Vous êtes sur la page 1sur 4

O.L.A.

P - On Line Analytical Processing


Marco E. R. Alberto, Rodrigo Ribeiro
Faculdade de Computação e Informática
Universidade Presbiteriana Mackenzie (UPM)
Rua da Consolação, 930 - CEP 01302-907 - Consolação - São Paulo - SP – Brasil

marco.enrico@gmail.com, rodrigorb@gmail.com
Abstract: This article describes one of the tools of extract data from
a Data Warehouse, called OLAP. For deeper analysis, we will show
some of the functionalities of this software, quoting some advantages
and issues of this kind of corporative investment.
Resumo: Este artigo descreve uma das muitas ferramentas de
extração dos dados de um Data Warehouse, chamada OLAP.
Para uma análise mais profunda, mostraremos algumas das
suas funcionalidades, citando vantagens e desvantagens deste tipo
de investimento corporativo.

1 Informações Gerais e históricas

Antes mesmo de se falar em sistemas de informação, ou tecnologia da


informação, já existia a necessidade de se ter em mão, relatórios que condiziam com
a situação da organização como um todo, e de determinados setores. Só que isto
exigia que tudo fosse mandando para as centrais de processamento de dados, para
que então, durante algum tempo, obtivessem os relatórios prontos e repassassem para
as gerências e diretorias.
Além disso, apresentavam os seguintes problemas:
• Os relatórios eram estáticos;
• Havia acúmulo de diferentes tipos de relatórios;
Foi então que surgiu o conceito que seria capaz de gerar relatórios dinâmicos de
acordo com a necessidade.

