-
2093-RF
THE USE OF THE MONDRIAN OLAP SERVER IN A SUGAR CANE HARVESTING
PLANNING SYSTEM
Rodrigo Edson Fernandes (Universidade Federal de So Carlos, So
Paulo, Brasil) [email protected] Carlos dos Santos
(Universidade Federal de So Carlos, So Paulo, Brasil)
[email protected] Abstract
Due to the large volume of information currently stored in the
databases, more and more companies are making use of the data
warehouse (DW) approach as an efficient way of storing and
retrieving information in order to support strategic decisions.
This paper presents the use of the Mondrian OLAP server in a sugar
cane harvesting planning system. Mondrian is an OLAP server written
in Java which enables anyone to interactively analyze very large
datasets stored in SQL databases without writing SQL queries. The
paper covers the use of this technology in a data warehouse built
from information of a database implemented in PlanCol which is a
strategic information system that among other features implements
the management and planning of sugar cane harvesting.
Key-words: Mondrian, Data warehouse, ETL, JPivot, OLAP
Uso do servidor OLAP Mondrian em um Sistema de Planejamento de
colheita de cana-de-acar
Resumo
Devido ao grande volume de informaes armazenadas atualmente,
cada vez mais as empresas esto fazendo uso de abordagens de Data
Warehouse (DW) como um mecanismo eficiente de armazenamento e
recuperao de informaes para auxiliar nas tomadas de decises
estratgicas. Para encontrar as informaes nestes DWs foram
desenvolvidas vrias ferramentas chamadas de OLAP (On-line
Analytical Processing) que tem a capacidade para manipular e
analisar grandes volumes de dados sob mltiplas perspectivas. Entre
elas est a plataforma Mondrian que um servidor OLAP open
sourceescrito em Java, que possibilita a anlise destes
dados/informaes sem que haja necessidade de consultas em SQL. O
artigo apresenta o uso do Mondrianem um DW construda a partir das
informaes de um banco de dados implementado no sistema PlanCol que
entre outras funcionalidades faz o planejamento da colheita de cana
de acar.
Palavras-Chave: Mondrian, Data warehouse, ETL, JPivot, OLAP
Agradeo aos amigos Murilo Habemann Torquato e Tiago A. B.
Torrete que juntamente comigo desenvolveram o PlanCol durante a
ps-graduao e a empresa Logtrac que ofereceu apoio para o
desenvolvimento do PlanCol.
2267
7 CONTECSI - International Conference on Information Systems and
Technology Management
TECSI - Laboratrio de Tecnologia e Sistemas de Informao FEA USP
- www.tecsi.fea.usp.br
-
1. Introduo
O aumento da competitividade mundial est obrigando as usinas de
cana-de-acar a sempre planejar e acompanhar suas operaes com
confiabilidade. Para isso elas esto aprofundando a informatizao dos
seus processos produtivos e fazendo uso de softwares que simulam ou
preveem por meios matemticos e/ou estatsticos a factibilidade das
suas operaes com os recursos, equipamentos, mquinas e mo-de-obra,
que possuem. Assim elas tero um meio para estipular metas e avaliar
a necessidade da compra ou contratao de novos recursos.
Essa informatizao garante um maior controle dos processos,
possibilitando comparaes entre o que foi planejado e o que foi
realizado, conseguindo assim avaliar qual problema pode estar
comprometendo suas metas ou descobrir mais rapidamente qual soluo
est trazendo resultados satisfatrios, possibilitando uma evoluo
mais gil no seu processo de qualidade.
No entanto, a grande quantidade de informaes geradas por esses
softwares, muitas vezes dificulta uma visualizao rpida e eficaz dos
fatores que mais influenciam a produo e a reduo de custos, ou
apenas mostram uma viso atual do processo sem a possibilidade de
comparao com perodos anteriores ou com informaes de softwares que
as usinas possuem de fornecedores diferentes.
nesse cenrio que um Data Warehouse (DW) pode ser implantado,
para possibilitar uma anlise de forma relacionada e organizada das
informaes oriundas dos vrios softwares e setores das usinas, como j
vem sendo feito por vrios setores do mercado.
Essa crescente adeso dos DWs pelo mercado incentivou os
fornecedores de tecnologia, como Microsoft, Oracle, IBM, entre
outros, a desenvolverem mecanismos mais eficientes para sintetizar
essas informaes. Estes mecanismos so chamados de servidores OLAP,
que tm como objetivo possibilitar um suporte s necessidades
gerenciais da informao, gerando vises multidimensionais do negcio e
permitindo que os dados sejam vistos de vrios ngulos.
