VICTOR SALES Cubos Multidimensionais x Tabulares Facilidades e

VICTOR SALES Cubos Multidimensionais x Tabulares Facilidades e desafios da modelagem e utilização

PATROCINADORES

APRESENTAÇÃO Palestrante Introdução ao tema Modelagem de dados Análise de Informações Cubos Modelos Multidimensionais e Tabulares Estudos de Caso Finalização

INTRODUÇÃO AO TEMA • As informações são o bem mais valioso que as empresas possuem; • Fontes de dados de diversos ambientes precisam ser avaliadas em um formato amigável; • Padronizar o acesso às fontes de dados é importante; • Muitos usuários acessando relatórios que consultam bases de dados podem causar lentidão e problemas com outros processos; • Consultas AD-HOC em bases de dados transacionais são lentas; • Em banco de dados relacionais, há duas abordagens utilizadas: processamento orientado à transações ou a análises; • Bases de dados transacionais não são modeladas para tomada de decisão!

INTRODUÇÃO AO TEMA OLTP (Online Transaction Processing) OLAP (On-line Analytical Processing) Foco na operação (sistemas) da empresa; Foco no nível estratégico (análise) da empresa; Alta velocidade na manipulação de dados, mas ineficiente para geração de análises gerenciais; Otimizado para leitura e geração de análises e relatórios gerenciais; Dados estruturados em modelo relacional, otimizado para sistemas transacionais. Os dados possuem alto nível de detalhes; Dados estruturados no modelo multidimensional e, normalmente, com alto nível de sumarização; Armazenamento em sistemas convencionais (bancos de dados relacionais, arquivos) e bancos não relacionais; Armazenado em estruturas de Data. Warehouse ou Data. Mart e otimizados para desempenho em leitura de bases com grande volume de dados; Atualização das informações é feita no momento da transação (evento). Frequência alta de atualizações; Atualização é feita no processo de cargas, definida de acordo com a necessidade da área que visa analisar os dados; Dados voláteis, ou seja, podem ser modificados e excluídos; Dados históricos e não voláteis (não sofrem alterações, salvo necessidades específicas, seja por inconsistências ou outros erros); Utilizada por técnicos e analistas e engloba vários usuários de uma empresa; Usado por gestores e analistas para tomada de decisão;

MODELAGEM DE DADOS • Transformar os dados numa estrutura que seja capaz de se relacionar e ter significado; • Normalizar os dados para garantir a integridade e qualidade da informação; • Identificar a estrutura que melhor atende o modelo de negócio a ser analisado; • Garantir que os conceitos aplicados possam ser utilizados em diversas fontes de acesso às informações;

ANÁLISE DE INFORMAÇÕES • Front-Ends que permitem visualizar os dados de bases de dados (Reporting Services, Power BI, Excel etc. ); • Controle de acesso à informação (grupos de segurança); • Centralização de repositório de dados; • Softwares de mineração de dados otimizados para bases OLAP (Microsoft implementa seus algoritmos de Data. Mining no Analysis Services); • Quais são as perguntas quero responder?

ANÁLISE DE INFORMAÇÕES Pesquisa de conhecimento de público da palestra revelou que: Nível de Escolaridade Faixa Etária 70% Doutorado (Completo ou Incompleto) 0% 60% Mestrado (Completo ou Incompleto) 0% 50% 40% Pós-Graduação (Completo ou Incompleto) 40% 20% 30% Graduação (Incompleto) 60% 20% Graduação (Completo) 20% 10% 0% Ensino médio 0% 0% Menos de 20 Entre 20 e 29 Entre 30 e 39 Entre 40 e 49 anos Mais de 50 anos

ANÁLISE DE INFORMAÇÕES Pesquisa de conhecimento de público da palestra revelou que: Trabalha com BI? 20% Sim Não 80%

ANÁLISE DE INFORMAÇÕES Pesquisa de conhecimento de público da palestra revelou que: Escala de Conhecimento em Integration Services (SSIS) 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% 0 2 4 6 8 1 - Não conheço ou não domino | 10 – Conhecimento avançado 10 12

ANÁLISE DE INFORMAÇÕES Como analisar tantos dados? ANÁLISE ETL CUBO SISTEMAS LEGADOS

ANÁLISE DE INFORMAÇÕES Pesquisa de conhecimento de público da palestra revelou que: Escala de Conhecimento em Analysis Services (SSAS) 120% 100% 80% 60% 40% 20% 0% 0 2 4 6 8 1 - Não conheço ou não domino | 10 – Conhecimento avançado 10 12

ANÁLISE DE INFORMAÇÕES Pesquisa de conhecimento de público da palestra revelou que: Qual destes produtos você utiliza como Front-End (forma de exibição) para dados oriundos de cubos (marque os produtos)? 20% Microsoft Excel 60% 40% Power BI SQL Server Reporting Services

CUBOS • Estrutura de banco de dados orientada à análise de informação; • Otimizada para leitura de grandes volumes de dados; • Permite que vários programas consumam as suas informações; • É possível definir regras de acesso (por linha, usuário, objeto, hierarquia etc). • Alimentado por bases de dados relacionais (Data. Marts ou Data. Warehouses); • Permite analisar informações através de diversas visões (dimensões); • Microsoft SQL Server Analysis Services implementa os modelos multidimensional e tabular.

