Etapa 7

Prévia do material em texto

KATIUCIA KAREN RODRIGUES DA SILVA BRAGA
RELEVÂNCIA DO BUSINESS INTELLIGENCE E SEUS PROCESSOS COMO FERRAMENTA DE POTENCIAIS MELHORIAS NA GESTÃO FINANCEIRA EMPRESARIAL NO BRASIL
Brasília
2021
KATIUCIA KAREN RODRIGUES DA SILVA BRAGA
RELEVÂNCIA DO BUSINESS INTELLIGENCE E SEUS PROCESSOS COMO FERRAMENTA DE POTENCIAIS MELHORIAS NA GESTÃO FINANCEIRA EMPRESARIAL NO BRASIL
Monografia apresentada à Faculdade UnYLeYa como exigência parcial à obtenção do título de Especialista em MBA Executivo em Finanças Corporativas
Orientador: Ronaldo Balestra Choze
Brasília
2021
KATIUCIA KAREN RODRIGUES DA SILVA BRAGA
RELEVÂNCIA DO BUSINESS INTELLIGENCE E SEUS PROCESSOS COMO FERRAMENTA DE POTENCIAIS MELHORIAS NA GESTÃO FINANCEIRA EMPRESARIAL NO BRASIL
Monografia apresentada à Faculdade UnYLeYa como exigência parcial à obtenção do título de Especialista em MBA Executivo em Finanças Corporativas
Orientador: Ronaldo Balestra Choze
Aprovado pelos membros da banca examinadora em
____/____/____, com menção____ (_____________)
Banca Examinadora
__________________________________________
__________________________________________
Brasília
2021
RESUMO
A informação vem se mostrado como um recurso essencial para o sucesso das organizações. Sendo assim, possuir ferramentas que auxiliem na coleta, manejo e compartilhamento das informações passa a tão essencial quanto sua existência. Este estudo busca apresentar a relevância que o Business Intelligence tem na gestão de financeira das organizações no Brasil. Investigando a contribuição das ferramentas de BI para a área de gestão financeira exercer a função de tomada de decisão por meio das informações de suma importância por ela requerida. A delimitação do tema da pesquisa se refere às diversas técnicas e ferramentas de BI para auxiliar as empresas a sobreviverem no atual cenário de competitividade, sendo capazes de processarem o maior número de informação e alcançando sucesso financeiro. Com dados muito mais condensados e integrados, e devido às ferramentas de análises e aos relatórios gerenciais extraídos do Business Intelligence, o departamento financeiro passa muito mais tempo exercendo função estratégica e por fim através de exemplos de casos de sucesso da implantação do BI em empresas brasileiras é possível observar melhoria dos resultados das áreas organizacionais, em especial da financeira, assim como da empresa como um todo.
Palavras-chave: Business Intelligence; Informação; Dados; Gestão Financeira.
ABSTRACT
The information has proven to be an essential resource for the success of organizations. Thus, having tools that assist in the collection, management and sharing of information becomes as essential as its existence. This study aims to present the relevance that Business Intelligence has in the financial management of organizations in Brazil. Investigating the contribution of BI tools for the financial management area to exercise the decision-making function by means of the information of utmost importance required by it. The delimitation of the research theme refers to the various BI techniques and tools to help companies survive in the current competitive scenario, being able to process as much information and achieve financial success. With much more condensed and integrated data, and due to the analysis tools and management reports extracted from Business Intelligence, the financial department spends much more time exercising a strategic function and finally through examples of successful cases of BI implementation in Brazilian companies it is possible to observe improvement in the results of organizational areas, especially the financial one, as well as in the company.
Keywords: Business Intelligence; Information; Data; Financial Management.
SUMÁRIO
INTRODUÇÃO	9
DELIMITAÇÃO DO TEMA	10
PROBLEMA	11
OBJETIVOS	11
Objetivo Geral	11
Objetivos Específicos	11
JUSTIFICATIVA	12
METODOLOGIA	13
1	CONCEITO DE BUSINESS INTELLIGENCE	14
1.1	HISTÓRICO SOBRE B.I	14
1.2	CONCEITUAÇÃO DE BUSINESS INTELLIGENCE	18
2	PROCESSOS DE B.I E SUAS FERRAMENTAS	25
2.1	COMO IMPLANTAR UM SISTEMA DE BUSINESS INTELLIGENCE	25
2.2	ENTERPRISE RESOURCE PLANNING (ERP)	28
2.3	CUSTOMER RELATIONSHIP MANAGEMENT (CRM)	30
2.4	PROCESSAMENTO DE TRANSAÇÕES VERSUS PROCESSAMENTO ANALÍTICO	31
2.4.1	Online Transacional Processing (OLTP)	31
2.4.2	Online Analytical Processing (OLAP)	32
2.5	DATA WAREHOUSE	35
2.6	EXECUTIVE INFORMATION SYSTEMS (EIS)	37
2.7	DECISION SUPPORT SYSTEMS (DSS)	37
2.8	METADADOS	39
2.9	ETL (EXTRACT, TRANSFORM AND LOADING)	39
2.10	BUSINESS PERFORMANCE MANAGEMENT (BPM)	40
2.11	BUSINESS ACTIVITY MONITORING (BAM)	42
2.12	DATA MINING (DM)	43
3	RELEVÂNCIA DE SE ADOTAR BUSINESS INTELLIGENCE PARA MELHORIAS NA GESTÃO FINANCEIRA NAS EMPRESAS NO BRASIL	45
3.1 GESTÃO FINANCEIRA NO BRASIL	45
3.1.1	Breve histórico sobre o sistema financeiro	45
3.1.2	Conceito de gestão financeira	49
3.1.3	O papel do Gestor Financeiro	50
3.2	AS FUNÇÕES DA GESTÃO FINANCEIRA	53
3.2.1	Planejamento Financeiro	53
3.2.2 Controle Financeiro	54
3.2.3 Atividades de Investimento	55
3.2.4 Atividades de Financiamento	55
3.3 REGIMES DE CAIXA E COMPETÊNCIA	55
3.4 FERRAMENTAS DE CONTROLE DA GESTÃO FINANCEIRA	56
3.5	RECEITAS E GASTOS	60
3.5.1	Receitas	60
3.5.2	Gastos	61
3.5.3 Custos	62
3.5.4 Despesas	64
3.5.5 Investimentos	65
3.6 ORÇAMENTO EMPRESARIAL	66
3.7 RESULTADOS FINANCEIROS	70
3.8 RELEVÂNCIA DA ADOÇÃO DE BUSINESS INTELLIGENCE PARA MELHORIAS DA GESTÃO FINANCEIRA NAS EMPRESAS NO BRASIL	72
3.8.1 Demonstração da relevância do uso do Business Intelligence na gestão financeira empresarial	72
3.8.2 As vantagens e desvantagens do uso do BI	74
3.9 Exemplos de Caso de Sucesso da Implantação do BI no Brasil	76
3.9.1 GASMIG	76
3.9.2 TNT	77
3.9.3 FIAT	77
3.9.4 Hospital de Clínicas De Porto Alegre (HCPA)	78
3.9.5 Grupo SinoSerra	79
4	CONSIDERAÇÕES FINAIS	81
REFERÊNCIAS	83
INTRODUÇÃO
Atualmente, no ambiente corporativo a competitividade está cada vez mais acirrada e somente obter as informações corretas já não é mais suficiente para o sucesso nos negócios. As empresas são constantemente pressionadas pelo mercado, sendo obrigadas a procurar caminhos que garantam um acompanhamento eficiente dos riscos e aperfeiçoem a gestão, elencando as melhores estratégias para controle dos seus processos corporativos. 
Com a contínua propagação da informação pelo mundo, constata-se a existência de um grande volume de dados espalhados ao redor. Nas organizações acontece da mesma forma, a demanda por informações é crescente e todos os dias as empresas geram e obtém uma vasta quantidade de dados a cerca de fornecedores, clientes, interesses dos mesmos, vendas, entre outros, que para uma gestão financeira eficaz frente à concorrência, é preciso gerenciá-los no menor período possível, baseado em conteúdo relevante, confiável e bem apurado.
Fundamentado nesses fatos, percebe-se que uma boa gestão financeira, se dá por uma boa gestão do conhecimento e estratégica. Sendo assim, o uso da inteligência empresarial, permite que através de programas se compare desempenhos e realize demonstrações financeiras mais detalhadas, auxiliando na solução de problemas mais complexos em maior agilidade.
Para Jansen et al. (2005), ainda que a globalização tenha impulsionado a participação de pequenas e médias empresas no cenário econômico mundial e até internacional, ainda não se sabe exatamente como as mesmas gerem e crescem diante deste cenário. Mesmo com as oportunidades criadas pela tecnologia, inovação e globalização, esse processo envolve custos e novas disputas que merecem ser entendidos na gestão financeira empresarial.
Uma ferramenta de Business Intelligence (BI) ou Inteligência Empresarial, em sua definição mais simples, é o processo de coletar, analisar e organizar os dados que são gerados em todas as transações e setores de um negócio, fornecendo suporte à gestão, transformando dados brutos em informação útil para asmelhores tomadas de decisões estratégicas dentro das empresas.
Por meio de Business Intelligence, a gestão financeira empresarial pode ser mais eficiente, gerar aumento da lucratividade e como resultado tornar a empresa mais competitiva. Para Primak (2008, p. 17):
No ambiente de negócios altamente competitivo de hoje, a qualidade e pontualidade da informação de negócios para uma organização não é a escolha entre lucro ou perda: Pode ser uma questão de sobrevivência ou falência. Nenhuma organização pode negar os inevitáveis benefícios do BI. Relatórios recentes de analistas do setor mostram que, nos próximos anos, milhões de pessoas usarão ferramentas visuais de BI e análise de BI todos os dias.
.
