Inteligência Empresarial(Business Intelligence)

Sistemas de Informação

Prof. Me. Everton C. Tetila

Agenda1. O ciclo de inteligência competitiva1. O ciclo de inteligência competitiva

2. Introdução à Business Intelligence2. Introdução à Business Intelligence

3. Arquitetura de Business Intelligence3. Arquitetura de Business Intelligence

4. A Importância da qualidade dos dados4. A Importância da qualidade dos dados

5. BI no Gerenciamento de Projetos5. BI no Gerenciamento de Projetos

6. BI na Gestão Empresarial6. BI na Gestão Empresarial

7. Um exemplo7. Um exemplo

O ciclo de inteligência competitiva Introdução:

Com o aumento da capacidade de armazenamento de dados, o volume de informações disponíveis está cada vez maior.

Contudo, os dados operacionais contribuem pouco para a tomada de decisão.

Para que dados operacionais possam ser utilizados de forma estratégica pelas corporações é fundamental que exista uma transformação natural em seu conteúdo e forma.

Informações analíticas permitem gerar conhecimento sobre oportunidades e ameaças relacionadas ao negócio da empresa.

O ciclo de inteligência competitiva Introdução:

Figura 1: Evolução dos dados até a experiência.

Introdução à Business Intelligence Características:

Para o processo de tomada de decisões em BI, em geral, é necessário a existência de um repositório próprio para os dados consolidados e já transformados em “informação real”, que pode ser um Data Warehouse ou um Data Mart.

Nesse contexto, duas aplicações são identificadas: a primeira, que sustenta o negócio por meio de ferramentas OLTP (On-Line Transaction Processing), e a segunda, que analisa o negócio por meio de ferramentas OLAP (On Line Analytical Processing).

Introdução à Business Intelligence Características:

Uma solução de BI geralmente envolve inúmeras ferramentas tecnológicas, tais como: Data Warehouse, ETL, OLAP, Data Mining, Planilhas Eletrônicas, anotações de desempenho, ERP, CRM, e, ainda, informações externas.

A integração desses sistemas é um dos maiores entraves enfrentados.

Possuir uma solução de Business Intelligence é, de fato, ter melhores oportunidades de atingir os objetivos estratégicos de forma mais eficiente e rápida.

Introdução à Business Intelligence Características:

Por que instituições públicas e privadas passaram a investir em soluções de Business Intelligence?

Soluções de ERP’s ofereciam soluções que acessavam os dados diretamente da base transacional, sem fazer uso de um Data Warehouse para a geração dos relatórios.

Introdução à Business Intelligence Exemplo 1:

Um empresa de software deseja melhorar o andamento de seus projetos. Esse tipo de ação gera, naturalmente, algumas perguntas como: Quantas são as pessoas que fazem parte da análise dos projetos?

Quem são elas? Em qual fase do projeto analisado houve maior demora? Quando

isso ocorreu? Qual a previsão de término de cada projeto? Qual o valor médio de cada projeto? Qual a tendência em termos de tempo de execução para o

segundo trimestre do ano?

Introdução à Business Intelligence Exemplo 2:

As ações, a seguir, se caracterizam como ações de BI podem incrementar as vendas através da Internet: Armazenar produtos visualizados pelo cliente e periodicamente

enviar para o e-mail do cliente ofertas daquele tipo de produto. Armazenar produtos visualizados pelo cliente para alimentar um

bloco do site de navegação com o título de “últimos produtos visualizados”.

Ao visualizar um produto, mostrar ao cliente o percentual de clientes que compraram ou visualizaram este produto ou outro similar.

Para cada produto visualizado pelo cliente oferecer, além da opção de compra, a opção de lista de desejos e, no futuro, indicar esses produtos ao cliente.

Arquitetura de Business Intelligence

Figura 3: Componentes da Arquitetura de BI. Elaboração própia.

Arquitetura de Business Intelligence Data warehouse:

Data warehouse é um conjunto de dados baseado em assuntos, integrado, não-volátil, e variável em relação ao tempo, de apoio às decisões gerenciais (INMON, 1997).

Baseado em assuntos: as informações são organizadas pelos assuntos importantes para o negócio da empresa. Por exemplo: vendas, faturamento, produtos, clientes, etc.

