BI e Data Warehouse

Business Intelligence (BI) é o conjunto de técnicas e ferramentas que transforma dados brutos em informação útil para apoiar decisões de negócio. Em vez de olhar dados espalhados, o BI reúne, organiza e apresenta indicadores em relatórios e painéis (dashboards).

Data Warehouse (DW)

Um Data Warehouse é um grande repositório que concentra dados de várias fontes da organização, organizados para análise (e não para operação do dia a dia).

OLTP x OLAP

Esta é uma das distinções mais importantes da área:

	OLTP (operacional)	OLAP (analítico)
Foco	Transações do dia a dia	Análise e decisão
Exemplo	Registrar uma venda	Analisar vendas do ano
Operações	Muitas escritas pequenas	Muitas leituras complexas
Onde	Banco transacional	Data Warehouse

Processo ETL

Os dados chegam ao DW por meio do ETL:

E — Extract (Extrair): coletar dados das fontes (sistemas, planilhas, APIs).
T — Transform (Transformar): limpar, padronizar e organizar.
L — Load (Carregar): gravar os dados tratados no Data Warehouse.

OLAP e cubos de dados

O OLAP (Online Analytical Processing) permite analisar dados sob várias perspectivas (dimensões), como num cubo. Operações típicas:

Drill down: descer ao detalhe (ano → mês → dia).
Roll up: subir ao resumo (dia → mês → ano).
Slice e dice: recortar e cruzar dimensões (ex: vendas por região e produto).

Modelagem dimensional

O DW é modelado com fatos e dimensões:

Tabela fato: guarda as métricas/medidas (ex: valor da venda, quantidade).
Tabelas dimensão: guardam o contexto (ex: tempo, produto, cliente, região).

Dois esquemas principais:

Estrela (star schema): uma tabela fato central ligada diretamente às dimensões. Simples e rápido.
Floco de neve (snowflake): as dimensões são normalizadas em várias tabelas. Economiza espaço, mas as consultas ficam mais complexas.

Data Mart

Um Data Mart é um “pedaço” do Data Warehouse focado em uma área específica (ex: um Data Mart só de vendas, outro só de RH). É menor e mais direcionado.