Nos dias de hoje, o conceito de Inteligência empresarial se tornou primordial em qualquer tipo de organização para o almejado sucesso e qualidade de gestão. Com a percepção necessária de que o uso da informação de modo estratégico permite tornar uma organização mais competitiva e, por conseguinte, obtendo ascensão no mercado. Posto isso, proponho o seguinte trabalho de conclusão de curso: 
No capítulo 1 será apresentada a conceituação do termo Business Intelligence, assim como sua evolução e contextualização. Além disso, serão apresentadas as abordagens e conceitos sobre o mesmo, como a coleta de dados e seu processamento por meio de ferramentas tecnológicas cada vez mais ágeis e precisas auxiliam as organizações para melhores estratégias de negócios e tomadas de decisão de uma empresa, sendo tais características de suma importância para o embasamento teórico do trabalho. 
No capítulo 2 serão evidenciadas as ferramentas mais comuns da inteligência empresarial e como são aplicadas, além de como se complementam, para que seja compreendido detalhadamente sobre os componentes do Business Intelligence e seus respectivos papéis. 
Por fim, no capítulo 3 será explicado como é realizada a gestão financeira nas empresas brasileiras junto a uma abordagem dos processos de Business Intellingence e sua relevância no que tange a gestão das finanças empresariais no país, com exposição de cases de sucesso do Brasil.
DELIMITAÇÃO DO TEMA
O presente trabalho tem como tema a adoção do Business Inteligence na gestão das finanças das empresas brasileiras. Existe variadas técnicas e ferramentas de B.I ou inteligência empresarial para auxiliar as empresas a atuarem e sobreviverem da melhor forma no cenário de competitividade em que estão inseridas. Nos dias de hoje se mostram capazes de processar um número maior de informação e compartilhamento, voltados a sucesso na gestão financeira das empresas, sendo assim, serão alvo do trabalho em questão.
PROBLEMA
A competitividade no mercado mundial fomentada pela globalização no atual cenário incitou as organizações a procurarem um melhor desfecho para a demanda da concorrência, competitiva, estimulando o uso de ferramentas estratégicas como o Business Intelligence. No momento atual, há uma discrepância na implantação do BI entre empresas de grande porte e médias e pequenas empresas no país. Estas últimas apresentando alguma resistência por diversos motivos sejam por ordem financeira, desconhecimento tecnológico ou credulidade.
 Diante do exposto, mediante tal brecha no mercado empresarial brasileiro e considerando que para ter uma boa gestão das finanças, apenas obter informações não é o suficiente para manter a saúde dos negócios, surge a seguinte pergunta: Qual a relevância de se adotar o Business Intelligence e seus processos como ferramenta de potenciais melhorias na gestão financeira empresarial no Brasil?
OBJETIVOS
Objetivo Geral
Demonstrar a relevância do Business Intelligence e seus processos como ferramenta de potenciais melhorias na gestão financeira empresarial no Brasil.
 Objetivos Específicos
· Apresentar o conceito de Business Intelligence;
· Apontar os processos de B.I e suas ferramentas;
· Demonstrar a relevância de se adotar Business Intelligence para melhorias na gestão financeira nas empresas no Brasil;
JUSTIFICATIVA 
O desenvolvimento tecnológico e a globalização crescente impactaram diretamente nas relações de negócios, que visam a todo custo, meios eficientes e práticos que possam proporcionar sucesso, resultados e caminhos que gerem lucro. Assim sendo, as empresas passaram a procurar informações de melhor qualidade, investindo no aprimoramento da coleta e desenvolvimento de ferramentas e sistemas de tratamento e propagação das mesmas. (OLIVEIRA, 2010).
Em meio a tal turbilhão de informações, as empresas percebem a necessidade de possuírem melhores recursos para uma gestão financeira eficiente de redução de riscos e custos e aumento do faturamento. Portanto é preciso que haja comprometimento do gerenciamento de dados das empresas, demonstrando que o uso de ferramentas tecnológicas para controlar e oferecer informações na tomada de decisão das corporações é imprescindível. (REGINATO; NASCIMENTO, 2007).
As ferramentas de Business Intelligence (BI) são essenciais para o gestor organizar de forma sistêmica e rápida os negócios de sua empresa. (Lopes de Sá, 2009). A contribuição prática do trabalho fundamenta-se em analisar e averiguar as vantagens da adoção de sistemas de BI para gestão financeira das empresas oriunda de conceitos da Tecnologia da Informação (TI). Quanto à contribuição teórica da pesquisa será evidenciado o processo de implantação das ferramentas de BI e como a gestão financeira age perante esses resultados, verificando o que funcionou e o que precisa ser revisto.
Para mais, a utilização de um sistema de Business Intelligence permite uma nova forma de compreender os dados disponibilizados pela empresa, ou seja, novas informações para o usuário final, proporcionando uma gestão do conhecimento e financeira de melhor qualidade, portanto mais efetivas. (PARREIRA; MATHEUS, 2004).
O presente estudo se justifica por meio de sua relevância financeira, econômica e de investimentos, mostrando que para as empresas manterem sua saúde financeira e competitividade é importante identificar meios de ação, classificá-los e escolher aquele que permita que a organização alcance suas metas. Sendo assim, uma ferramenta de Business Intelligence (BI) contribui para uma melhor compreensão de toda a complexidade da rede de informação dos negócios de uma companhia, admitindo o impacto das consequências de seu uso para a gestão financeira. 
METODOLOGIA
Quanto à abordagem do problema, durante o estudo será utilizada a abordagem qualitativa. De acordo com Dilthey, Flick e cols. (2000 apud GÜNTHER, 2006, p. 202) é primordial compreender para se obter conhecimento, sendo preferido analisar relações complexas a esclarecer através do estudo de variáveis isoladas. Buscando demonstrar como o uso de BI pode otimizar a gestão financeira empresarial.
Esta pesquisa será realizada segundo seus objetivos de forma descritiva, configurando como um estudo intermediário entre a pesquisa explicativa e exploratória através de referência bibliográfica e pesquisa documental. Apresentando dados já conhecidos para análise e estabelecer relações entre as variáveis existentes[footnoteRef:1], e identificar fatos relevantes sem qualquer manipulação. [1: Disponível em: https://blog.even3.com.br/pesquisas-exploratoria-descritiva-e-explicativa/. Acesso em 23 set. 2019.] 
Por fim, a pesquisa será baseada na coleta de dados e sua consequente produção de textos (MINAYO, 2011). Deste modo, para respaldo da pesquisa utilizar-se-á de coleta de dados, revisão bibliográfica, citações, transcrições, fotos, notícias acerca do que é e como é utilizado o conceito de Business Intelligence no âmbito financeiro das organizações e exemplos que deram certo no Brasil a fim de mostrar sua aplicabilidade.
1 CONCEITO DE BUSINESS INTELLIGENCE 
1.1 HISTÓRICO SOBRE B.I
A origem do uso do conceito de Business Intelligence é incerta, sabe-se que os povos antigos como os Fenícios, Persas, Egípcios e outros do Oriente Antigo já o praticavam, enquanto cruzavam informações advindas da natureza. Analisar o comportamentodas marés, períodos de seca e de chuvas, posição dos astros, entre outros fenômenos, eram meios de conseguir informações para tomar decisões que permitissem a melhoria de vida de suas respectivas comunidades (SERAIN, 2007).
O termo Business Intelligence foi citado pela primeira vez por Richard Millar Devens na obra “Cyclopaedia of Commercial and Business Anecdotes” de 1865, onde foi utilizado para apresentar como o bancário Sir Henry Furnese obteve vantagem competitiva baseando-se em informações do ambiente antes da concorrência. Tal habilidade de coleta e reação adequada com base em informações recuperadas compõe o funcionamento real do BI. 
Contudo a tecnologia não avançou ao ponto de poder ser considerada um agente de Business Intelligence até meados do século XX, e a ideia de coletar informações sobre as circunstâncias de negócios, era apenas um prelúdio. Foi com um artigo intitulado “A Business Intelligence System” em 1958, escrito pelo cientista da computação da IBM, Hans Peter Luhn, que o potencial do BI foi reconhecido (HEINZE, 2014). 
Neste artigo, o autor referiu que a “comunicação eficiente é uma chave para o progresso em todos os campos do esforço humano” (LUHN, 1958, p. 314). Como os métodos existentes até aquele momento para comunicação não alcançavam os objetivos das organizações, ademais a ramificação e especialização das funções criavam barreiras para o fluxo da informação, gerando a necessidade das empresas encontrarem métodos mais eficazes de recuperação e disseminação da informação. 
Surgindo deste momento a proposição do autor de um sistema de inteligência de negócios, automático e flexível para disseminar informação às diversas seções de qualquer organização. (LUHN, 1958).
De acordo com Serain (2007):
A história do Business Intelligence que conhecemos hoje, começa na década de 70, quando alguns produtos de BI foram disponibilizados para os analistas de negócio. O grande problema era que esses produtos exigiam intensa e exaustiva programação, não disponibilizavam informação em tempo útil nem de forma flexível, e além de tudo tinham um alto custo de implementação. Com o aparecimento das Base de Dados Relacionais, dos PC's e das interfaces gráficas como o Windows, aliados ao aumento da complexidade dos negócios, começaram a surgir os primeiros produtos realmente direcionados aos analistas de negócios, que possibilitavam rapidez e uma maior flexibilidade de análise.
Por volta da década de 60, devido a evolução dos computadores e outras máquinas, que deixaram de ocupar tanto espaço físico, e permitiram uma reunião de informações em blocos fechados, mas ainda não existiam recursos suficientes para sua análise e a possibilidade de ganhos por meio dos negócios ou tomada de decisões. 
O cenário começou a mudar na década de 70, com o surgimento das tecnologias de armazenamento – DASD (Direct Access Storage Device – dispositivo de armazenamento de acesso direto), e de acesso a dados – SGBD (Sistema Gerenciador de Banco de Dados), duas siglas cujo principal significado era o de estabelecer uma única fonte de dados para todo o processamento. 
Daí em diante, o computador tornou-se como um coordenador central para atividades corporativas e o banco de dados foi considerado um recurso fundamental para a vantagem competitiva (NEXTG, 2007). Foi na década de 1980 que os sistemas de Business Intelligence tiveram maior desenvolvimento motivado pela evolução dos computadores pessoais e expansão da capacidade de processamento (ELENA, 2011; VERCELLIS, 2009).