Este artigo discute a utilizao do servidor OLAP Mondrian, em um
DW, construdo a partir dos dados gerados pelo PlanCol, que
possibilitar aos seus usurios uma anlise histrica das programaes de
colheita j realizadas em suas safras anteriores.
A seo 2 desse artigo discute pesquisas anteriores realizadas
sobre o assunto. Na seo 3 apresentada a fundamentao terica sobre
ambientes de DW e suas principais caractersticas. Uma introduo
sobre o servidor OLAP Mondrian realizada na seo 4 e a apresentao do
funcionamento do PlanCol encontra-se na seo 5. A construo do DW do
PlanCol, chamado de PlanColDW, est descrita na seo 6 e finalmente a
seo 7 descreve a aplicao do servidor OLAP Mondrian sobre o
PlanColDW seguida pela seo 8 com a metodologia e as concluses do
artigo na seo 9.
2. Pesquisas anteriores realizadas sobre o assunto
Trabalhos sobre Data Warehouse e ferramentas OLAP esto sendo
desenvolvidos em vrias reas da indstria e governo. A seguir sero
apresentados alguns destes projetos.
2268
7 CONTECSI - International Conference on Information Systems and
Technology Management
TECSI - Laboratrio de Tecnologia e Sistemas de Informao FEA USP
- www.tecsi.fea.usp.br
-
Para a sade pblica, Santos et. al., 2006 propuserem um projeto
de DW, seguindo a abordagem de Inmon [INMON, 1997], em que os dados
resultantes do Departamento de informtica do SUS (DATASUS) so
processados e disponibilizados para as coordenadorias, diretorias
regionais e gestores dos municpios.
Na indstria, temos uma aplicao voltada para a anlise dos dados
obtidos pelos sistemas que controlam o cho-de-fbrica [Fortulan e
Gonalves, 2005], em que os dados so reunidos em um DW e consultados
por um servidor OLAP, por meio do qual os gerentes podem fazer uso
para fundamentar suas decises.
Alguns trabalhos com o Mondrian propem interfaces para facilitar
a visualizao dos dados pelo usurio final, geralmente gerentes, que
no possuem o domnio das linguagens usadas nas consultas dos
dados.
Neste quadro, temos o trabalho de Fernandes e Kantorski
[FERNANDES e KANTORSKI, 2008] que descreve o desenvolvimento da
ferramenta Neuro BI, desenvolvida usando as tecnologias Mondrian e
JPivot [PENTAHO II, 2009] e a biblioteca de tags JSP (JavaServer
Pages) que facilita o uso de tabelas OLAP em pginas WEB, visando
agregar meios/recursos que facilitem a criao de relatrios pelos
usurios que no so da rea de informtica, facilitando assim a
utilizao de DWs pelos mesmos.
3. Fundamentao terica sobre um ambiente DW
O DW surgiu a partir da necessidade de conseguir analisar uma
grande quantidade de dados provenientes de diversas origens com
formatos e padronizaes diferentes, de uma forma gil, a fim de
transformar esses dados em informaes que possam gerar um
diferencial competitivo.
Ele pode ser considerado um enorme repositrio central que
armazena as informaes de uma organizao de maneira consolidada e de
forma histrica, preocupando-se em integrar e consolidar as
informaes de fontes internas, na maioria das vezes heterogneas, e
fontes externas, sumarizando, filtrando e limpando esses dados,
preparando-os para dar suporte tomada de deciso. [MACHADO, 2009].
Suas principais caractersticas so:
x Orientado a assunto - armazena dados importantes sobre temas
especficos do negcio de uma organizao; x Possui dados consolidados
- consolida dados de diferentes fontes, em uma estrutura nica e
consistente. x Varivel no tempo - permite o acompanhamento histrico
dos dados ao longo do tempo; e x No voltil as informaes no so
modificadas
Sua construo envolve um complexo processo de anlise do negcio,
seguido de um projeto dimensional, que deve envolver diretamente os
executivos da empresa, em que so definidas as divises das
informaes, chamadas de dimenses, e a granularidade em que os dados
sero consolidados. Posteriormente feito um mapeamento dos dados nos
sistemas legados, para ento dar incio ao processo de extrao,
transformao e carga (ETL - Extract,Transform, and Load) dos mesmos
no DW, que pode ser dividido em Data Marts, ou usado diretamente
pelas ferramentas de relatrio, Data Mining ou OLAP, como
exemplificado na figura 1.
