4 - Business Intelligence_BI

Prévia do material em texto

INTRODUÇÃO
 A BIG DATA E 
INTERNET DAS 
COISAS (IOT) 
Maurício de Oliveira 
Saraiva
Business Intelligence (BI)
Introdução
Ao final deste texto, você deve apresentar os seguintes aprendizados:
  Definir Business Intelligence (BI).
  Reconhecer a arquitetura BI.
  Resumir a aplicação de BI nas empresas.
Introdução
A competitividade do mercado de trabalho faz com que as empresas 
precisem tomar decisões a respeito de seu negócio com agilidade e 
segurança. No entanto, para que essas decisões sejam acertadas, as orga-
nizações precisam converter seus dados em informações que representem 
conhecimentos relevantes para o negócio. Para isso, Business Intelligence 
fornece o apoio computadorizado necessário para que a tomada de 
decisão seja realizada de forma rápida, precisa e confiável.
Neste capítulo, você vai estudar sobre os conceitos de Business Intelli-
gence, sua arquitetura e aplicação nas empresas.
Business Intelligence
Business Intelligence (BI), que, em livre tradução, signifi ca inteligência do 
negócio ou inteligência empresarial, pode ser considerado como um conjunto de 
soluções que envolvem aplicações, bancos de dados, metodologias, arquiteturas 
e ferramentas que permitem a transformação de dados brutos em informações 
gerenciais (TURBAN et al., 2009). 
Esse acesso, que, por vezes, deve ser em tempo real, permite que analistas, 
gerentes e diretores consultem dados históricos e atuais sobre o movimento e 
o desempenho das organizações, servindo de base para a tomada de decisão. 
Um conceito simplificado de BI é apresentado por Turban et al. (2009, p. 
27), que destacam que “O processo de BI baseia-se na transformação de dados 
em informações; depois, em decisões; e, finalmente, em ações”. Porém, quando 
se trata de transformação de dados em BI, considera-se um enorme volume de 
dados brutos que são manipulados.
A Figura 1 apresenta um conjunto de recursos, ferramentas e técnicas 
que serviram de base para a criação e a evolução do BI. Entre os principais, 
destacam-se bancos de dados dos diversos sistemas das organizações, ferra-
mentas para extração e transformação de dados em informações condensadas 
(OLAP, data marts, sistemas ETL, metadados, portais) e análise de dados 
(consulta e relatórios, planilhas Excel, indicadores e dashboards, alertas e 
notificações).
Figura 1. Recursos, ferramentas e técnicas de BI.
Fonte: Turban et al. (2009, p. 28).
O BI evoluiu dos Sistemas de Geração de Gestão (SIG) dos anos 1970 e 
dos Executive Information Systems (EIS) dos anos 1980, mas foi em meados 
na década de 1990 que o termo foi estabelecido pela empresa de consultoria 
Business Intelligence (BI)2
Gartner Group, vindo a se tornar mundialmente conhecido desde então 
(TURBAN et al., 2009).
Esses sistemas que serviram de base ao BI apresentavam relatórios dinâmicos 
multidimensionais, prognósticos e previsões, análise de tendências e fatores 
críticos de sucesso, entre outras funcionalidades. Atualmente, as ferramentas 
de BI fazem uso de modernas tecnologias, como inteligência artificial (IA) para 
a realização de recursos de análise. 
A competitividade do mercado exige que as organizações trabalhem seus 
dados de modo rápido e eficiente, para que sejam transformados em infor-
mações úteis para a tomada de decisão, com o objetivo de melhorar suas 
operações, reduzir custos e aumentar a produtividade.
Com o apoio da tecnologia, mais especificamente das ferramentas de BI, 
essas informações chegam às mãos de gerentes e diretores mais rapidamente, 
sem desprezar a confiança e a legitimidade nos dados que são apresentados 
(PRIMAK, 2008).
Um dos principais objetivos que fazem as organizações implantaram ferramentas 
de BI é coletar, organizar, compartilhar e monitorar informações voltadas à gestão 
do negócio. Com isso, visa obter a informação certa, no lugar certo, na hora certa 
e nas mãos certas. 
Em um sistema de BI, os dados são transformados em informações úteis 
por meio de ferramentas, como, por exemplo, Extract, Transform, Load (ETL). 
Basicamente, uma ferramenta ETL é composta de três fases: extração, trans-
formação e carregamento (PRIMAK, 2008):
  Extração: captura dados brutos das diversas fontes de dados da 
organização.
