0% acharam este documento útil (0 voto)
3 visualizações30 páginas

SAP-BW - Módulo 1

O documento aborda conceitos fundamentais sobre Data Warehouse e a ferramenta BW, incluindo a diferença entre OLTP e OLAP, modelagem de dados relacional e dimensional, e a arquitetura do Enterprise Data Warehouse (EDW). Também discute o processo de ETL, a utilização do Business Explorer para relatórios, e a estrutura de queries e workbooks no BW. Por fim, enfatiza a importância da integração de dados para suporte à decisão nas empresas.
Direitos autorais
© All Rights Reserved
Levamos muito a sério os direitos de conteúdo. Se você suspeita que este conteúdo é seu, reivindique-o aqui.
Formatos disponíveis
Baixe no formato PDF, TXT ou leia on-line no Scribd
0% acharam este documento útil (0 voto)
3 visualizações30 páginas

SAP-BW - Módulo 1

O documento aborda conceitos fundamentais sobre Data Warehouse e a ferramenta BW, incluindo a diferença entre OLTP e OLAP, modelagem de dados relacional e dimensional, e a arquitetura do Enterprise Data Warehouse (EDW). Também discute o processo de ETL, a utilização do Business Explorer para relatórios, e a estrutura de queries e workbooks no BW. Por fim, enfatiza a importância da integração de dados para suporte à decisão nas empresas.
Direitos autorais
© All Rights Reserved
Levamos muito a sério os direitos de conteúdo. Se você suspeita que este conteúdo é seu, reivindique-o aqui.
Formatos disponíveis
Baixe no formato PDF, TXT ou leia on-line no Scribd

SAP-BW

Módulo 1 - Conceitos

Fábio Arruda
Data: 01/01/2007
Conteúdo

– Conceitos básicos sobre Data Warehouse

– Conceitos sobre a ferramenta BW

– Conceitos de EDW

– Conceitos de Relatórios no BW

2
Data Warehouse

Conceito

Data Warehouse é a cópia dos dados


transacionais organizada por assunto,
padronizada, não volátil, abrangendo
um grande período de tempo, sendo a
base para consulta e análise. Ou seja,
é um meio que as empresas dispõem
para analisar informações históricas
podendo utilizá-las para a melhoria dos
processos atuais e futuros.

3
Data Warehouse

Histórico

No início da década de 80 as empresas substituíram seus bancos


de dados hierárquicos e não relacionais por bancos de dados
relacionais, senão pelo sonho de aumentar significativamente a
flexibilidade de acesso

Os primeiros sistemas relacionais eram extremamente lentos nos


processamentos de transações

Mais tarde após melhora no desempenho das transações, havia o


problema das pesquisas extensas atrapalharem o desempenho
da máquina

4
Data Warehouse

Na década de 90 os fornecedores de banco de dados


perceberam que sistemas que geram a informação
requerem configurações distintas dos sistemas que
suportam à decisão

5
Data Warehouse
Uma mudança de enfoque…

OLTP (On-Line Transaction Processing)


Ambiente transacional com foco operacional, os
dados que contém nesse ambiente são detalhados
e transacionais, mudam constantemente com
eventos de negócio.

OLAP (On-Line Analytical Processing)


Ambiente analítico com foco estratégico, os dados
que contém nesse ambiente são sumarizados e são
históricos fixos num ponto específico de tempo e
estruturados para queries.

6
Data Warehouse

OLTP (ERP) OLAP (DW)


OnLine Transaction Processing OnLine Analytical Processing

• Foco: transacional • Foco: análise

• Dados detalhados • Dados sumarizados

• 6 meses a 18 meses de dados • 2 a 7 anos de dados

• Dados correntes • Dados históricos

• Dados dinâmicos • Dados fixos a nível temporal

• Estruturado para performance • Estrut. para pesquisa/análise

• Atualização/Inserção/Deleção – • Orientado para consulta –


pequenos volumes de dados grandes volumes de dados

7
Data Warehouse
Sistema de Processamento Operacional
- Infomações refletem o momento atual.
- Os usuários efetuam operações de leitura e escrita.
- Pode estar distribuído em várias aplicações.

Aplicação
Operacional

Aplicação
Operacional

8
Data Warehouse
Sistema Analítico
- Informações refletem um instante específico no tempo.
- Os usuários efetuam operações de leitura.
- Procura oferecer uma visão única dos dados da empresa.

