Entender e aceitar que estamos na chamada \u201cera dos dados\u201d n\u00e3o \u00e9 o suficiente para as empresas. \u00c9 necess\u00e1rio mergulhar nesse universo e aprender mais sobre as tecnologias que ajudam a lidar com esses dados.<\/p>\n
Estruturas de armazenamento, por exemplo, s\u00e3o importantes por permitirem que se guarde conjuntos de dados para us\u00e1-los no momento ideal. Quando falamos em banco de dados e em armazenamento de dados, o tamanho \u00e9 uma vari\u00e1vel fundamental. Afinal, se pensarmos em uma escala grande, como o Big Data, \u00e9 preciso contar com uma estrutura t\u00e3o extensa e flex\u00edvel quanto ele.<\/p>\n
Contudo, ultimamente, h\u00e1 uma demanda por diminuir o escopo e por olhar para dados espec\u00edficos, menores. Nesse sentido, surge em cena a concep\u00e7\u00e3o de Data Mart. Para aprofundar nesse conceito, \u00e9 crucial compreender como ele se diferencia do Data Warehouse e assimilar suas caracter\u00edsticas mais relevantes. Assim, voc\u00ea poder\u00e1 entender como implementar um e usar para o bem de sua empresa.<\/p>\n
Neste artigo, veremos:<\/p>\n
Um Data Mart (DM) nada mais \u00e9 do que uma subse\u00e7\u00e3o de um Data Warehouse (DW). Um Data Warehouse, por sua vez, \u00e9 um reposit\u00f3rio de dados organizados e esquematizados para an\u00e1lises posteriores. O Warehouse envolve dados em conjuntos espec\u00edficos, de acordo com sua finalidade e com o departamento que usa aqueles dados. Cada conjunto desse \u00e9 um Data Mart. O Mart \u00e9 organizado, tamb\u00e9m, em linhas e colunas, e apresenta dados transacionais em um formato acess\u00edvel para an\u00e1lises segmentadas e departamentais.<\/p>\n
Por exemplo, o time de vendas pode ter acesso a dados e relat\u00f3rios importantes sobre o desempenho comercial em um dashboard. J\u00e1 o time de marketing visualiza os dados desse setor, e o departamento da log\u00edstica pode checar seus indicadores, tamb\u00e9m. Da mesma forma, pode ser \u00fatil para os projetos internos de Data Science, como em an\u00e1lises de dados feitas por intelig\u00eancia artificial. S\u00e3o dados pontuais, sem necessariamente apresentarem uma profundidade hist\u00f3rica. Est\u00e3o agrupados sob o formato estrela, de fatos e dimens\u00f5es, que tamb\u00e9m caracteriza o Data Warehouse.<\/p>\n
O pequeno volume de dados satisfaz a necessidade moderna por \u201csmall data\u201d, uma varia\u00e7\u00e3o do Big Data que foca precis\u00e3o nas an\u00e1lises. Com o small data, a tend\u00eancia \u00e9 filtrar melhor os dados para obter an\u00e1lises mais eficientes, descentralizadas e pontuais. A ideia \u00e9 exaltar a autonomia entre os departamentos para que todos consigam analisar seus dados ao mesmo tempo, e impulsionem a cultura data driven da empresa sem uma base de dados centralizada e complexa.<\/p>\n
O Data Mart \u00e9 mais um esfor\u00e7o das companhias para gerenciar melhor os dados no momento de transforma\u00e7\u00e3o digital em que vivemos. Nesse per\u00edodo, \u00e9 importante ser data driven (ter os dados como fundamento da cultura) e tomar decis\u00f5es somente com um bom embasamento. Assim, \u00e9 preciso se preocupar com a limpeza dos dados, com a seguran\u00e7a e com a agilidade nas consultas e an\u00e1lises. Como veremos mais adiante, o Data Mart oferece solu\u00e7\u00f5es para cada uma dessas quest\u00f5es.<\/p>\n
Avan\u00e7ando na discuss\u00e3o, podemos comparar tr\u00eas diferentes tipos de Data Mart. Eles se diferem com rela\u00e7\u00e3o \u00e0 forma como os dados s\u00e3o agregados e quanto \u00e0 associa\u00e7\u00e3o com Warehouses.<\/p>\n