  Transformação: descarta dados irrelevantes e agrupa dados com base 
em categorias de negócio por meio de chaves e índices ágeis.
  Carregamento: disponibiliza as informações para os sistemas de 
destino.
3Business Intelligence (BI)
Benefícios de BI
Diversos são os benefícios que Business Intelligence pode fornecer às or-
ganizações, entre os quais se destaca a capacidade de fornecer informações 
condensadas, precisas e ágeis a respeito do desempenho dos negócios às 
pessoas interessadas, facilitando o planejamento e a tomada de decisão.
No entanto, Turban et al. (2009) citam que existem outros benefícios 
secundários, como:
  geração de relatórios mais rápida e precisa;
  melhoria da tomada de decisões;
  economia de tempo;
  versão única da verdade;
  melhoria das estratégias e dos planos;
  maior eficiência nos processos;
  economia de custos.
Devido a tantos benefícios, muitos executivos não insistem em justificar 
detalhadamente o custo do investimento em projetos de implantação de BI, 
uma vez que o valor agregado ao negócio é explícito, como possibilidade 
análise de vendas e marketing, séries históricas comparativas e previsão, 
consolidação financeiras, etc.
Uma organização que não implanta adequadamente uma solução de BI 
acaba por sofrer desvantagens competitivas. Para obter sucesso no ambiente 
de negócios, as organizações devem:
  enfrentar os desafios que são impostos pelas tendências do mercado;
  compreender amplamente as funcionalidades que um BI pode oferecer;
  atender às práticas recomendadas pelo mercado.
O processo de criação e uso da inteligência nos negócios é composto por 
diversas etapas que estão organizadas em um modelo cíclico, que recebe 
atualizações e evoluções ao longo de sua implantação. O início se dá pelo 
planejamento/atribuição de tarefas, segue pela coleta, pelo processamento, 
análise, produção, disseminação, avaliação e feedback, repetindo esse ciclo a 
cada novo processo implantado no BI, conforme ilustrado na Figura 2.
Business Intelligence (BI)4
Figura 2. Ciclo de implantação de BI.
Fonte: Turban et al. (2009, p. 35).
Arquitetura BI
A arquitetura de um BI envolve diversos componentes, que vão desde servi-
dores de alto desempenho, discos de grande capacidade de armazenamento 
a sistemas inteligentes que proporcionam a transformação de dados brutos 
em informações privilegiadas, disponibilizando-as aos usuários de acordo 
com os diversos níveis hierárquicos de uma organização (PRIMAK, 2008).
A Figura 3 apresenta um modelo de arquitetura básica de BI baseada em 
três partições: Data (dados brutos), Information (informações) e Knowledge 
(conhecimento).
  Data: a extração de dados dos mais diversos bancos de dados da orga-
nização, inclusive de sistemas legados.
  Information: a transformação de dados em informações conforme os 
objetivos e interesses do negócio, visando a implementação de data 
marts especializados.
  Knowledge: a produção de conhecimento nos diversos níveis da organiza-
ção com base na análise das informações disponibilizadas aos usuários.
5Business Intelligence (BI)
Figura 3. Arquitetura básica de BI.
Fonte: Fulcrum Logic (2009, documento on-line).
De acordo com Turban et al. (2009), a arquitetura BI pode ser compreendida 
em quatro grandes componentes: data warehouse (DW), análise de negócios, 
ferramentas para manipular e analisar dados e interface do usuário.
Data warehouse
Braghittoni (2017) explica que data warehouse é como um repositório de 
dados (data mart) que armazena informações oriundas dos diversos sistemas 
de uma organização. Os dados são armazenados em um formato que mantém 
as informações consolidadas por assunto/categoria, facilitando a extração de 
relatórios para a análise de grandes volumes.
A partir do momentoem que os dados brutos são transformados em infor-
mações consolidadas, é possível extrair relatórios que exibem séries históricas 
que possibilitam visualizar e analisar eventos passados e compará-los aos 
eventos atuais, fornecendo subsídios para a tomada de decisão na organização.
Entre as principais características do data warehousing, destacam-se 
(BRAGHITTONI, 2017):
  Orientado por assunto: os dados brutos são consolidados por assunto, 
como contratos, clientes, serviços, produtos, etc. Isso permite que 
usuários avaliem o desempenho atual das operações da organização 
Business Intelligence (BI)6
por meio de uma visão mais abrangente, bem como identifiquem as 
causas desse desempenho.
  Integrado: a integração está diretamente ligada à orientação por assunto, 
uma vez que as informações devem ser disponibilizadas de maneira 
centralizada e em formato unificado, de fácil acesso.