Sistema de
Data warehousing

Aplicação
de análise

9
Data Warehouse
Modelagem de Dados Relacional

Tabela Loja Representa os dados como uma coleção de


Chave_loja endereço nome tabelas distintas, normalizadas afim de evitar
duplicidade de informação e consequentemente
maior tempo no registro da informação (tempo
de transação)

Tabela Produto
Chave_produto Descrição Marca Categoria Preço Compra Preço Venda

Tabela Venda
Chave_venda Chave_produto Chave_loja quantidade nota data

10
Data Warehouse
Modelagem de Dados Relacional
No modelo relacional, as tabelas mantém um relacionamento entre si. No exemplo
abaixo, os registros da tabela venda se relacionam com os registros das tabelas
loja e produto.

No modelo relacional os dados


venda 1 do produto não precisam ser
duplicados para cada registro
2 de venda.
3
4
loja produto

a X
b Y
Entidade/Relacionamento

11
Data Warehouse
Modelagem de Dados Dimensional

Estrutura Multidimensional
Dimensões

PRODUTO
EMPRESTIMO CONTA CORRENTE POUPANÇA
UNIDADE NEGÓCIO

DEODORO 5782,00 6739,00 4434,00

MURICY 6365,00 6744,00 3400,00

12
Data Warehouse
Modelagem de Dados Dimensional

Visão Multidimensional GERENTE REGIONAL


GERENTE FINANCEIRO

UNID. NEG.
GERENTE PRODUTO UNID. NEG.

Variáveis

PRODUTO
PRODUTO

13
Data Warehouse
Modelagem de Dados Dimensional
Quando um banco de dados pode ser visualizado como um “cubo”, contendo
três, quatro ou até cinco ou mais dimensões, as pessoas conseguem fatiar
esse cubo em qualquer de suas dimensões.

Outro nome para esse modelo é Modelo em Estrela (Star Schema).

Cada uma das tabelas secundárias possui apenas uma junção com a tabela
central.
Dimensão
Tempo
A tabela central é denominada Tabela Dimensão
Dimensão
de Fatos e as outras Tabelas de Mercado Produto
Dimensão.

Tabela Fatos

14
Data Warehouse
Exemplo simplificado de Tabela Fatos e Dimensões:

Fato Vendas Dimensão Produto

chave_tempo chave_produto
chave_produto descrição
chave_loja marca
Dimensão Tempo vendas_em_reais categoria
unidades_vendidas
chave_tempo custos_em_reais
mês
trimestre Dimensão Loja
ano
chave_loja
nome_loja
endereço
tipo_planta_da_loja

15
Conteúdo

– Conceitos básicos sobre Data Warehouse

– Conceitos sobre a ferramenta BW

– Conceitos de EDW

– Conceitos de Relatórios no BW

16
Business Information Warehouse
Business Information Warehouse é uma
solução completa e aberta que proporciona
colaboração e disponibilização de informações
relevantes, precisas, na hora certa,
para todos e em qualquer lugar.

Componentes básicos:
-ETL (Extraction, Transformation and
Loading)
- EDW (Enterprise Data Warehouse)
- Administrator Workbench
- Business Explorer

17
Business Information Warehouse
ETL - Extraction, Transformation and Loading

ETL é o processo como os dados são movidos


para o BW;

A origem dos dados armazenados no SAP/BW pode


ser SAP ou Não SAP;

Para informações não contidas em aplicativos


SAP, o BW permite cargas a partir de
arquivos textos ou mesmo através de conexões
diretas com bases de dados externas;

18
Business Information Warehouse
EDW - Entreprise Data Warehouse

EDW – Neste ponto tratamos como os dados são


armazenadas;

Os dados são armazenados em “infoobjetos”


ou em “infoproviders”;

19
Business Information Warehouse
O dia-a-dia do BW é realizado dentro do
“Administrator Workbench” que consiste em:
- Agendar a execução de atualizações;
- Monitorar a execução e reparar erros de cargas;
- Realizar a limpeza de áreas temporárias;
- Comprimir dados em estruturas de armazenamento;
- Acompanhar a performance do ambiente;
- Agendar a execução de relatórios;
- Rever autorização de acesso/perfis;

20
Business Information Warehouse
Business Explorer

É no BEx que elaboramos as “saídas” do


BW, ou seja, as consultas e relatórios;

O BW propicia “saídas” em planilhas Excel


ou no formato HTML através do Web
Application Designer;

Todos os relatórios do BW são flexíveis,


independente do formato, o usuário pode
incluir/retirar informações, filtrar dados,
formatar os dados, alterar o layout, entre
outras coisas. Essas alterações podem ser
gravadas para uso futuro;

21
Business Information Warehouse
Permite obter e tratar dados de Sistemas
SAP e não SAP.

Integra informações de áreas diferentes


SAP BW para dar suporte à decisão;
Data Warehouse
Facilita a padronização dos conceitos e
cria uma base de Informações Gerenciais
integrada;

SAP ECC Possibilita a geração de consultas


multidimensionais, facilitando o processo
de análise.

