Data warehouse

Data warehouse

1 – Características:
A orientação por assunto, integrado, não volátil e histórico, criado para suportar o processo de tomada de decisão, uma característica marcante de um DW, pois toda modelagem será voltada em torno dos principais assuntos da empresa. Enquanto todos os sistemas transacionais estão voltados para processos e aplicações específicas, os DWs objetivam assuntos.
2 – Arquitetura:
Elementos Básicos
Fonte de Dados – Sistemas da empresa
Data Stage – Área de armazenage, função de extrair dados do sistemas da empresa, que não são apresetados ao usuário final.
Servidor de Apresentação – organiza e armazena os dados para consulta do usuário final. Podem ser armazenados em tecnologia OLAP.
Data Mart – Subconjunto lógico do DW, dividido por visões para os usuários.
Data Mining (mineração de dados) – Pesquisa tendências e padrões varrendo um grande massas de dados com corelações e não estão facilmente perceptiveis.
Ferramentas de acesso aos dados – metodo de estração e integração dos dados aos processos(extração, carga de dimensões processadas, carga/replicação e recuperação, alimentação, carga dos resultados dos modelos)
Tipos de Arquitetura
Genética – acesso da camada dos dados operacionais pela camada de acesso a dados.
Duas Camadas – 2 camadas utilizando o servidor. Transforma dados consultados em informação útil para o usuário, junto com aplicações front end.
Três Camadas – Suporta vários usuários e serviços. 1ª camada – interface com o usuário. 2ª camada o servidor e aplicações. 3ª camada fontes de dados.
3 – Modelos de dados:
O sucesso no desenvolvimento de um Data Warehouse (DW) bem modelado depende da escolha correta das estratégias a serem adotadas, de forma que sejam adequadas às características e as necessidades específicas do ambiente onde será implementado. Existe uma grande variedade de abordagens para o desenvolvimento de um DW. São elas: Modelagem Entidade-Relacionamento, Modelagem Multidimensional e Modelagem