Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
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

11,578 views

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

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 />

×