CUBOS v Incentiva a cultura Data-Driven Operações em cubos Drill-down Roll-Up (ou Drill. Up) Descrição Navega de um nível menos detalhado para nível mais detalhado; Navega de um nível mais detalhado para um nível menos detalhado; Slice Seleciona uma faixa de valores baseados numa visão (dimensão) Dice Seleciona uma faixa de valores baseados em várias visões (dimensões) Pivot Rotaciona os dados do cubo (tranforma linhas em colunas e vice-versa) Drill-Across Cruzamento de métricas que possuem dimensão(s) em comum

CUBOS Pesquisa de conhecimento de público da palestra revelou que: SQL Server Analysis Services Modelo Multidimensional SQL Server Analysis Services - Modelo Tabular 20% 80% 100% Sim Não

MODELOS MULTIDIMENSIONAIS E TABULARES • Modelo já maduro (SQL Server 2000 – atuais); • Possui dimensões; • Dados Pré-agregados (níveis mais altos já possuem valores agregados); • Armazena os dados em disco; • Suporta relacionamento muitos para muitos; • Manipulação dos dados via MDX*; • Modos MOLAP, ROLAP, HOLAP e DOLAP; • Alta curva de aprendizado; ESTRUTURA MULTIDIMENSIONAL

MODELOS MULTIDIMENSIONAIS E TABULARES • Modelo mais recente (SQL Server 2012 - atuais); • Possui tabelas de banco de dados; • Armazena os dados em memória (x. Velocity) – alta compressão de dados para garantir maior performance; • Baixa curva de aprendizado; • Suporta relacionamento bidirecional; • Manipulação dos dados via DAX • Baixa curva de aprendizado; ESTRUTURA TABULAR

MODELOS MULTIDIMENSIONAIS E TABULARES Pesquisa de conhecimento de público da palestra revelou que: Analysis Services (Multidimensional) é mais rápido de ser implementado e gasta menos espaço do que modelos tabulares Analysis Services (Multidimensional) não permite a utilização das dimensões baseadas em chaves (uma dimensão ser referenciada. . . Analysis Services (Tabular) permite ligações do tipo "Muitos para Muitos" Analysis Services (Tabular) carrega os dados em memória para permitir a consulta aos dados Analysis Services (Tabular) não permite a criação de KPIs Analysis Services (Multidimensional) cria colunas calculadas como forma de análise dados oriundos das bases de dados Analysis Services (Multidimensional) agrega as informações em um banco de dados, facilitando a consulta e reduzindo uso de memóri. . . 0% % Não 10% % Sim 20% 30% 40% 50% 60% 70% 80% 90%

MODELOS MULTIDIMENSIONAIS E TABULARES MULTIDIMENSIONAL TABULAR Consultas com informações consolidadas (nível de Consultas com informações mais detalhadas; granularidade alto); Escalável de acordo com espaço de armazenamento em disco; Escalável de acordo com a memória disponível; MDX possui diversas funções para criação de cálculos e filtros com poucas linhas; DAX é similar a Excel e a sua curva de aprendizado é mais baixa que a de MDX; Também possui Quando utilizar o diversas funções; Suporta campos calculados; Multidimensional ou Tabular? Suporta colunas calculadas; Uma dimensão pode ser referenciada em mais de um campo nas tabelas Fato; Uma dimensão só pode referenciar de forma ativa apenas um campo de uma tabela Fato; Relacionamento “muito para muitos”; Relacionamento “bidirecional” ou CROSSFILTER; Permite a implementação de KPI’s (indicadores gerenciais); Melhor aproveitado em modelos de alta complexidade; Utilizado em modelos de baixa complexidade;

ESTUDOS DE CASO

FINALIZAÇÃO • Cada empresa ou modelo de negócio deve ser avaliado de forma consciente para que o modelo utilizado adeque-se da melhor maneira possível; • BI não consiste apenas em exibir a informação para o cliente. Lembrese, Power BI não é BI! • A modelagem correta do Data. Mart / Data. Warehouse é fundamental para que o cubo trabalhe de maneira performática; • BI tradicional não morrerá com as novas tendências do mercado.

DÚVIDAS

REFERÊNCIAS BONEL, Cláudio. Analysis Services multidimensional x tabular: vantagens e limitações. [S. l. ], 21 mar. 2014. Disponível em: https: //www. linkedin. com/pulse/sql-analysis-services-tabular-x-multidimensionalfight-claudio-bonel. Acesso em: 14 maio 2019. FONTES, Marcos Vinícius. Analysis Services multidimensional x tabular: vantagens e limitações. [S. l. ], 21 mar. 2014. Disponível em: https: //dataficacao. wordpress. com/2014/03/21/sssas-multidimensional-tabular/. Acesso em: 14 maio 2019. MICROSOFT. Comparando soluções tabulares e multidimensionais. [S. l. ], 7 maio 2018. Disponível em: https: //docs. microsoft. com/pt-br/sql/analysisservices/comparing-tabular-and-multidimensional-solutions-ssas? view=sql-server 2017. Acesso em: 14 maio 2019.

OBRIGADO! Linked. In: https: //br. linkedin. com/in/victors 145 E-mail: victorsalesbh@gmail. com