Segundo Heinze (2014): 
Em 1989, Howard Dresner, analista do Gartner, trouxe novamente a expressão “business intelligence” para o vernáculo comum. Empregou-o como um termo geral para cobrir os nomes incômodos do armazenamento de dados e análise de dados, nomes como DSS e sistema de informação executiva (EIS).
No início dos anos 90, a maioria das empresas de grande porte contava com os Centros de Informações (CI) e Centro de Processamento de Dados (CPD), mas ainda que mantivessem os dados armazenados, propiciavam pouca disponibilidade de informação. Com a maior complexidade do mercado e o progresso da Tecnologia da Informação que permitiu o aprimoramento das ferramentas de software, as quais geravam informações tanto mais precisas quanto em momento mais oportuno para a melhor tomada de decisão para que beneficiasse o desempenho das empresas. 
Desse modo, entre 1992 e 1993 surgiu o Data Warehouse, definido por Inmon apud George (2012)[footnoteRef:2], como um repositório único de dados organizados, consolidados e limpos que fornece uma estrutura lógica para a entrega de um projeto de Business Intelligence, se mostrando como essencial para a realização do mesmo, segundo especialistas. [2: GEORGE, Sansu. Inmon or Kimball: Which approach is suitable for your data warehouse?. ComputerWeekly.com, 2012. Disponível em: https://www.computerweekly.com/tip/Inmon-or-Kimball-Which-approach-is-suitable-for-your-data-warehouse. Acesso em 25 de set.de 2019.] 
Em 1996, o BI começou a ser difundido como um processo do Sistema da Informação Executiva - Executive Information System (EIS), que foi criado pelo MIT (Instituto Tecnológico de Massachussets) no final dos anos 70. O objetivo principal do EIS é oferecer ao seu usuário de forma rápida, uma visão gerencial da organização, evidenciando o funcionamento de seus processos de trabalho e como se relaciona com o mundo externo -clientes e fornecedores (NEXTG, 2007).
E com tempo, na década de 2000, foram surgindo diversas ferramentas como o Decision Support System (DSS), Planilhas Eletrônicas, Data Marts, Data Mining, Ferramentas On-Line Analytical Processing (OLAP), entre outras. O BI foi ganhando maior abrangência na era da tecnologia avançada com o objetivo de dinamizar a capacidade das tomadas de decisão, redefinir estratégias de relacionamento com os clientes, se adequando à necessidade específica de cada empresa ou cliente (PRIMAK, 2008).
Conforme o quadro abaixo, podemos verificar um breve resumo da evolução e implementação da tecnologia de Business Intelligence: 
	Quadro 1 – Apresentação do histórico da evolução do BI
	Quadro evolutivo do B.I
	Período
	Acontecimentos
	Idade Antiga
	Povos no Oriente Médio cruzavam informações da natureza, marés etc. Para analisarem a viabilidade do cultivo de determinadas espécies, períodos de pesca abundante etc.
	Século XVI
	Rainha Elizabeth I determinou que a base da força inglesa fosse “informação e comércio” e ordenou então ao filósofo Francis Bacon que inventasse um sistema dinâmico de informação, o qual foi amplamente aplicado pelos ingleses.
	Década de 60
	Evolução dos computadores que deixaram de ocupar salas enormes na medida em que diminuíram de tamanho. As empresas passaram a perceber os dados como uma possível e importante fonte geradora de informações decisórias e que rendiam eventuais lucros.
Época dos cartões perfurados.
Predominância das linguagens COBOL e ASSEMBLY.
	Década de 70
	Evolução das formas de armazenamento e acesso a dados.
DASD e SGBD.
	Década de 80
	Desenvolvimento e evolução das linguagens CLIPPER e PASCAL.
Início da aplicação do termo Business Intelligence.
	Década de 90
	Início do uso do termo CPD nas empresas.
Desenvolvimento de Data Warehouse.
O setor corporativo começou a demonstrar interesse nas soluções de B.I.
	Anos 2000
	Evolução dos conceitos de DSS, Planilhas Eletrônicas, Geradores de Consulta e de Relatórios, Data Mart, Data Mining, Ferramentas OLAP, entre outras. Surgimento do termo e- business.
Fonte: Adaptado de: Decisões com BI, (2008).
A história do Business Intelligence está profundamente conectada ao ERP (Enterprise Resource Planning), que representa os sistemas integrados de gestão empresarial cuja função é facilitar as operações empresariais. Contudo as empresas perceberam que não bastava armazenarem dados em grande quantidade se os mesmos estivessem espalhados, repetidos e incompletos em diversos sistemas.
 Sob a necessidade de reunir os dados em uma base única e trabalhá-los de forma a possibilitar análisesdistintas sob ângulos diversos, a maioria dos fornecedores de ERP passou a embutir em seus pacotes os módulos de BI, cada vez mais sofisticados (MEGA SISTEMAS, 2017).
Atualmente, com as tecnologias sendo desenvolvidas para resolver problemas de complexidade e velocidade, o Business Intelligence passou a ser uma ferramenta integrada a outras diversas e permitindo uma maior acessibilidade por meio de programas baseados na nuvem, por exemplo, que expandiram e simplificaram o alcance de suas plataformas. 
 O crescimento exponencial da Internet, a inserção de acessos de autoatendimento, com a crescente interconectividade do mundo dos negócios significa que as empresas precisam de informações em tempo real, por uma série de razões, principalmente se manter a par da concorrência, e entender o comportamento de seus consumidores, o que querem e o que acham de sua empresa (HEINZE, 2014). 
De acordo com Nextg (2007, p. 3): “O Business Intelligence passou a ser encarado como aplicação estratégica integrada, disponível por meio de desktops, estações de trabalho e nos servidores da empresa.” O BI passa de uma mera vantagem a um requisito para as empresas que buscam se manterem competitivas e completamente novas e orientadas por dados.
1.2 CONCEITUAÇÃO DE BUSINESS INTELLIGENCE
Para compreender o BI é preciso entender suas premissas. A primeira utilização do termo BI, foi realizada por Luhn (1958) conforme citado acima e além da primeira definição, surgiram ao longo dos anos variadas definições de BI, utilizadas em contextos diferenciados. (TURBAN; VOLONIMO, 2013, p. 326). 
Ainda que se tenham diversas definições com objetivos e termos em comum, grande parte da literatura acerca do termo é proveniente da indústria de Tecnologia da Informação e empresas que vendem seus aplicativos cujos sistemas são integrados, ou seja, não autônomos, dificultando a compreensão exata do mesmo. (JAGIELSKA; DARKE; ZAGARI, 2003). 
De acordo com Howner Dresner, pesquisador do Gartner Group, o Business Intelligence é definido como um termo guarda-chuva sem a pretensão exclusiva do foco na tecnologia e na verdade voltado para o negócio, abordando conceitos e métodos para alinhar os processos da organização, tomando as melhores decisões por meio de sistemas baseados em fatos. Sendo de mais valia aferir como o negócio está sendo gerido deixando a discussão a respeito de tecnologia para depois (EDEN, 2006; ELENA, 2011; POWER, 2007). 
Segundo Carlos Barbieri (2001) o conceito de Business Intelligence pode ser compreendido de uma forma mais ampla, como a utilização de variadas fontes de informação para se definir estratégias de competitividade nos negócios de uma empresa. Onde uma de suas linhas de pesquisa se relaciona em apoiar e subsidiar processos de tomadas de decisões fundamentados em dados que buscam especificamente as vantagens competitivas.
Em uma definição mais simplificada, Serain (2007) considera o BI como uma ferramenta de suporte à tomada de decisão que contém três principais funções do BI são: coletar dados, gerar informação e analisar para a tomada de decisão. Baseadas em artigos de Serain (2007), seguem algumas das características associadas a soluções de BI:
i. Extrair e incorporar dados de variadas fontes;
ii. Uso de know-how;
iii. Analisar dados conforme o contexto;
iv. Agir segundo hipóteses;
v. Explorar relações de causa e efeito;
vi. Converter os registros obtidos em informação útil para o uso da empresa.
Para Meister (2005), as competências do Business Intelligence, hoje, desviam ou eliminam os questionamentos que não podem ser respondidos por um representante de atendimento aos clientes. As análises dos clientes oferecem suporte e aprendizado granular para soluções de autoatendimento dos clientes. O trabalho de inteligência competitiva com os clientes fornece percepções sobre os clientes para agentes e vendedores que, deste modo, podem identificar oportunidades de venda e fechar negócios. 
Segundo Ranjan (2009), BI possui dois conceitos distintos relacionados ao emprego do termo inteligência. Um deles e usado com menor frequência, é o da aplicação da inteligência humana em negócios. Sendo a inteligência de negócio é uma nova forma de investigação de como aplicar as faculdades cognitivas humanas e tecnologias de inteligência artificiais para o apoio a gestão e tomada de decisão em qualquer aspecto do negócio da empresa. 
O outro conceito relaciona-se à inteligência como a relevância do valor da informação. Sendo assim, a informação tratada de forma analítica, especializada e o conhecimento aplicado a tecnologia para gerir as organizações assim como os negócios individuais. Nesse caso, a inteligência de negócio é vista de forma abrangente com o intuito de reunir, acessar e analisar dados objetivando auxiliar os usuários da empresa na tomada de decisões.
Para PETRINI et al. (2004) constata-se uma divisão entre Abordagem Administrativa e Tecnológica:
i. Abordagem Administrativa: o foco está no processo de coleta de dados de fontes internas e externas e análise dos mesmos, gerando informação relevante para o processo de tomada de decisão.
ii. Abordagem Tecnológica: o foco está em ferramentas que apoiam o armazenamento e análise de informação, ou seja, nas tecnologias que permitem a gravação, recuperação, manipulação e análise da informação.