  Variável no tempo (série temporal): as variáveis no tempo apresentam 
informações em formato de séries históricas que permitem comparar 
o desempenho com períodos anteriores e até realizar projeções de 
comportamento.
  Não volátil: as informações são disponibilizadas apenas para consulta, 
de modo que esses dados não podem ser modificados. Essas informa-
ções também podem ser armazenadas por longos períodos, conforme 
a relevância dos dados.
Armazenar os dados de forma consolidada permite que relatórios gerenciais sejam 
extraídos rapidamente, uma vez que as informações já são armazenadas em um 
modelo de dados projetado para alto desempenho de consultas. Para isso, rotinas 
pesadas de transformação de dados brutos em informações gerenciais são execu-
tadas previamente, possibilitando que a extração de consultas possa ser realizada 
em poucos segundos. 
Análise de negócios
A análise de negócio é realizada pelos usuários com o apoio das ferramentas 
(softwares middleware) que permitem extrair relatórios e consultas perso-
nalizadas sobre as informações produzidas. Com isso, é possível analisar 
diferentes dimensões de dados sob diversas perspectivas com agilidade e 
efi cácia.
Uma das ferramentas mais conhecidas é a Online Analytical Processing 
(OLAP), com a qual é possível manipular e analisar grandes massas de dados 
sob diversas perspectivas categorizadas. Com isso, usuários podem personalizar 
a forma como as informações serão exibidas para extrair relatórios sob demanda 
para analisar e comparar diversos cenários, além de projetar tendências com 
base em seus dados corporativos (PRIMAK, 2008).
7Business Intelligence (BI)
Ferramentas para manipular e analisar dados
A análise de negócio é realizada pelos usuários com o apoio das ferramentas. 
Conhecidas como Decision Automatization Systems (DAS), essas ferramentas 
permitem que os dados das áreas funcionais, como vendas, por exemplo, 
solucionem determinados problemas de gestão.
São exemplos de ferramentas de gestão:
  Data mart: é uma base de dados corporativa especializada em armazenar 
dados de determinada área de negócios da organização. Possui uma 
estrutura organizada que privilegia a extração de informações que são 
importantes para o negócio. Exemplo: informações condensadas de 
vendas por clientes e segmentos de mercado.
  Data mining: é a busca de informações em bancos de dados com o 
objetivo de encontrar padrões que possibilitem a projeção de compor-
tamentos. Exemplo: auxilia empresas na prospecção de clientes que 
possuem interesses em comum.
  Business Performance Management (BPM): usa a metodologia balan-
ced scorecard com o objetivo de implementar e gerenciar estratégias de 
negócio das organizações para relacionar metas a desempenhos reais. 
Exemplo: monitora indicadores para apresentar diagnósticos para as 
diversas fontes de negócio.
Interface do usuário
Interfaces do usuário são ferramentas ou dashboard minds que oferecem aos 
usuários uma visão abrangente dos indicadores de desempenho e tendências 
por meio de gráfi cos, tabelas e quadros com informações sobre o negócio. 
Essas informações, normalmente, fi cam à disposição dos usuários em portais 
corporativos, intranets, sistemas de gestão e ferramentas de visualização.
Aplicação de BI nas empresas
Nesta seção, com base nos estudos de Turban et al. (2009), veremos três 
casos de aplicação de Business Intelligence em empresas, cuja implantação 
proporcionou melhoria de processos ou aumento de lucratividade.
Business Intelligence (BI)8
Precificação de produtos nas drograrias 
Longs Drug Stores
Nas drogarias Longs Drug Stores, uma rede de farmácias americanas com 
mais de 400 unidades, a precifi cação dos produtos era realizada de maneira 
descentralizada. Cada uma das lojas tinha autonomia para defi nir os preços 
que considerava mais adequados para lidar com a concorrência local.
Não existia um critério de definição dos preços, tampouco um estudo 
aprofundado acerca da competição do mercado. Assim, os preços eram in-
seridos no sistema de forma manual, a partir das tabelas de preços de varejo 
sugeridas pelo fabricante dos produtos.
Os preços, normalmente, eram modificados em determinadas estações 
do ano ou quando se instaurava uma guerra entre os concorrentes em busca 
dos clientes. No entanto, as alterações de preços não seguiam uma estratégia, 
pois não levavam em consideração a rentabilidade, a previsão de demanda e 
a consistência dos preços praticados.
