a capacidade de visualizar os dados de um organização, de modo a permitir a análise de valores desses dados, isto é, permitir obter informações de apoio a decisão. <br />
  29. 29. Modelagem Dimensional<br />10/12/2009<br />Emerson Henrique S. Silva<br />29<br />Fatos<br />Definem a importância e a motivação da modelagem dimensional<br />Representam numericamente valores que refletem temporalmente a evolução dos negócios de uma organização<br />É representado no modelo por uma tabela chamada tabela de Fatos<br />Formados por dados de medidas e de contexto<br />
  30. 30. Modelagem Dimensional<br />10/12/2009<br />Emerson Henrique S. Silva<br />30<br />Medidas<br />Atributos numéricos que representam um fato, o desempenho de um indicador de negócios relativo as dimensões que participam do fato<br />
  31. 31. Modelagem Dimensional<br />10/12/2009<br />Emerson Henrique S. Silva<br />31<br />Dimensões<br />As dimensões determinam o contexto de um assunto de um fato de negócio<br />Possui uma ou mais hierarquias naturais, além de atributos descritivos sem relacionamento hierárquico<br />É representada por uma tabela que descreve uma característica de um fato<br />Quando<br />Onde<br />Quem<br />O quê<br />
  32. 32. Modelagem Dimensional<br />10/12/2009<br />Emerson Henrique S. Silva<br />32<br />Dimensões<br />Determinam “o como” se pode filtrar informações sobre os fatos<br />Exemplo:<br />Por lojas<br />Por região<br />Por mês<br />Por produto<br />Etc.<br />
  33. 33. Modelagem Dimensional<br />10/12/2009<br />Emerson Henrique S. Silva<br />33<br />Esquemas propostos<br />São 2 os esquemas propostos conhecidos<br />Star Schema(Esquema Estrela)<br />SnowflakeSchema (Esquema Floco de Neve)<br />
  34. 34. Modelagem Dimensional<br />Star Schema<br />As tabelas de dimensões são diretamente relacionadas a uma tabela central chamada tabela de fatos<br />Nesse modelo não há preocupação com economia de espaço de armazenamento<br />Nem com normalização<br />Respeita-se o preceito de informação rápida<br />34<br />Emerson Henrique S. Silva<br />10/12/2009<br />
  35. 35. Modelagem Dimensional<br />SnowflakesSchema<br />Neste esquema as dimensões são normalizadas <br />AS hierarquias são separadas<br />Consultas envolverão mais tabelas diminuindo a performance<br />35<br />Emerson Henrique S. Silva<br />10/12/2009<br />
  36. 36. Modelagem Dimensional<br />10/12/2009<br />Emerson Henrique S. Silva<br />36<br />Diferenças em relação a modelagem ER<br />
  37. 37. Modelagem Dimensional<br />10/12/2009<br />Emerson Henrique S. Silva<br />37<br />
  38. 38. OLAP<br />10/12/2009<br />Emerson Henrique S. Silva<br />38<br />Acrônimo para:<br />OnLineAnalyticalProcessing<br />Processamento Analítico OnLine<br />São ferramentas que possibilitam a exploração dos dados de um DW [MACHADO, 2007] para fins de análise de determinadas variáveis para descoberta de cenários e tendências<br />O objetivo é dar suporte ao processo de tomada de decisões<br />
  39. 39. OLAP x OLTP<br />10/12/2009<br />Emerson Henrique S. Silva<br />39<br />OLTP é acrônimo para:<br />OnLineTransactionProcessing<br />Processamento de Transações OnLine<br />Transações se referem diretamente as atividades operacionais de ume empresa<br />Exemplo:<br />Realizar pagamento aos empregados<br />Realizar pagamento aos fornecedores<br />Realizar vendas aos clientes<br />Essas operações envolver um conjunto de atividades que juntas formam uma transação<br />Os Sistemas de Informação com foco operacional são sistemas transacionais<br />Diferentes dos sistemas OLAP com foco analítico dos dados<br />
  40. 40. Data Mining<br />10/12/2009<br />Emerson Henrique S. Silva<br />40<br />Em português, Garimpagem ou Mineração de Dados<br />O processo de Data Mining visa realizar inferências sobre os dados de um DW/DM, buscando “adivinhar” fatos e correlações não explicadas em meio a esses dados.<br />Algoritmos inteligentes sobre um amostra dos dados visando detectar padrões em determinados relacionamentos.<br />Segundo Moss e Atre (2003), a aplicação de mineração de dados pode então usar uma sofisticada mistura de componentes clássicos e avançados, como a inteligência artificial, reconhecimento de padrões, bases de dados, estatísticas tradicionais e gráficas para apresentar relações ocultas e padrões encontrados no repositório de dados da organização. <br />
  41. 41. Grupo(s) de Pesquisa<br />10/12/2009<br />Emerson Henrique S. Silva<br />41<br />Empregos na área de BI existem, porém poucos são as pessoas qualificadas para assumir essas vagas<br />Existe espaço para novas pesquisas em cima de BI, novas ferramentas tecnologias, arquiteturas, metodologias de desenvolvimento, soluções open source,..., entre outras várias<br />Então por que não unir o útil ao agradável e montar na instituição um grupo de pesquisa e estudos sobre BI?<br />
  42. 42. Proposta de Projeto Inicial<br />10/12/2009<br />Emerson Henrique S. Silva<br />42<br />Desenvolver um solução completa de BI para o setor de transporte coletivo urbano<br />Visando atender necessidades estratégicas de empresas de transporte coletivos, de associações de empresas do ramo de transporte coletivo, de organizações governamentais controladoras e fiscalizadoras e, principalmente, a dos usuários desse sistema de transporte.<br />
  43. 43. Interessados no grupo de pesquisas?<br />10/12/2009<br />Emerson Henrique S. Silva<br />43<br />Se você se interessou entre em contato comigo ou com o professor Fábio Nicácio(fabionicacio@gmail.com)<br />É tempo de buscar novos conhecimentos e novas oportunidades de emprego, além de oportunidades de negócio.<br />
  44. 44. Dúvidas<br />10/12/2009<br />Emerson Henrique S. Silva<br />44<br />
  45. 45. Obrigado!<br />10/12/2009<br />Emerson Henrique S. Silva<br />45<br />
  46. 46. Referências<br />10/12/2009<br />Emerson Henrique S. Silva<br />46<br />BARBIERI, Carlos. Business Intelligence: Modelagem e Tecnologia. Rio de Janeiro: Axcel Books. 2001. <br />INMON, W. H. Como construir o Data Warehouse. Rio de Janeiro: Editora Campus, 1997. <br />KIMBALL, Ralph. Data Warehouse Toolkit: Técnicasparaconstrução de data warehouses dimensionais. São Paulo: Makron Books. 1998. <br />KIMBALL, Ralph; ROSS, Margy. The Data Warehouse Toolkit: The Complete Guide to <br />Dimensional Modeling. 2ed. New York: John Wiley & Sons. Inc. 2002. <br />MACHADO, Felipe N. R. Tecnologia e Projeto de Data Warehouse: Uma Visão Multidimensional. 3ed. São Paulo: Érica, 2007. <br />MOSS, Larissa T.; ATRE, Shaku. Business Intelligence Roadmap: The Complete Project Lifecycle for Decision-Support Applications. Boston: Pearson Education, Inc. 2003. <br />SING, Hary. Data Warehouse. São Paulo: Makron Books, 2001. <br />
  1. A particular slide catching your eye?

    Clipping is a handy way to collect important slides you want to go back to later.

×