As tabelas a seguir apresentam algumas definições, de acordo com Pereira (2015), sobre as duas abordagens:
Tabela 1: Definição de BI através da abordagem administrativa
	Autores
	Definição de Business Intelligence (BI)
	JOURDAN et al. (2008)
	BI é tanto um processo como um produto, que é usado para obter informações úteis para ajudar as organizações a sobreviver na economia mundial e prever o comportamento geral do ambiente de negócios.
	BRÄUTIGAM et al. (2006)
	BI é capaz de levar a informação certa às pessoas certas no momento certo. O termo engloba todas as capacidades necessárias para transformar dados em inteligência que todos em sua organização podem confiar e utilizar para a tomada de decisão mais eficaz.
	EVANS (2010)
	BI são como conceitos e métodos para melhoria da tomada de decisão, através da utilização de sistemas baseados em fatos.
	BARBIERI (2011)
	A proposta da BI é transformar dados em informações que possam ser usadas para ações analíticas e tomadas de decisões tático-estratégicas.
Fonte: Pereira (2015).
Tabela 2: Definição de BI através da abordagem tecnológica
	Autores
	Definição de Business Intelligence (BI)
	WHITE (2004)
	BI é um termo guarda-chuva que engloba Data Warehousing (DW), elaboração de relatórios, processamento analítico, gestão de desempenho e análise preditiva.
	MOSS e ATRE (2003)
	BI é uma arquitetura e uma coleção de operações integradas, como aplicações de suporte à decisão e bancos de dados que fornecem ao mundo empresarial fácil acesso aos dados de negócios.
	SEELEY AND DAVENPORT (2006)
	BI auxilia na extração de insight das estruturas de dados.
	AAKER et al. (2009)
	BI é o processo através do qual os utilizadores obtêm dados precisos e consistentes a partir do ambiente de armazenamento de dados organizacionais (data warehouses, data marts). Os dados obtidos dos diversos contextos do negócio permitem aos utilizadores identificar, analisar e detectar tendências, anomalias, e realizar previsões. Os sistemas e ferramentas de BI têm um papel fundamental no processo de planejamento estratégico das organizações. Estes sistemas permitem recolher, armazenar, aceder e analisar os dados organizacionais, de forma a apoiar e facilitar a tomada de decisão.
Fonte: Pereira (2015).
Desta forma, o conceito de Business Intelligence em suma é a união dessas definições: um sistema que consiste na coleta, análise, interação e validação de diversas informações, como clientes, fornecedores, concorrentes, candidatos, aquisições, alianças estratégicas e fatores externos que podem influenciar o negócio. Seus componentes serão abordados detalhadamente no próximo capítulo, eles são sobretudo, fontes de informação; uma base de extração, transformação ecarregamento (ETL); o banco de dados que é criado e as ferramentas para investigação e análise, e estão representados na Figura 1:
Figura 1: Componente de um sistema de Business Intelligence
Fonte: Felber, (2006).
Na tabela 3 são apresentados alguns conceitos encontrados na literatura relacionados a BI: 
Tabela 3: Conceitos de Business Intelligence
	Empresas Vendedoras/Autores
	Definição de BI
	(LUHN, 1958, p. 314)
	Um sistema automático para disseminar informação para vários setores de qualquer empresa, utilizando máquinas de processamento de dados (computadores), auto abstração e auto codificação de documentos e criando perfis para cada ponto de ação da organização por palavra padrão. 
	Turban et al (2007)
	Um termo guarda-chuva que engloba ferramentas, arquiteturas, base de dados, data warehouses, gestão de desempenho, metodologias, entre outros, todos dos quais são integrados em uma plataforma de software unificada.
	(VERCELLIS, 2009, p. 3)
	“Pode ser definido como o apoio de modelos matemáticos e metodologias de análise que explorem os dados disponíveis para gerar informação e conhecimento para processos de tomada de decisões complexas“.
	Negash (2004)
	“é uma consequência natural de uma série de sistemas anteriores projetados para apoiar a tomada de decisão”.
	(BARBIERI, 2011, p. 95)
	“... pode ser entendido como a utilização de variadas fontes de informação para definir estratégias de competitividade nos negócios da empresa. Podem ser incluídos nessa definição os conceitos de estruturas de dados, representadas pelos bancos de dados tradicionais, data warehouse, e data marts, criados objetivando o tratamento relacional e dimensional de informações, bem como as técnicas de data mining aplicadas sobre elas, buscando correlações e fatos “escondidos”.
	Williams & Williams (2006)
	“reúne produtos, tecnologia e métodos para organizar informação chave que a direção precisa para melhorar o lucro e desempenho”
	Moss, L e Hoberman S (2004)
	Os processos, tecnologias, e ferramentas necessárias para transformar dados em informação, informação em conhecimento e conhecimento em planos para direcionar ações de negócios lucrativas. BI engloba
data warehousing, ferramentas de business analytics e gestão de conteúdo/
conhecimento.
	Singh & Singh (2013)
	“ativo estratégico que pode dar às organizações uma vantagem competitiva, capacitando funcionários de qualquer nível a tomar decisões rápidas. Tem como foco determinar as principais medidas de desempenho, integrar dados de sistemas diferentes de toda a empresa para um Data Warehouse, planear, prever com visão histórica, atual e futura”.
	Gartner (2013)
	“... É um termo guarda-chuva que inclui as aplicações, infraestrutura e ferramentas e as melhores práticas que permitem acesso e análise de informações para promover e otimizar decisões e performance”.
	IBM (2020)
	É uma maneira de revelar insights acionáveis em seus dados, descobrir o que aconteceu e, em seguida, explorar porque isso aconteceu. Esses insights podem ser usados para definir ou mudar o caminho de seus negócios.
	Baltzan & Philips (2009)
	“informação que as pessoas utilizam para suportar os esforços da tomada de decisão”
	Cognos (2007)
	BI associa pessoas e dados, oferecendo uma variedade de maneiras de enxergar a informação que traz de volta a tomada de decisão baseada em fatos.
	(DUAN & XU, 2012)
	“... É o processo de transformação de dados brutos em informações utilizáveis para maior efetividade estratégica, insights operacionais e benefícios reais para o processo de tomada de decisão nos negócios”.
	Oracle (2007)
	Um portfólio de tecnologia e aplicações que proveem um integrado sistema ponta a ponta de gestão de desempenho de empresa, incluindo aplicações de gestão de desempenho financeiro, aplicações operacionais de BI, infraestrutura e ferramentas de BI, e data warehousing.
	Vo et al. (2017) 
	“processo automatizado para coletar dados brutos de fontes heterogéneas e organizá-las de forma sistemática”
Assim sendo, o Business Intelligence ganhou destaque com a expansão mercadológica, evidenciado pelo surgimento de novas regras e parâmetros sobre o termo. Para as empresas tornou-se, então, indispensável que os sistemas sejam confiáveis e acessíveis, e por reunir estes requisitos à eficiência. 
Por fim, os sistemas de BI, além do acesso às informações integradas, possibilitam que as empresas tenham uma melhoria na capacidade de identificar padrões imparciais em seus dados para posteriormente analisar esses insights categoricamente, tanto internamente com externamente, permitindo assim, a obtenção de indicadores para aperfeiçoamento e expansão de suas análises.
Entretanto, é corroborado mais uma vez, a partir do que foi exposto, que a compreensão e o uso do Business Intelligence a favor da empresa é algo de grande complexidade. Pois o BI não é apenas um sistema simplista de banco de dados com uma ferramenta de gráficos para análises estatísticas. 
Ao contrário, foi visto da sua amplitude que constitui um objetivo único: fornecer informação cabível ao processo decisório para a melhor gestão. Para mais, é preciso tanto um bom uso da tecnologia quanto das pessoas que compõe a empresa por meio de suas competências para que se tenha utilidade dentro da organização (Botelho, 2008). 
Essa compreensão dos fatos abre espaço para o que será apresentado no próximo capítulo, que abordará o processo de implantação e uso das ferramentas de Business Intelligence.
2	PROCESSOS DE B.I E SUAS FERRAMENTAS
2.1	COMO IMPLANTAR UM SISTEMA DE BUSINESS INTELLIGENCE
A implementação de um projeto de BI requer um planejamento bem elaborado e com objetivo definido. Para mais, há influência de outros fatores a serem considerados para que resulte em êxito na mudança do ambiente com o uso da ferramenta; em vista disto, é adequado um gerenciamento minucioso das atividades para assegurar o retorno do investimento (INMOM, 2005). 
Primordialmente é preciso verificar as necessidades atuais da empresa, principalmente das áreas de marketing, vendas e financeira, pois são os que possuem mais entusiasmo nas iniciativas de BI e seus procedimentos. Existe a questão dos Fatores Críticos de Sucesso (FCS) que são os fatores-chaves onde diversas variáveis são verificadas, organizadas e compreendidas a fim de evitar possíveis armadilhas para a implementação do projeto e seu subsequente sucesso.
 De acordo com Miller, Bräutigam, Gerlach (2006) apenas o uso da ferramenta não garante que a implementação seja bem sucedida, mas as interações de quatro dimensões críticas: Capital humano, Processos de Conhecimento, Cultura e Infraestrutura, cujo movimentos precisam estar alinhados para serem eficazes, pois qualquer discrepância poderá gerar grandes tensões organizacionais comprometendo todo o resultado. 
Ou seja, é preciso participação ativa da alta administração considerando a cultura organizacional e fazendo uso de indicadores de desempenho, todas as principais áreas necessitam de atenção. 
Sendo necessário avaliar a organização do sistema de informação, os conjuntos de habilidades das possíveis classes de usuários e a receptibilidade da sua cultura a mudanças. Resumindo-se ao envolvimento equilibrado entre a equipe de Negócios e de Tecnologia da Informação associando diversos projetos de BI alinhados à estratégia da corporação (TURBAN, 2009).
Isto posto, segundo Primak (2008) mais de 50% das empresas apresentam alguma dificuldade na implementação do Business Intelligence, seja na baixa qualidade de dados oriundos de mainframes, bancos de dados, servidores, cliente, dispositivos móveis; ou falta de costume com novas ferramentas, gerando dificuldade no uso das ferramentas de BI, além de relatórios insuficientes impactando na tomada de decisões.
