Medição de Tamanho para Sistemas de Data Mart

• Angélica Toffano S. Calazans Caixa Econômica Federal
• Káthia Marçal de Oliveira UCB
• Rildo Ribeiro dos Santos UCB

DOI: https://doi.org/10.5753/sbqs.2004.16210

Resumo

Para melhor controlar tempo, custo e recursos em projetos de software as organizações necessitam uma forma adequada de estimar o tamanho dos projetos antes mesmo de eles realmente iniciarem. Nesse contexto, diferentes abordagens foram propostas para estimar o tamanho de um sistema. A maioria dessas abordagens tem como objetivo medir o tamanho de qualquer tipo de sistema, não importando a tecnologia. Contudo, alguns autores argumentam que cada tecnologia tem particularidades específicas e que essas devem ser levadas em consideração. Sistemas de Data Mart, por exemplo, têm particularidades diferentes dos sistemas tradicionais. É importante, portanto, ter uma abordagem de estimativa que considere estas particularidades quando na medição de Data Mart. Este trabalho apresenta uma adaptação da abordagem de Análise por Pontos de Função para estimativa de tamanho de Data Mart. São apresentados, também, resultados da aplicação desta proposta em projetos reais da indústria.

Palavras-chave: Métricas funcionais, Data Mart, estimativa de tamanho, Análise por pontos de Função

Referências

AGUIAR, Maurício. Estimando os projetos com Cocomo II no RUP. Developers Magazine. Set/2002.

BARBIERI, C. BI-Business Intelligence – Modelagem & tecnologia. Rio de Janeiro: Axcel Books do Brasil Editora, 2001.

CALAZANS, A., OLIVEIRA, K., SANTOS, R. Dimensionando Data Marts :Uma adequação de uma métrica funcional. In: II Simpósio Brasileiro de Qualidade de Software, 2003. Fortaleza. Anais SBQS 2003. Fortaleza, Unifor, 2003.

IFPUG. International Function Point Users Group. Function Point Counting Practices Manual: Release 4.1. Ohio: IFPUG. 2000. 1 v.

FENTON, N., PFLEEGER, S. Software metrics a rigorous & practical approach. 2nd. Ed., PWS Publishing Company, 1997.

GARMUS, D., HERRON, D. Function point analysis – measurement practices for successful software projects. Addison-Wesley Information Technology Series, 2000.

INMON, W.H. , Definition of a Data Warehouse. 1999. Disponível em: <www.billinmon.com/library/articles/dwedef.asp. Acesso em 05 Mai 2003.

ISBSG. Benchmarking Repository, Release 6. ISBSG. Abr, 2002.

KIMBALL, R., ROSS, M. Data warehouse toolkit: o guia completo para modelagem multidimensional.Rio de Janeiro: Campus, 2002. 494 p.

LOKAN, C., ABRAN, A. Multiple viewpoints in functional size measurement. In: International Workshop on Software measurement - IWSM’99. Canada. p. 121- 132, 1999.

PHADKE, M.S., Quality Engineering Using Robust Design. Prentice Hall, Englewood Cliffs New Jersey, 1989.

SIMÕES, C. Sistemática de Métricas, qualidade e produtividade. Developers’ Magazine, Brasil, 1999.

VIEIRA, S. Estatistica Experimental. 2.ed, São Paulo: Atlas. 1999.

WITTIG, G., MORRIS, P., FINNIE, G., RUDOLPH, E. Formal methodology to establish function points coefficientes. School of Information Technology. Australia, [1997?].

WOHLIN,C., RUNESON,P., HOST,M.,OHLSSON, M.,REGNELL, B., WESSLEN, A. Experimentation in Software Engineering An Introduction. Kluwer Academic Publishers. Londres, 2000.