35º SEMANA DE COMPUTAÇÃO E INFORMÁTICA DA FIPP/UNOESTE (INFOESTE 2023)
Tipo de Atividade:
DEVFEST Presidente Prudente (GOOGLE DEVELOPER GROUPS)
Atividade:
MC04 - Modelagem de Dados Dimensional para Business Intelligence e Analytics
Instrutor(es):
Gabriel Moreira Lino
Informações gerais:
Resumo:
Quando se fala em Business Intelligence e Analytics, também conhecido por BI, logo vem em mente gráficos e visualização de dados. Mas o conceito de BI e Analytics vai muito além de apresentação de dados e criação de relatórios com gráficos bonitos, interativos e dinâmicos. Por trás disso tudo, existe uma etapa muito importante, considerada por muitos como o coração dos projetos analíticos. Essa etapa é o que chamamos de Modelagem de Dados. Através da modelagem de dados é possível estruturar toda a base para a análise de dados de uma maneira completamente direcionada e com alta performance.
Neste curso, através de teoria, vamos entender o conceito e o fluxo de um projeto de Business Intelligence e Analytics, bem como entender a diferença do modelo de dados relacional para o modelo de dados dimensional e importância da estruturação e utilização desse tipo de modelo de dados em projetos analíticos.
Conteúdo Programático:
- Introdução e Conceito: o que é BI e Analytics e por que as empresas buscam cada vez mais?
- Conhecendo as fases de um projeto de BI e Analytics: partindo desde o entendimento de negócio e indo até a visualização de dados
- Tecnologia OLAP vs Tecnologia OLTP
- O que é Data Warehouse e qual a sua importância em um projeto de análise de dados?
- Modelagem Relacional vs Modelagem Dimensional
- Modelo Star Schema vs Modelo SnowFlake Schema
- Entendendo o que são tabelas "Fato" e "Dimensão"
- Exercício prático: criação de um modelo de dados relacional e de um modelo de dados dimensional
- Análise do modelo relacional, apresentando pontos fracos e fortes
- Análise do modelo dimensional, apresentando pontos fracos e fortes
- Comparação de ambos os modelos, troca de ideias e explicações sobre a utilização de modelos dimensionais em projetos analíticos
- Bônus: Boas práticas para carga de dados em um modelo dimensional (através de conceitos como Staging Area, indexação de tabelas, organização de cargas e um pipeline de dados bem estruturado)
Pré-requisitos:
Conhecimento básico em banco de dados, linguagem SQL e modelo ER
Local:
LAB 107 (Presencial)
Público:
Inscritos com a Infoeste
Número Máximo de vagas:
25
Períodos/Horários:
23/10/2023 (14:00:00 às 18:00:00)