Tais debilidades causadas por fraquezas operacionais e organizacionais na implementação de projetos de BI, suscitou o Information Builders a criação de uma compilação de dez regras para uma implementação do Business Intelligence (LINDEN, 2011):
 Definir osRequisitos Funcionais 
Começando por indicadores de desempenho (KPI[footnoteRef:3] – Key Performance Indicators), que são o centro de qualquer aplicação de BI. De acordo com Silva (2013) também são denominados de “indicadores de desempenho”, os dados que quantificam as entradas (insumos ou recursos), os processos, as saídas (produtos), o desempenho de fornecedores e a satisfação dos envolvidos. A equipe do projeto, composta pela integração de departamentos especializados, é que deve determinar qual informação deve ser disponibilizada pelas aplicações de BI, assim como a sua necessidade e formatação. [3: KPI - Key Performance Indicators: Deve ser uma forma objetiva de medir a situação real contra um padrão previamente estabelecido. Ele só deve fazer sentido e ser utilizado pelo profissional completamente responsável por ele". (CARVALHO apud De ROLT, 1998). Disponível em: <https://www.passeidireto.com/arquivo/30869742/apostila-indicadores-de-processos-stratec>. Acesso em 10 de abr. de 2020.] 
 Definir os Grupos de Utilizadores 
A equipe de projeto deve definir quem serão os utilizadores da solução de BI. De modo geral, existem três grupos: utilizadores gerais de relatórios; os produtores e analistas que avaliam os dados e por fim os gestores que decidem os objetivos. 
 Envolver os Utilizadores numa Fase Inicial 
Durante a fase inicial, o departamento de TI deve criar um protótipo simples da solução. Deste modo, pode ser feita uma revisão para garantir quais os requisitos essenciais serão inseridos desde o início. Na implementação de um projeto de BI, os colaboradores dos departamentos especializados devem sempre ser incluídos paralelamente, uma vez que são estes que, no futuro, irão trabalhar com as aplicações. Assim sendo, quando o protótipo for testado serão esses colaboradores que determinarão se o projeto está seguindo o escopo.
 Ter Apoio da Gestão
 A equipe do projeto deve ter o apoio da gestão, já que é a única forma de assegurar que os objetivos corporativos a curto e longo prazo sejam incorporados. A implantação é monitorizada pela comparação de indicadores de desempenho (KPI) permanentes dos resultados operacionais mais significativos. 
 Identificar os Indicadores de Desempenho (KPI) requeridos 
São necessários valores operativos para a gestão de processos de uma companhia, portanto devem ser definidos pela equipe de projetos em conjunto com o departamento especialista. Como exemplo do manuseamento e produção de materiais: os indicadores de desempenho como “custo do material por cada componente” ou “volume de negócio por colaborador” são variáveis provadas. Sendo assim, mais fácil determinar se os objetivos foram alcançados ou não. 
 Garantir a Integração e Qualidade dos Dados 
A integração dos dados é um fator decisivo para o sucesso de um projeto de BI e, para tal, a equipe deve identificar os sistemas operacionais nos quais a informação requerida está disponível e como os dados devem ser acessados. Onde o acesso direto deve ser priorizado, caso a qualidade dos dados brutos não seja suficiente deverá ocorrer melhorias por meio de ferramentas de software adequadas para acessar todas as fontes de dados
 Descobrir quais Ferramentas de BI já estão disponíveis na empresa 
Ao iniciar um projeto, é preciso determinar se as ferramentas existentes em uma organização devem continuar a serem utilizadas ou serem substituídas por completo, dado que a padronização de um sistema de BI garante a consistência na disponibilização da informação dentro da empresa. 
 Escolher o Software de BI correto 
Com uma Proof-of-Concept (PoC) ou prova de conceito, a equipe de projeto decide o software mais adequado, respaldando-se em um conjunto de informações específicos. Este procedimento permite à equipe de projeto garantir com maior grau de certeza de que o software se adequa ao seu negócio. 
 Limitar o Tempo de Execução do Projeto
 Quando se implementa um novo projeto de BI, os departamentos especializados devem estar centrados e proceder em claros passos definidos. Onde geralmente, o os primeiros módulos executáveis e operacionais consequentes do desenvolvimento dos subprojetos estejam disponíveis após dois ou três meses.
 Um projeto de BI é um Processo Constante
 Os requisitos em uma organização mudam constantemente e eles aplicam -se a uma aplicação de BI. Isto posto, faz-se necessário que as soluções de BI devem ser continuamente desenvolvidas e otimizadas em uma base permanente.
Diante o processo da implementação de uma solução baseada em BI, surge a necessidade de avaliar as ferramentas disponíveis para que a organização possua maior vantagem competitiva apoiada em menores prazos, custos e em um ambiente mais estável. Para definir as ferramentas de BI a serem analisadas, estabeleceram-se as seguintes funcionalidades que deverão dispor: modelação de dados para de Sistemas de Gestão de Base de Dados (SGBDs); definição do ETL; construção do DW; estruturas de cubos OLAP e visualização de dados, em forma de relatórios e dashboards. 
2.2	ENTERPRISE RESOURCE PLANNING (ERP)
Os sistemas ERP (Enterprise Resource Planning) ou SIGE (Sistemas Integrados de Gerenciamento Comercial), como são chamados no Brasil, surgiram a partir da evolução de sistemas MRP (Planejamento de Recurso Material). Com o decorrer do tempo novas funções foram se agregando ao MRP, como: Plano Mestre de Produção (PMP), cálculo de chão de fábrica, controle de compra e venda, entre outras. 
Desse modo o MRP passou a atender tanto as informações sobre cálculo da necessidade de materiais quanto a respeito das informações necessárias para a tomada de decisão gerencial em relação a outros recursos de manufatura (TURBAN, MCLEAN e WETHERBE, 2004).
A solução integrada do ERP são sistemas cuja função é integrar as bases de dados operacionais em um único sistema. Os ERP, em linhas gerais, são uma plataforma de software com a finalidade de dar suporte as diversas operações de uma organização, integrando departamentos, possibilitando armazenamento e automação de todas as informações de negócios. A integração pode ser vista sob a perspectiva funcional (ex.: administração financeira, contabilidade, recursos humanos, manufatura, marketing, compras, vendas etc.) e sob a sistêmica (ex.: sistemas transacionais, transações, sistemas de informações gerenciais, sistemas de apoio a decisão etc.) (SOUZA E ZWICKER, 2000).
O conceito do ERP é uma boa alternativa para empresas pois apresenta uma maior confiabilidade dos dados, gera benefícios como uma maior facilidade na tomada de decisão, aumento na eficiência, agilidade dos processos, a maior produtividade e qualidade e subsequente crescimento na lucratividade. (TURBAN, MCLEAN e WETHERBE, 2004).
De acordo com Davenport (1998), o ERP é definido como um software de negócios que permite à organização automatizar e integrar a maior parte de seus processos; compartilhar dados comuns e práticas de negócio pela empresa; e disponibilizar a informação em tempo real. Em vista disso esses sistemas são vistos como mais que um sistema de informação, mas também como um sistema de gestão, extraindo as informações de formas mais apuradas e agilizando os processos como descrito anteriormente.
Na figura abaixo, Davenport (1998) exibe o funcionalismo dos sistemas ERP dissociando-as em funções internas (BackOffice), composta por recursos humanos, manufatura e finanças, e funções externas (front-office), composta por vendas e serviços, além da tecnologia e do SCM (Supply Chain Management) chamado de Gerenciamento da Cadeia de Suprimentos.
Figura 2 – Funcionalidades dos sistemas ERP
 
Fonte: Davenport (1998)
Mediante os benefícios pela adoção de um sistema ERP, é possível perceber para que o sistema de informação tenha êxito, é necessário que todos os componentes da empresa entendam sua importância na utilização do sistema e na implantação dele.
 Para tal, exige-se a necessidade de uma mudança na cultura organizacional e uma reciclagem de conceitos dos participantes. ERP deve ser flexível e modular e, de preferência, não deve ser limitadoa funções específicas, ou seja, deve estar aberto para eventualidades operacionais comuns dentro de organizações. 
A adoção de um sistema ERP requer uma mudança de cultura interna da organização. Contudo, o conceito de BI, ao contrário do ERP, não é tão radical quanto a forma de trabalhar da organização, se adequando a ela e conectado à estratégia de negócios. 
2.3	CUSTOMER RELATIONSHIP MANAGEMENT (CRM)
Com a expansão do uso de computadores e conectividade resultou na propagação de sistemas de usuários finais, os quais podiam verificar os dados assim que eram disponibilizados. E dessa forma, sistemas de gestão com soluções especializadas, como o Customer Relantionship Management (CRM), também irromperam na área de negócios.
A CRM, também conhecida como Gestão de Relacionamento com o Cliente, é uma abordagem que reconhece os consumidores como o centro do negócio, cujo sucesso da empresa depende da eficiência da gestão das relações com os mesmos. Neste ponto, é aplicado o marketing de relacionamento, onde ocorre a identificação das necessidades e vontades de cada cliente, procurando alcançar a fidelização, colocando-os no núcleo das estratégias de negócios da organização. (KOTLER; ARMSTRONG, 2007)
Entretanto, a o CRM não se limita apenas ao emprego de tecnologia e se caracteriza por mais do que apenas vendas e marketing, e também por uma nova filosofia dos negócios, em que a empresa se torna capaz de mudar a forma como seus produtos ou serviços são oferecidos, focando nas necessidades individuais dos clientes, tratando-os de formas diferenciadas. (ZENONE, 2007). As empresas mais perspicazes tendem a estimular a participação ativa dos clientes no desenvolvimento de seus produtos, soluções e serviços.
Isto posto, para HABERKORN (2004) só é possível aplicar o CRM com o suporte de um software baseado em banco de dados que armazena as informações relevantes referente aos gastos, período de compras, valor médio de cada ticket, formas de pagamento mais utilizada e informações pessoais. Com esta informação passa a ser viável customizar o marketing em torno de cada indivíduo de acordo com suas necessidades e anseios. 
