Pular para o conteúdo principal

(E) Comece com os requisitos da empresa - não com a tecnologia

O que o deixou interessado em construir sistemas? Para muitos de nós,foi a paixão pela tecnologia. Gostamos de escrever sistemas elegantes, que apresentam belas figuras na tela de algum usuário injustiçado. Nossa resposta para praticamente todo problema é "construir um novo sistema".

Bem, infelizmente, o data warehouse não tem a ver com tecnologia. Ele tem a ver com resolução de problemas empresariais. Um segredo para o sucesso do data warehouse é começar focalizando as informações de que a empresa precisa para prosperar e não a tecnologia que vamos usar para entregar essas informações.

As tecnologias de consulta e navegação de dados são "bacanas" e os desenvolvedores tendem a querer mexer com elas. Na verdade, já vi projeto, onde a equipe passou os primeiros seis meses escolhendo a ferramenta de consulta e navegação de dados e depois aprendendo a utilizá-la. As estruturas de dados ficaram relegadas a segundo plano. Os gerentes e os usuários finais não são pessoas estúpidas. Eles podem e sabem identificar quando um progresso real está ocorrendo e quando não está. No final, os gerentes dessa empresa ficaram tão frustrados, que cancelaram o projeto inteiro. Posteriormente, ele foi reiniciado, mas com um novo gerente de projeto, que foi instruído a retirar a ênfase nas ferramentas.

É importante lembrar que a maior parte dos data warehouses corretamente projetados será acessada por uma variedade de tecnologias. Assim, focalizar qualquer tecnologia de consulta e navegação de dados pode desviar a concentração da equipe com relação à construção da flexibilidade necessária para o projeto inteiro.

Também lembre-se de que as tecnologias aparecem e desaparecem. O prato do dia pode ser Oracle Hyperion, mas amanhã, pode ser MicroStrategy. Independentemente do que um vendedor de soluções possa dizer, a peça estratégica real do data warehouse são os dados. É fundamental que as estruturas de dados reflitam precisamente as exigências da empresa e que elas contenham dados corretos e confiáveis. É só lembrar do ditado LE/LS ou "lixo que entra é igual ao lixo que sai". Faça todo o possível para proteger a integridade dos dados armazenados em seu data warehouse.

Há uma advertência. Determinadas ferramentas ou tecnologias de consulta e navegação de dados exigem típos específicos de estruturas de dados para funcionar. Sendo assim, recomendo que tais ferramentas sejam vistas como tecnologias de consulta com função restrita, em vez de uma solução com componentes integrados capaz de propiciar à empresa um ambiente de informação gerencial e estratégica robusta, confiável e escalável.

Comentários

Postagens mais visitadas deste blog

(T) Como indexar uma tabela Fato - (Best Practice)

A base de qualquer projeto de bi é ter um bom dw/data mart. Podemos falar em modelagem star-schema durante dias, sem falar nas variações do snowflake, mas o objetivo principal deste artigo é apontar algumas negligências que tenho percebido no tratamento da tabela fato. Tabela esta que é o principal pilar da casa que reside um modelo star-schema.

Ouço muitas vezes os clientes reclamando do desempenho das consultas enviadas contra o seu dw/data mart, ou do tempo de resposta das análises solicitadas ao bi. Isto é realmente inaceitável, não só numa perspectiva de implantação do projeto, mas também de desempenho da entrega das informações.

Como eu mencionei anteriormente o meu objetivo neste artigo, é alertar sobre a importância da indexação da tabela fato: o que deveria ser, porque é necessário, porque chaves compostas são boas e más, e porque você deveria se preocupar com isso.

Então, vejamos:

|a| Indexação padrão (default):
De forma rápida, todas as colunas de chave estrangeira (FK) devem …

(A) Data Science in Practice with Python - Sample 2

In this post I'll explain what is a recommender system, how work it and show you some code examples. In my previous post I did a quick introduction:

Sample 2 - Recommender System

WHAT IS A RECOMMENDER SYSTEM? A model that filters information to present users with a curated subset of options they’re likely to find appealing.
HOW DOES IT WORK? Generally via a collaborative approach (considering user’s previous behavior) or content based approach (based on discrete assigned characteristics).

Now I'll get into in some concepts very important about recommender systems.

Recommender System in Details:

We can say that the goal of a recommender system is to make product or service recommendations to people. Of course, these recommendations should be for products or services they’re more likely to want buy or consume.

Recommender systems are active information filtering systems which personalize the information coming to a user based on his interests, relevance of the information etc.…

(T) Verificando a consistência de um repositório ou um Business Model no Oracle BI