Vous êtes sur la page 1sur 4

Conceitos de Business Intelligence

Antes de começarmos a desenvolver com Qlikview é bom sabermos um


pouco dos conceitos por trás de tudo isso, no caso, Tabela Fato, Métricas
e Dimensões, além de como modelaremos nossos dados.

Por onde começamos?


Pense que, em uma conversa com seu cliente, dono de uma pequena
transportadora, ele diz:

“Eu quero fazer uma análise do quanto estou gastando em reais com
abastecimentos por motorista e veículo, quais são as médias de consumo
dos meus veículos e motoristas, quantos litros foram abastecidos e em
quais postos estou gastando mais”.
Vamos desconstruir esse pedido.
Note que o nosso cliente quer informações relativas ao abastecimento.

Pronto, acabamos de definir nosso Fato. Simples não?


O centro de todas as perguntas do nosso cliente é o abastecimento,
portanto, o abastecimento em si vai ser o centro do BI, a nossa tabela
Fato.
Agora já sabemos o que vai ser nossa tabela fato, mas, que informações
teremos nela?
Na tabela fato teremos todas as informações que ainda não conhecemos,
ou, métricas.

As métricas são:

 Quantidade abastecida
 Valor gasto
 Média de consumo

Cada abastecimento, cada unidade mínima de dado, vai ter a quantidade


abastecida, o valor gasto e a média de consumo. As métricas serão
agregadas para fazermos nossas análises no BI.
Ok. Mas já que vamos agregar os valores das métricas, nós precisamos
saber pelo que vamos agregar.

Vamos voltar para o que o nosso cliente falou:


“Eu quero fazer uma análise do quanto estou gastando em reais com
abastecimentos por motorista e veículo...”.

“O quanto estou gastando” é a nossa métrica. É a soma dos valores pagos


nos abastecimentos. “Por motorista e veículo” são as nossas dimensões.

Portanto, pelo que queremos agregar, chamamos de dimensões.

Agora, como modelamos tudo isso?

O modo mais simples é unir tudo em uma só tabela, como na imagem


abaixo.

Temos todas as dimensões e todas as métricas em uma tabela só, a


tabela Fato.
Vantagens: Tempo de resposta é excelente, pois não é necessário
buscar dados em outra tabela, é um modelo flexível e é pouco
complexo, já que é apenas uma tabela no seu script todo.
Desvantagens: Consumo de RAM é péssimo, a carga do script pode
levar muito tempo.

A segunda alternativa, que é a mais usada e que vamos usar nos nossos
projetos, é a modelagem estrela (Star Schema). Nessa modelagem,
como você pode ver na imagem abaixo, deixamos a tabela fato com
apenas as métricas e com as chaves das dimensões (Veiculo, Motorista,
Posto e Data).
A tabela central continua sendo a nossa tabela Fato. As tabelas ligadas à
ela são as tabelas dimensões, com informações que utilizaremos para
nossas análises, como por exemplo Placa do veículo, modelo, marca e
outras.
Vantagens: Bom tempo de resposta, pouco consumo de memória RAM,
excelente flexibilidade, script pouco complexo e script com bom tempo
de execução.
Desvantagens: Pode ser um pouco difícil de chegar a uma modelagem
estrela em projetos complexos, ou em projetos com mais de um fato.

Por último, podemos usar o que chamamos de Modelagem Floco de


Neve (sim, o pessoal de BI é bem criativo com os nomes), ou, Snowflake
Schema.
Nele, temos tabelas ligadas não somente à tabela fato, mas também às
dimensões, como podemos ver na imagem abaixo.
Vantagens: Tempo de resposta é satisfatório, apesar de precisar fazer
várias ligações entre tabelas para chegar à cidade do posto, por
exemplo, e o desenvolvimento pode ser um pouco mais rápido pois se
assemelha à estrutura dos bancos de dados transacionais (usados para
gravar e ler informações).
Desvantagens: Flexibilidade é ruim, e pode se tornar complexo
rapidamente.

Comparando as modelagens:
Snowflake Schema Star Schema Tabela Única
Tempo de Satisfatório Bom Excelente
resposta
Consumo de Bom Bom Ruim
RAM
Tempo de Bom Excelente Ruim
execução do
Script
Flexibilidade do Ruim Excelente Excelente
modelo
Complexidade do Ruim Excelente Excelente
Script

Pronto! É o básico que precisamos saber sobre os conceitos de BI:


- O que é a tabela Fato
- O que são as métricas
- O que são dimensões
- Quais são as formas de modelar nossos dados.