De acordo com BROWN (2001) existem cinco elementos necessários para aplicação do programa de CRM, sendo eles: estratégia, segmentação, tecnologia, processo e controle. Sendo a tecnologia CRM dividida em três segmentos onde seus componentes são conectados, interdependentes e necessários para o sucesso final da plataforma: CRM operacional, CRM Analítico e CRM Colaborativo:
CRM operacional: Baseia-se basicamente em funções empresariais, abrangendo os serviços ao consumidor, gerenciamento de pedidos, contabilidade, faturamento e/ou automatização de marketing e vendas.
CRM analítico: Onde ocorre toda captação, armazenamento, processamento, interpretação e transmissão de informações dos consumidores para o usuário da interface, separando o que é pertinente ou não a determinado cliente. 
CRM colaborativo: é o núcleo das comunicações, entre o cliente e seus fornecedores por meio de algum canal de informação, como sites, e-mails, etc.
A partir desta conjectura o CRM é uma importante ferramenta que irá prover o BI com informações essenciais sobre os clientes possibilitando criação de estratégias e produtos personalizados de cada grupo gerado pelo CRM, permitindo uma vantagem competitiva. (NEWEL,2000)
2.4	PROCESSAMENTO DE TRANSAÇÕES VERSUS PROCESSAMENTO ANALÍTICO
2.4.1	Online Transacional Processing (OLTP)
Nas organizações corporativas, podemos observar diversas ocorrências que são representadas por uma dada transação. Onde as aplicações que realizam o armazenamento, controle e processamento das transações, ou seja, rodando nos sistemas transacionais, são chamadas de OLTP (Online Transacional Processing). De modo geral, as aplicações OLTP servem para registro das transações rotineiras e repetitivas em larga escala e de baixa complexidade. Exemplos de OLTP: conta corrente, controle de estoque, controle da produção, contabilidade etc. (TURBAN, 2009). 
Sendo considerados uma das fontes de dados primitivos[footnoteRef:4] ou dados operacionais da corporação, alimentando as soluções analíticas, que serão abordadas no próximo tópico, possibilitando constante atualizações de dados, suportando o seu rápido aumento de volume de dados. (isto é, as informações são alteradas diariamente), ao passo que as aplicações analíticas lidam com dados estáticos, geralmente permitindo apenas acesso a leitura de dados. (INTEL,2007) [4: (Inmon, 2005, p. 15).] 
2.4.2	Online Analytical Processing (OLAP)
Segundo Turban et al (2009, p. 109) o processo de análise executado, geralmente, por usuários finais em sistemas online é chamado de processamento analítico online (OLAP, em inglês, Online Analytical Processing). Diversas atividades são consideradas OLAP, como solicitação, geração e manipulação de relatórios e gráficos sob demanda e a execução deles. 
 Por meio do OLAP é possível aos analistas de negócios, gerentes e executivos analisar e visualizar dados corporativos sobre diferentes perspectivas, de forma rápida, interativa, consistente e eficiente. (ANZANELLO, 2007, p. 3). 
As ferramentas OLAP, normalmente, são desenvolvidas para trabalhar com banco de dados desnormalizados, sendo assim, capazes de navegar pelos dados de um Data Warehouse, portanto com uma estrutura apropriada tanto como para a apresentação de informações como para a realização de pesquisas. Oferecendo além disso uma perspectiva conceitual multidimensional dos dados. (RIBEIRO, 2011). 
De acordo com o site da Intel (2007)[footnoteRef:5]: [5: Disponível em: http://www.gi3d.com.br/resources/Business_Intelligence.pdf> Acesso em: 25 de set. de 2019.] 
Antes do desenvolvimento da tecnologia OLAP, as empresas tinham de utilizar outras ferramentas menos amigáveis para conseguir gerar relatórios, em que a dificuldade era a de procurar os dados que estavam em vários arquivos. Dessa forma, se o objetivo era construir um relatório para avaliar quais eram os clientes mais rentáveis num determinado semestre, por exemplo, eram necessários dois trabalhos: primeiro encontrar os dados e depois construir o relatório no formato desejado, o que consumia tempo.
 Edgar. F. Codd, criador do termo OLAP, citando-o pela primeira vez em 1993, em seu livro " A Relational Model of Data for Large Shared Data Banks", onde estabeleceu 12 regras que estas aplicações deveriam atender. 
São elas: 
1. Visão conceitual multidimensional dos dados;
 2. Transparência ao usuário; 
3. Fácil acessibilidade; 
4. Desempenho consistente na geração de relatórios;
 5. Arquitetura cliente/servidor; 
6. Dimensionalidade genérica; 
7. Manipulação dinâmica da matriz esparsa;
 8. Suporte multiusuário; 
9. Operações irrestritas com dimensões cruzadas; 
10.Manipulação intuitiva dos dados; 
11.Relatórios flexíveis; 
12.Dimensões e níveis de agregação ilimitados.
De acordo com Turban et al. (2009, p. 112), estas regras permitem uma padronização da modelagem dos dados multidimensionais em que os usuários utilizem os sistemas OLAP para realizar análises categóricas, exegéticas, contemplativas e formalistas. A análise categórica é baseada em dados históricos, estática e suportada por banco de dados de OLTP, pois pressupõe-se que o desempenho passado é um indicador do futuro. 
A análise exegética adiciona a capacidade de realizar drill down[footnoteRef:6] baseando-se em dados históricos. A análise contemplativa permite que o usuário altere um único valor a fim de examinar o seu impacto, enquanto a análise formalista permite a alteração de diversos valores. [6: Análise utilizada quando é preciso de um nível de detalhe maior. Por exemplo: Em um relatório anual de vendas observa-se a informação que a empresa obteve um bom lucro e para irmos mais a fundo alteramos o relatório para um dado mensal dessa forma podemos observar os meses em que se obteve melhores desempenho.] 
A comparação das características entre os dois processos enunciados acima, OLTP e OLAP, estão resumidas no Quadro 2:
	Característica
	OLTPOLAP
	Operação típica
	Atualização
	Análise
	Telas
	Imutável
	Definida pelo usuário
	Nível de dados
	Atomizado
	Altamente sumarizado
	Idade dos dados
	Presente
	Histórico, atual e projetado
	Recuperação
	Poucos registros
	Muitos registros
	Orientação
	Registro
	Vetores
	Modelagem
	Processo
	Assunto
QUADRO 2 – DIFERENÇAS ENTRE OLTP E OLAP
FONTE: extraído de Anzanello (2007, p. 3).
Com o tempo a tecnologia OLAP evoluiu e multiplicou-se, originando as ferramentas ROLAP, MOLAP, HOLAP e DOLAP, as quais ocasionam novas formas de organizar os dados antes de entregá-los ao usuário final.
Ferramentas OLAP[footnoteRef:7] [7: Fonte: O que é OLAP? Disponível em: http://vivianeribeiro1.wordpress.com/2011/07/12/o-que-e-olap/ - Acessado em: 10 de out.2020.] 
· ROLAP (Relational On Line Analytical Processing) a consulta é enviada ao servidor de banco de dados relacional e processada no mesmo, mantendo o cubo no Servidor.
· MOLAP (Multidimensional On Line Analytical Processing) processamento realizado em um servidor multidimensional.
· HOLAP (Hybrid On Line Analytical Processing) é uma mistura de tecnologias onde há uma combinação entre ROLAP e MOLAP.
· DOLAP (Database OLAP) se refere a um sistema de gerenciamento de banco de dados relacional (SGBDR) projetado para hospedar estruturas e executar cálculos de OLAP.
É importante frisar a distinção entre OLAP e mineração de dados, uma vez que ambos viabilizam a análise detalhadas e resumidas e busca de padrões. A análise multidimensional, com algoritmos/funções descritivas e guiadas pelo usuário são encontradas em ferramentas OLAP, à medida que no caso da mineração de dados, as funções são explicativas, limitando-se à uma única dimensão. (THOMSEN, 2002)
2.5	DATA WAREHOUSE
O conceito de Data Warehouse (DW) teve origem na necessidade das organizações em integrar os dados provenientes de diferentes servidores além de gerenciar um elevado número de dados em um repositório onde essas informações viessem a gerar relatórios para as análises corporativas. Para Beal (2004), o DW permite que as redundâncias, ocasionadas pelas informações replicadas nos diversos sistemas, sejam eliminadas.
Deste modo, um DW é uma compilação de dados orientada pela não volatilidade, por assunto, integralização, variável no tempo, que permite suporte ao processo de gestão e tomada de decisões, além de se diferenciar de um banco de dados transacionais, como gerados pelos sistemas ERP, por exemplo (Turban et al.2009; Barbieri, 2011).
Sendo assim, de acordo com o site da Intel (2007):
um DW pode ser definido como um conjunto de técnicas e de bancos de dados integrados, projetados para suportar as funções dos Sistemas de Apoio à Decisão, em que cada unidade de dados está relacionada a um determinado assunto ou fato. Sua meta é fornecer subsídios e informações aos gerentes e diretores, para que assim possam analisar tendências históricas de seus clientes e, com isso, melhorarem os processos e agilizarem as tomadas de ações. 
