Modelo multidimensional

Os datasets são as estruturas que contêm os dados acessíveis a partir do Vision.

Em dashboards simples, a conceção dos datasets normalmente não requer um trabalho específico. Praticamente qualquer origem de dados pode ser utilizada para criar um dashboard, pelo que, nestes casos, os dashboards adaptam-se aos datasets.

No entanto, à medida que aumenta a complexidade dos dashboards, os datasets devem ser concebidos em função das necessidades da visualização. Aspetos como o desempenho, a frequência de atualização ou a própria estrutura dos dados são determinantes para obter um modelo de dados adequado à sua exploração. Além disso, as decisões de conceção podem afetar tanto a estrutura dos dados de origem como a forma como estes são incorporados no Vision através de processos ETL.

Os datasets do Vision seguem um modelo de dados multidimensional, semelhante à origem de dados de uma tabela pivot ou de um cubo OLAP. Neste modelo, cada registo (linha) é composto por:

• Dimensões, que descrevem as características do registo;
• Medidas, que contêm os valores associados a essa combinação de dimensões.

Por exemplo, um dataset de eventos pode ser composto pelas seguintes dimensões:

• Data mensal;
• Tipo;
• Classe;

E pelas seguintes medidas:

• Número de eventos;
• Dias de execução.

A partir deste mesmo dataset, diferentes consultas permitem obter distintas visualizações, por exemplo:

• Número de eventos por mês;
• Percentagem de eventos por tipo;
• Classes que aumentam os eventos em relação ao mês anterior;
• Tipos e classes cujo tempo médio de execução ultrapassa um determinado valor.

Modelo multidimensional, diferentes vistas dos dados de origem

Ao conceber um dataset, é importante definir que dimensões e medidas deve conter, bem como o nível de agregação mais adequado às necessidades do dashboard.

Existem duas abordagens principais:

• Desagregação ao nível das transações: proporciona maior flexibilidade para realizar cálculos e análises, mas implica um maior volume de dados e pode afetar o desempenho das consultas;
• Elevado nível de agregação: reduz o tempo de resposta das visualizações, embora limite o nível de detalhe disponível.

A escolha do nível de agregação dependerá dos requisitos de cada dashboard e do equilíbrio que se pretenda alcançar entre flexibilidade e desempenho.