O processo de ETL consiste em levantar e analisar todas as
fontes de dados em que as informaes necessrias ao DW se encontram,
para ento extrair de
2269
7 CONTECSI - International Conference on Information Systems and
Technology Management
TECSI - Laboratrio de Tecnologia e Sistemas de Informao FEA USP
- www.tecsi.fea.usp.br
-
forma padronizada as informaes e em seguida transform-las no
formato esperado pelo DW, consolidando e limpando o que no
necessrio antes de carregar os dados efetivamente para as tabelas
do DW, como demonstrado na figura 2.
Figura 1 - Processo de construo de um DW [baseada em MAZN et.
al.,2008]
Figura 2 - Processo de ETL [Baseada em VASSILIADS et. al.,
2008]
Aps a criao do DW, as empresas podem fazer uso das chamadas
ferramentas OLAP, termo esse, que foi citado pela primeira vez por
E. F. Codd, quando ento definiu doze regras que estas aplicaes
deveriam atender, sendo uma destas regras, possibilitar uma viso
multidimensional dos negcios de uma empresa, a qual se tornou a
caracterstica fundamental no desenvolvimento destas aplicaes
[ANZANELLO, 2002].
Dentre as ferramentas OLAP, temos o Mondrian, usado neste artigo
em conjunto com o DW construdo a partir dos dados do PlanCol
(PlanColDW) para fornecer uma soluo de BI (Business Intelligence)
de baixo custo que possibilite aos usurios do PlanCol consultar
seus dados de uma forma histrica e multidimensional.
4. Servidor OLAP Mondrian
Desenvolvido pela Pentaho [PENTAHO I, 2009], o Mondrian um
produto open source escrito em Java que executa consultas MDX
(Multidimensional Expression - uma linguagem que prov uma sintaxe
especializada para consultas em
2270
7 CONTECSI - International Conference on Information Systems and
Technology Management
TECSI - Laboratrio de Tecnologia e Sistemas de Informao FEA USP
- www.tecsi.fea.usp.br
-
dados multidimensionais), e retorna os resultados em um formato
multidimensional atravs de uma API Java, podendo ser conectado a
vrios bancos de dados relacionais.
Ele possibilita uma anlise de grandes volumes de dados,
tipicamente muitos milhes de registros em tempo real, isso
significa que o sistema deve responder as consultas o mais rpido
possvel para gerar uma interatividade na explorao dos dados, ou
seja, permitir que o usurio avance ou recue nos detalhamentos das
dimenses com rapidez.
A seguir a tabela 1 exemplifica uma anlise multidimensional que
pode ser obtida pelo Mondrian.
Tabela 1 - Formato multidimensional de dados [PENTAHO I, 2009]
Ano 2000 2001 Crescimento
ProdutoVendas em
DlaresVendas em Unidades
Vendas em Dlares
Vendas em Unidades
Vendas em Dlares
Vendas em Unidades
Total $7073 2693 $7636 3008 8% 12%
Livros $2753 824 $3331 966 21% 17%
Fico $1341 424 $1202 380 -10% -10%
No Fico $1412 400 $2129 586 51% 47%
Revistas $2753 824 $2426 766 -12% -7%
Greetings cards
$1567 1045 $1879 1276 20% 22%
Neste exemplo, o eixo das linhas representa todos os produtos,
livros de fico e no fico, revistas e assim por diante e o eixo das
colunas representa o produto cartesiano com informaes dos anos 2000
e 2001 e o crescimento na ltima coluna. Cada clula representa as
vendas de uma categoria de produto em um determinado ano. Como
exemplo, na tabela anterior, est representado que as vendas em
dlares de revistas em 2001 foram de $ 2426.
A tabela1 tambm demonstra o recurso de detalhar as hierarquias
de uma dimenso, como feito nos membros da categoria livro, Fico e
No Fico, e a possibilidade do uso de frmulas, como as usadas nas
colunas de Crescimento.
Para este caso foram usadas apenas duas dimenses, produto e
tempo, representando o fato vendas, mas podem ser usadas quantas
dimenses forem necessrias para representar as informaes desejadas
pelos gerentes. O conjunto de dimenses, hierarquias e medidas
chamado de cubo.