O DW é desenvolvido através de um processo chamado Data Warehousing, que se utiliza de um modelo relacional dimensional e reconverte-se em aplicações que oferecem modelagem de dados, acesso imediato às informações e assim possibilita suporte à decisão de forma intuitiva e geração de resultados. Existe três principais tipos de DW: Data Marts, Data Stores Operacionais (ODS) e Data Warehouses Empresariais (EDW) (Turban et al. 2009).
i. Data Marts – Seu conceito pode ser compreendido como um mini Data Warehouse, um subconjunto do DW, que fornece suporte para assuntos delimitados, como um departamento específico. Os data marts podem ser classificados em dependentes (aqueles criados diretamente a partir dos dados de um DW, mais consistentes) e independentes (basicamente, DWs menores direcionados para um único aspecto/assunto). Em comparação ao DW, possui menores investimento e tempo de implementação e desenvolvimento, porém não são abrangentes e tão complexos como tais.
ii. ODS (Operational Data Store) Um tipo de banco de dados intermediário, utilizado como área de preparação deles antes de serem direcionados ao DW. Este modelo estabelece dados de variadas fontes e dá uma visão integrada e praticamente em tempo real de dados correntes e voláteis. (TURBAN et al., 2009, p. 59). Por possuir certa previsibilidade de uso com um histórico base inferior ao DW, serve como base para analistas de negócios. Sendo importante realçar que o ODS não pode ser combinado ao DW em um sistema por possuírem técnicas de recuperação e armazenamento bem distintas, além da finalidade. Destarte, o ODS é uma fonte perfeita para o DW e precisa estar intimamente ligado aos sistemas transacionais.
iii. EDW (Data warehouses empresariais) é um data warehouse em larga escala usado por toda a empresa no suporte à decisão. Ou seja, é um repositório de dados integrados e centralizados e, pode ser utilizado em diversas aplicações de BI e sistemas de apoio a tomada de decisão.
Existem duas abordagens recorrentes ao emprego do DW (Breslin, 2004):
Na abordagem EDW, proposta por Inmon, primeiro o DW é construído e depois os data marts para os departamentos que consomem os dados do DW. Apoia uma abordagem de cima para baixo.
A outra é a de Ralph Kimball, que propõe uma abordagem de baixo para cima, prevendo a construção de DWs menores ou um por vez, como data marts, específicos para cada assunto ou departamento da organização, ou seja, empregando a modelagem dimensional.
2.6	EXECUTIVE INFORMATION SYSTEMS (EIS)
Com a expansão tecnológica no final dos anos 1970, no início dos anos 1980 se originou o conceito de sistemas de informações executivas (EIS). Tal conceito pode ser definido como um sistema de suporte a gerentes e altos executivos que consiste em uma combinação de dados internos e externos, gerando relatórios dinâmicos que permite previsões, acompanhamentos diários e detalhados, tendências, análises e tabulações, por meio do emprego de softwares emitindo gráficos que são de fácil compreensão mesmo para quem não tem conhecimentos profundos de tecnologia. 
Um EIS é muito fácil de usar, é auxiliado por gráficos e oferece os recursos de relatórios de exceção (ou seja, relatórios apenas sobre os resultados que diferem de um padrão estabelecido) e drill down (isto é, a investigação cada vez mais detalhada das informações). Um EIS pode ainda ser conectado a serviços de informações online e e-mail. (TURBAN, et al. p.108, 2009).
 O principal objetivo de um EIS é oferecer, em um curto espaço de tempo, todas as informações de que os executivos necessitam para uma gestão eficiente da organização, identificação de problemas e oportunidades, assim como relações entre clientes e fornecedores, além de tendências no longo prazo. Desta forma, o conceito original de Sistemas de Informações Executivas foi ao longo dos anos se transformando em BI. (INTEL, 2007) [footnoteRef:8] [8: Para mais informações, acesse: http://www.nextg.com.br/. Disponível em: http://www.gi3d.com.br/resources/Business_Intelligence.pdf> Acesso em: 25 de set. de 2019.
] 
2.7	DECISION SUPPORT SYSTEMS (DSS)
As DSS (Decision Support Systems) ou Sistemas de Apoio à Decisão são oriundos dos sistemas transacionais já existentes nas corporações e empregam modelos para solucionar problemas não estruturados. 
Primeiramente é definido quais os dados que serão armazenados no Data Warehouse, e posteriormente será realizada a modelagem dimensional e a elaboração tangível do modelo, onde as especificidades das ferramentas OLAP e do Sistema Gerenciador de Banco de Dados (SGBD) definidas serão avaliadas para otimizar as futuras decisões. O próximo passo é o carregamento de dados no DW e após são realizadas as subprogramações de extração de dados.
Finalizada esta etapa, acontece o levantamento da consistência dos dados, pois qualquer falha acarretará insucesso nas próximas análises. A seguir ocorre a confecção de metadados (mapeadores dos dados de todas as etapas de implementação do DSS) e as ferramentas OLAP são usadas para visualização e análise dos dados. (INTEL,2007)
Para Vercellis (2009), os principais componentes dos Sistemas de Apoio à Decisão são as bases de dados, os modelos matemáticos e a interface que é responsável pelo diálogo com o usuário. Na figura 3 podemos observar a relação entre esses elementos e o processo descrito acima.
Figura 3: Estrutura de DSS (Decision Support Systems
Fonte: Vercellis (2009, p. 36).
Os Sistemas de Apoio à Decisão supostamente são simples, mas é preciso muito conhecimento técnico e se aprofundar no tema para sua elaboração e sucesso nos negócios. São ferramentas poderosas que criam familiaridade das empresas com as tecnologias relacionadas ao BI, sendo um início desse processo evolutivo.
2.8	METADADOS
Os metadados são os “dados dos dados”, como um tipo de dicionário, sendo considerados peças essenciais num DW. Os metadados definem a estrutura, modelos e significados dos dados, gerando contextos com mais informações e agregando mais conhecimentos. (PRIMAK, 2008) 
Para Barbieri (2011, p.68) os metadados podem ser visualizados conforme o seu padrão:
i. Metadados sintáticos – Dados utilizados para descrever a sintaxe dos dados, garantindo um padrão por uso de regras para a formação dos nomes atribuídos aos dados.
ii. Metadados semânticos – Dados que descrevem o significado dos dados em determinado domínio.
iii. Metadados estruturais – são utilizados para descrever a estrutura dos dados, definindo como são compostos em partes menores. 
Outra visão dos metadados é baseada em seus termos de uso (Mehra, 2005 apud Turban. Et al, 2009), que podem ser de negócios, fornecendo contexto do dado daquele dado para o negócio, ou técnicos, mostrando como será o processamento de dados pelos sistemas e banco de dados. O uso de metadados pode ser classificado em vários níveis de maturidade, devendo serem adotados por quaisquer sistemas que deseja obter sucesso na gestão de ativos de informação e conhecimento e estão intimamente ligados à construção de sistemas Business Intelligence. (BARBIERI, 2011).
2.9	ETL (EXTRACT, TRANSFORM AND LOADING)
Extração, Tratamento e Carga é a tradução de ETL, do inglês Extract, Transform and Loading. Essas três etapas são de suma importância para a criação de um DW. Através das ferramentas de ETL é possível coletar dados transacionais importantes, transforma-os em um padrão carregando-os para bases analíticas (BARBIERI, 2011; TURBAN; VOLONIMO, 2013). 
A extração consiste na leitura dos dados de diversas fontes, é a primeira etapa de um processo ETL, onde os dados são especificados de acordo com o interesse para o DW.
A segunda etapa é a de transformação atribuída ao tratamento dos dados, considerada a mais crítica, nela os dados extraídos são convertidos para que sejam alocados em outro banco de dados ou DW. Como se fosse uma etapa de garantia da integridade dos dados. Por fim, a última fase do ETL é a carga, que consiste em carregar os dados trabalhados para o DW.
A figura 4 ilustra o processo das ferramentas ETL no DW:
Figura 4: Esboço do processo de ETL
Fonte: Turban et al (2009), p.72.
O escopo de um processo ETL é entregar aos usuários do DW dados importantes, consistentes e bem estruturados, em que as análises são armazenadas em uma única base analítica, permitindo que as informações sejam recuperadas. É necessário reforçar que se algum dado não for manipulado de forma correta, a qualidade da análise decai e prejuízos serão gerados aos negócios pois afetará o processo de tomada de decisão. 
2.10	BUSINESS PERFORMANCE MANAGEMENT (BPM) 
O Business Performance Management (BPM) tem o intuito de otimizar o desempenho geral de uma organização, orientando os negócios ativamente na direção desejada, mais precisamente e rapidamente, por meio de análise, a elaboração de relatórios e as consultas de BI.
Este termo baseia-se na metodologia balanced scorecard, sendo uma forma de vincular métricas de nível superior, como os dados financeiros criados pelo diretor de finanças a gerenciar sua performance em todos os níveis hierárquicos da corporação permitindo um ambiente de gerenciamento integrado. (Intel, 2007; Turban et.al, 2009)
Existem dois tipos de BPM: o Business Performance Measurement, relacionado as medidas. São aplicações que fazem uso de KPIs[footnoteRef:9] para métricas de comparação com a concorrência; utilizam ferramentas OLAP para navegação entre as medidas para auxiliar na fase analítica do negócio, uso de dashboars, comparando os indicadores ao desempenho real, onde a combinação resulta em gráficos que refletem a saúde da empresa. [9: Key Performances Indicators, são os indicadores-chave de desempenho.] 
 E o Business Performance Management que compõe o gerenciamento, são aquelas que suportam a modelagem de cenários e deixando o usuário um passo à frente, permitindo que se altere o curso das ações, selando as pontas entre os sistemas analíticos e operacionais da empresa, viabilizando uma gestão de alta performance. 
A implementação de um BPM na empresa permite os seguintes resultados: 
	Foco na estratégia
	Alinhamento de recursos com os objetivos estratégicos.
	Agilidade nos negócios
	Gerenciamento colaborativo, responder mais rápido às demandas de mudanças do mercado devido a adaptação dos planos.
	Decisões baseadas em fatos
	Previsão de aspectos antes que impactem os resultados.
	Inovação
	aumentar a eficiência operacional
	Transparência
	captura e reutilização do conhecimento sobre os negócios, maior confiabilidade dos resultados.
Fonte: NEXTG/INTEL (2007).
2.11	BUSINESS ACTIVITY MONITORING (BAM) 
O significado da sigla BAM é Monitoramento da Atividade de Negócio. O termo criado pelo grupo Gartner, reflete o interesse deles e outras corporações de controle nos conceitos estratégicos de empresa de latência zero (dados empresariais de disposição imediata) e do processamento direto (etapas ineficientes, geralmente registradas de forma manual, são eliminadas.) (McKie, 2003; e Systar, 2002 apud Turban et.al, 2009).
