Aula 6

SISTEMA GERENCIADOR
DE BANCO DE DADOS
1
10

Prof. Martin Morães

Conversa Inicial
 Técnica e Tecnologias

 Dados
 Tempo, espaço e
multimídia
 Descoberta de
conhecimento
 Tecnologias OLAP,
Date Harehouse e
mineração de dados
Contextualizando
 Técnica

 Como tratar dados

temporais,
geográficos e de
multimídia?
 Tecnologias

 Como organizar e
fornecer informações
para apoio a tomada
de decisões?
 Grande volume de
dados;
 Ferramentas -
Software
Pesquisa
 Banco de dados

 Ativos,
 Os temporais,
 Os espaciais e
 Os multimídia.
 DB Ativos

 Indicam um evento
 Executam uma rotina
 DB Ativos

 Modelo - ECA
 Evento
 Condição
 Ação
 Trigger
 DB Temporais

 Registros em função
do tempo
 Crônon / Ponto
 A menor informação de
interesse, em relação ao
tempo.
 DB Temporais

 Calendários
 Ex.: gregoriano -
ocidental, chinês, islâmico,
hindu, judeu, cóptico e
etc.
 Período
 ponto inicial e o ponto
final
 DB Temporais

 Tempo válido
 Referente ao ocorrido
 Tempo de transação
 Referente ao
armazenamento
 DB Espaciais

 “Os bancos de dados

espaciais incorporam
a funcionalidade que
oferece suporte para
bancos de dados que
registram objetos em
um espaço
multidimensional”.
 ELMASRI (2011, p. 644)
 DB Espaciais

 Armazenam
 Pontos
 Linhas
 Polígonos
 DB Multimídia

 Armazenar
 Consultar

 Identificação do
conteúdo
 Manual
 Software
Tecnologia OLTP
 OLTP

 Online Transaction
Processing
 Processamento de
Transações On-Line
 Processamento de
Transações em
tempo real
 OLTP

 Caracterizado por
automação e
integração dos
processos
operacionais.
 OLTP

 Microsoft (2016) refere-

se a estes sistemas
dizendo:
 “Processamento de
transações operacionais,
ou on-line (OLTP), as
cargas de trabalho são
caracterizadas por
transações pequenas,
interativas que
geralmente requerem
tempos de resposta em
tempo menores que
segundos”.
Tecnologia OLAP
 OLAP

 Online Analytical
Processing
 Processamento
Analítico Online
 OLAP

 “A aplicação OLAP
soluciona o
problema de síntese,
análise e
consolidação de
dados, pois é o
processamento
analítico online dos
dados”. ANZANELLO
(2007)
 OLAP

 “A visualização é
realizada em dados
agregados, e não em
dados operacionais
porque a aplicação
OLAP tem por
finalidade apoiar os
usuários finais a
tomar decisões
estratégicas”
 ANZANELLO (2007)
 OLAP

 Dados operacionais - OLTP

 OLAP

 Dados agregados
 OLTP x OLAP
Características OLTP OLAP
Operações Atualização Análise
Típicas
Telas Imutável Definida pelo
Usuário
Nível de Dados Atomizado Altamente
Sumarizado
Idade dos Presente Histórico,
Dados Atual,
Projetado
Recuperação Poucos Muitos
Registros Registros
Orientação Registro Array
Modelagem Processo Assunto
 Tecnologia
Data WareHouse
 Data WareHouse

 Data WareHouse
 “...data warehouses
oferecem
armazenamento,
funcionalidade e
responsividade às
consultas além das
capacidades dos
bancos de dados
orientados à
transação”.
 ELMASRI (2011, p. 720)
 Data WareHouse

 “Os data warehouses

têm a característica
distintiva de servir
principalmente para
aplicações de apoio à
decisão. Eles são
otimizados para
recuperação de dados,
e não para
processamento de
transação de rotina”.
 ELMASRI (2011, p. 720)
 Data WareHouse

 Aplicação:
 “Vários tipos de
aplicações - OLAP,
DSS e aplicações de
mineração de dados
- são aceitos”.
 ELMASRI (2011, p. 720)
 Tecnologia
Mineração de Dados
 Mineração de Dados

 A mineração de dados
ajuda na extração de
novos padrões
significativos que não
podem ser
necessariamente
encontrados apenas
ao consultar ou
processar dados ou
metadados...
 ELMASRI (2011, p. 698)
 Mineração de Dados

 Vamos tratar de:

 Descoberta de conhecimento
 Padrões
 Mineração de Dados

 Descoberta de conhecimento
 KDD - Knowledge Discovery in
Databases
 Seis fases
 seleção de dados,
 limpeza de dados,
 enriquecimento,
 transformação
 mineração
 relatório e exibição
 Mineração de Dados

 Padrões
 Regras de associação;
 Padrões sequenciais;
 Árvores de classificação
 Mineração de Dados

 Regras de associação
 Quando um fato
acontece outro fato
também acontece.
 Exemplo
 Reserva de hotel e
carro
 Mineração de Dados

 Padrões sequenciais
 O que geralmente
acontece na
continuidade.

 Exemplo
 Carro e
manutenção
 Mineração de Dados

 Árvores de classificação
 Formas diferentes
de classificar os
fatos.
 Mineração de Dados

 Árvores de classificação
 “os clientes podem ser
classificados por
frequência de visitas,
tipos de financiamento
utilizado, valor da
compra ou afinidade
para tipos de itens;
algumas estatísticas
reveladoras podem ser
geradas para essas
classes”.
 ELMARSI (2011, p. 698)
Síntese
 Técnica e Tecnologias

 Dados
 Tempo, espaço e
multimídia
 Descoberta de
conhecimento
 Tecnologias OLAP,
Date Harehouse e
mineração de dados
 Técnica

 Como tratar dados

temporais,
geográficos e de
multimídia?
 Tecnologias

 Como organizar e
fornecer informações
para apoio a tomada
de decisões?
 Grande volume de
dados;
 Ferramentas -
Software