Para recuperar os conjuntos de dados como o demonstrado na
tabela 1, o Mondrian faz uso da linguagem MDX, que sua principal
linguagem de consulta. A sintaxe bsica do MDX a primeira vista
lembra a SQL, porm enquanto a SQL executada diretamente nas tabelas
do banco de dados, a MDX executada sobre um cubo, que deve ser
configurado usando as tabelas de fato e dimenses do DW.
A seguir, est um exemplo de consulta MDX simples, onde so
obtidas as informaes Unit Sales e Store Sales do fato Measures que
esto no cubo Salesfiltrando os dados pela dimenso Time onde ela
seja igual a 1997 no segundo quadril (Q2).
2271
7 CONTECSI - International Conference on Information Systems and
Technology Management
TECSI - Laboratrio de Tecnologia e Sistemas de Informao FEA USP
- www.tecsi.fea.usp.br
-
SELECT {[Measures].[Unit Sales], [Measures].[Store Sales]} ON
COLUMNS, {[Product].members} ON ROWS FROM [Sales] WHERE
[Time].[1997].[Q2]
5. PlanCol Sistema de planejamento de colheita de
cana-de-acar.
O PlanCol um sistema online de planejamento de colheita que visa
ajudar o usurio a selecionar os talhes de uma fazenda que traro
melhor resultado ao serem colhidos em um determinado perodo,
possibilitando tambm uma previso de quando cada frente de colheita
dever se deslocar de uma fazenda para outra.
O PlanCol foca no horizonte de tempo da safra e fornece ao
usurio um mecanismo que permite a ele programar uma sequncia de
talhes para uma determinada frente de colheita, baseando-se nos
parmetros informados na filtragem dos talhes, como distncia mnima,
idade mnima da cana-de-acar, dentre outros.
Essas programaes, ficam armazenadas no banco de dados do
PlanCol, porm, passado o perodo a que essa programao pertence, ela
perde sua validade estratgica e se torna apenas um documento que
diz o que foi programado, para quem e quando.
A implantao do DW do PlanCol tem como finalidade impedir que os
dados estratgicos das programaes fiquem esquecidos,
disponibilizando ao usurio meios para que ele possa analisar os
dados das programaes realizadas no passado, retirando delas
conhecimentos que possam ajudar nas programaes futuras.
6. Data Warehouse do PlanCol - PlanColDW
O PlanColDW armazena historicamente os dados das programaes de
colheita dos usurios do PlanCol, possibilitando uma anlise
comparativa das programaes das safras anteriores com as da safra
atual, permitindo que o usurio avalie qual programao j realizada
anteriormente trouxe um bom resultado e us-la como guia para uma
nova programao.
O modelo de dados utilizado no DW o modelo dimensional onde os
dados so geralmente representados utilizando o esquema estrela
[KIMBALL et al.,1998]. Tal esquema estruturado ao redor de uma
tabela principal, denominada fato, que se liga s tabelas
secundrias, denominadas dimenses, como mostra a figura 3 a seguir,
sendo que:
x A tabela fato armazena as medidas numricas do PlanCol, como
rea colhida e a produo esperada. x As dimenses so as descries
secundrias que envolvem o negcio, como a frente de colheita e o
fundo agrcola.
A granularidade do PlanColDW para a dimenso tempo, tem como
unidade mxima de detalhamento o dia, ou seja, essa unidade ter o
maior nvel de detalhes possvel em uma consulta. Esse nvel de
granularidade deve ser considerado no processo de ETL para
consolidar os dados do PlanCol nessa unidade.
2272
7 CONTECSI - International Conference on Information Systems and
Technology Management
TECSI - Laboratrio de Tecnologia e Sistemas de Informao FEA USP
- www.tecsi.fea.usp.br
-
Como a nica fonte de informao do PlanColDW ser o banco de dados
do PlanCol, o processo de ETL no precisa se preocupar em normalizar
informaes de softwares de fornecedores diferentes.
Figura 3 - Diagrama fsico do PlanColDW
Na fase de extrao, os atributos e tabelas desnecessrias ao
PanColDW foram ignorados, e algumas informaes que no PlanCol
estavam distribudas em mais de uma tabela, como as que so esperadas
pela dimenso fundo_agricola, que no PlanCol esto divididas entre as
tabelas fundo_agricola e talhao, apresentadas na figura 4, foram
extradas de forma unificada.
As informaes extradas nessa fase so inseridas antes em um banco
de dados intermedirio, chamado de DSA (Data Starting Area) onde
foram posteriormente transformados e limpos conforme a necessidade
pelo processo de transformao.