Os sistemas BAM podem ter diferentes significados para cada usuário, mas pode ser definido como um software que pode alertar em tempo real os gestores como informações de negócios relevantes como possíveis ameaças e oportunidades, os habilitando a usarem modelos colaborativos. Os usuários que mais utilizam o BAM são analistas de negócios, gestores e equipe comercial, gerentes de departamento e diretores financeiros. Geralmente, o BAM é empregado a supervisão das atividades de uma determinada instalação, como uma central de atendimento ou uma fábrica, assim como um processo específico de um negócio.
De acordo com o site da INTEL[footnoteRef:10] os BAMs podem ser classificados em três tipos básicos: [10: Business Intelligence disponível em: http://www.gi3d.com.br/resources/Business_Intelligence.pdf. Acesso em: 25 de set. de 2019. 
] 
i. Métricas de Processo – Tecnologias de integração de processos, onde as informações são expostas em tempo real como parte do mecanismo de integração. Dessa forma, além da criação de metaprocessos é possível externar suas informações em tempo real e calcular hipóteses usando os dados recebidos. Oferecendo exclusivamente a monitoração sobre um processo. 
ii. BAM passivo – É o que se vê nas empresas. São servidores de integração que mostram as informações em tempo real para os usuários finais de uma forma mais simplificada. Embora as mudanças necessárias não sejam implementadas pelo BAM, é fornecida aos usuários a possibilidade de observarem o estado de seus negócios e se preciso, realizar as mudanças. 
iii. BAM ativo – É um tipo de sistema mais complexo, onde além do monitoramento ou análises em tempo real, também é possível adotar ações usando lógicas pré-programadas. 
Por meio da implantação do BAM verificamos diversos benefícios como a melhoria do controle do fluxo de trabalho e das atribuições de forma clara e precisa; uma métrica precisa sobre o tempo de realização das tarefas; Controle rígido de prazos de entrega do produto final; Melhor integração entre soluções e redução dos riscos implicados nas operações.[footnoteRef:11][11: Disponível em: http://www.intergate.net.br/blog/bam-para-monitorar-os-dados-e-atingir-resultados/.Acesso em 25 de out. de 2020.
] 
2.12	DATA MINING (DM) 
Data Mining é uma funcionalidade ativa, ou seja, não é definida pelo usuário, que pesquisam, agregam e organizam os dados, encontrando neles relações de padrões, divergências e até anomalias relevantes. Ou seja, é uma categoria de análise das informações, baseadas em banco de dados, que buscam padrões ocultos em um conjunto de dados para previsão de comportamentos futuros.
Contudo, muitas vezes esse termo é usado de forma errônea para a descrição de um software que mostra dados colocados de novas maneiras. O software de data mining real não realiza simplesmente essa mudança de dados: ele procura correlações antes desconhecidas cujo conhecimento será aplicado para sucesso em relações específicas de negócios. (NEXTG, 2007).
As ferramentas de data mining são baseadas em algoritmos e utilizadas para aprimorar ou até substituir a inteligências humana, através de inteligência artificial, redes neurais, lógica de predicados e regras de indução, facilitando as responsabilidades dos analistas de negócios a descobrirem novas correlações, visualizarem novas perspectivas, padrões e tendências para questões antigas. 
São ferramentas de extrema utilidade para fraudes sejam detectadas e para previsões de comportamentais. Não obstante, por sua complexidade requer profissionais com excelente capacidade de análise e expertise.
No Brasil, a maioria das empresas utiliza a ferramentas de Business Intelligence de forma mais operacional e departamental. De acordo como Mauro Peres, diretor de pesquisa da IDC, uma boa parcela das corporações utiliza o BI para emitir relatórios financeiros, até mesmo para alocação de custo a partir desses dados. (COMPUTERWORLD, 2016)
Visto os consideráveis benefícios do BI obtidos pelo cerne da administração das empresas como: aprimoramento da tomada de decisões, melhoria dos processos de negócio e consequentemente do resultado final. É inerente a questão da adesão tecnológica para inteligência de negócios como incremento financeiro das empresas na atualidade, o que será abordado na próxima seção com a descrição da gestão financeira do país e exemplos do uso do BI nas corporações.
 
3	RELEVÂNCIA DE SE ADOTAR BUSINESS INTELLIGENCE PARA MELHORIAS NA GESTÃO FINANCEIRA NAS EMPRESAS NO BRASIL
3.1 GESTÃO FINANCEIRA NO BRASIL
3.1.1	Breve histórico sobre o sistema financeiro
Nos primórdios da humanidade, os seres humanos viviam sob o estilo de vida nômade, sustentando-se por meio da caça, pesca e da coleta de alimentos. Esta forma de sobrevivência durou por milênios e foi abandonada quando o ser humano aprendeu sobre plantio, percebendo que poderiam cultivar a terra para extração de seu sustento, sem precisar se locomover para outros lugares quando os recursos da região habitada acabavam e passaram a viver de forma sedentária. 
Mesmo com a economia de subsistência[footnoteRef:12] sendo predominante gerou-se excedentes de produção, e a partir desse momento, surgiram de forma natural as trocas diretas, conhecidas como escambo. O escambo se tornou naquele momento a forma mais eficiente de negociação de troca de bens sem que ocorresse o intermédio do dinheiro da mesma maneira que o conhecemos hoje. [12: Uma economia de subsistência é um sistema de produção de gêneros voltada para a subsistência básica e não para o mercado. Sendo assim, "subsistência" é compreendida como sustentar-se em um nível mínimo.] 
Cada vez mais, o processo de escambo perdia eficiência e as dificuldades começaram a surgir. A evolução do comércio e a divisão do trabalho, geravam maiores demandas e impossibilitavam a padronização de um valor de troca, muitas mercadorias não eram divisíveis, impossibilitando calcular uma troca “justa”. O excedente de um produtor nem sempre era o desejo do outro produtor que possuía o excedente desejado. (CRUZ e ANDRICH, 2013).
Sendo assim, de acordo com o Banco Central do Brasil (2008), algumas mercadorias passaram a ser utilizadas com funções de dinheiro, ratificada como moeda-mercadoria: arroz, tecidos, trigo, peixe, gado, sal etc. Contudo tais mercadorias apresentavam problemas de logística, ou seja, seu transporte era árduo e/ou demorado, além da perecibilidade e ainda dificuldades de divisibilidade. 
Com a intenção de solucionar esses problemas, o dinheiro é inventado no século VII a.C., sob a forma de moeda de metais nobres. Ainda assim, as dificuldades persistiram: as moedas de ouro e prata atraiam a atenção de assaltantes além de continuar possuindo um transporte de custo elevado. Tais riscos foram cruciais na criação de casas de custódia que ofereciam em troca certificados de depósito para armazenarem ouro e prata. Gradualmente, o uso dos certificados foi sendo usado como moeda, servindo como garantia de troca do mesmo valor que a mercadoria adquirida. (BANCO CENTRAL DO BRASIL, 2008)
Isto posto, surgia assim o papel moeda, quem estivesse em posso de tal certificado poderia se direcionar à casa de custódia e realizar o saque equivalente ao metal a que era lastreada. Esse ato de resgate do papel em metal é denominado conversibilidade. No decorrer do tempo, foi- se percebendo que os donos dos certificados não realizavam a reconversão ao mesmo tempo. Ademais, enquanto surgiam novos depósitos de ouro e prata, outros faziam a troca de papel moeda por metal, acabando por justificar novas emissões. (BANCO CENTRAL DO BRASIL, 2008)
Aos poucos as casas de custódias, percebendo a importância do monopólio da emissão de papel moeda, e sendo de suma relevância para o desenvolvimento do sistema financeiro, deu início a emissão de certificados sem lastro de metal, surgindo assim a moeda fiduciária. Contudo o sistema fracassou, devido à emissão de papel-moeda por particulares. Assim o Estado passou a ter o controle do mecanismo de emissões, e em sequência introduziu-se à emissão de notas inconversíveis. (NOGAMI, p.133, 2007)
De acordo com Nogami (2007), atualmente grande parte dos sistemas fiduciários, apresentam as seguintes características:
i. Inexistência de lastro metálico
ii. Inconversabilidade absoluta
iii. Monopólio estatal das emissões
A partir do progresso do sistema bancário surgiu a moeda bancária, contábil ou escritural. Sendo constituída pelos depósitos à vista e a curto prazo nos bancos, cuja movimentação dos recursos é realizada através de cheques ou ordens de pagamento. É relacionada aos pagamentos, ou seja, os débitos e créditos, feitos pelos correntistas aos bancos, por isso ser denominada escritural. Convém observar o uso cada vez mais frequente de meios de pagamentos digitais ou eletrônicos, como cartões de crédito, débito, aplicativos, smartfones, cartões por aproximação etc.; beneficiados pelo desenvolvimento tecnológico. 
As economias mundiais, na contemporaneidade, dispõem de complexos sistemas financeiros, onde a moeda, junto a outros meios, representa o papel de ativo de financeiro. O sistema é operacionalizado através da gestão da política monetária pública realizada por um bloco de instituições financeiras por meio de mercados específicos como o de crédito, capitais, monetário e cambial. (NOGAMI, 2007)
O Sistema Monetário abrange o numerário da nação, ou seja, todas as moedas metálicas, papel-moeda de curso legal e escritural.
De acordo com NOGAMI (p.164, 2007) o Sistema Financeiro:
é composto por um conjunto de instituições financeiras que, com a utilização dos instrumentos financeiros, operacionaliza as atividades do sistema, transferindo recursos dos aplicadores (ou poupadores) para aqueles que necessitam de recursos por uma razão qualquer (inclusive investidores). As instituições financeiras são responsáveis, ainda, por criar condições para que os mais diferentes títulos financeiros tenham liquidez no mercado.
No Brasil, a primeira instituição financeira criada foi o Banco do Brasil, em 1808, com a chegada da família real. Se espelhando no modelo bancário europeu, o Banco do Brasil realizava operações