Primeiro, temos o Mart independente. Nesse caso, significa desprendimento da no\u00e7\u00e3o de Data Warehouse. \u00c9 um sistema isolado, criado sem a assist\u00eancia de um DW, a partir de extra\u00e7\u00e3o direta de dados transacionais e\/ou de dados externos. A arquitetura de Data Mart \u00e9 priorizada como um conjunto de reposit\u00f3rios iniciais para alavancar as an\u00e1lises e consultas.<\/p>\n
Um DM dependente \u00e9 aquele que \u00e9 extra\u00eddo de um Warehouse existente e j\u00e1 estabelecido. Ou seja, \u00e9 o processo de separar dos dados centralizados para uma an\u00e1lise segmentada e setorial. Nesse caso, a prioridade de constru\u00e7\u00e3o \u00e9 do DW, sendo que o DM vem como uma consequ\u00eancia para fins de otimizar uma an\u00e1lise pontual.<\/p>\n
Evidentemente, existe uma vers\u00e3o h\u00edbrida, que busca combinar o melhor dos universos. Une a for\u00e7a de integra\u00e7\u00e3o do independente com a agilidade da extra\u00e7\u00e3o de dados no dependente para oferecer uma solu\u00e7\u00e3o personalizada e espec\u00edfica.<\/p>\n
Falaremos, agora, sobre as vantages de um DM para sua empresa.<\/p>\n
Por apresentar um escopo limitado, com menos dados e uma vis\u00e3o mais concentrada, os Data Marts favorecem o aumento de velocidade nas an\u00e1lises e consultas. Geralmente, o tempo de resposta no acesso aos dados \u00e9 bem menor, com menos congestionamento e menos complexidade. Afinal, s\u00e3o dados limpos, j\u00e1 prontos, devidamente divididos por segmento e finalidade. Os projetos de DM s\u00e3o mais simples, o que torna o seu uso mais f\u00e1cil. O tempo para tirar do papel tamb\u00e9m \u00e9 mais r\u00e1pido do que um DW comum, o que \u00e9 uma vantagem grande para empresas que buscam resultados \u00e1geis.<\/p>\n
Um DM se destaca tamb\u00e9m por ser escal\u00e1vel e adapt\u00e1vel \u00e0 realidade da empresa. Eles possibilitam mudan\u00e7as r\u00e1pidas e f\u00e1ceis, de acordo com a situa\u00e7\u00e3o, uma vez que podem ser constru\u00eddos de diferentes maneiras.<\/p>\n
Por sua simplicidade e menor escopo, o DM tamb\u00e9m oferece um desempenho consideravelmente melhor do que um Data Warehouse. S\u00e3o bancos de dados consistentes, que se aproveitam do n\u00famero menor de opera\u00e7\u00f5es, e s\u00e3o mais est\u00e1veis, servindo melhor ao seu prop\u00f3sito.<\/p>\n
Cada departamento pode gerenciar seus pr\u00f3prios dados e cuidar do seu DM. Essa divis\u00e3o implica mais m\u00e3os para gerir os dados e para realizar as necess\u00e1rias manuten\u00e7\u00f5es na base. Por conseguinte, h\u00e1 redu\u00e7\u00e3o de problemas e menos instabilidade.<\/p>\n
No DM, h\u00e1 um controle mais estrito dos dados, o que favorece o compliance e a seguran\u00e7a. \u00c9 poss\u00edvel refor\u00e7ar os tr\u00eas pilares da seguran\u00e7a da informa\u00e7\u00e3o: a confidencialidade, com o controle de quem visualiza os dados, a integridade, com a gest\u00e3o da qualidade desses dados, e a disponibilidade, com a rapidez para acessar esses dados.<\/p>\n
Neste t\u00f3pico, vamos conhecer as etapas para desenvolver um DM em seu neg\u00f3cio.<\/p>\n
\u00c9 necess\u00e1rio pensar em quais dados ser\u00e3o transferidos para essa base e qual ser\u00e1 a abrang\u00eancia dela. Em outras palavras, a empresa precisa definir qual departamento vai focar nesse primeiro momento e filtrar os dados relevantes para an\u00e1lises e consultas pontuais eficientes. Como estamos falando de um DM, \u00e9 at\u00e9 evidente que se comece trabalhando com alguns departamentos para, depois, expandir aos poucos. No in\u00edcio, pode-se iniciar com apenas um, de modo a observar e aperfei\u00e7oar a implanta\u00e7\u00e3o.<\/p>\n
Em seguida, \u00e9 importante buscar a defini\u00e7\u00e3o sobre que tipo de DM ser\u00e1 implementado. Como vimos, sua companhia pode optar por come\u00e7ar com extra\u00e7\u00e3o direta das bases internas\/externas ou com uma desagrega\u00e7\u00e3o de<\/p>\n