Integrados: os dados de diversas origens devem ser integrados em um modelo de informação apenas.

Arquitetura de Business Intelligence Data warehouse:

Não volátil: um Data Warehouse não sofre qualquer alteração em seus dados, a não ser a carga e a consulta dos dados armazenados.

Variável no tempo: refere-se a um momento específico da informação. As informações são carregadas como “fotos” da base de dados operacional do momento em que foram extraídas. Os dados não são atualizados, assim podem ser comparados ao longo do tempo, mantendo um histórico da trajetória da informação durante sua existência.

Arquitetura de Business Intelligence Data warehouse:

Modelos: Existem dois modelos mais aceitos no design de data warehouses:

Figura 4: Star Schema Figura 5: SnowFlake

Arquitetura de Business Intelligence ETL:

Extração, Transformação e Carga consiste na extração de dados de bases heterogêneas, transformação e limpeza destes dados e a realização da carga dos dados no DW.

Figura 6: Processo de ETL.

Arquitetura de Business Intelligence OLAP:

O OLAP reestrutura os dados do data warehouse em estruturas altamente otimizadas para a execução de consultas on-line e para calcular os resultados de diferentes combinações entre dimensões e métricas.

Figura 7: Pentaho OLAP

Arquitetura de Business Intelligence OLTP versus OLAP:

OLTP: Registram muitas transações pequenas em tempo real. Os dados podem ser alterados e não salvam históricos dos

dados. OLAP: Visão dos dados orientado a análise. Poucas transações grandes. Possui dados atuais e históricos.

Arquitetura de Business Intelligence Data mining:

Data mining é o processo de explorar grandes quantidades de dados à procura de padrões consistentes para detectar relacionamentos sistemáticos entre variáveis.

Figura 8: Mineração de dados no Weka.

Arquitetura de Business Intelligence SIE:

O SIE ajuda os executivos seniores a monitorar o desempenho organizacional, monitorar atividades de concorrentes, destacar problemas, identificar oportunidades e prever tendências.

A importância da qualidade dos dados Para garantir a qualidade dos dados, Kimball (1998) levanta

como características mais relevantes: Unicidade dos dados, evitando assim duplicações de

informação; Precisão dos dados, os dados não podem perder suas

características originais assim que são carregados para o DW;

Completude dos dados, não gerando dados parciais de todo o conjunto relevante às análises; e

Consistência, ou seja, os fatos devem apresentar consistência com as dimensões que o compõem.

A importância da qualidade dos dados Como boa prática para controle de qualidade dos dados,

devemos ter: Uma área de administração de dados; Emprego de metodologia para controle de qualidade; Utilização de ferramenta de reengenharia da qualidade de

dados; Tratamento da qualidade de dados on-line, diretamente na

sua origem.

BI no Gerenciamento de Projetos Ferramentas de BI podem contribuir no monitoramento,

controle e na comunicação de projetos. O dashboard reúne em uma mesma tela diversos indicadores:

telas, gráficos, marcadores, ponteiros, luzes de alerta, percentuais, etc. Assim, o gestor pode tomar suas decisões, visando ajustar ou aprimorar os resultados do projeto.

Figura 9: Pentaho Dashboard

BI na Gestão Empresarial Para acompanhar o ritmo dos negócios, as empresas precisam

dinamizar a sua Gestão Empresarial, ou seja, planejar, decidir, operar e aprender cada vez mais rápido.

O BI permite acessar grandes volumes de dados e a análise dos dados armazenados gera informações categorizadas sobre a empresa, seus concorrentes, clientes e fornecedores.

Empresas “guerreiras” são bem-sucedidas porque aprendem com seus casos de fracasso e de sucesso.

No entanto, as empresas somente usufruirão das vantagens da BI se criarem o hábito de alinhar os indicadores precisos da BI ao processo decisório do seu planejamento estratégico.

Um exemplo Planilha de vendas diárias de uma empresa do varejo.

Figura 10: Exemplo de valores a serem carregados no data warehouse.

Um exemplo Configure o data mart abaixo no Pentaho para a

execução de consultas OLAP.

Figura 11: Data mart de um processo de vendas