Com as informaes na DAS, a fase de transformao da ETL aplicada
para limpar e consolidar os dados extrados na unidade mnima de
granularidade esperada pelo DW, no caso o dia.
Aps a transformao das informaes da DAS, os dados so carregados
no PalnColDW, aplicando uma ateno especial para manter a
integridade do DW, uma vez que existe uma desnormalizao proposital
dos dados para atender suas caractersticas multidimensionais.
2273
7 CONTECSI - International Conference on Information Systems and
Technology Management
TECSI - Laboratrio de Tecnologia e Sistemas de Informao FEA USP
- www.tecsi.fea.usp.br
-
Figura 4 - Diagrama fsico do banco de dados do PlanCol
7. Aplicao do Servidor OLAP Mondrian no PlanColDW
Para traduzir as consultas MDX em consultas SQL o Mondrian faz
uso de um cubo de dados que deve ser configurado em XML a partir
das tabelas do PlanColDW. Para facilitar a criao desse cubo, a
Pentaho possui uma ferramenta chamada Schema Workbench, que fornece
uma interface grfica para essa configurao, conforme apresentado na
figura 5.
2274
7 CONTECSI - International Conference on Information Systems and
Technology Management
TECSI - Laboratrio de Tecnologia e Sistemas de Informao FEA USP
- www.tecsi.fea.usp.br
-
Figura 5 - Cubo do PlanColDW criado pela ferramenta Schema
Workbench
Com o cubo gerado, necessrio configurar o Mondrian para usar o
XML em suas consultas. Para isso o XML deve ser copiado para a
pasta /WEB-INF/queries do Mondrian e em seguida deve ser alterado o
arquivo web.xml, alterando os elementos connectString para usar o
nome do arquivo XML gerado.
Com o servidor configurado, o Mondrian pode executar as
consultas MDX e recuperar os dados do PlanColDW, como exibido na
figura 6.
As consultas MDX executadas pelo Mondrian so muito complexas
para serem montadas pelos usurios finais, geralmente diretores e
gerentes, que no possuem um conhecimento avanado em computao.
Visando solucionar esse problema, foi criada a ferramenta JPivot,
tambm distribuda pela Pentaho, que usada em conjunto com o Mondrian
oferece aos usurios finais uma interface grfica amigvel para
manipulao dos dados do DW. A figura 7 apresenta o resultado de uma
consulta MDX exibida pelo JPivot.
O JPivot, permite que o usurio navegue pelos nveis de
detalhamento das dimenses com facilidade, bastando apenas clicar no
smbolo de (+) mais ou (-) menos ao lado da dimenso, como mostra a
figura 8.
2275
7 CONTECSI - International Conference on Information Systems and
Technology Management
TECSI - Laboratrio de Tecnologia e Sistemas de Informao FEA USP
- www.tecsi.fea.usp.br
-
Figura 6 - Exemplo de consulta MDX
Figura 7 - Consulta MDX exibida pelo JPivot
Figura 8 - Exemplo de navegao entre as dimenses do Cubo
2276
7 CONTECSI - International Conference on Information Systems and
Technology Management
TECSI - Laboratrio de Tecnologia e Sistemas de Informao FEA USP
- www.tecsi.fea.usp.br
-
O JPivot permite que o usurio visualize, e se desejar alterar, a
consulta MDX que corresponde aos dados que esto sendo exibidos no
momento, clicando no boto MDX da barra de ferramentas, conforme a
figura 9.
Figura 9 - Consulta MDX gerada pelo JPivot
Com o JPivot o usurio pode alterar as dimenses que esto sendo
exibidas e aplicar filtros ou inverter as dimenses que esto nas
linhas ou nas colunas.
As configuraes de filtro ou quais dimenses sero exibidas na
consulta podem ser feitas pelo primeiro boto da barra de
ferramentas, conforme exibido na figura 10.
Figura 10 - Configurao dos dados exibidos
8. Metodologia
As metodologias utilizadas para produzir e apresentar uma sntese
dos resultados discutidos neste artigo foram em trs frentes de
trabalho. Primeiro uma metodologia robusta (processo unificado)
para desenvolvimento do sistema PlanCol envolvendo o conhecimento
do primeiro autor deste artigo na rea sucroalcooleira.