Sistemas de Informação Uniformiza o acesso às informações,


disponibilizando ferramental de fácil uso;

22
Conteúdo

– Conceitos básicos sobre Data Warehouse

– Conceitos sobre a ferramenta BW

– Conceitos de EDW

– Conceitos de Relatórios no BW

23
Enterprise Data Warehouse
A arquitetura EDW estabelece uma linha imaginária entre o que é dado “original
/ primário” e o que é dado “trabalhado / com regras de negócio“.

Para suportar este processo de forma estruturada e bem coordenada, teremos


duas camadas principais por InfoArea:
Camada Data Warehouse (DW) – dados originais / primários
Camada de Data Mart (DM) - dados trabalhados / com regras de negócio
aplicadas

24
Enterprise Data Warehouse
Camada Data Warehouse

Aqui os dados são armazenados como uma cópia das tabelas do sistema
fonte, ou seja, na mesma granularidade, sem transformações ou regras de
negócio aplicadas. Esta camada representa a memória corporativa da
empresa. Nesta camada utiliza-se basicamente o objeto do tipo DSO para
armazenamento dos dados.

25
Enterprise Data Warehouse
Os princípios de “Extração e Integração” considerados relevantes para a
Camada Data Warehouse são os seguintes:

- Dados transacionais considerados como globais, que serão consolidados a


partir das unidades de negócios
- Dados transacionais específicos das unidades de negócios;
- Dados mestres ou transacionais históricos:
Ex: guardar posições mensais (fotos) das partidas em aberto do Contas a Receber, uma
vez que no ECC só temos a posição mais atual.
- Dados mestres:
quando for base para uma padronização de cadastros;
Ex: dados mestres de dois ou mais sistemas fontes diferentes que representam a mesma
entidade – ex: material, e os mesmos precisam ser padronizados para análises
consolidadas.

26
Enterprise Data Warehouse
Camada de Data Mart

Nesta camada são armazenados dados que já sofreram transformações e


aplicação das regras de negócios. Estes dados podem estar alocados em
DSOs, Infocubos, Multiproviders, Infosets e Características.

Estas camadas devem ser refletidas no ambiente BW através das infoareas.


Unidade de Negócios (local) – Contém os cenários com aplicações de regras
de negócios individualizadas por unidade de negócios. Conceitos estão
harmonizados / consolidados localmente. Tipos de objetos: Multiproviders,
Infocubos, Objetos Data Store, Infosets e objetos Master Data.

Corporativo (global) – Contém os cenários que são visualizados


corporativamente, segmentados por áreas de negócios. Os conceitos já estão
harmonizados / consolidados globalmente. Foco na visão estratégica da
empresa. Tipos de objetos: Multiproviders, Infocubos.

27
Conteúdo

– Conceitos básicos sobre Data Warehouse

– Conceitos sobre a ferramenta BW

– Conceitos de EDW

– Conceitos de Relatórios no BW

28
Conceitos de Relatório no BW
A informação no BW pode ser acessada por queries que determinam a
capacidade de navegação e a análise dos dados subjacentes.

O que é uma Query?


A query é um acesso para recuperar e visualizar as informações da base de dados.
Uma query produz um relatório combinando uma seleção de Características e Key
figures para analizar dados do InfoProvider (ex. InfoCubo, Multicubo, etc.) .

Queries são definidas no Query Designer e armazenadas no servidor BW.

O que é Workbook?
É um relatório customizado e salvo no BEx Analyzer.

O que é Web Template?


É um relatório customizado e salvo no Web Application Designer, esta é uma visão
WEB, que pode ser acessada através de um link.

29
Conceitos de Relatório no BW

SAP Business Explorer

Workbook
Debitorennummer

Buchungskreis IDES AG

Debitorennummer Kumulierter
Saldo

Becker
AG 1.000,50

A.S.S 3.000,25

Gesamtergebnis 4.000,75

FIAR Bewegungsdaten
Filter

Kennzahlen

Query
Buchungskreis

Kumulierter
Saldo
IDES AG

Summe der
Habenbuchungen

Summe der Sollbuchungen

Umsatz der Periode


Freie Merkmale Spalten

Dimensionen
L Struktur
a
n
d
Kunde Kumuli
....
DE

Branche

Debitorennummer

Land
Zeilen Kumuliert.

Buchungskreis
Debit
... Debitoren

Währungstyp

Debitoren

Zeit

Einheit

InfoCubo

30

Você também pode gostar