2 Fundamentação

OLAP, ou On Line Analytical Processing, é uma ferramenta capaz de executar


análises multidimensionais de dados de negócios e permitir cálculos complexos,
análise de tendências e modelos de dados sofisticados. Algumas aplicações
corporativas comuns são: relatórios de negócio para o departamento de vendas e
marketing, relatórios para a gerência, processos de negócio, orçamento, previsões,
relatórios financeiros e outros relatórios de Data Warehouse.
OLAP permite aos analistas de negócios, gerentes e executivos analisar e
visualizar dados corporativos de forma rápida, consistente, interativa. O foco da
funcionalidade dessa ferramenta é conhecimento, pois ele é a base das decisões
corporativas de sucesso.
Para uma empresa conseguir ter bom desempenho é necessário planejar, analisar
e reportar continuamente suas atividades com o foco de diminuir custos e aumentar a
eficiência para chegar ao lucro. No entanto, o volume e a complexidade dos dados
coletados podem engessar as decisões, assim como os diversos sistemas usados para
coletá-las. Portanto, faz-se necessário um meio para lidar com as informações de
modo confiável, rápido e preciso, pois quanto mais informações úteis a empresa
conseguir obter e analisar, melhor conteúdo será oferecido para os responsáveis
tomarem as decisões. OLAP pode ajudar nesse sentido ao permitir aos usuários
realizar análises específicas de dados em múltiplas dimensões, melhorando assim, a
visão e o entendimento para a tomada de decisão correta.
A funcionalidade de uma ferramenta OLAP é caracterizada pela análise dinâmica
e multidimensional dos dados de uma organização permitindo que as atividades do
usuário final sejam tanto analíticas quanto navegacionais. Isso resulta em rápidas
consultas ad-hoc (construção de listagens, interligando a informação disponível na
base de dados conforme as necessidades específicas da empresa, assim como a sua
exportação, possibilitando várias simulações), independentemente do tamanho do
banco de dados ou sua complexidade.
A escolha de uma ferramenta OLAP inadequada pode ocasionar severas
conseqüências para um projeto de DW, entre as quais podemos citar:
• Falha total do projeto e conseqüente perda dos benefícios esperados para os
negócios da empresa, além dos prejuízos financeiros gerados pelo alto custo
da aquisição de software, serviços e treinamentos das equipes iniciais do
projeto resultando benefícios ilusórios e temporários. Esta situação é muito
comum em diversas organizações e sob certos aspectos gera piores
resultados.
• Falha parcial do projeto onde apenas alguns módulos sobrevivem,
reduzindo assim o escopo, estando comparados com o item anterior, uma
vez que passam a existir menores incentivos para substituir os sistemas
atuais.
2.1 Características da Análise OLAP
• Drill Across: ocorre quando se pula um nível intermediário dentro de uma
mesma dimensão. Por exemplo: a dimensão tempo é composta por ano,
semestre, trimestre, mês e dia. Ao passar do nivel de detalhe ano para
semestre ou mês, se utiliza o Drill Across.
• Drill Down: aumentar o nível de detalhe. Exemplo: Tenho um centro de
custo, e quero saber os valores por elemento de custo que compõem este
centro.
• Drill Up: aumentar o grau de granularidade, diminuindo o nível de
detalhamento da informação. Exemplo: tenho valores de ordens de compra,
e quero ter um total de ordens de compra por Planta (Centro de Trabalho).
• Drill Throught: passar uma informação contida em uma dimensão para uma
outra. Por exemplo: Estou na dimensão de tempo e no próximo passo
começo a analisar a informação por região.
• Slice And Dice: é uma das principais características de um OLAP. Ele
serve, basicamente, para modificar a posição de uma informação, alterar
linhas por colunas de maneira a facilitar a compreensão dos usuários e girar
o cubo sempre que tiver necessidade.
• Alertas: Os Alertas são utilizados para indicar situações de destaque em
elementos dos relatórios, baseados em condições envolvendo objetos e
variáveis. Servem para indicar valores mediante condições, mas não para
isolar dados pelas mesmas. Exemplo: tenho um valor em estoque interno e
quero que me destaque valores abaixo do estoque de segurança.
• Ranking: A opção de ranking permite agrupar resultados por ordem de
maiores / menores, baseado em objetos numéricos (Measures). Esta opção
impacta somente uma tabela direcionada (relatório) não afetando a pesquisa
(Query). Exemplo: tenho um relatório que me informa o acesso às Queries
de um cubo, e quero que me mostre um ranking de acesso à essas queries,
do mais acessado para o menos acessado.
• Filtros: Os dados selecionados por uma Query podem ser submetidos a
condições para a leitura na fonte de dados. Os dados já recuperados pelo
Usuário podem ser novamente “filtrados” para facilitar análises diretamente
no documento. Exemplo: Tenho abas diferentes, rodando cópias de uma
mesma query, porém em uma quero apenas as vendas internas, na outra o
total em exportações e em uma terceira, o total geral das vendas.
• Sorts: servem para ordenar uma informação. Esta ordenação pode ser
customizada, crescente ou decrescente, por chave (código) ou denominação
(texto descritivo) se o objeto em questão permitir.
• Breaks: servem para separar o relatório em grupos de informações (blocos).
Por exemplo: O usuário tem a necessidade de visualizar a informação por
cidades, então ele deve solicitar um Break. Após esta ação ter sido
executada, automaticamente o relatório será agrupado por cidades, somando
os valores mensuráveis por cidades. Em alguns ERP, como SAP BW Bex
Analyzer (ferramenta de OLAP da SAP), são conhecidos como Linhas de
Resultado.
• Consultas Ad-Hoc: São consultas com acesso casual único e tratamento dos
dados segundo parâmetros nunca antes utilizados, geralmente executados
de forma iterativa e heurística. Exemplo: Tenho uma query que me mostra
o total do valor do capital de giro, por conta razão, e quero “saltar” para
uma outra query, que me mostra os valores que compõe esta conta razão,
sem ter que preencher outra tela de parâmetros. A query gera uma nova
consulta que será utilizada apenas aquela vez, para consulta temporária.
3 Conclusão

O avanço das linguagens de programação juntamente com o avanço tecnológico


das consultas em Banco de Dados, gerou primeiramente, um aumente fenomenal dos
dados virtuais que trafegam e que tinha necessidade de serem verificados e relatados
a quem desejar saber. Com isso, foi necessária a criação de uma ferramenta
que possibilitasse gerar relatórios dinâmicos, sem a necessidade de se ter um
processamento manual humano toda vez que se precisasse ter um relatório. O
OLAP veio para facilitar o acesso aos dados virtualizados em um Data Warehouse.
Logicamente, que não basta somente se comprar uma ferramenta OLAP, que não
é barata, é necessário também haver treinamento do efetivo para que não se tenha
obstáculos dentro da organização. Hoje, a realidade das organizações ainda não é a
melhor possível, mas tudo indica que a tendência é de melhora, parte por haver muita
gente no mercado de trabalho, mais jovem que os já efetivos nas organizações, em
parte por haver um reaprendizado educacional do veteranos da casa, que possuem
todo ou quase todo conhecimento empresarial (business) da mesma.

4 Referências Bibliográficas

• CAVALCANTI, M. C.; OLIVEIRA, P. C. S.; MONTEIRO, R. R.; SOARES, V. J.


Análise Comparativa de Ferramentas OLAP. UFRJ, 1998.

• CARVALHO, B.F. Arquiteturas de Ferramentas OLAP. SQL Magazine, Rio de


Janeiro, ano 1, ed. 9, p.12-16, 2004.

• Reis Alberto, M. E. Apostila de Treinamento SAP BW Bex Analyzer. Rhodia


Trainning Docs, São Paulo, ed. 2, 2011.