2277
7 CONTECSI - International Conference on Information Systems and
Technology Management
TECSI - Laboratrio de Tecnologia e Sistemas de Informao FEA USP
- www.tecsi.fea.usp.br
-
Esta mesma metodologia foi utilizada para a extenso das
funcionalidades do PlanCol para incorporar mecanismos de apoio
deciso com a criao de um DW e o uso do sistema Mondrian responsvel
pela produo de relatrios executivos. Segundo, uma metodologia para
a produo de uma monografia exigida em um curso de Ps-Graduao
lato-sensu. Ela exigiu pesquisas e leituras em livros, artigos
cientficos e na internet. Terceiro uma abordagem muito semelhante
da produo da monografia, mas esta mais focada na elaborao deste
artigo.
9. Concluso
Este artigo conclui que com o uso de ferramentas livres,
qualquer empresa pode montar, sem a necessidade de grandes
investimentos, uma ferramenta de BI para ajudar seus executivos a
fundamentarem suas decises em dados histricos.
A montagem do DW em si o passo mais complexo e caro a ser
implantado, e pode exigir a contratao de uma consultoria
especializada, porm o uso do Mondrian combinado com o JPivot,
elimina a necessidade do pagamento de qualquer tipo de licena de
uso de software, conforme demonstrado neste artigo, usando apenas
ferramentas livres.
Para as usinas de cana de acar, que geralmente so carentes desse
tipo de ferramenta, este trabalho pode servir de modelo e
incentivo, a fim de popularizar o uso de DWs e ferramentas OLAP no
auxlio tomada de deciso estratgica.
Este artigo o resultado da implementao de um sistema e a sua
extenso para incorporar funcionalidades importantes para apoiar a
tomada de deciso.
10.Referncias Bibliogrficas
ANZANELLO, C. A. OLAP conceitos e utilizao. Instituto de
Informtica, UFRGS. (Disponvel em:
www.inf.ufrgs.br/~clesio/cmp151/cmp15120021/artigo_cynthia.pdf.
Acesso em: Maro de 2009).
FERNANDES, M.S.; KANTORSKI, G. Z. Neuro BI: Uma ferramenta WEB
open source para apoio tomada de deciso. Santa Maria: Universidade
Luterana do Brasil, 2008. 181p.
FORTULAN, M. R.; GONALVES, E. V. F. Uma proposta de aplicao de
Business Intelligence no cho-de-fbrica. Gesto & Produo, v. 12,
n. 1, p 55-66. 2005.
INMON, W. H. Como construir o Data Warehouse, Rio de Janeiro:
Campus, 1997.
KIMBALL, R., REEVES L., ROSS M., THORNTHWAITE W. The Data
Warehouse Lifecycle Toolkit. John Wiley & Sons, 1998.
MACHADO, F. N. R. Tecnologia e Projeto de Data Warehouse. So
Paulo: Erica, 2009.
2278
7 CONTECSI - International Conference on Information Systems and
Technology Management
TECSI - Laboratrio de Tecnologia e Sistemas de Informao FEA USP
- www.tecsi.fea.usp.br
-
MAZN, J., TRUJILLO, J., SERRANO, M., e PIATTINI, M. Applying MDA
to the Development of Data Warehouses, Proceedings of the 8th ACM
international workshop on Data warehousing and OLAP, 4-5 de
novembro, Bremen, Germany, 2005, pp 56-66.
PENTAHO (I): Pentaho Analysis Services: Mondrian Project.
Disponvel em: Acessado em: 25/07/2009.
PENTAHO (II): JPivot - a JSP based OLAP client. Disponvel em:
Acessado em: 25/07/2009.
SANTOS, R. S.; GUTIERREZ, M. A.; FURUIE, S.; TACHINARDI, U.
Projeto de um Data Warehouse para a Sade Pblica. Departamento de
Informtica em Sade (DIS); Universidade Federal de So Paulo
(UNIFESP), Brasil; Servio de Informtica, Instituto do Corao
(INCOR); Universidade de So Paulo (USP), Brasil; Secretaria de
Estado da Sade de So Paulo, 2006.
VASSILIADIS, P.; SIMITSIS, A.; SKIADOPOULOS, S.; Conceptual
Modeling for ETL Processes. In: Proc. of Data Warehousing and OLAP
(DOLAP'2002) ACM 5th Intl Workshop in conjunction with CIKM02,
McLean-USA. AnaisNovember 8, 2002.
2279
7 CONTECSI - International Conference on Information Systems and
Technology Management
TECSI - Laboratrio de Tecnologia e Sistemas de Informao FEA USP
- www.tecsi.fea.usp.br