Visando melhorar os processos e otimizar precificação de produtos, a 
rede de farmácias implantou o Business Intelligence, redefinindo de maneira 
radical a forma como os preços eram estabelecidos. Para isso, fórmulas foram 
implementadas para recalcular os preços automaticamente em toda a rede de 
lojas, com base em diversos fatores, como:
  histórico de vendas por períodos/características do ano;
  histórico de vendas por loja da rede;
  curva de preço/demanda por produto/categoria de produto;
  precificação dos concorrentes;
  métricas de rentabilidade;
  outros.
Além disso, a ferramenta possibilitou identificar os produtos que sofriam 
maior influência pela variação do preço e simular, em poucos segundos, o 
possível impacto que determinada alteração de preço poderia gerar nas vendas 
e/ou na margem de lucro.
Como resultado, as lojas da rede de farmácias identificaram um aumento 
entre 2% e 10% no volume da venda de produtos.
9Business Intelligence (BI)
Análise preditiva para melhorar a arrecadação 
de impostos no Texas
Identifi car o montante de impostos devidos frente ao arrecadado é o desejo 
de qualquer governo e, com o estado do Texas, não era diferente. O método 
normal de conferência ocorria pela fi scalização manual, que era realizada 
pelos auditores fi scais.
No entanto, essa auditoria era custosa e demorada e, além disso, em muitos 
casos, poderia não encontrar nenhuma diferença, produzindo um trabalho 
desnecessário e que teria sido evitado se houvesse uma forma de saber, pre-
viamente, quais empresas possuíam tais diferenças e, assim, auditar apenas 
onde fosse necessário.
Com a implantação do Business Intelligence, milhões de registros foram 
armazenados em bancos de dados em forma de informações que puderam 
ser cruzadas para identificar orientações promissoras. Em outras palavras, o 
sistema possibilitou identificar milhares de empresas que estavam irregulares 
com suas obrigações fiscais.
Além de ajudar a identificar as empresas com irregularidades, auxiliou os 
auditores a selecionar melhor os alvos das auditorias nas empresas fiscalizadas, 
produzindo uma economia de mais de 150 milhões de dólares por ano.
Business Intelligence na France Telecom
Após perder o monopólio de provedora de telecomunicações na França, a 
France Telecom se viu inundada em diversos sistemas setorizados que trata-
vam as informações de modo descentralizado e cujos dados eram replicados 
e despadronizados.
Devido ao aparecimento de diversos concorrentes, surgiu, então, a ne-
cessidade de organizar os sistemas informatizados com o objetivo de prover 
informações úteis e adequadas.Assim, os executivos iniciaram a migração 
de todos os sistemas para uma plataforma única, cuja arquitetura técnica era 
baseada na web.
A definição de padrões de software permitiu a implantação de um Business 
Intelligence capaz de fornecer dados das diversas unidades comerciais por 
meio do compartilhamento de melhores práticas nos processos de análise de 
informações.
Business Intelligence (BI)10
Uma linha direta de helpdesk foi implantada para dar consultoria às fer-
ramentas de BI, contendo metodologia, dicas e documentação, bem como a 
centralização de abertura de chamados, atualizações e certificações de novas 
versões.
Os usuários se tornaram mais autônomos devido ao acesso às informa-
ções em um portal disponível na intranet, o que permitiu que os executivos 
acessassem dados estratégicos sobre o desempenho da organização e seu 
valor comercial.
Além disso, implementou uma organização para melhor administrar os 
projetos de BI por meio de:
  padronização das abordagens analíticas de toda a organização;
  treinamento e desenvolvimento de empregados nas ferramentas de 
gestão;
  compartilhamento de melhores práticas;
  valorização das relações e suporte aos fornecedores.
Por fim, o sistemas de BI foram implantados em aproximadamente metade 
dos 130 mil computadores que a empresa possui, colaborando para a conquista 
de novos clientes e para a fidelização dos clientes atuais.
BRAGHITTONI, R. Business Intelligence: implementar do jeito certo e a custo zero. São 
Paulo: Casa do Código, 2017.
FULCRUM LOGIC. Data Warehousing. 2009. Disponível em: <http://fulcrumlogic.com/
data_warehousing.shtml>. Acesso em: 22 dez. 2018.
PRIMAK, F. V. Decisões com BI (Business Intelligence). Rio de Janeiro: Ciência Moderna, 2008.
TURBAN, E. et al. Business Intelligence: um enfoque gerencial para a inteligência do 
negócio. Porto Alegre: Bookman, 2009.
11Business Intelligence (BI)
Conteúdo: