Logo Passei Direto
Buscar
Material
páginas com resultados encontrados.
páginas com resultados encontrados.

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Escolha uma das opções e acesse esse e outros materiais sem bloqueio. 🤩

Cadastre-se ou realize login

Ao continuar, você aceita os Termos de Uso e Política de Privacidade

Prévia do material em texto

F!,- --
,@ *#ffiffiffieffiffiffiffiffituffiffiffiffijW ffi' ffi sáEá.W. § E€.rà, §§/.w *<{EF
OB'ETIVOS DE ESTUDO
Ao concluir este capÍiulo, você será capaz de responder às seguintes perguntas:
1. Como um banco de dados relacionai organiza os daoos?
2. Quais são os princípios de um sistema de gestão de banco de o;oos?
3. Quais são as pnncipals ferramentas e tecnoiogias para exlrair iiíorir'Ji.?*s de bancos de
dados e meihorar o desempenho da empresa e a tomada de decisão?
4. Qual o papel da política de informação e da gestão de dados na organização dos
recursos de dados empresariais?
5. Por que a garantia da qualidade dos dados e tão importante para lirn negocio?
and Mail de Toronto a satisfazer seus clientes
acessados e analisados pelos usuários
irlrpollltirits.
Os primeiros datjos a serenl arma-
z-enados no data rvarehouse loram os
de vendas de publiciriade, que é uma
das principais fbntes de receita. F.m
200l.The Globe and Mail acrescenrou
ao data warehouse dados de circulação,
incluindo detalires sobre disrribuição.
tais conro quanto tempo resta na assina-
tura de urn clicnte ü as perspcctivas cle
marketing a partir cle lontes cle tercei-
ros. Os clarios srrbrc os tlturos clientcs
potenciais tarnbérn lirrarn adicionados
iio data'"varchrrir:e.
capítulo 6: Fundamentos cla inreligêrrre rie ,regóc os: qestão da inioÍmacàc e de canco o. ouoo, ffi
A melhor gestão de dados aiuda o The clobe
Você já recebeu alguma vez uma nova oferta de assinatura de um jornal ou ric uma revista da qual
vocêjá é assinante? Além de ser um incôrnodo, enviar ofertas desnecessárias aos clicntes aurnenta os
custos de rnarketing. Por que isso acontece, então? É bem provável que sc.1a por causa de uma ,estlo de
clados inefrciente. E quase certo que ojornal fosse incapaz cie conÍ-rontar sua lista de assinanres atuais,
que é mantida eln um determinado lugar, com outro arquivo contenclo a sua lista de marketine de clien-
res potcnciais
O The Globe and iVIail, sediado em Toronto, no Canadá, Íbi uma das publicaçÕes que vivenciou
ral situação. Impresso há 161 anos, é o maior jornal do país. com um público rie aproiimadamente
3'3 milhões de leitores. tendo em conta os seis dias por semana em que é veiculado. O jornal tem um
prograllla de nlarkcting muito ambicioso. no qual considera cada família canadense que ain6a não é
assinattte colrlo um futuro cliente potencial. No entanto, teve problemas na armazenagem e na gestão
tlos dados reterentes a csses clientes potenciais.
Administrar a publicação de um jornal de grande circulação requer a gestão de enormes quanti
dar.les iie dados. incluindo os de circulação, os cle receitas de publicidade, os para fins de marketing,
tanto {:lL- ftrturos clientes potenciais como de clientes qire nilo querem ser importunados, e os ciaclos
sobre lo-qística c distribuição. Isso sem contar os claclos necessários para aclminlstrar qualquer rregócio,
incluintlo os tlados linanceirtls e os tle recursos humanos.
Duriintc nruitos :tttos. o l'hc Globe and Mailarmazenou grancle parte de seus dados em um sistema
de nlitinfranlc no tlttal os dados não eram faciimente acessaclos e analisados. Se os usuários necessltas-
:tnl clc !iilrllaltl.r illir.riii;.i!i-rti. c]cs tinham que exiraí-la cio mainfranre e transtêri-la â um 6entrc víirios
bancos Lle dados locais para análise. incluinclo aqueles mantidos no Microsoft Access, Foxbase pro eivlicrosoft Ercr'l. [-.ssa prática criou inúmeros repositórios mantidos em bancos de dados separaclos para
f ins específicos. Iniis nenhunt repositório central oncie os clados mais atualiz.ados pudessàm ser álces-
sac.los em irrrl único iugar. Conl os tlaclos espalharlos em tantos sistemas clilerentes por tocla a enrpresa,
ertr muito clilícil tiêtuar unta referência cruzacla enrre os assinantes e os futuros clientes porenciais ao
se desenyolver a trtala direta p,ra uma carnpanha cL: rnarketilrg. Havia também questões á" r.g,,.urço,il lhe Globe irrld i\lail coleta e itrmazena as inlormações cle pagamento dos clientes,. u or*nr"nug".n
ilesses dados ctlnticie rtciais eni r'ários repositórios clificulta ainda mais a tarefa de garantir que controles
adecluados dc segurunca este.jant ent vigor.
Ern li)02, o jornal contccou a resolver esses probienras com a irnplementação de uiri sistemaintesra(lo SAP cont unt tlata v.c;rthouse (sisterna cle arnrazenagem cle dados) SAp NetWeaver BW,que conteria cnl tlnl único locai todos os claclos cla empresa provenientes cie várias fontes, ondeos dados putlessem ser iacilmentc
o
@ ti*"ras de inÍormação gerenciais
o Centralizar a gestão
de dados
Padronizar as
definições dos dados
Organizar e reconciliar
os dados
Educar os usuários
lmplantaÍ o mainframe
lmplementar o software
integradoSAPeodata
warehouse
Reduzir o uso dos bancos
de dados locais
Com toclos esses dados armazenaclos em um único repositório, o jornal pode facilmente confrontar
os dados dos atuais clientes cotÍl os dos luturos clientes potenciais para evitar a oferta de promoções de
assinaturas aos clientes atuais. Jarnbém pode conlÍontar os dados daqueles (ltre não querem ser impor-
tunados com os cla área de entrega para vcrificar se umjornal pode ser entregue ou se um cliente deve
ser alvo de uma promoção de assinaiura digital'
Apesar dos benefícios óbvios clo novo (iata warehouse. nenr lodos os usuários corporativos do The
GlObe and Mail rnigraram imediatamente para o Ilovo sistema' As pessoas que estavam acostumarias
a extrair os dacios 6o rnaintiame e manipulá-ios em seus próprios bancos cie dados ou arquivos ]ocais
continuaram a trabaihar da mcsma fornra depois que 0 data warehouse foi ativado Eles não cntendelam
o conceito de um data warehousu ou a nccessidacic de trabalhar a fàr'or da gestão de dados em toda
a empresa. A administração cio The Globc anci Mail decicliu cnfrentar esse novo problena educando
seus usuários, especialmente seus profissionais de lnarkcting, para que compreelldessem o valor 
de ter
todos os dados da organização em um clata warehouse e as Í-errarrlentas disponíveis para acessá-los e
analisá-los.
Os novos recursos de análise de <lados do 'lhe Globe antl iuail produziram economias a partir dos
ganhos de eficiências e dos processos sinrplilicados que. enl um eno, pagaram todo o investimento
Iealizado. As campanhas de marketing que anteriormente demoravam duas semanas para serem 
con-
cluídas passaram a demorar só um dia. ojornal pode determinar suas taxas de saturação em uma detcr-
minada área paraorientar Seus planos de marketing. E [á um menor número de queixas de assinantes e
futurOs assinanteS potenciais quanto a sereÍ.n contatados desnecessariamente'
Fontes: <rvww.lhcglobeandmatl.com>, âccsso em: l nrar. 20l l c Daviri Hannon "spreacl the Nervs" si\P Insider ProÍlles' oül 
- dc7 20 1 2'
A experiência rlo'fhe Globe and IVIaril ilustra a importância rla gcstão cle daclos' O desempenho dos
negócios depencle do que a empresa col'Isegue ou nãto fazer com seus da<ios' o The Globe and 
Mail era
um negócio grande e próspero, mas tanto a eficiência operacional quanto a tomada de clecisito s':rencial
Í'orani prejuciicadas pelas infbrmaçÕes l-ragrnentadzrs, armazenadas ent dilerentes sistemâs nos quris
não eram facilmente acessadas. A Íbrma coÍlo as empresas armazenam. organiziitn c gcrenciam suas
informações causa um enorme irnpacto sobre a eficácia organizacional.
o diagrama de abertura clo czrpítulo chltma a etençào para pontos importantes levantados por esse
caso. os usuários corporativos do The Globe and Mail estavam mantendo os seus próprios bancos iie
daclos locais. porque era muito clifícil acessar os daclos cla empresa no sisterna tradicional de mainframe
clojon]al. As campanhas de marketing cluravam rnuito mais tempo do que er3 preciso porqllL- era muito
demoraclo reunir todas as informações necessárias. A solução foi consoliclar os dados organizacio-
nais cm um clatawarehouse para tocla a elnpresa que provesse urna única tbnte de infornlações para
elaboração de relatórios e análise. o iornal teve que reorganizar setls dados eIIl um formato padrão
para roda a empresa. estabelecer regras, responsabilidades e procedimentos de acesso e ulilizaÇão das
Dados fragmentados em arquivos
e banrog de dacjos seParaclo:
Processos demorados de
elaboração de relatório
Ternologia desatualizada de
gestão de dados
Sistema de
informação
. Monitorar o desemPenho
em toda a empresa
o. Acelerar a tomada
de decisão
ReduziÍ cuíos
Melhorar o atendimento
ao cliente
:
!
t
;i
Capítulo 6: tundamentos da intel gêncra cle negócios: gesião da informação e de banco Oe dados §[
informações, ibrnecer Íêrramentas para torná-las acessívcis aos usuários para consultas e elaboração de
relatórios e educar seus usuários sobre os benefícios do data lvarehouse.
O data wârchouse irnpulsionou a eficiôncia, tornando as infbrrnações do Globe rnais fáceis de ser
Iocalizadas e reunidas parâ elaboração de relatórios. O data rvarehouse integroú os dados da empresa,
reunindo-os de diversas fontes isoladas em um único banco de dados:Ibranqente. no qual as intbr-
mações poderiam ser consultadas diretamente. Os dados foram rcconciliados para evitar erros como
o1erecer assinatura para os atuais assinantes. A solução meihorou o trtendintento ao cliente e reduziu
OS CUSIOS.
A seguir. estão algumas perguntas para refletir: qual era o iurpact,-r ttrganizacional causadr-r pelos
problemas de gestão de dados do The Globe and Mail? Que triibalho teve qlle ser realizado pelas eqtri-
pes técnica e organizacional para assegurar que o data r,varehttuse prttciuziria os resultados previstos
pela adrninistração?
6.Í A abordagem de banco de dados para gestão de dados
Urn banco de dados é um conjunto de arquivcrs relacionudos cntre sj conr reqistros sobre pessoas.
lugares ou coisas. IJm dos bancos de dados mais bem-sucedidos da história moderna é a lista telefônica.
conjunto de registros referentes a pessoas físicas e jurídicas que possuem tclcfonc. Ela lorncce quatro
tipos de informação sobre cada usuário de telefone: sobrenome, primeiro nome. cndereço e núntero de
telefone. Traz também informaçÕes sobre empresas e categorias ile cmprcsa. tais como lojas de auto-
rnóveis ou Íbrnecedores de material hidráulico. A lista telcfônica extrai essas infbrntações de rint banco
cle daclos cont arquivos de clientes. classificações de empresa. cririigos iir' árca c rcgiÕes geográlicas.
Antes do desenvolvimento <ios bancos de dados digitais. us crltprcsas Lisavilnt grandcs arqrli\'os
cle metal, cheios de arquivos de papel, para armazenar irrÍbi-rtraçr1cs rtlcrcntes a transações. clicntcs,
fornecedores. estoque e funcionários. Costurnavarn usar tan.rbúm iistas laboriosamente coietadas e dati-
logrufaclas pará resumir as inÍbrmacões dos arquiv'os cle papcl. Ainda.í l,,ssítcl cneottiiar ban;os dc
dados manuais, feitos em papel, em muitos consultórios médicos. ondc c'rs reqistros dos pacientcs sào
arnrazenados em milhares de lichas.
Nem é preciso dizer que esses bancos em papel slio extremamente ineÍ'icientes e caros de rltilnter,
muitas vezes contêm dados incorretos, são lentos e dificultirnr o acesso inrecliato. Alénr ciisso, são cxtre-
mamente inflexíveis. Por exemplo, seria dificílimo para um consultr'rrio uréclico conr daclos ern papel
combinar seus arquivos sobre prescrições com seus arcluiros sobre pacicntes. para produzir uma lista de
todas as pessoas a quem foi prescrito determinado remédio. Para unr banco de dados moderno. digital,
isso seria facílimo. De fato, uma característica rmbatír'el rios trancos dc dados é a capacidade de Ielacio-
nar rapidarnente um conjunto de arquivos a outro.
ENTIDADES E ATRIBUTOS
Ao pensar nos dados para sua empresa e em como gerenciá lcrs. por ondc começaria? Se está
abrindo sua empresa ou já gerencia urna, precisa icientilicar os daclos ncccssários à administração do
necócio. Normalmentc. usani clados referentes a determinados tinoc de infbrmaciro. tais como clientr-s.
Íbrnecedores, iuncionários, pedrdos. produros, expedidorcs c tiilvcz peças. Cada rinra dessas categorias
genéricas que representa uma püssoÍi, um lugar ou uma coisa sobre a qLrai você armazena e mantém
informações é denominada entidade. Cada entidade tenr caractcnsticas cspecílicas, chamadas atri-
butos. Por exemplo, a entidadc ITORNECEDOR tem atributos espccÍfii:os. como norne e endereço de
fornecedor, o que englobarua, cidade, cstado e cócligo postai. i\ cntida(Lr PHÇA normalrnente teln etri-
butos como descrição de peça, prcço <le cada pec'a (preço unitiirio.) c iirrnecedor que produziu a pcça.
ORGANIZANDO DADOS EM UM BANCO DE DADOS RELACIONAL
Se você armazenasse essas intirrnraçõcs em arquivos de papel. provrrvcimentc teria um arquivr> para
cada entidade e seus atribuios. Irnr unr sistema de int'ormação. o hilnc() tle dados organiza as int'ornra-
ções de maneira muito paree rdli. ltrupando dados rclaciona(los üntr. si. O banco de dados relacional
é o tipo de banco mais contLrrn atiialnrente. Bancos dc dados rclacionars organiz-am os datios enr labclas
bidirnensionais (denontinadas rr'1aqôe.r) cori.l colunas e linhlrs. Cridrr labL:lli contér) daclos refercntes a
. @ Sistemas de informaçáo gerenciais
uma entidade e seus atributos. Na maioria dos casos, monta-se uma tabela para cada entidade do negó-
cio. Assim. no nível mais básico. temos uma tabela para clientes, uma para fornecedores, outra para
peças em estoque, outra para funcionários e outra para transações de venda.
Vamos examinar como um barrco de dados relacional organizaria informações a respeito de for-
necedores e peças. Considere como exemplo a tabela FORNECEDOR, ilustrada na Figura 6'1' Ela
consiste em uma grade <le colunas e linhas cle daclos. Cada dado específico a respeito de um forne-
cedor, como nome, endereço. cidade. estado e código postal do tbrnecedor, é armazenado como um
campo individual denrro da tabela FORNECEDOR. Cacla campo representa um atributo da entidade
FORNECEDOR. Nos bancos de clacios relacionais. os campos também são chamados de colunas.
A intbrmação específica sobre um único fornecedor armazenada em uma tabela é denominada
linha. As Iinhas tanrbém são muiras vezes chamadas de registros. ou. em tcrmos bem técnicos, tuplas.
Obseryc que nessa tabela há um canlpo para Número-Fornccedor. Esse campo, denominado
campo-char.e, atribui uma identificação erclusiva a cada registro, permitindo que seja recuperado,
atualizado e orclenajo. Cada tabela cic unr banco cle darios relacional tem um campo designado chave
primária. Esse campo-chave é o iclentificador L-xclusivo para todas as inÍbrmações em qualquer linha
da tabela, e essa chave primária nno pode ser duplicada.
poderíantos usar o nome do fornecedor conlo campo-chavc. No cntanto. se dois fornecedores dife-
rentes tiverent o mesmo nome (o que cle làro ocorre de vcz eltt quando). o nome do fornecedor não será
uma identificação cxclusiva para cada um deles, por isstt. é necessário designar um campo identillcador
especial a esse propósito. Por excmplo, se houver dois lornecedores, antbos chamados "CBM", um
localizado em Dal,ton t: outro ent St. Louis. será táci1 confundi-los. No eiltanto, se cada um tiver um
Núniero-Irornecetior exclusivo, a confusao será el'itar.il.
Venros tanrbérn que a infornlação postal loi separatla t:m quatr() crampos: Rua*Fornecedor, Cidade-
Fornece4or. Estaflo Forneccclor e CEP-Fornececior. Os daclos sÍo scparados nas Ineuores unidades que
descjantos acessitr scparaclamcntc, para que scja Íácil selecionar lla tabela somente as linhas coinci-
dcntes corn o contclido cic urn único câmpo. conro totltts .)S ttrrnecet].,',1:,- n Ohio (OH), por exemplo-
As linhas tJe tlaclos tambén.r poclern ser ortienaclas pckt conte údo do campo Estado-['ornecedor; dessa
maneira. teremos umâ lista c.le fornecedores por cstado. independentementeda cidade.
Aré agora. a tabcla FORNECEDOR não possui nr-nhuma intormação sobre as peças que um for-
necedor particular provê à sua empresa. PfiÇA é urna cntidade separada de FORNECEDOR, 1ogo, os
caglpos copi infornraçÕes sobre peças clevcm scr zirlrazcnados em urta tabela PEÇA independente
(ver Figuru 6 2).
Por que niio guardamos as lnibrntações sobre pe ças na mesma tabcla dos f'ornccedorcs? Se fizermos
isscl, cacla linha iia tabela coirterá atributos reiêrcntcs a I'EÇA e atributos relerentes a FORNECEDOR.
Como um Íbrnecetior porle abastecer mais cle urnu i)cç1. \r'rà() nccessárias muitas linhas em cada
ibrnececi6r l)arir mostrar roclas as peças que ele pror'ô. l-erernos, assinl. grande quantidade cle dados
FORNECEDOR Colunas (Atributos, Campos)
Linhas
(Registros,
Tuplas)
Campo-chave
(chave primária)
Figura 6.1 Tabela de banco de dados relacional
u, uíã d. á;ãôi rÀiacioÀai o;ilnãt"; aáàãi Àâ ióiri a" tubáiãs bidimensioÀãii. rlãiia ,üsi'rçaô, i"áó' ,rrlub"la pau a
I
i
entidade FORNECEDOR e vemos como ela representa a entiCade e seus atrrbutos. NÚmero-Fornecedor é o campo-chave
Capítulo 6: Fundamentcs cia inteiigência de negócios: gest;n da iníormaçãc e ie banco Ou,;uOo, @§
Chave eírangeira
Figll3 !:2 A tabela PEÇA
Dados da entidade PEÇA rêm sua própria
tabela indivrdual. Número_Peçe e a
chave primária e Número_Fornecedor
é a chave estrangeira, que permrle àcs
usuários achar, na tabela FORNECEDOR,
iníormaçÕes correlatas sobre o fcrnecedor
de cada peÇa.
rcdundanles sobre lbrneccdores, c scrá difíci1 buscar as infoÍmações sobre uma peça parlicular, porque
não sabcrernos se ela é a lê ou a 154 no registro do fornecedor. Portanto, uma tabela separada, PEÇA,
deve ser criada para armazenar esses três campos e resolver o problema.
A tabela PEÇA também deve conter outro campo, o Número_Fornecedor, para qile você saiba o
tbrnccedor de cada peça. Não será necessário repetir todas as informações sobrc um lcrrnccedor em
cada registro de PEÇA porque, tendo um campo Número_Fornecedor na tabela PEÇA, você pode ''pes-
qursirr" os dados nos campos da tabela FORNECEDOR.
Ohserve que Número_Fornecedor aparece em ambas as tabelas FORNECEDOR e PEÇA. Na
tabcla IrOI(NLCEDOR, Núrmero_Fornecedor é a chave primária. Quando esse canrpo aparece na
tahela PECIA. porLjni, é denominado chave estrangeira e, essencialmente, é um campo de pesquisa
urlrri() [)rrÍ.r iibttr tllitlos r rc>pu'itr' tit, ti,rncucdor de LIma peça específit:a. Observc cluc a tabcla PIrÇA
tenr sLra própria chirve primiiria. Número_Peca. que atribui uma identificação exclusiva a cada peça.
Êlsta char.: nuo é usada para vincular PEÇA a FORNECEDOR, mas poderia ser usada para vincular
PEÇ;\ a outra cntidade qualquer.
Aci orgirnizar dados em tabelas é inlportar)te cuidar para que todos os atributos de uma entidade
específica se apliquem apenas a essa entidâde. Se colocar o endereço do fornecedor no registro PEÇA,
essa inlbrmacão na vcrdade não cstará relacionada apenas à PEÇA; estará relacionada tanto a PEÇA
quanto ri FOR\IICF.DOR. Assim. se o endereço do lornecerior mudar, será necesshrio alterar os dados
crn c:itia rcqistro PEÇA. em vez de iazê-lo urna única vez no registro FORNECEDOR.
ESTABELECEN DO RELACIONAM ENTOS
u\sora clue separamos nossos dacios na tabela FORNECEDOR e na tabela PEÇA. precisamos ter
certeza cle clue entendemos a relaçiro enire as duas tabelas. Uma representação esquenlática denominada
diagranra entidade/relacionamento (DEIi) é usadir para esclarecer relações entre as tabclas de um
ltant'rr rlc rirclos relacional. A nraior rrtilirirrL'('lrrse diacranra é dizer cle qrre ntanr'irt duas tabelas se
reliicionant. I:m urn banco de dados relacional. as tabelas podem ter relacionanrcnto\ urn para um, um
parlr rnuit()s ()u muitos para muitos.
Urn exentplo de relação um paÍa uin prlde ser uma situação em que um sislcma de recursos
hLinianos precisa armazenar dados conlidenciais sobre os funcionários. Podem-se armazenar dados
cont() norlte do funcionário, data de nascirncnto. endereço e cargo em uma tabcla, e os dados con-
l'rdencieis sobre o funcionário. corno salário ou benefícios, em outra. Essas duas tabclas pertencen-
tes a url único funcionário teriam um relaciollemento um para um, porque cada registro na tabeia
I:L:NCllONÁRIO, com seus dacJos básicos, teria apenas unr registro correlato nii tabela que armazena
os datlos confidenciais.
A rclac-ão entre as entidades FORNI'.UIrl)OR e PEÇA em nosso banco de daclos é uma relação do
liptr uttt 1;lrra muitos: cada ibrneccdor potie prt.r'uer mais de uma peça, mas cadil pcça tem apenas um
únrctr iorneccdor. Para cada registro na tabtla t:OR\I-CLDOR, pode haver nruitos rrUistros correlatos
na tat-rcll PEqlA.
r\ I;igura 6.3 rlustra como o diagraina rntidacie/rclacionamcnto riescreveria essa relação um
parrL rnLtitos. As caixas represeniam as enti(lr1(les. enqiranto as linhas que Iigarn urna caixa a outra
Chêve primária
@ tir,.ras de informação gerenciais
Figura 6.3 Um diagrama entidade/
relacionamento básico
Eiie diagrama rnostrà a reracáo enLrc;s en:iCao:;
FORNECEDOR E PEÇA
Figura 6.4 Amostra de
r i: la tório
. de pedido
represetitam relacionanlÜntos Uma linha quc ternlina com
clois tracinhos repÍcsenta um relacionamento tlÍn para um'
IJma linha clue termina com rlm tridente e um tracinho
atrás indica uma relação um para muitos' A Figura 6'3
mostra que cada PEÇA tem apenas um FORNECEDOR'
inas muitas PEÇAS podem scr lbrnecidas pelo mesmo
FORNECEI)OR.
Tererntis tanlbém uma relaç'lo um para muitos se
quiserr.nos acrescentar urna tabcla referente a pedidos no
nosso t.,anco de clircios' por.iue um tbrnecedor atende a
muitos pedidos. A tabela PEDIDO conteria apenas o Núrnero-Peclido e a Data-Pedido' A 
Figura 6'4
ilustra um relatório mostrando um peciido clc várils pL'çrls dc dL'tcrrrlinado fornecedor' Como 
se r'ê' as
informações no canto rrpe.io, cilreito vêrn da tabeta P]-tllDO' Os itens eleti,amente pedidtls são lista-
dos na parte inferior do relatório'
Como um pedido pocle englobar muitas peças de urll meslno fornececlor e uma 
única peça pode
ser pedicia muitas vezes em difer"nt"s pediclos' isso cria rtnla relaçào tnuittrs para muitos 
entrc as
tabelas PEÇA e PEDIDo. Sempre que exisre uma relaçào tnuitos para muitos entre duas tabelas' é
necessário combinálas em uma única que reúna tais informações. Para tanto, 
podemos criar ltma
tabela separada para um item no peclido. Essa tabela muitas vezes é denominada 
tabela concatenada
ot) relação cle intersecção. A tabela concatenada contém apcnas trôs campos: Número-Pedido 
e
Número-Peça, utilizaclos paril concatenar as tabelas PEDIDO e I']L'ÇA, e Quantidade-Peça Como 
se
vê,asintbrmaçÕesnocantoint-eriorcsclucrdoclorelatórior,,ênidatabelaITEM.
Ficaremos. então, com um total de quatro tabelas no nosso banco de claclos. A Figura 
6 5 ilLrstra
o conjunto linal de tabelas. enquanto a Figrrra 6.6 mostra o diagranla entidade/relacionamento 
paril
esseconjuntocletabelas.observequeatabelaPEDlDonãocontémcladossobreopleçototirldecacla
item porclue esse valor pocie ser calcuiacio nluiliplicando-sc: I'rcçct l-lnitiirio llor Quanticlacle-Pe çlr' 
Ilssc
dado pocle, cnfim, ser derivado quan<1o necessáirio a partir tie informaçõcs 
já existentes nas tabelas
PEÇAeI'IEM.OPeclido-Iotal,outrocamPoclerivatlo,écalcLrlaclopelasornaclopreçototaldecada
item encomendado.
o processo de simplificar grupos complexos de dados a fim clc minimiz-ar elenlentos de 
dados
rerlunclantes e relaÇões muitos para muitos inaclequaclas, ao mesmo tempo enl que aumenta a estabili-
clade e a flexibiliciatie, chama-se normalização. unt banco cle clatlos a<jeiiuadamente projetado e nor-
nralizaclo será Íácil de manter e terá pouca duplicação de dados'
Os sistemas de bancos cle cta<ios relacionais t.i.,tnu.l impor rcgras de integridade referencial 
para
garantir quô os relacionalnentoscntre as tabelas permsnc-çlinl consi\tentes' Quando unla tabela 
pos
sui uma chave estrangeira clue apontil pâra outra tabcla. você poclc só conseguir incluir 
unl regi'trtr
na tabela com a chave estrangeira se houver um correspolldente na tabela relacionada' 
No banco clc
ns a,ã* iomui"raãt n ttiá.
quais dados vêm das tabeias
PEDIDO. FORNECEDOR e ITEM.
O banco de dados náo mantem
dados sobre Preço Total nem
Pedidc Total Porque eles Podem
ser derivados a Partir de outros
dados das tabelâs. Número-Pedido Número-Peça Qúantidade-Peçã i'lome-Peça
Trinco da porta
Trava da porta
Maçaneta da porta
Pedido Tolal:
Preço-Unitário PreçoÍotal
2Z,OO 220.00
31,00 620,00
10,00 50,00
Capitulo 6: tundanren:os d,] inteli0êírcie ie recolics qesi;o úe inf6rmação e de banCo Oe dados ffi
Figura 6.5 Projeto final do banco de dados com amostras de registros
O proieió tinat do baÁco de dadoi reÍerente a íornecedo.es, oeças a oecirrlo. rêrr oudrro tabe'as lTFtu1 e un3 Iabe'.. ,,incaieÁãda cre
elimina a relaÇào muitos para muitos entre PEDIDO e pEÇA
fornece é pedida perten(e ao
e Íornecida por aontem
Figura 6.6
-::tsse d agrama
Diagrama Entidade/Relacionamcnto para o banco de dados de quatro tabelas
mostra o relacionamento entre as entidades FORNECEDOR, pEÇA, ITEM e pEDtDO
dados que acabamos de criar, a chave estrangeira Número-Fornecedor relacionâ a tabela PEÇA à tabela
FORNECEDOR- Podemos não conseguir incluir um novo registro na tabela PEÇA para uma peÇa for-
necidâ pelo fornecedor 8266 até que exista um registro correspondenre na tabela FORNECEDOR para
o lornecedor ltúnrero 8266. Se excluirmos o i'orneceilor núrrrero 526o da rabela FORNECLiDOR, precr-
samos tarnbém excluir o registro correspondente na tabela PEÇA. Em outras palavras, não devem existir
peças pâra fornecedores fantasmas!
O exemplo fornecido aqui é muito simples. Mesmo em uma empresa bem pequena você terá tabelas
para outras entidades importantes, tais como clientes, expedidores e funcionários. Uma grancle corpo-
ração talvez precise manter um banco de dados com milhares de entidades (tabelas). O que irnporra
para qualquer empresa, pequena ou grande. é ter um bom moclelo cle dados, que abranja todas as suas
entidades e o relacioltalnento entre elas, e esteja organizado para minimizar a redundância, maximizar
a precisão e deixar os dados facilmente acessíveis a relatórios e análisês.
Nunca é demais enfatizar: se a empresa não trabalhar com o modelo de clados correto, o sistema nào
será capaz de atendê-la corretamente. Seus sistemas não funcionarão tão bem quanto poderianr. porque
trabalharão com dados que podem ser imprecisos, incompletos ou clifíceis de recuperar. [ntendcr os
dados de uma organização e saber como eles devem scr representados em um banco de daclos é. talvez,
a lição rlais inrportante que se pode aprender.
i
l
i
Jj
:l
:l
ITEM
PEOIDO
FORNECEDOR
@) t,r,uras de iníormação gerenciais
Por exemplo. a Famous Footrvear, cadeia de lojas cle calçados com mais de 1.100 filiais em 49 esta-
dos norte-americanos. não conseguia cumprir sua meta de ter à venda "o estilo certo de calçado, na loja
certa, peio preço certo" porque seu banco de dados não estava projetado para ajustar o estoque das lojas
com a velocidade necessária. A empiesa tinha um banco dc dados relacional da Oracle, que rodava em
um computador de médio porte IBNí AS/400, mas o banco de dados estava projetado fundamental-
mente para produzir relatórios adnrinistrativos padrão. e não para reagir a mudanças no mercado. A
gerência não conseguia obter dados prccisos sobre itens específicos estocados em cada loja. Para resol-
ver o problenta. ilesenvolveu unt nol,o hanco de dados. no qual as inforrnações sobre vendas e estoques
fbram mais bem organizadas para anírlise e gestão iie estoque.
6.2 Sistemas de gestão de banco de dados
Agora que corneçou a criar os arquivos e a identiiicar os dados necessários para administrar sua
empresa. você precisará de um sistema de gestão de banco de ilados para ajudar a gerenciar e usar
csses dados. Urrr sistenra de gestão de banco de dados (.Database il{anap;ement System 
- 
DBMS)
é um sofhvare específico usado para criar. arrnazcnlr, orgattizar c tücssar dados a partir de um banco
de dados. O Microsoft Access é um DBivIS para cornputadores pessoais. Llnquanto o DB2, o Oracle
Database e o Microsoft SQL Server são DBMSs para grandes mainframes e computadores de médio
porte. O MySQL é um popular DBMS de código aberto. 'fodos esscs proclutos são DBMS relacionais
que suportam um banco de dados rehcional.
O DBI'-IS livra o prognrmat.lor ou o usulirio f inai tla tiirela de eriiender ortde e cotno os dados estão
realrnente armazenados, separanclo as visÕes lógica e i'í-sica dos clados. .\ ,,'i.síLo lógica apresenta os
rlarlos tais conio scriam vistr-rs por usLrário-s ou csf.,ccialistas dii.-tttprt:sa. ao passo que a ví.são J'ísica
mosrra corno cles estiro realmente organizarJos e cstruiurado-s nos treios ile itrtttazenamento físico,
r'omo tln) tii:r'o rígido.
O soi-itiuic de ge:tiio cic ttiinco iic tlado. di>ponibiliza tt itartco 1'ísr;.r 1,-,i.r l. diÍci'e tltc.. r'isões lógi-
cas solicitarlas pelos usuírrios. Por ereriplo. no caso clt,r banco de clados dc recurso.s hunlanos ilustradcl
na [:igura 6.7. Lrm r'spccialista em bencl-ícios Pode reclitcte t uttlr r irrto rlu!] c()nsisia no nome do funcio-
nário. em seu nrimero cia Previclência Social e na cobcrlura de seu plano tlc saúde, Já um funcionário
clo <Iepartamento responsável pela tblha cle pagamentos pode precisar de ilados como o nome do fun-
cionário, scu número cla Previclência Social. seu salÍrio bruto e seu salário líqLrido. Os dados para todas
essas visõe s siro arrnaz-enatlos ern unr único banco de dados. no qLrai eles prldem scr adn.rinistrados mais
laci I mente pclir orlan i zação.
I.
Nome
Pls l ':uo Úc
-,. 
- 
.,: Lenei,c,o!
. 
Plàno_5aude
' '.:l :: : I i :l 1i':: j: .: : .,
,/ffi
\
Banco de ciados de
recursos humanos
Visão de folha
de pagamento
FiS,ura e .Z Banco de dados de recursos humanos com múltiplas visoes
Um único banco de dados de recursos humanos oferece rrrurias visóes dcs dados, conforme as necessidades de inÍormação do
usuário ExempliÍicamos aqui duas visóes possíveis, uma que rnieressa a um especialista em benefícics e criía que interessa a um
íuncionário do departan:ento responsável pela íolha de paqamentos da empresa.
oPERAçOE5 DE UM DBMS RELACTONAL
Em um banco de dados relacional, as tabelas podem ser Íacilmente combinaclas para apresentar
dados solicitados por usuários, desde que compartilhem um elemento de dado em comum. Vamos
retornar ao banco de dados que montamos anteriormente cont as tabeias ITORNIICEDOR e pEÇA,
ilustradas nas figuras 6.1 e 6.2.
Como demonstração, suponha que se queira descobrir nesse banco cte daclos os nomes dos l.orne-
cedores qtie podern prover a peça número 137 ou 150. Você precisaria de inlbrmações dc. duas tabe-
las: FORNECI-.DOR e PEÇA. Observe que essas duas iabelas comparrilham um elemenro cle da<jo:
Núnrero Fornecedor.
No banco clc dados relacional. três operações básicas, conlorrne mostrado na Figura 6.11. são
utilizadas para desenvolver conjuntos de dados íteis: select. project ejoirz (selecionar. projetar e
vincuiar). A operação selecr cria um subconjunto lbrmado de todos os registros (linhas) cla tabela
que obedecem a critérios estabelecidos. Em outras palavras, a instrução selecÍ criaum subconjunto
de Iinhas que atendem a cieterminado critério. Em nosso excmplo, querernos seiecionar regrsrros(iinhas) da tabcla PEÇA em que o Número-Peça é igual a 137 ou 150. A operação joln combina as
tabelas relacionais para íornecer ao usuário mais informações do que aquelas à disposição nas tabe-
ias individuais' Em nosso exeinplo, queremos vincular a tabela PEÇA já reduzida (apenas as peças
de números 137 ou 150 serão apresentadas) com a tabela FORNECEDOR,para originar uma única
e nova tabcla.
A irpcração p rctjecr critt urtt subconjunto composto de colunas cie uma tabela que permite ao usuário
criar noras tabclas contcndo apcnas as inÍ'orrnações requisitadas. Enr nosso exemplo, queremos extrair
ria nova titheltr solnenre as scguintes colunas: Número_peça, Dcscrição_peça, Número_Fclrnecedor e
Nomc Fornecedur (ver Figurlr ír.8).
capítulo 6: Fundamentos da inteligência de negócios: gestão da informação e de banco de dad* @
FORNECEDOR
Vinculêr por Número_Fornecedôr
Selecionar Número_.Peça 
='137 ou 150
Pro.letar Colunas selecionadas
Figura 6.8 As três operações básicas de um DBMS relacional
Asoperaçoesselect,ioineproiect(selecronar,vincútaie[roietarÍpJrÀlúrnquàààããioãouastábehsd,fe*"tesi+n 
corui-aaoseque apenas os atributos selecionacjos selam apresentados.
,,---
l
@ ti*"ras de informaçáo gerenciais
RECURSOS DOs SISTEMAS DE GESTÃO DE BANCO DE DADOS
Um DBMS possui recursos e f'erramentas para organizar, administrar e acessar os dados do
banco. Os mais importantes são o recurso de definição, o dicionário e a linguagem de manipu-
lação de dados.
Os DBMS têm um recurso de definição de dados para especificar a estrutura do conteúdo
do banco de dados. Esse recurso pode ser usado para criar tabelas de banco de dados e Para
definir as características dos campos em cada tabela. I'ais informações sobre o banco de dados
costumam ser documentadas no dicionário de dados, um arquivo, manual ou autontatizado,
que armazena as definições dos elementos de dados e suas características. O Microsoft Access
oferece um recurso ruclimentar de dicionário de dados pré-instalado. que apresenta inibrmaqÕes
quanto a nome, descrição, tamanho, tipo. tbrmato e outras propriedades de cada car)po enl uma
tabela (ver Figura 6.9). Em bancos de dados de 
-grandes corporaçôes, os dicionários de dados
podem contemplar outras informações. como uso; proprictário (quem, dentro da organização,
é responsável pela manutenção dos dados); autorização; segurança; e os indivíduos, as funções
empresariais, os programas e os relatórios que usam cada elemento de dado.
Consultas e relatórios
Os DBMS trazem ferramentas para acesso e manipuiação de informações em bancos de
dados. A maioria dos DBMS possui uma iinguagen.r especializada, a linguagem de manipu-
lação de dados, usada para acrescentar, alterar, apagar e recuperar os dados do banco. Essa
linguagem contém comandos que perrnitem aos usuários finais e especialistas em prograrnação
extrair daclos do banco de dados para satisfazer requisições de informações e descnvolver aplrca-
ções. A linguagem de manipulação de dados mais usiida atualmente é a linguagem estruturada
de consufta ou SQI (structured Query Language). A Figura 6.10 ilustra a consulta SQI- que
procluziria ri nL)va tabcla de resultados da Figura ír.8. Uma consulta é urna rcquisiçao «1e tlados
de um banco de dados.
l!!Tq.J
J"rt .
.TêN
I-u-{-__ .T9.t 
-
Ten
ELqtreP!O!:
aÍdd Íme ao be !p to a (MdÊÍs loB
d&9 ffir. Prest Ft ttr hêlp on íidd Dm€s.
Ào
-Srpplier Name
.Supplieí Street
5!pplieí Cily
'Supplier $ate
Supplier Zip
Figura 6.9 Aparência do dicionário de dados do Access
ó V"rosãiiÁi.ãs i,a, ,- recrrõ rudimentar de dicronário de dados que apresenta informações quanto a tamanho, formato e
outras caracierísticas de caoa.ampo em um banco de dados. Aqui, vemos as informaçÕes mantidas na tâbcla FORNECEDOR. O
pequêno ícone representando uma chave. à esquerda de Número_Fornecedor, indica que 5e trata de um campo-chave,
l
:
i
I
I
I
It
&,r
ii
1i
1i
::
.j.
.i
trã
Y
SELECT PEÇA.Número_Peça, PEÇA.Descrição_Peça,
FORNECEDOR 
- Número_Fornecedor,
FORNECEDOR. Nome_Fornecedor
FROM PEÇA, FORNECEDOR
i{HERE PEÇA.Número_Fornecedor
Fornecedor AND
Número_Peça : 137 OR Número Peça
Figura 6.10 Exemplo de uma consulta 5QL
üeila áqJi ó aór;d" iaa óiá ,ra-conrrrru ãúãiãlàci"n.ra íornececorei das peçai
137 ou 150. Ele produz uma lista com os mesmos resultados da Figura 6.6
Usuários de I)BMS para computadores de grande e médio portes, tais como DB2. Oracle ou
SQL Server, costumam usar SQL para recuperar as informações do banco de clados. O Microsoft
u\ccess tambóm usa SQL, mas fornece seu próprio conjunto de lerrar.ncnti,s aüri!ávcis para consul-
tar bancos de dados e oÍganizar dados em relatórios rnais relinados.
O Microsoft Access dispõe de recursos que permitern ao usuário criar consultas. Para tanto, o
usuário deve identificar as tabelas e os campos que deseja, bem como os resultados e. em seguida,
selecionar as linhas do banco de dados que atendeÍn a deterrninaclos critérios. Essas ações são então
traduzidas em comandos SQL. A Figura 6.11 mostra como a mcsrna consulta em SQL para selecionar
peças e tornecedores, ilustrada na Figura ó.10, seria construícla usando Nlicrosolt Access.
Norrnalniente, os DBMS incluenr rerrursos para geração de relatririos. tle nraneira Llue os dados
de interesse possâm ser mostrados em um fbrmato mais refinado e estruturado do clue uma consulta
simples. O Crystal Reports é um popular gerador de relatórios para grandes DBMS corporativos.
embora tarnbém possa ser usado com o Acccss.
0 Access conta ainda com recursos para desenvolvimento de aplicativos para PC. Entre eles. fer-
ramentas para criar telas de entrada de dados. relatórios e para desenvolr,er a lógica a ser aplicada ao
processalnento de transações. Esses recursos são normalmente usados por especialistas cm sistemas
de informação.
Capítulo 6: Fundamentos da inteligência de negócios: gestão da informação e de b.n.o O. ardo, @
FORNECEDOR.Número
= 150,
!"-_'-
@ U.ron
e 9ã$.n.ough
É oaa oetiníion
do
ã!+!í1 ffix!
Mâke Append Up&rê aroríâb Delete
'i- oien eor í hrêd corum4r § -n Í Prôpr4y Sned
icr-rê.,,i Íoer*ecor,ne z {?l ÍA;*;;Íobls Pàrfreter-_"'-
S euroer § qet,- s
.Iritrr.. : iiâ,i
E NÉ trFM
E@m
E pmr
EI supps
i$PPER
E
Fis u ra !,] 1 _u Tu_!-9n:ylt11 o A.!,"::
Vemos aqui como a consulta da Figura 6.10 seria eiaborada com as ferramentas de íormulaçáo de consultas do Access. A tela mostra
as tabelas, os campos e os critérios de seleçào usados para a consulta.
r$r
u
rorH
§run-m.
5
-*1r
i'r
SJPPLITR
| ü swpts-Ndê. II suppr€.-Mmê 
II swprPr-s.d i
5 supprterotPaü
@ tit,"ras de informação 
gerenciais
BANCOS DE DADOS NÃO RELACIONAIS E BANCOS DE DADOS EM NUVEM
Pormaisde30anos,atecnologiaciebancodedaclosrelacionaltemsitloopadrão-ouro.Acom-
putação em nuvem, os volumes se-m prececientes de dados, as pesadas cargas 
de trabalho para os
serviços Web e a necessidade de se armazenar novos tipos rle clados requerem 
tecnoiogias alternati-
vas de banco de dados em relaçao ao modelo relacional tradicional rle organizar os 
dados na forma
de tabelas, colunas c linhas. para ess" propósito, as empresas estão adotando 
tecnologias de banco
cle dados não relacion^l "Nos2l". os sistemas de gestâo de banco de dados não relacional 
utili-
zam um rno6elo de da6os maii lle.rÍrel e rào proleàt1os pera screnciar grandes conjuntos de dados
em vários computaclores tiistriburdos e para permitir que se aumente ou reduza lacilmente 
o número
de máquinas c o voiume cle dados. Eles são úteis para acelcrar consultas simples 
a grandes volumes
de dados estruturados e não esrruturados. incluindo dados dil weh. cie rnídias 
sociais' gráficos e
outras formas difÍceis de analisar com ferramentas tratlicionais bascadas em SQL'
Existem vários tipos ciiferenres de bancos cle claclos NoSQL' cada um com seu 
próprio compor-
tamento e suas próprias características técnicas. o oracle NosQi- Database é um exemplo' 
assim
como o SimpleDB da Anrazon. um dos serviços web cia Amazon clue rodarn na 
nuvem' o SimpleDB
f..;;;;;; intertace simples para acessar serviços web quc pcruritem criar e armazenar diversos
conjuntos de dados. .unrrlto. iacilmente os dadose retornar os rcsultados' Não há necessidade 
de
pre-defini, uma estrutura formal de banco cie dados ou alterar essa definição se novos 
conjuntos de
dados forem adicionados posteriormente'
A Meti-iie . por cxcrnplo. decidiu enlpregar o bitnco dc tlrtdos NoSQL MongoDB' de 
código
aberto, para integrar repidarnerlte dados dísparcs c tbrnece r um.r r isao cclnsolidada 
d0 cliente' o
banco de daclos da ir,Ictl-ifc reúne daclos rje rnais cle 70 sistemas tlifcreirtes. incluindo 
sistemas admi-
nistrativos, sistemas de reciamações e outras fontes dc clacltis' abrangentio 
<lados não estruturados
e semiesiruturados, ccr,,.,o i,nrgcns de registros tler saúclc e (lc âtc-§tados di: ílbit<l' o banco de 
dados
NosQI- é capaz cle rect:her inforrnações estrtrturlrrias. scnlitstrutttraclat e não estruturadas' 
sem
a necessiciacle 6o processo tedioso. caro e clemoradu dc nlrpillllL'nto Jt' L"tntu 
para que os dados
sejam normaliz-ados p,,rn u* esquema rígiclo, tal como exigido pelos bancos dc ciados relacionais
(EIenschen,2013)'
Bancos de dados em nuvem
Entre os serviços olerecidos pela Anlazon e por outros prestatlores de serviços 
de computaçaO
em nuvem estão os rr,"canism,rs clc banco cie cladtls relacionais o serviço de Banco 
de Dados
Relacional cla Amazon lAntttlort Relatiortal Datctba.se Sr:rlfur'- Amazon RDS) oferece o MySQL'
o Microsoft SeL Server ou o Oracle Database corlo mecrtnisrltos de hanctl de dados' O 
preço é
baseaclo no .so. A oraclc tem o seu próprio serviço de banccr ile dados cm nuvem' 
o Database cloucl
Scrvices. que utiliza seu biinco cle d;do; relacionil oracle lhratrase; e o N'Iicrosoft 
windows Azure
sel. Database é um scrviço de banco de daclos relacional baseacio ern nuvem que utiliz-a o SQL
Server DBMS cla Micrr solt. Os serviços de gestão cle clados bascadtls eÍn nuveln têm um atrativo
espccial para empreSas iniciantcs basàadas na web ou para cmpresas de pequeno 
ou médio porte
que procurarn rccursos cle banco de rlados a um preço rnai-c acessível rlo que os 
produtos de banctr
de dados dc u:u itttutttrr'
Além clos serviços cie gestão de dacios bascatlos eln nuvem pública, as empresas tênr 
asora
a opção cie usar banc.s de c.larios em nuvens privadas. Por excmplo. a Sabre Holriings' 
o rnaior
prorádo, do munrlo de SaaS (softrvarc como set.viço) pít13 (r setor cla aviação' tem unl battco
de dacios em nuvem prrvacra quc suporta mais de 100 projctos e 700 usuários' um §x1lççr 
tie
dados consolidado abrarrge.ndo um cànjunto cle scrviclorcs padronizados qlie üxeculanl o Oraclt-
Database 1lg ol.c,rccc scrviços clc banct-r <ie dados para nlriltiplas a;l1icaçÕes' Ferramelltils 
tlÜ
gestão cle carga cle trabalho asseguram a disponibiliilacic ilos rccursos suficientes 
para atcnder
as necessidades <ia aplicação,rn""r*o quando há alterações na carga de trabalho' 
A plataiirrlna
de hardware e sotr.,varc compartilhacla rcduz o número clc servidores, DIINIS 
e dispositi'"os de
arlnazenanlclle 11;lttlirirrs Par" csSC: Proict()s' qtlc corttistctn em lpliuuçõcS Para llaBcnt tic
avião custoniiz_adus..luntan)ente com oirtras aplicaçi-rcs para o setor de l'iagcns, como 
\'llt!'ns
por trem e rcser\ li dc hotéis (Baurn' 2011)'
i-
Capítulo 6: Fundamenios da inteliqência de negócios: gesião ca infcrnação e de banco a, OuOo, S!
6.3 Como usar bancos de dados para melhorar o desempenho
e a tomada de decisão na empresa
As empresas usam bancos de dados para monitorar transações básicas, como pâgamento a Íbr-
necedores. processamento de pedidos, atendimento a clientes e pagamento a funcionários. nlas elas
tambéni precisam de bancos de dados para obter informações que as ajudem a administrar o negócio
de maneira mais eficiente e, ao mesmo tempo, auxiliem gerentes e funcionários a tomar melhores
decisÕes. Se uma empresa quiser saber qual produto é mais aceito pelo mercado, ou quais clientes sào
mais lucrativos. a resposta estará nos dados.
O DESAFIO DO BIG DATA
Até aproxirnadamente cinco anos atrás, a maioria dos dados coletados pelas organizações
consistia cie dados rransacionais que poderiam facilmente se encaixar em linhas e colunas de sis-
renras tle gcsião de banco de dados relacionais. Desde então, tem ocorrido uma explosão de dados
oriundos cie tráfe-so da Web. de mensagens de e-n.rail e de conteúdo de mídia social (tweets, atu-
aliz-ações dc status), bem como dados gerados automaticamente a partir de sensores (utilizados
enr rnedidores inteligentes. sensores industriais, medidores elétricos ou sistemas de negociação
cletrônicos). Esses ciados podem ser não estruturados ou semiestruturados e, portanto, não são
arii:cluatlos para produtos de bzrncos de <iados relacionais que organizam os dados em forma de
colunas e linhas. Lrilizamos, atualmente, o termo big data para descrever esses conjuntos de
tlaclos com volunres rão imensos a ponto de estarem além da capacidade que um DBMS típico tem
para capturar. airmazcnar e analisar.
O big data não se reÍc'o ".r: -alquer quantidade específica, mas normalmente a dados na faixa
rlos petabl.,tes e cxabytes 
-- 
em outras palavras, bilhões a trilhões de registros, todos oriundos
dc tbntes clir,,ersas. O big dara é produzi<io em quantidades muito maiores e mais rapidamente do
que os <jados iriidicionais. Por exemplo- um único rrotor a jato é capaz de gerar 10 terabytes de
riados enr apenas 30 rninutos. sendo que existem mais de 25 mil voos por dia. O Facebook tem
mais cJe 2-5f) bi lhões cle Íbtos no site, e a cada dia adiciona 350 milhões de novas fotos. Mesmo
que os t)1'cet.\ sejam limitacios a 140 caracteres cada. o Twitter gera mais de 8 terabytes de dados
por ciia. A inlornraç-ro <iigital está crescendo exponencialmente, de 1,8 zetabytes em 2011 para
um montanre esperado de 35 zetabytes em 2020.De acordo com um relatório da Cisco Systems,
se um copo cle calé de 300 rnl representasse urn gigabyte, então um zelabyÍe teria o mesmo
volrrme que a Grande Muraiha cia China.
As ernprcsas estão interessadas no big data, uma vez que ele contém mais padrões e anomalias
interessantes do que os conjuntos menores de dados, com o potencial de fornecer novas percep-
ções sobre o conlportamento do cliente, padrões cliniáticos, atividade do mercado financeiro, ou
outros fenômenos. Por exemplo, o Shutterstock. mercado global de imagens on-1ine, arnazena24
rrrriltocs ric irrrirgcti: c, a eatia rira, itdiciorr.r irrai. i0 rrrji. [,ie aitalisa o itig daili l).iili Ja...,rl)i i,-,rildc
os visitantes d() seu site posicionarn seus cursores e quanto tempo eles mantêm o cursor sobre uma
irnagem antes de fazer uma conlpra, corn a finalidade de encontrar meios de otimizar a experiência
no Shuttcrstock.
Entretanto. para obter valor empresarial a partir desses dados, as organizaçÕes precisam de
novas tecnologias e ferrantentas capaz.es cie gerir e analisar dados não tradicionais,juntanlente com
seus dados corporativos traclicionais. Elas tanrbénr prccisam saber quais perguntas dcvern ser feitas
sobre os dados e quais as limitaçoes do big clata. ('olctar. armazenar e analisar big data pode ser
caro, e as intiirnraçÕes oriundas do big data podenr nào necessariamente ajudar os tttmadores de
dccisão. íi importante ter uma compreensão clara do problema que o big data vai resolvcr para a
cillpresa. O cstLrtkr dc caso de encerrament«r clo capítulo tbrnece exemplos de cntprcsas quc utilizam
big tiata, a() n)csn-lo [cmpo em que exploranl essits (ltrrstÔes.
I
i
@ ti*.ras de inÍormação gerenciais
INFRAESTRUTURA DE INTELIGÊruCIA EMPRESARIAL
Suponha que você queira inforrnações concisas e confiáveis sobre operaçÕes atuais, tendências
e mudanças relativas à empresa inteira. Se trabalhar cm uma grande empresa, os dados de que
precisa talvez tenham que ser reunitios a partir de sistenras separados. conlo o sistema de vendas,
o de manutãtura, o de contabilidaile e até rnesmo de lontes cxternas.como dados demográficos ou
dos concorrentes. Cada vez mais. pode ser necessário o uso de big data. Uma infraestmtura con-
temporânea para inteligência empresarial consiste em um conjunto de l'erramentas para a obtençào
de informações úteis a partir de todos os diversos tipos de dados utilizacios pelas empresas hoje.
incluindo o big data semiestruturado e o não estrtiturado ern grandes quantidades. Esses recursos
incluem data warehouses (armazéns dc dados) e datrt ntrtrts. Íladoop. conrputação em memória e
plataformas anaiíticas. Alguns desses recursos.líi estzro disponír'eis conro servicos enl nuvem.
Data warehouses e data marts
A ferramenta tradicional para análise de dados corporativos nas duas últimas décadas tem sido o
data warehouse. Um data rvarehouse é um banco de dados que armazena clados correntes e históri-
cos de potencial inÍeresse para os tomadores de decisão de toda a empresa. Os dados originam-se de
muitos sistemas transacionais centruis ern operação, como sistemas cie vendas, de contas de clientes
e de manufatura, podendo incluir ainrla dados advindos de transações em sites. O data warehouse
extrai dados correntes e históricos a partir de múltiplos sistemas em opcração dentro da organizacâo.
Esses dados são combinados com outros oriundos de lontes cxternas e transformados, corrigindo os
daclos imprecisos e incompletos e reestruturando-os para elaboração de relatórios de gestão e aniilisc
antes de serem armazenados no data warehouse.
Os dados do data warehouse estão disponír,eis a tocios para acesso conforme a necessidade,
rnas não podem ser alterados. Um sistema de data warehouse também oferece uma gama de l'erra-
illentes ocl hoc e padronizadas, coino fcrramentas para consulta, lerranrentírs analíticas e rccursos
para relatórios gráficos.
Empresas podem montar data warehouses organizlcionais. nos quais um armazóm central de
dados atende à organização inteira. ou podem criar armazéns menores, tiescentralizarios, denonrina-
dos data marts. Data mart é um subconjunto de um data warehouse, no qual uma porção resumida
ou altamente Íbcalizada dos dados da organização é colocada em um banco separado destinado a
uma população específica de usuários. Por exernplo, uma empresa pode desenvolver data marts de
vendas e marketing para tratar infbrmaçÕes de clientes. A livraria Barnes & Noble costumava manter
uma série de data marts 
- 
um para os dados dos caixas em lojas de varejo, oritro para vendas das
Iivrarias em faculdades e um terceiro para as vendas on-line.
Hadoop
Os produtos de DBMS relacional e de data warehouse não são muito adequados pala organizar c
analisar o big data ou os dados que não se encaixani facilmente em colunas e linhas usadas em seus
modelos de dados. Para tratar dados não estruturados e semiestrutrlrados em grandes quantidades,
ilcttl cultto tl: esifutttfiLdtls, lLs 0tgairi;aeocS úsiir() eolilr:çilllLIo ii üSaI t, ]l:rtl001l. (illrj L: iilllü ü5tfti
tura de software de código aberto, gercnciado pela Apache Software fioundation, que permite o
processamento paralelo distribuído rle grandes quantidades de dados por meio de cornputadores de
bairo custo. E,le fragmenta um probienia cle big data em subproblemas e os distribui entre rnilhares
de nós de processamento comput:icionlrl de baixo custo e depois comhina o rcsultado em um cor)-
junto de daclos menor e mais fácii de anaiisar. Você provavelmente já dcvc tcr usaclo o Fladoop para
cncor)trar a rnelhor passagem aérca rra ]nlernet. obter instruções para chegar a um restaurante ou
conectar-se com um amigo no Facebook.
O Hadoop é composto por r.,iirios srr"'iços básicos: o Sisteina dc arquivo distribuído Hadoop
(Ítadoop Distributed F'ile Sl,stem 
- 
IiDFS) paLao arÍÍ\azenamento de datlos c o NlapReducc para
proccssamentn de alto desempenho ile dados em paralelo. O IIDI-S conüeiir (),\ sistemas de arquivtrs
dr- inúmeros nós ern um cluster Iliitloop para transtbrmii-los em um 
-grandr sistei.na cle arcluivos. o
\lapReciuce do Hadoop toi inspirado pclo sistema lvlapReduce do Goo-ul. para fragmentar o proces-
sarlrcnto de srandes coniunlos de datlos c atribuir o trabalho para vários rris cirr urn clrrster. O HBasc,
capítulo 6: Fundamentos da inteligência de negócios: gestáo da informação e de bun,o o. d.do, @
banco cle dados não relacional do Hadoop, fornece acesso rápido aos dados armazenados no HDFS
e uma plataforma transacional para a execução de aplicações em tcmpo real e altamente escalável.
O Hadoop pode processar grandes quantidades de qualquer tipo de dados, ,ncluindo os transa-
cionais estruturados. os fracamente estruturados como as atualizacões de status do Facebook e do
lwitter. os complexos como os arquivos de log de servidor Web e os de áudio e r,ídeo não estrutu-
rados. O Hadoop é executado em um cluster de servidores baratc»s e processadores podem ser adi-
cionados ou removidos conforme a necessidade. As einpresas usarn o Hadoop para analisar grandes
volumes de dados e também como uma área de ârmazenamento intermediário (.stogine ore o) pata
dados não estruturados e semiestruturados antes deles serern armazenados em um data rvarehouse. O
Iiacebook armazena seus dados em seu cluster sólido Hadoop. que armazena aproximadamente 100
petabytes. o equivalente a cerca de l0 mil vezes mais informaçÕes do clue a Biblioteca do Consresso
norte-americano. O Yahoo! utiliza o Hadoop para monitorer o comportamento do usuário visando
modificar a sua página inicial para satisfazer os interesses dele. A NextBio. empresa de pesquisa
sobre biociência, utiliza o Hadoop e o HBase para processar os dados para as emprcsas farmacêuti-
cas que conduzem pesquisa genômica. Os fornecedores dos protlutos tie banco de datlos lítlcres de
mercado, como IBM, Hewlett-Packard, Oracle e Microsoft, têm as suas próprias distribuições de
software Hadoop. Outros fornecedores oferecem ferramentas para mover dados para dentro e fora do
Hadoop ou para analisá-los dentro do Hadoop.
Computação em memória (in-memory camputing)
Outra forma de facilitar a análise de big data é utilizar a cornputação em memória (in-memory
contputing), que se baseia sobretudo na memória principal de um computador (RAM) para arnraze-
namento de dados. (O DBMS convencional utiliza sistemas t.lc armazenanento enr disco.) Os usu-
ários acessam dados armazenados na memória principal do sistcnra, elinrinando assim os rargalos
de recuperação e leitura em um banco de dados tradicional haseaclo ern disco e reduzincio considera
velmente os tempos de resposta de consulta. O processamento ern memória possibilita que grandes
conjuntos de dados, de tamanho equivalente ao de um data mart ou de uln pequeno data .u',,arehouse,
sejam totalmente armazenados na memória. Cálculos empresariais conrplexos (lue costumavam
demorar horas ou dias para serem executados podem ser concluídos om poucos se_eundos, e isso pode
até mesmo ser realizado em dispositivos portáteis.
O capítulo anterior detalha alguns dos avanços na tecnologia contentporânea de hardrvare dc
computador que possibilita o processamento em memória, tais corno processadores poderosos de alta
velocidade, processador multinúcleo e a queda dos preços de rnemória de computador. Essas tecno-
Iogias ajudam as empresas a otimizar o uso de memória e acelcrar o desernpenho de processamento.
reduzindo seus custos.
Os principais produtos comerciais para a conrputoÇio cnr nterrrória incluem a Ferrarncnta
Analítica de Alto Desempenho (High Perfurmance Analyric.r Applíancc HANA) cio SAP c o
Oracle Exalytics. Cada um desses produtos oferece um conjunto de componentes integraclos de
software, incluindo o software de banco de dados em memória e a analítica especializaria. quc siro
cxecutildos em hardwarc otttrtizado para o processan)ento tie cornputação em memória.
A Mclaren Racing está regularmente coletando gigabytes cle dados gerados por sensores anexa-
dos aos seus carros de corrida e armazenando-os em um sistema decomputação em mernória SAP
HANA para analisá-los, ao mesmo tempo em que os carros csrar) participando da corricla. Cada carro
de Fórmula Um da Mclaren gera cerca dc um gigabyte dc ilarlos brutos clurante urna corricla. e os
cngenheiros da Mcl.aren podem agora consultar csses dados e receher urna resposta enr urn ciócilno
de segundo. Esse processo costumava demorar dois dias. A Mcl.ari:n écapaz. cie usar essas informa-
ções para fazer ajustes em tempo real com o propósito de altcrar as condições durante o percurso cla
prova (Vizard,2013).
Plataformas anal íticas
Os fornecedores de bancos de dados comerciais desenvolvcram platafornras analíticas cspecializli-
das de alta velocidade utilizandcl tanto a tecnologia relacional conlo a nãro relacional que são otirnizadas
para a análise de grandcs cortjuntos de dados. Essas platatbrmas analíticas. tais como IBNI Netez.za
e Oracle Big Data Appliance. apresentam sisteinas de hardu,arc c sotiware pré-configurarlos cluc sao
l
i
,
I
)
Gl) ,ir,"ras de inÍormação gerenciais
projetâdos especificamente para processamento de consulta e análise. Por exemplo, a IBM Netezza pos-
sui componentes fortemente integrados de banco de dados, servidor e armazenamento que tratam con-
sultas analíticas complexas de 10 a 100 vezes mais rápitio do que os sistemas tradicionais. As platafor-
mas analíticas também incluem sistemas ern memória e sistemas de gestão de banco de dados NoSQL
não relacionais.
A Figura 6.12 ilustra uma infraestrutura contemporânea de inteligência empresarial que utiliza as
tecnologias que acabarnos tle descrever. Os dados corre ntes e os históricos são extraídos de múltiplos
sistemas enr opcração, juntamente com os <ia Web, os gerados por nláquinas, os não estruturados
de áudio/vídeo e aqueles oriundos de fbntes externas: todos esses dados são então reestruturados e
reorganizados para elaboração de relatórios e para análise. Os clusters Hadoop pré-processam o big
data para ser utilizado no data warehouse, nos data marls, em urna platatbrma analítica ou por uma
consulta ciireta realizada por usuários al'ançados. .,\s saídas incluem relatórios e painéis. bem como
os resultados da consulta. O Capítulo 1l discutc com mais detalhes os vários tipos cle usuários de
inteligência emprcsarial, bem como os relatórios de inteligência cnlpresarial.
oc
flm
Usuários eventuais
- 
c?lsultas
. Âeiatórios
. Paineis
Usuários avançados
. Consultas
. Relatórios
. otap
. Data mining
(Mineração de dados)
Figura 6.12 lnf raestÍutura contemporânea de inteligência empresarial
úil;,;"esr'ri;;;ã;i.*p"'âã 
"" 
;td,eê"* Áíá;;;';; ,p*;;i;;";,7.-u' 
" 
Í."a,r*rti. pa,a s.,enc ar e anaiisa:
grandes quantidaces de diferentes tipos de daios oriundos de rnúltrolas fonles. Estão incluidas ferrementar rlc consultas
e relalórros íáce s rje usar para usuários eventuais e ronlunios cle fei-ramcntas analiticas rnals sofisticadas para Llsuárros
ava nçados
FERRAMENTAS ANALÍTICAS: RELACIONAMENTOS, PADROES, TENDÊNCIAS
LIma vez capturados e organizados utilizantkr as tecnologias cleinteligência emprcsarial cluc acaba-
11t6s cie ciescrever, os daclos ficam disponír'eis para artiilises pc)steriores usando o stlftu'lLre para consulta
e rclatórios {e bancos de clados, as ferramentas para aniilise multidimensional cle dados (processamento
analÍticrr on-line 
- 
Olap) e o data rnining (nrineniçuo de dados). E.sta seção apreserltalá essas ferra-
menras. cnquanto o Capítulo ll tratará com ntais Lletalhes os tópicos rcfcrcntes a arlítlises e aplicações
da i nteligência ernpresarial. :
:
I
l
I
IÀ
Capítulo 6: Fundamentos da inteligência de negócios. gestão de infor;'naçáo e ce banco ae dados @[
Processamento analítico on-line (Anline Analytical Processing 
- 
0lap)
Imagine que sua empresa venda quatro produtos diferentes 
- 
porcas, pinos. arrtrelas e paraiusos
regiões leste, oeste e central. Se quisesse fazer uma pergunta bem direta, conlo "Quantas arrue-
las forarn venclidas durante o último trimestre?", poderia facilmente achar a resposta consuitando seu
hanco rJe daclos de venclas. iV1as. e se quisesse saber quantas arruelas foram vendidas em cada região c
tanrbém comparar os rcsultados rcais com a projeção de vendas?
para obrer cssa rcsposta, é necessário um processamento analítico on-line (OIap). O Olap pcrmite
r análisc multiriimensional de dados, de forma que os usuários vejam os mesmos dados de dit'erentes
maneiras. pois usa mútltipias ciimensões. Cada aspecto dainformação-produto, preÇo, custo- re,gião
ou períocltt 
- 
representa uma dimensão diferente. Dessa forma, um gerente de produto poderia utilizar
u*i fê..un1.nta de análise multiclimensional de dados para saber quantas arruelas loram vendidas na
região lesre ern junhcl, comparar e ssas informações com as do mês anterior e também de junho do ano
anierior c aindli confronrá-las com a previsão cie venrias. O Olap permite que os usuários obtenham res-
post2s on-line sobre qucstões especílicas como estas em velocidade razoável. mesmo quando os dados
estão armazcnacios em bancos gigantescos, comO números de vendas de vários anos'
A lrigura 6.13 nrostra um modelo rnulticiimensional que poderia ser criado para representar pro-
dutos. regioes. l'olume real de vendas e projeção de vendas. Uma matriz de vendas reais pode ser
empilhacla sobre unta matriz. cle projeção de vendas formando um cubo com seis faces. Girando o cubo
90 graus cnt uma ciireção. a face que aparece mostrará vendas reais e projetadas por produto. Girando
n()\?nrenre o cubo 90 graus. pociern-se ver vendas reais e projetadas por região. A 180 graus a partir da
yislrc original pociem-se visualizar r,endas projctaclas e produtos por região. Os cubos podem ser ani-
nhatlos clentro tle outros cubos para c()nstrLlir visões complexas dos dados. LIma etnpresa pode usar um
bancct dc daclgs multirlimensioniil cspecializado ou uma ferramenta que crie visões nlultidimensionais
r-in trlineo. tlc tlltlos rclacit,nais.
P rojeta da
PRODUTO Figura 6.13 Modelo multidimensional de dados
Essa visão mostra produto versus regiáo. Girando o
cubo 90 graus, a Íace que aparecer mostrará produto
versus vendas projetadas e reais Girando novamente o
cubo 90 graus, pcde-se ver reqião versus vendas reais e
proletad.rs. Ou tras,/isc-"s ta mbem são possÍveis.
R EGrÁo
Data mining (mineração de dados)
Consultas tradicionais a bancos cie tlarkrs re spondem a perguntas como: "quantas unidades do pro-
tlur6 número 403 fcrrarn expediclas cnr têr'ere iro cle 2014?". O Olap. ou a análise nrtrltidimi:nsional, dá
lupoio ii requisições dc inibrrnação rnrritrr nrais complexas, tais coillo: "comparc as vendas do produto
403 t:orn o planejado, por trirnestre e por regiiio de vendas. nos dois últimos anos". Para utilizar o Olap
e a análise cie dados orientada por consuita, os usuiirios precisam ter uma boa ideia da infbrmação que
r'\tao procurlndo.
O tlata mining (mineração de dados) é nrais orientado por descoberta. O data mining fornece
purr:cpçõcs clos dados corporativos tlut niro poclcm ser obtidas com o Olap. dcscobrindo padrões e rela-
cionaincntos ocultos ern grandes bancos tle dados e inferindo regras a partir dcles para prever compor-
tamcntos futuros. Esses modelos e regras podem entâo ser utilizados para guiar o processo de decisão e
prc!cr o cfeito clessas escolhas. Os tipos dr- informação obtitlos coni o data rnining incluem associações,
sr:quências, classificações, aglomeraÇões e prognósticos-
@) ti*"ras de informação gerenciais
Associações são ocorrências ligadas a um único evento. Por exemplo, um estudo de modelos de compra
em supermercados pode revelar que, na compra rie salgadinhos de milho, cornpra-se também um refri-
g"runi" tipo cola em 657o das vezes; mas. quando há uma promoção. o refrigerante é comprado em 85Vo
áo, ,"r"r. Com essa informação, os gerentes podenr tornar decisÕes mais acrertacias,pois aprenderam a
respeito da rentabilidade de uma promoção.
Na sequência, os eventos estão ligados ao longo do tempo. Pode-se descobrir, por exemplo, que, quando
se compra uma casa, em 65Va das vezes se aclquire tambónr uma nova geladeira no período de duas
,"1nunui; e que, em 45Vo das vezes, um tbgão também é conrprado um mês após a compra da residência.
A classíficação reconhece modeios que descrevem o grupo ao ciual o ilcni pertence. por meio do exame
dos itensjá classificados e pela inferência de um conjunto cie resras. Errtprcsas dc operadoras de cartões
de créditó e companhias telefônicas preocupam-se com a perda rie clientes rcgulares. A classiticaçàtl
pode ajudar a descobrir as características de clientes que provavellnente virãcl a abandoná-las e ot-erecer
um modelo para ajudar oS gerentes a prever quem são, de modo que se clahore antecipadamente cam-
panhas especiais para reter esses clientes.
A aglomeração (clustering) funciona <ie maneira semelhante à classificação quando ainda não foram
Oefinidos g.rpor. Uma ferramenta de data mining descobrirá dit-erentes agrupamerltos dentro cla massa
de dados; porexemplo, ao encontrar grupos cle afinidacle para cartões bancários ou ao dividir o banco
de dados em categorias de clientes com base na demografia e em investinientos pessoais.
Embora todas essas aplicações envolvam previsões. os prognósticos as utilizam de modo diferente.
partem de uma série de valores existentes para prL'vcr quais scrão os outros valores. Por exemplo, um
prognóstico pode descobrir padrões nos dados que ajudam os gerentes a estimar o valor futuro de variá-
veis como números de vendas.
Esses sistemas realizam unia análise de alto nível quanto a padrões ou tendências' mas também podem
esmiuçar os 6ados para revelar mais detalhes, se necessário. E,xistem aplicações de data mining para todas as
:1.-as funcionais 6a empresa, bem como para o trabalho científico ou governamental. Um uso popular do clata
mining ó a análise detalhada ile parJrrles em daclos sobre consumidores ptrra, a Partir disso, montar campanhas
de ntarketing um a um ou identificar clientes lucrativos (ver o estudo de caso de encerramento do capítulo).
A Caesars Entertainment, anteriormente conhecicia como Harrah's Entertainment, é a nlaior empresa clo
setor de jogos do mundo. Ela analisa continuaniente dados sobre os clientes. coletados enquanto as pessoas
.jogam nàs iaça,níqueis da empresa ou frequentam cassinos e hotéis ria rede. O departamento de marketing
.oipo.otiuo utiiiza essas informações para desenvolver um detalhado perfil do jogador com base no valor de
um cliente particular à empresa, ao longo do tempo. Por exemplo, o data mining permite que a Caesars conheça
a experiência de jogo favorita cle um cliente regular em um clos seus cassinos a, juntamente com as prct-crências
dessa pessoa com relação às acomodações em quarto, restaurantes e entretenimento. Essa informação oriellta as
rlecisoes ailministrativas sobre como cultivar os clientes rnais lucrativos, estimulá-los â gastar mais e atrair nlais
clientes com alto potcncial cie gcração cle receita. A inteligência empresarial clcvou tanto os lucros da Caesars
que se tornou peça central de sua estratégia dc negócios.
Ourra organização que se beneficiou de inteligência empresarial e do clata inining é o Jardim Zoológico dc
Cincinnati, descrito na Seção interativa sobre Organizações. A medicia que você 1ê esse caso, pense em conlc)
c cluais problernas puderam ser resolvicios com uma melhor utilizacão rios dados disponíveis para o Jardiur
Zoológico.
Text mining (mineração de texto) e Web mining (mineração na Web)
Acredita-se que os clados não estruturados, em sua maioria, na lbrlna de arquivos de texto' reprcsentam
mais de 806/c das inforrnações úteis de uma empresr e constittlem ltma tllts principais fbntes cle big data qtte as
empresas clesejam analisar. \,lensagcns cie e-ruails. memorantJos, transcrições de chamadas à central de aten-
dintento ao clientc, rcspostas pilra pcsquisas, casosjudiciais, descriçtics tle patentes e relatórios de se:rvicos siltr
totlos valiosos na idenrificação cle patirões e tendências capazes de ajudar os empregados a tomar decisÕes de
negócios mais acerradas. F-erramentas para mineração de textos (text ntining) agora estão disponíveis para
auxiliar as empresas na análisc clesses dados. Essas ferramentas são capazLrs de extrair elementos-chave cle cott
.iuntos de big clata não estruttrratkrs. dcscobrir padrões e relacionamcntos. e resumir inÍbrmaçCres.
As empresas poclem rec()rrcr à niineração de textos para analisar transcrições dc ligações às centrais cle
atendirnento ao cliente a fim rlr: icicntilicar os principais problcmas relacionados a serviçtls c reparos ou para
mensurar o sentimento clo cliente sobre a empresa. Software clc análise de sentimento é capaz dc "garimpar" ::
I
í
I
I
.t
Capítulo 6: tL-noamenlos 0.r rlei car. i (li: t ..1.i lr. rle ',i:, rla rriorrraçro e de bani:o aa auao, ffi
comentáÍios rie texto em uma mensagem de e-mail, blog, conversa de mídia social ou Íbrmulário de pesquisa
para detectar opiniões favoráveis e deslavoráveis sobre assuntos específicos'
O corretor de desconto Charles Schwab, por exemplo, utiliza o soÍiware Attensity Analyze para analisar cen-
tenas de Ínilhares de suas interações com os clientes a cada mês. O softrvare analisa os comentários do serviço
de atendimento ao cliente. as mensagens de e-mails, as respostas da pesquisa e discussÕes on-line da Schwab
para descobrir silais de insatistação que possam levar um cliente a parar de usar os serviços da empresa. O
Atrensity é capaz de icientificar automaticamente as várias "vozes" que os clientes usam Para expressar a sua
opinião lcomo Ltmit vc.tz positiva. negàtjvâ o» condicionitl\ para jdenrificar a intenção de conrpra. a intenÇão de
sair ou a reação a unt produto especílico ou mensagem de nlarketing por parte de uma pessoa' A Schrvab utiliza
ê$s: lntgimâçget pÀrÀ (omÀr Íu âÇÔet c0ttewffi, tBmB tÊ[Bsai g EgRlitigtt*? o:tt:tt o-q !9f fitg' com o 
cliente
e tentílr re.sol!.er rapi<)attente os proLrlemas gue estão deixândo o cl iente i ns:rtisÍàia.)-
Á lveb é Ôuhe fonte rica em big dennta8§trütürad0 pi]ra retelar p(ldrOe:, t0n{lsnriaü ü prIigP?gg§ §g!',re
o comportament<-r clo consumidor. A descoberta e a análise cle patlrões e informações úrteis na World Wide
web são chamadas de mineração na web (web mining). As empresas podem recorrer à mineração na web
para ajudar-lhes a compreender o comportamento do consumidor. avaliar a eficiência de um site em part'icular
ou quantificar o sucesso cie uma campanha de marketing. Os comerciantes usam os serviços Google Trends 
e
Insight for Search, por exemplo, que ràstreiam a popularidade de diversas palavras e frases usadas nas consultas
feitas pelo Google para descobrir no que as pessoas estão interessadas e o que elas desejam comprâr'
Fundatlo em 1873, o Jardim Zoológico e Botânico
de Cincinnari é uma das instituições zoológicas mais
bem classificadas do mundo e o segundo zoológico mais
antigo nos Estados Unidos' Também é uma das atraq')cs
mais populare§ do país, classificada entre os 10 melho-
res zoológicos norte-americanos pela Zagat' e como
o melhor zoolírgico para crianças pela revista Parents
hÍagazine. O terreno de 7l hectares do Zoológico é o
iar de mais de 500 animais e 3 mil espécies de plantas'
Aproximaclarncnte 1,2 milhão de pessoas por ano visiram
esse jardim zoológico.
Embora o Zoológico seja uma organização sem
frns lucrativos. parcialmente subsidiada pelo Hamilton
County. mais de dois terços de seu orçamento anual de
US:i 16 ,iriilriu.' r:irr icsultaLlo do', csforço' 'lc lr".'r;r:l:
mento de fundos, sendo o restante oriundo de assistên-
cia fiscal. taxas de admissão, comida e pÍesentes' Para
aumentar a receita e melhorar o desempenho, a equipe
de gerência sênior do Jardim Zoológico embarcou enl
urna abrangcntc revisão dc suas opcraçõesA avaliaçi'r
concluiu que a gestão tinha limitados conhecimento e
compreensão do que estava realmente aconteccÍrdo no
Zrrológico no tlil a dia' al.{m de quantas pe:>rrl: r'i'ita
ram todos os dias e a receita total-
Quem vem ao Zoológico? Ctxn qual frer;uência cos-
turna vir'J O quc laz e o que compra? A adrttinistrar;àr'
não tinha itlcra. Cada um dos cluatro fluros dc rcceita -
adrnissÕes, fililção, varejo e serviços dc alinrentação -
possuía platafbrmas diferentcs de sistenla de ponto ric
venda e o negócio de serviço de alimentação, que traz
USS 4 miihõcs por ano, ainda cra bascado eni caixas
registradoras manuais. A administração tcve que exami-
nar minuciosamente vários rccibos dc pape'l apenas para
compreender os totais diários de vc'ndas
O Zoológico tinha cornpilado uma planilha que reu-
nia os CEP dos visitantes. esperando util!zar os tlados
para análise gcográfica c demográfica. Se esses dados
pudessem ser combinatlos com as percepçeles das ati-
vidades clos visitantes no Zoológico 
- 
quais atrações
l'isitaram. o que comeram e beberam e o que compra-
rzrm nas lojas de presentes 
- 
a inÍ'orlnaÇão seria extre-
mamentc valiosa para orientar açõcs de marketing'
Para conseguir isso, no entanto. prrcisava mudar
.:: . ,!"-::::: .1.' ''fr"r:t:: ::.' f ::'' ''-"'lrlt' mliç
cm análisc e gestão de dados. O Zoológico substituiu
seus quatro sistctnas legados de ponto de venda por uma
única plataforrna 
- 
Galaxv POS da (iateway Ticketing
Systems. Em seguida. colltratou a IIIN4 c a Brightstar
l)artncrs (urrta emprcsa de consultoria parceira da
IBir{) para construir uIn data 1v11g[3ttsc centralizado e
implantar o IBNI Cognos Busincss Intclligence para for-
necer análise e elaboração de relatórios crn tenlpo real'
Como toda atração ao ar Iivre, o negticio do Zoológico
é altamente dependentc das condiçrles meteorológicas'
Frm dias cle chuva. o núrnero dc visitant.'s cai drastica-
mente. muilas vezcs dcirlrndo o con) üxctsso t.le funcio-
nários e excesso cic produttls üm esto(1u.. Sc o tempo esti-
ver exccpcionalrtenle rliient.-. lts Vcllt.i:t' tlc detcrminados )
Capítulo 6: FLinOêÍreni0s d.l inlcr 0Ôrr c 0.r li,.r.r.:.rr r.:'i;í) il. riorrnação e cle b,:nco O.,iuOo, @§!
comentários cle texto em uma mensagem de e-mail, blog. conversa de mídia social ou Íbrmulário de pesquisa
parit detectar opiniões Íàvoráveis e deslavoráveis sobre assuntos específicos.
O corretor de desconto Charles Schwab, por exemplo, uriliza o software Attensity Analyze para analisar cen-
tenas de rnilhares de suas interações com os clientes a cada mês. O soltivare analisa os comentários do serviço
de atendimento ao cliente, as mensagens de e-mails, as respostas da pesquisa e discussÔes on-line da Schwab
para descobrir sinais de insatisfação que possam levar um cliente a parar de usar os serl'iços da empresa. O
Atrensiry é capaz cie identificar automaticamente as várias "vozes" que os clientes usam para expressar a sua
opinião (como uma voz posiriva. negativa ou condicional) para identificar a intenção de conlpra. a intenção de
sair ou a reação a un'r produto específico ou mensagem de nrarketing por parte de uma pessoa. A Sch"vab utiliza
essas intbrrnaçÕes para tomar as ações corretivas, como reforçar a comLrnicacão direta do corretor com o cliente
e rentar resolver rapidamente os problemas que estão deixando o cliente insatisl-eitt-r.
A Web é ogtra fonte rica em big data não estruturaclo para revelar padrões. tendências e percepções sobre
o comportantenro do consumiclor. A descoberta e a análise de parlrões e informações úteis na World Wide
Web são chamadas de mineração na Wet) (web mining). As ernpresas podem recorrer à rnineração na Web
para ajudar-lhes a compreender o comportamento do consumidor. avaliar a eficiência de um site em particular
ãu quantificar o sucesso de uma campanha de marketing. Os comerciantes usam os serviços Google Trends e
Insight for Search, por exemplo, que rastreiam a popularidade de diversas palavras e frases usatlas nas consultas
feitas pelo Google para descobrir no que as pessoas estão interessadas e o que elas desejanl comprar.
Fundado em 1873, o Jardim Zoológico e Botânico
rle Crncinnati é uma das instituições zoológicas mais
bem classilicadrs do mundo e o segundo zoológico mai:
antigo nos Estados Unidos. Também é uma das atraçircs
mais populare§ do país, classificada entre os 10 melho
res zoológicos norte-americanos pela Zagat, e como
o melhor zoológico para crianças pela revista Parents
Magazine. O terreno de 71 hectares do Zoológico é o
lar de mais de 500 animais e 3 mil espécies de plantas.
Aproximadamente 1.2 milhão de pessoas por âno visitam
esse jardim zoológico.
Embora o Zoológico seja uma organização sem
fins lucrativos, parcialmente subsidiada pelo I{anrilton
County. mais de dois terços de seu orçamento anual de
;5§ 16 ;rlllri,u. r:i(, icsuitado clo. cslcrrços,lc lcr.rtli:r
mento de fundos. sendo o restante oriundo cle assistên-
cia liscal. taxas de admissão, comida e presentes. Para
aumentar a receita e melhorar o descmpcnho, a equipc
de gerência sênior do Jardim Zoológico embarcou ent
rurna abrartgcnte revisão cle suas operações. A avaliaçJt,
concluiu .prs a gestão tinha limitados conhecimento e
compreensão do que estava realmente actlnteccndo no
Zoológico no dia a dia, além de quantas pessoas visita-
rarn todos os dias e a receita total.
Quem vem ao Zoológico? Conr quai frequência cos'
turna vir'l O cluc faz e o (ltle contpra? A adlninistrac'l-ir,
não tinha ick:ia- Cada um dos quatro fluros de reccita
arlrnissões, tiliação. varejo e serviços de alinrcntação'-'
possuía platafilnnas diÍ'crcntes de siste,nla dc ponto dc
venda e o negricio de serviço de alimentação, que traz
US$ 4 miihões por ano. ainda era baseado em caixas
registradoras manuais. A administração teve que exami-
nar minuciosatnente vários rccibos dc papcl apenas para
compreender os totais diários de vL'ndas.
O Zoológico tinha compilado uma planilha que Íeu-
nia os CEP dos visitantes, esperando utilizar os dados
para análise geográfica e demográfica. Se esses dados
pu<iessem ser combinados com as pcrcepções das ati-
vic.larles dos visitantes no Zoológico 
- 
quais atrações
visitaram. o que comeritm e beberam c o que compra-
ram nas lojas de presentes 
- 
a inÍ'orrnaÇão seria extre-
inamente valiosa para orientar ações de n-rarketing'
Para conseguir isso, no entanto. prtcisava mtldar
.i)i: j sisla:iti]lt ilr' ilfornlllr-'ltir f iil:l (.' r','lr:ent:'ltr mlis
em análise e gestão de dados. O Zoolírgico substituiu
seus qualro sistemas legados de ponto tie venda por uma
única platalorma 
- 
Galaxy POS da (.iatcway Ticketing
Systcms. Em seguida, corltratou a IBM e a Brightstar
Partncrs (uma enrprcsa de consrrltoria parceira da
IBi\i) para construir uin data rvarch(rttsc ccntralizado e
inrplantar o IBNI Cognos Bustness Intelligence para for-
ncccr anhlise e elaboração de relatórios ent tentpo real.
Como toda atritção ao ar I ivrc, o negocio do Zoológico
é altamente dependcntc das condiçrles meteorológicas.
Enr dias rlc chuva. o núrncro dc visitantcs cai drastica-
rnente. rriuitas vez-es deirando-o con) cxcasso de funcio-
nános e excesso dc produttls em esto(luü. Sc o tempo esti-
vcr cxccpcionalnlente quentc, as vendas rlc determinados )l
l
=:.sa'':T
I-
a
I
3
§
!
t
@ ,'r,.ras de inÍormaçâo gerenciais
itens, corno sorvete e á-eLra mineral, tendem a aumentar, e
o Zoológrco pode ficitr sem essrs jtcns
O Zoológico agora atualiza seu sisrenta de inteli .
gência empresarial corn dados de previsão do terrpo
obtidos do site da Adrlinistração Nacional Oceânica e
Atnrosférica dos Estados Unido.s (ti..S. Ncttiontil ()ceartiL
and AÍrnr,,spheric Adninistrotiorr 
- 
NOAA). Ao ci-rrnparar
as previsões correntes com os dados histiiricos tlc núnrero
de visitantes e vendas cm dias de condiçrles mctcorolóri-
czs similares,o Zoológico é capaz dc tornar tlc-cisões rn:ris
acertadas sobre o planejamento de horários de trabalho drts
funcionários e sobrd o plilnejaÍnento dc cstoque.
A mcdida que os visitantes subme te m seus çarttJes
de sócio aos scanners na entradii. na saítla. nars zitra-
ções, nos restauÍantes e nas lojas. ou utilizlnr sou car-
tão de fidelidade, o sisterna do Zoológico .lprura csscs
dados e os analisa para determinar padrões de uso e de
gastos no nível do cliente individual. Essa inforrnacão
ajuda-o a classificar os visitantes com base ern s.us
comportamentos de visita e gasto e a usar essas inior-
mações para direcionar açcles de marketing e promo-
ções especific,i.mente para cada segmento dc: clicntcs-
Um segmento de clientes identificado pelo
Zoológico consistia cle pcssolis quc. narr) 
_srr\tiryrnl
nada além do preço do inqresso cle ar.lrnissito durante
a sua visita. Se cada uma dessas pessoas gastassc US$
20,00 na sua próxinta visita. haveria um extra tic L,SS
260 mil, o que é cluase 19á de todo o scu orçanrcnto. 0
Zoológico usou .rs informações cios seLrs clienrcs para
elaborar uma campanha de marketing de mala dircra na
qual esse tipo de visitante receberia urna oterta iic rles-
conto para alguns (los restaurantes e lojas dc prasentcs
do Zoológico. Os clientes pertencentcs ao proerarnrr de
fidelidade também são premiados com prosrainus iic
reconhecimento e rnarketing direcionldo.
Em vez- de enviar uma oferta especial para toclL a
sua lista de endcreços. o Zoolóeico é capaz dc atirrpiar rs
PERGUNTAS SOBRE O ESIUDO DE CASO
campanhas de forma mais eficiente para grupos meno-
res de pessoas, aumentando as suas possibilidades de
identificar as pessoas que mais provavelmente reagirão
de forma positiva à sua mala direta. O marketing mais
direcionado ajudou o Zoológico a reduzir US$ 40 mil do
seu orçamento anual.
A adnrinistração tinha observado que as vendas
de alimentos tendem a diminuir significativamente
após as três horas da tarde de cada dia e começou a
fechar algumas lojas de alimentos do Zoológico nesse
horário. Mas a análise mais deralhada dos dados mos-
trou que unr grande auntento nas vendas de sorvete
ocorre durante a última hora antes do encerramento do
Zoológico. Como resultado. as sorveterias estão aber-
tas o dia todo.
A concessão "Beer FIut" do Zoológico apresenta seis
marcas diferentes, que normalmente sofrem um rodízio,
com base no volume de vendas e nas estações do ano.
Pela análise da IBM, a adminisrração pode agora iden-
tificar imediatamente qual cerveja está sendo mais ven-
dida. em que dia e em que hora, para certificar-se de que
o estoque satisfaz a demanda. Anteriormente, demorava
de 7 a 14 dias para obter essa informação. o que exigia
a contratação de funcionários de meio período para exa-
minar minuciosamente as fitas de registro.
A capacidade para tomar der-i.õe';6315 acertadas
sobre as operações conduziu a melhorias consideráveis
nas vendas. Seis meses após a implantação de sua solu-
ção de inteligência empresarial, o Zoológico conseguiu
um aumento de 30,7o/a nas vendas de alimentos, e um
aumento de 5,91c nas vendas no varejo em relação ao
mesmo período do ano anterior.
Fontes: "Zoo Wants Additional Revenue from I'axes", Cincinnari-
com. l8 jan. 2013; Disponível em: <wrvu,.cincinnarizoo.org>,
acesso em: 
--< mar. 2012: IBiVI Corporarion. "Cincinnari Zoo
Improvcs Customer Experience and Enhances Performance",
20ll; e Nucleus Research. "lB\4 ROI Casc Study: Cincinnari
Zoo", jul. 20 1 1.
-1. Quars Iatoi'es humanos, orgôrirzaclonais e lecnoiógico) iázranl o rardrm l0crogrro de (lr,(ri,íiôti pei0er
oportunidades para aumentaÍ a receita?
2. Por que a substiturção dos sistemas legados de ponto de venda e a implementaçào de um dala warehcuse
íoram essenciais para se implantar uma soluçào de sistemas de informação?
3. Descreva os tipos de rnformacões coletada5 do data mining que aludaram a entender rirelh0r o
comcoÍtemento do visitante do Zoológrco
4. Como o Jardim Zoológico cje Cinc nnati se beneficiou da intelrgência empresarial? Comc ela melh0rou o
desempenho operacional e a tomada de iscisão?
5. A administracão do Zoológico âfrrmou re(enlemente cue poderá ler que solicitar mars rereitas das tarifas
a fim de propor(ionar o mesmo nível oe qiralrdade e servlço n0 futuro. Corno a inteligôrcia empresarial
poderia seÍ utilizada para evitar que iss0 aicnteça?
i
i
t
capítulo 6: Fundamentos da inteligência de negócios: gesrão da informação e de b.n.o ou dudo, @
A mineração na Web busca pacirões em dados por meio da mineração de conteúclo, de estrurura e de
uso- A mineração de conteúdo é o processo de extração de conhecimcnto a partir clo conteúrio cle pági-
.as Web, que pode incluir dados nos formatos texto, imagem, áudio e vídeo. A t.nineração de estrutura
exantina os dados relacionados à estrutura de um site em particular. Por exemplo, links apontanclo para
um documento indicam a popularidade daquele documento, enquanto links saindo de um tiocurnenro
representam a riqueza. ou talvez a variedade, de tópicos abordados no documcnto. A mincração clc uso
analisa os dados de interação do usuário registrados por um servidor Web sempre que estc recebe soli-
citações de recursos de um site. Os dados sobre o uso registram o comportamento do usuário quando
ele consulta ou rcaliza transaçoes no site e grava esses dados em um log no servidor. A análise cle tais
dad<ls permite que as empresas avaliem o valor de determinados clientes. as estraté-gias cruzaclas de
marketing entre os produtos e a eficiência de campanhas promocionais.
O cstudo de caso de cncerramcnto do capítulo descreve as experiências de organizações à nteclitia
que elas utilizam as ierramentas analíticas e as tecnologias de inteligência empresariai que clescreve-
nos para lidar corn os desafios do big data.
BANCOS DE DADOS E A WEB
Muitas empresas estão usando a Web para disponibilizar algumas informações de seus bancos de
dados internos a clientes e parceiros de negócios. Clientes potenciais podem usar o site de uma empresa
para ver o catálo-eo de produtos ou fzrzer um pedido. A empresa pode então usar a Web para verificar a dis-
ponibilidade daqucle produto no estoque de seu forneçedor. O fornecedor, por sua vez, pode acionar seus
próprios lorneccdc»es. assim como as empresas de entrega necessárias para enviar os produtos no prazo.
Bssas ações envolvenr o acess(') e (no cast.r do pedido) a atualização de bancos de dados corporativos
por nieio da Wcb. Suponha. por exemplo. que urn cliente com um navegador da Web queira pesquisar
preços no banco de dados on-line de trrn varejista. A Figura 6.14 mostra como esse cliente poderia
acessâr o banco de rirrlos interno,r,r r::: 
_iistâ pela rede. Usando um software de navegação na Web no
seu PC, o clienie itccssaria o site do varejista. O software de navegação na Web do usuário soliciraria
intbrmiições do banco de dados da organização, usando comandos HTM[, para se comunicar com o
serviclor Web.
Como muitos bancos de dados back-end não conseguem interpretar comandos escritos em HTML,
o servidor W'eb repassaria essas solicitações para o soft,,vare que traduz comandos HTML eni SQL, de
lnaneira clue elus pudessem scr processadas pelo DBMS que trabalha com o banco de dados. Em um
ambientc cliente/servidor. o DBIIS rnuitas vezes reside em Llm computador cledicado chamaclo servi-
dor de banco de dadrts. O DB\'lS rcccbc os comandos SQL e fornece os da<ios requisitados. As infor-
rtlitc'ôes são transféridas do banco de dados interno da oreanização para o serviclorWeb, que as entrega
na torma de unra página Web para o usulirio.
A Figura (r.14 ntostra (lLrL'o soÍiwarc que trabalha cntre o servidor Web e o DBMS poderia ser
uin servidor de aplicativo rodando em seu próprio computador dedicado (ver Capítulo 5). O software
servidor de aplicativo administra todas as operações cle apiicativos. incluindo o processamento de
transaçõese o acesso aos dados, entre conlputadores nrunidos dc navegador e as aplicações empresa-
riais de suporte ou os hancos di: ilados da ernpresa. O serviclor de anlicatir,o rer:ebe as requisicões rlo
servidor Web, exccuta a lti-qica de negócio das transaçoes tendo colno base cssas requisiçÕes e provê
conectividade aos sistemas de suporte ou bancos de dados tia organização. De modo alternativo, essas
@*qp*@*@*@@.ffi
Cliente com
navegaCor Web
Figura 6.14 Ligando bancos de dados internos à Web
Os usuários acessam o banco de dados interno de uma organrzaçáo por
meio da lnternet usando seus PCs e software de navegaçáo da Web.
Servidor de Servidor de
aplrcativo banco de dados
Banco
de dados
5ervidor
Web
@ to,"ras de inÍormação gerenciais
operações podem ser administradas por um programa de softrvare customizado ou um script CGI,
programa compacto que usa a especificação Comnton Gutewoy Interfoce (CGl) para processar dados
em um servidor web.
Há uma série de vantagens em utilizar a rede para acessar os bancos de dados internos de uma
organização. Em primeiro lugal tcldo mundo sabe usar um softrvare de navegação, e os funcionáríos
precisam de muito menos treinamento do que se usassem ferramentas de consulta proprietárias. Em
segundo lugar, a interface Web requer pouca ou nenhuma mudança no banco de daclos interno. As
empresas alavancam seus investimentos em sistemas mais antigos porque cllsta mllito menos adicionar
uma interface Web à frente de um sistema legado do que repro_ietar e rcconstruir o sisterna paÍa melho-
rar o acesso do usuário. Por essa razáo, a maioria das grandes empresas no ranking da Fortune 500 usa
bancos de dados legados deback-end rodando em mainirames ligados a um softrvarede "front-end",
que disponibiliza as informações na forma de uma piigina Web aos usuários que as solicitam.
Acessar bancos de dados corporativos pela Web está criando novas eficiÔncias e oportunidades,
em alguns casos até mesmo mudando a maneira como os negócios são feiios. A 'fhomasNet.com, por
exemplo, oferece um diretório com informações atlalizadas referentes a mais de 600 mil fornecedores
de proclutos inciustriais, tais como produtos químicos, metais, plásticos, produtos de borracha e equipa-
mentos automotivos. Antes chamada Thomas Register, a empresa costumava enviar imensos catálogos
impressos com tais informações. Atualmente, disponibiliza os dados on-line em seu site, tendo se tor-
nado uma organização mais enxuta.
Outras empresas criam negócios totalmente novos com base no acesso â grandes bancos de dados
pela Web. Um exemplo é o serviço cie recle social Facebook, que ajuda os ilsuários a se manterem
conectados uns aos outros e a conhecerem novas pessoas. O Facebook apresenta "perfis" com infor-
maçeies fornecidas por mais de 1,1 bilhão de usuários ativos sobre eles mesmos, incluindo interesses'
amigos. fotos e grupos aos quais são afiliados. O Faccbook nlantém unt grandc banco de datlos para
armazenar e gerenciar todo esse conteúdo.
6.4 Gestão dos recursos de dados
Coníigurar um banco de dados é somente o início- P:rra certificar-se de que os dados para o seu
negócio permanecem precisos, confiáveis e prontamente disponíveis para os que deles neccssitam, sua
empresa necessitará de políticas e procedimentos especiais sobre gestão de dados.
ESTABELECENDO UMA POL|TICA DE INFORMAçÃO
lbdas as enlpresas, grandes ou pequenas, precisam de uma poiítica de informação. Os dados de sua
organização são um recurso importante, por isso voce não vai querer que os outros façam o que quisc-
rem conl eles. E necessário estâbelecer regras sobre como os ciados serão organizados e armazenados.
e qucm terá permissão para vê-los ou alterá-los.
Uma política de informação especifica as regrâs para compartilhar, disseminar, adquirir. padro-
nizar, classificar c inventariar a informação. A política de inforrnação elabora procedimentos e res-
ponslhilidrrlc. cspr-cíficas. determinando ctr-rais rrsruirios e unidacles organizacionais conrpartilham a
inÍbrmação, para onde ela pode ser distribuída e quem é responsável por sua atualização e manutenção-
Por exemplcl, uma política de informação típica especificaria que apenas ntembros selecionados do
clcpartanrento de rec-ursos humanos e da tblha dc pagan.rento teriam o direito de alterar e visualizar
inlorrnacircrs clelicadas sobre os funcionários, tais como número da Previdência Social ou salairio. c
esses departamentos seriam rcsponsáveis por assegurar a precisão de tais dados.
Caso trabalhL'em uma empresa pequena. a poiítica de informação talvez seja estabelccida e
implemenraila pelos proprietários ou gerentes. Ern uma grande organização. o planejan'rento e a
gestão da intormação como recurso corporativo lnuitas vezes reqtrerem uma função tirrmal de
adnrilisrraçart de dados. A administração de dados i responsável pelas políticas e procedimentos
específicos pelos quais as informações podcm ser gerenciadâs como recurso organiz-aciitnal. Essas
rcsponsabilitladcs incluem desenvolvimento da 1.lolítica de inforntação, planejalnento de dados.
supervislio tio projeto lógico do banco dc dados e tlo desenvoivimento do dicionário de dados. e
monitoraçiro de com<t os especialistas em sistr:ltta dc infbrmação e grupos de usulirios finais utili-
zam es\ir) intirrmlçõe:.
Capitulo 6: FunCamentos da inteligência de ne00ci.,,s: Er.sião ca iníormaq;ic e de banco Ou A.ao, @
Unta grande organização também costuma ter um grupo de gestão e projeto de bancos de dados,
dentro da divisão corporativa de sistemas de informação, responsável por delinir e organizar a estru-
tura e o conteúdo do banco de dados, e também por sua manutenção. Ilm estreita colaboração com os
usuários. o grupo de projeto determina o banco de dados físico, as relac(jes lírgicas entre elementos e as
regras cle acesso e procedimentos de segurança. As funções que o grupo desempenha são cltantadas de
gestão dc banco de dados.
ASSEGURANDO A QUALIDADE DE DADOS
Uin banco de dados e uma política de inforrnação bem projctados já sho rneio carninho anclado para
que a ernpresa tenha a informação de que precisâ. No entanto. outras rncdidas cievcm s.lr tomadas para
assegurar que os dados nos bancos organizacionais estejam corretos e permanecaln confiár'eis.
O que aconteceria se o número de telefone ou o saldo bancário cie um cliente estivcsse incor-
reto? Qual seria o impacto se um produto vendido estivesse com o prcço errado no banco de dados?
Inforrnações incorretas, desatualizadas ou inconsistentes com outras tbntcs de informação criam sórios
problcmas operacionais e financeiros pâra as empresas. Quando dados crrôneos pessarn despercebidos.
muitas vezes levam a tlecisões incorretas, recall de produtos e até prcjuízos financeiros.
Os consultores do Gartner Group relataram que mais de 25o/o dos dados críticos nos bancos de
dados das mil maiores empresas do ranking da Fortwrc estão incorretos ou incompletos; isso inclui
erros em descrições e códigos de produtos, descrições de estoque. dados financeiros e informaçttes
sobre fornecedores e funcionários.
Alguns desscs problemas com qualidade dos dados são causados por dados ir)cr)irsisiL-nte s e re tlundan-
tes produzidos por míiltiplos sisternas que alimentam um data rvarehouse. Por c.r.cnrplo. tanto o sistenta de
pcdidos de vendas quanto o de gestão de estoques podem manter inÍ'ornraçocs sohre os produtos da orga-
nização. No entanto, o sistema de pedidos de vendas pode usar o term() NLítnero de ltem c o sistema dc
estoqucs pode chamar o mesmo atributo de Ntimero de Produtct. Os sistcnras dc vendas. estoquc c nlanrl-
fatura cle uma loja de roupas pociem usar diferentes códigos para represcntar os valores cle ttm mesmo
atributo. [.lm delcs pode designar o tamanho das roupas como "extragrande". enquanto o outro pocle usar
o código "XL'para a mesma finalidade. Durante o processo «ie projeto do banco de tlados, aqueles que
rlcscrevem as entidades, como um cliente,urn produto ou urn pedido, devem ser nomeados e clefinidos de
maneira consistente para todas as áreas da empresa que usarão o banco de dados.
Se o banco de dados for adequadamente projetado e forem estabelecidos pudreics de dados para
toda a empresa, a ocorrência de duplicações ou inconsistências será rnínirna. Contuclo, a rttuioria dos
problemas de qualidade de dados, como nomcs grafados incorretamente. núrncros trocados ou códigos
faltantes ou incorretos, deriva c1e erros clurante a entraria de dados- A incidêncra de tais crros está cres-
cendo à medida que as empresas transferem parte de seu negócio para a \\'ch c pcrniitcm cluú clientes e
fbrnccedores insiram dados em seus sites. atuahzando diretamente os sistentas intcrr)o).
Pensc cm todas as vezes que recebeu a mesma mala direta publicitária no rnesrno clia. Muito prova-
velmentc, isso ocorreu porque seu nome foi armazenado várias vezes no mesmo banco de dados. Seu
nonrc pode ter sido grafado incorretamente, ou você pode ter usado a inicial do nome <lo meio em deter
minada ocasião e não em outra. ou a inforrnacão pode ter sido inicialrnt'ntc inserida ('m um fbrmulário
impresso e escaneada de forma inadequada para o sistema. Em virtude dessas inconsistôncias, o banco
de dackrs o trata como se você fosse várias pcssoas! Ivluitas vezes nós, como pessoas lísicas. recebemos
e-nrails rcdundantes endereçados a L;rudon. Lavdon, I-auden ou Landon.
Antes de implantar um novo banco clc dados, as organizaçÕes precisam identiiicar e corrigir seus
dados incorretos, além de estabelecer rotinas nrais avançadas para cditá-krs cluarrrio o banco de dados
esti\er cnr operação. A análise da qualidarlc dos dados norrnalmente comcça c()rn uri'rA arrditoria de
qualidade de dados, que consiste er) un) lcvantamento estruturado da precisiÍo e do nível de integri
dade clos dados em um sistema de inÍbrnrac;ão. Auditorias dcsse gênero podcrrl se r executadas com um
levantamento completo dos arquivos de datios. dc amostras clcsses arcluivos or: tla pcrcepção dos usuá-
rios Íinais quanto à qualidade dos dados.
O data cleansing (limpeza e padronizlicão), também conhecido c(.rnro rlzlri -t,rultltíng, cr:»nsiste cn't
atir,irlades para detectar e corrigir, dentro tio banco dc dados, inlorruações incorrrrtas, incompletas, ior-
rratrrrlas inadequadamente ou re<lundantes. O data cleansing não apenas corrigc ris iluclos, ntas também
retbrç:a a consistência entre difercntes c()njuntos oriun<los de sisiernas de inlirrrnlçl-ro independentes.
fl
A American Water, fundada em 1886, é a maror
concessionária de serviços de água nos Estados Unidos.
Sediada em Voorhees, Nova Jersey, a empresa emprega
mais de 7 mil profissionais dedicados que fornecem ser-
viços de água potável, águas residuais e outros serviços
relacionados a aproximadamente 16 milhões de pes-
soas em 35 estados, bem como Ontário e Manitoba, no
Canadá. A maior parte dos serviços da American Water
suporta concessionárias subsidiárias administradas
localmente,.que são reguladas pelo estado norte-ameri-
cano em que cada uma opera, bem como pelo governo
federal. A American Water também possui subsidiárias
que administram, sob contrato, os sistemas municipais
de água potável e de águas residuais e outras que t'or-
necem produtos e serviços referentes à gestão de água a
empresas e comunidades residenciais.
.Até recentemente. os sistemas e os processos de
negócios da American Water eram rnuito concentrados
e muitos desses processos eram manuais. Ao longo do
tempo, o ambiente dessas informações tornou-se cada
vez mais difícil de gerenciar. Muitos sistemas não eram
integrados, de modo que a elaboração de qualquer tipo de
relatório que tivesse que fornecer informações sobre mais
de uma região era urlt processo totalmente l,ranual. Os
dados tinham que ser extraídos dos sistemas de suporie
de cada região e, em seguida, combinados manualmente
para criar a saída desejada. Quando a empresa estava se
preparando para realizar uma oferta pública inicial de
suas ações em 2006, rs seus sistemas de software não
podiam lidar com os controles regulatórios necessários,
de forma que cerca de 80o/o desse trabalho t.inha que ser
realizado manualmente. Era quase um pesadelo.
A administração queria que a empresa mudasse de
um grupo descentralizado de empresas regionais inde-
pendentes para uma organização mais centralizada com
processos de negócio padronizados e elaboração de rela-
tórios contemplando toda a empresa. O primeiro passo
para alcançar esse objetivo era impiementar um sistema
de planejamento de recursos empresariais (Enterprise
Resource Planning 
- 
ERP) desenvolvido para substi-
tuir os diversos sistema" por uma única plataÍbrma de
software integrado. A empresa selecionou a SAP como
o seu fornecedor de sistema ERP.
Um passo importante desse projeto foi a migração
dos dados dos sistemas antigos da American Water para
a nova plataforma. Os dados da empresa estavam arma-
zenados em vários sistemas diferentes em diversos fbr-
matos. Cada empresa regional mantinha alguns dos seus
próprios dados em seus próprios sistemas, e uma parte
deles era redundante e inconsistente. Havia, por exem-
plo, partes de materiais importantes duplicados porque
um material poderia receber um nome ne operação da
empresa em Missouri e outro nom{] na emPresa de Nova
Jersey. Esses nomes tiveram que ser padronizados de
modo que o mesmo nome dado para um material fosse
utilizâdo em todas as unidades da empresa. Os usuários
corporativos da American Water precisaram adotar essa
nova visão de dados contemplando toda a empresa.
A migração de dados implica muito mais do que
apenas transferi-los entre os sistemas novos e antigos.
Os usuários corporativos precisam saber que os dados
não são apenas uma responsabilidade do departamento
de sistemas de informação: a empresa é a "dona" des-
sas informações. São as necessidades da empresa que
determinam as regras c normas para a gestão dos dados.
Portanto, cabe aos usuános corporativos catalogar e rever
todas as porções de dados em seus sistemas para deterrni-
nar precisamente quais porções do antigo sistema serào
utilizadas no novo e quais dados não precisam ser trazi-
dos. Os dados trmbém precisam scr rcvistos para garantir
que estejam corrr:tos e consistentes e que os redundantes
sejam eliminados.
O mais provável é que algum tipo de data cleansing
(limpeza e padronização de dados) será necessário. A
American Water, por exemplo, possuía informações
sobre mais de 70 mil fornecedores em seu arquivo prin-
cipal de dados de tbrnecedor. Andrerv Clarkson, líder de
inteligência empresarial da Anterican Water. pediu para
que os usuários corporativos definissem um fornecedor
ativo e usassem esia definição parâ identiíicar quais
dados deveriam ser mígrados. Ele também trabalhou
com vários grupos funcionais para padronizar como
apresentar'os dados desejados.
Um dos objetivos do trabalho de gestão de dados
da American Water foi apoiar um programa de int --
ligência empresarial para toda a empresa. com base
.::
@ t,*"ras de informaçáo gerenciais
Sofiwares especializados em data cleansing, disponíveis comercialmente. podent. de tbrma autontática,
pesquisar arquivos de dados. corrigir erros e integrá-los enr l'ormato consistente para toda a empresa.
A Seção Interativa sobre Pesscas ilustra a experiência da Arlerican Water enr gerenciar os dados
como um recurso. À medida que lê esse caso, tente identificar as políticas. procedimentos e tecnologias
que fbram necessárias para melhorar a gestão de dados nessa empresa.
Capltulo 6: Fundamentos da inteligência de negócios: gestão da informação e de banco de dados @
PERGUNTAS SOBRE O ESTUDO DE CASO
1. Discuta 0 papel da política de inforrnaçã0, da administração dos dados e dos eíorços para assegurar a qualidade
deles na melhoria da gestão de dados da American Water.
2. Descreva os papéis desempenhados pelos especialistas em sistemasde informação e pelos usuários finais no
projeto de transformação dos sistemas da AmerÍcan Water.
3. Por que a participação dos usuários corporativos foi tão importanteT 5e eles não tivessem desempenhado esse
papel, o-que teria acontecido?
4. Como a implementação de um data warehouse ajudou a American Water a se tornar uma organização mais
centralizada?
5. Dê alguns exemplos de problemas que teriam ocorrido na American Water se os seus dados não fossem
"limpos".
6. Como o data warehouse da Amerlcan Water melhoraria as operações e as tomadas de decisoes gerenciais?
':;lW
Resumo
1 Como um banco de dados relacional organiza os dados? O banco de dados relacional é, atualmente, oI método mais usado p ara organizar e manter dados em sistemas de informação. Ele organiza-os em tabelas
bidimensionais, com linhas e colunas chamadas relações. Cada tabela contém dados sobre uma entidade e seus
atributos. Cada linha representa um registro e cada coluna, um atributo ou campo. Cada tabela também contém
um campo-chave, que confere identificação exclusiva a cada registro para posterior recuperação ou manipula-
ção. O diagrama entidade/relacionamento descreve graficamente a relação entre as entidades (tabelas) em um
banco de dados relacional. O processo de fragmentar agrupamentos complexos de dados e simplificá-los, a fim
de minimizar a redundância e as relações muitos para muitos inadequadas, é denominado normalizaçáo. Bancos
de dados não relacionais estão se tomando populares para gerenciar os tipos de dados que não podem ser facil-
mente manipulados pelo modelo de dados relacional.
I
I
xl
, *l' §t\ *lil
il i @ sistemas de informaçâo serenciais
Administração de dados,
202
Análise de sentlmento, 198
Atributos, 183
Auditoria de qualidade de
dados, 203
Banco de dados, 183
Banco de dados relacional,
183
Big data, 193
Campo,184
Campo-chave. '184
Chave estrangeira, iB5
Chave primária, 184
,, Quais os princípios de um sistema de gestão de banco de dados? Um sistema de gesrão de banco de2 dados (DBMS) é um software que permite a centralização e a gestão de dados, de maneira que as empre-
sas disponham de uma única fonte consistente para todas as necessidades de informações. Um único banco de
dados atende a múltiplas aplicações. O DBMS separa as visões Iógica e física dos dados, a fim de que o usuário
não precise se preocupar com a localização física deles. Entre os principais recursos de um DBMS estão um
recurso de definição, outro de dicionário de dados e uma linguagem de manipulação dessas informações.
!, Quais as principais ferramentas e tecnologias para extrair informações de bancos de dados e, assim,r,t melhorar o desempenho da empresa e a tomada de decisão? A tecnologia contemporânea de gestão de
dados dispõe de um conjunto de ferramentas para extrair informações úteis de todos os diversos tipos de dados
utilizados pelas empresas hoje, incluindo big data semiestruturado e não estruturado em grandes quantidades.
Esses recursos incluem data warehouses e data marts, Hadoop, computação em memória e plataformas analíti-
cas. O processamento analítico online (Olap) representa os relacionamentos entre os dados como uma estrutura
multidimensional que pode ser visualizada como cubos de dados uns dentro dos outros. O data mining analisa
grandes quantidades de dados, incluindo o conteúdo dos data warehouses, a fim de encontrar padrões e regras
utilizados para prever o comportamento futuro e orientar a tomada de decisão. Ferramentas de mineração de
texto ajudam as empresas a analisar grandes conjuntos de dados formados por textos não estruturados.
Ferramentas de mineração na Web concentram-se na análise de padrões e informações úteis na World Wide
Web a partir da avaliação da estrutura dos sites, das aüvidades dos usuiírios na Web e dos conteúdos das pági-
nas. Bancos de dados convencionais podem ser conectados à Web ou a uma interface dela para facilitar o acesso
do usuário aos dados internos da organização.
A Qual o papel da política de informação e da gestão de dados na gestão dos recursos de dados orga-
-? nizacionais? Desenvolver um ambiente de banco de dados exige políticas e procedimentos para gerenciar
os dados organizacionais, assim como um bom modelo de dados e uma boa tecnologia de banco de dados. Uma
política de informação formal regula a manutenção, a distribuição e o uso da informação na organização. Em
grandes corporações, uma função normal da administração de dados é ser responsável pela política de informa-
ção, assim como pelo planejamento, desenvolvimento do dicionário e monitoração do uso da empresa.
( Por que é importante para a empresa garantir a qualidade dos dados? Dados inexatos, incompletos
:) ou inconsistentes criam sérios problemas financeiros e operacionais para as empresas, porque podem
conduzilas a decisões errôneas sobre as ações que devem tomar. Assegurar a qualidade dos dados envolve o
uso de padrões válidos para toda a empresa, bancos projetados para minimizar a inconsistência e a redundân-
cia, auditorias de qualidade, e software de limpeza e padronização.
Computação em memória,
195
Consulta, l90
Data cleansing, 203
Data mart, 194
Data mining, 197
Data warehouse, 194
Definição de dados, 190
Diagrama entidade/relacio-
namento, ,]85
Dicionário de dados, 190
Entidade, l83
Gerador de relatórios, 191
Gestão de banco de dados,
203
Hadoop,194
lntegridade referencial, 186
Linguagem de manipulação
de dados, 190
Linguagem estruturada de
consulta (Structured Query
Language 
- 
SQL), 190
Mineração de textos, 198
Mineração na Web, 199
Normalizaçã0, 186
Plataforma analítica,'196
Política de inÍormaçã0, 202
Processamento analítico
on-line (0nline Analytical
Processing 
- 
Olap), 197
Registros,184
Servidor de banco de dados,
201
Slstema de gestão de banco
de dados (Database
Management System 
-
DBMS), 188
Slstema de gestão de banco
de dados não relacional
(NoSQL), 191
Tuplas,184
Capítulo 6: Fundamentos da inteligência de negôcios: gestão da inrormação e dê bamo de Oaaos @
6.6 Dizem que não é preciso um software de gestão de banco de dados para se criar um ambiente de banco de
dados. Discuta.
6.7 En que medida os usuários finais devem estar envolvidos na seleção de um sistema de gestão de banco de
dados e em seu projeto?
6.8 Quais são as consequências de uma organização não ter uma poiítica de informação?
't
6.1 Como um banco de dados relacional organiza os dados?
> DeÍina e explique os conceitos de entidades, atributos e campos-chave.
> DeÍina banco de dados relacional e explique como ele organiza e armazena as informações.
> Explique o papel dos diagramas entidade/relacionamento e da normalização no projeto de banco de
dados.) DeÍina sistema de gestão de banco de dados não relacional (NoSQL) e explique como ele diÍere do um
DBMS relacional.
6.2 Quais são os princípios de um sistema de gestão de banco de dados?
> Defina sistema de gestão de banco de dados (DBMS), descreva como ele funciona e explique como ele
beneÍicia as organizações.
> Defina e compare a visão lógica e a visão física dos dados.) Defina e descreva as três operaçoes de um sistema de gestão de banco de dados relacional.
> Nomeie e descreva os três principais recursos de um DBMS.
6.3 Quais são as principais Íerramentas e tecnologias para acessar informaçóes em bancos de dados e aprimorar
o desempenho empresarial e a tomada de decisão?
> Defina big data e descreva as tecnologias para a gestão e análise de big data.) Liste e descreva os componentes de uma infraestrutura contemporânea de inteligência empresarial.
) Descreva os recursos de processamento analítico on-line (Olap).) Deíina data mining, descreva os tipos de informação que podem ser obtidos a partir do data mining e
explique em que ele difere do OlaP.
> Explique como a mineração de textos e a mlneração na Web diferem do data mining convencional.> Explique cgmo os usuários podem acessar informações dos bancos de dados internos de uma empresa
por meio da Web.
6.4 Quais são os papéis da política de informação e da administração de dados na gestão de recursos de dados
orga nizaciona is?) Defina política de informação e administração de dados e explíque como elas aludam as empresas a geren-
ciar suas informaçoes.
6.5 Por que a garantia de qualidade de dados é tão importante para a empresa?
> Liste e descreva os problemas mais comuns de qualidade de dados.
) Liste e descreva as ferramentas e técnicas mais importantes para garantir a qualidade dos dados.
@ sistemas de informação gerenciais
Projetos práticos em SIG
PROBLEMAS ENVOLVENDO TOMADA DE DECISÃO GERENCIAL
6.9 A Emerson Process Management, fornecedora global de serviços e instrumentos de medida,
analíticos e de monitoração com sede em Austin, Thxas, projetou um novo data warehouse para
análise das atividades de clientes e melhoria de serviços e marketing. Eniretanto, o data ware-
house estava repleto de dados imprecisos e redundantes. Os dados armazenados vinham de
inúmeros sistemas de processamento de transações na Europa, na Ásia e em outras localidades
pelo mundo. A equipe quc projetou o data warehouse assumiu que as equipes de vendas de todas
essas áreas informariam nomes e endereços de clientes da mesma maneira, independentemente
de sua localização. Na verdade, empresas em diferentes países estavam usando diversos forma-
tos de informações de cot:ções, faturas, envios e outros dados. Avalie o possível impacto empre-
sarial desses problemas de qualidade dedados. Quais decisões e medidas precisam ser tomadas
paÍa que se chegue a uma solução?
6.10 Sua empresa de abasteciinento setorial deseja criar um data warehouse no qual a gerência
obtenha visão completa rtas informações críticas de.vendas de toda a empresa para identificar os
produtos mais vendidos em áreas geogníficas específicas, os principais clientes e as tendências
de vendas. Suas informações sobre vendas e produtos estão armazenadas em diversos siste-
mas diferentes: um sistema da divisão de vendas sendo executado em um servidor UNIX e
um sistema de vendas corporativo sendo executado em um mainframe IBM. Você gostaria de
criar um formato padrão único que consolide esses dados de ambos os sistemas. Responda as
seguintes perguntas:
único padrão?
dados de ambos os sistemas? Identifique os problemas a serem resolvidos.
gerentes gerais da empresa? Explique.
finalizar um formato único padrão?
ALCANçANDO EXCELÊNCI^ OPEBACIONAL: CRIANDO UM BANCO DE DADOS
RELACTONAL PARA GESTÃO DE ESTOQUES
Habilidades de software: projeto, consulta e elaboração de relatórios de banco de dados
Habilidades organizacionais: gestão de estoques
6.11 Neste exercício, você usará software de banco de dados para projetar um banco de dados para
gestão de estoques de uma empresa de pequeno porte. A Sylvester's Bike Shop, localizada em
São Francisco, Califórnia, vende bicicletas para estrada, para montanha, híbridas, paralazet
e para crianças. Atualmente, a Sylvester's compra bicicletas de três fornecedores, mas planeja
adicionar novos fornecedores em um futuro próximo. Crie um banco de dados relacional simples
para gerenciar informações sobre fornecedores e produtos da Sylvester's. Depois de ter criado o
banco de dados, execute as seguintes atividades'
bicicletas em ordem decrescente da mais cara para mais barata, a quantidade disponível de
cada uma e a porcentagem de markup de cada uma.
e os níveis de reposição associados. O relatório deve ser ordenado alfabeticamente pelo
fornecedor. Dentro de cada categoria de fornecedor, os produtos devem ser classificados em
ordem alfabética.
a
,t
àii
:li
prepare um relatório listando apenas as bicicletas cujas quantidades em estoque estão
baiias e precisam ser repostas. O relatório deve prover informações dos fornecedores para
os itens identificados.
Escreva uma breve descrição de como o banco de dados poderá ser reforçado para melhorar
ainda mais a gestão do negócio. Quais tabelas ou campos devem ser adicionados? Quais
relatórios adicionais seriam úteis?
ApERtElçoANDO A TOMADA DE DECISÕES: PESQUISANDO RECURSOS
EMpRESÀRntS INTERNACIONAIS EM BANCOS DE DADOS ON-LINE
Ilabilidades de software: bancos de dados on-line
Habilidades organizacionais: pesquisar serviços parâ operâções no exterior
6.12 Este projeto desenvolve habilidades na pesquisa em bancos de dados on-line, por meio da Web,
por informações sobre produtos e serviços em locais distantes'
^Sru 
"*pr"*u 
situa-se em Greensboro, Carolina do Norte, e fabrica móveis de escritório de vários
tipos. Çocê está considerando a ideia de abrir um escritório e uma fábrica para introduzir seus
piodutos no mercado da Austrália. Você gostaria de contatar empresas que oferecem muitos
serviços necessários para abrir o seu escritório e sua fábrica na Austrália, incluindo advogados,
contadores, especialiitas em importação/exportaçãq equipamentos e em suporte de telecomuni-
cações. Acesse os seguintes bancos de dados on-line para localizar empresas que gostaria de con-
tatar durante a sua próxima viagem: Australian Business Register, Australia Trade Now (<austra-
liatradenow.com>) e Nationwide Business Directory of Australia (<www'nationwide-com.au>).
Se necessário, use mecanismos de busca como Yahoo! e Google'
fim de determinar se elas podem ajudá-lo com essas e outras funções que considera vitais
para o estabelecimento de seu escritório.
pletude, a facilidade de uso e a utilidade geral-
Capltulo 6: Fundamentos da inteligência de negócios: gestão da informação e de banco de dados @
r' .r:, sr§*ii::i+:.ii.i
. 
-' 
, 
l"'ri ' '1 
. 
. ,-..1., J;.1 at1.r:i!;ri..:tii* '* ,j.,- . -':. . . .,,-. -;,,r.). -. -L:..11
. .' 
- 
:.- ..1 : .':rir. '--
,: .. ,'. 1 ,.,,;. ';, :'.:..'. 
r 
. 
. 
..-.: .t ,
._ .,^..,- ___:_.^^_l..i=i1,,,,,,,:,;.,:,..,
:.1:r:'rl,
>;":ê§
I
I
r
I
S
)
E
§
)
Í
@ ,,t,"ras de inÍo;maçâo gere-ciais
de crimes nacionais e 33 bilhões de registros públicos.
Os recursos de pesquisa do sistema permitem que o
NYPD obtenha informações rapidamente de qualquer
uma dessas fontes de dados. As informações sobre os
criminosos, como a foto de um suspeito juntamente
com detalhes de delitos cometidos no passado ou ende-
reços com mapas, podem ser visualizadas em segundos
em uma parede de vídeo ou retransmitidas imediata-
mente pa-ra os oficiais em uma cena de crime'
Outras organizações estão usando os dados para
adotar a computação verde ou, no caso da Vestas, para
reforçar ainda mais sua opção pela computação verde-
Sediada na Dinamarca, a Vestas é a maior empresa de
energia eólica do mundo, com mais de 43 mil turbi
nas eólicas em 66 países. Os dados de localização são
importantes para a Vestas conseguir posicionar com
precisão as suas turbinas a fim de otimizar a geração
de energia eólica. Áreas sem vento suficiente não gera-
rão a energia necessária,'mas áreas com vento demais
podem danificar as turbinas. A Vestas apoia-se em
dados baseados em localização para determinar os
melhores pontos para instalar suas turbinas.
Para ôoietar dados sobre futuros locais em poten-
cial para instalação de turbinas, a biblioteca eólica
(conjunto de informações sobre o vento) da Vestas com-
bina dados oriundos de sistemas globais de condições
meteorológicas com os dados de turbinas existentes' A
biblioteca eólica anterior fornecia informações em um
padrão de grade, sentlo que cada grade media 27 por 27
quilômetros. Os engenheiros da Vestas foram capazes
de melhorar a resolução para aproximadamente 10 por
l0 metros para estabelecer o padrão exato do fluxo de
vento em um determinado local. Para aumentar ainda
mais a precisão de seus modelos de posicionamento de
turbinas, a Vestas precisava díminuir ainda mais.a área
da grade, e i.sso exigia dez vezes mais dadosdo que o
sistema anterior fornecia e uma plataforma mais pode-
rosa de gestão de dados.
A empresa implementou como solução o software
InfoSphereBiglnsights da IBM, sendo executado em
um servidor IBM System x iDataPiex de alto desem-
penho. (InfoSphereBiglnsights é um conjunto de fer-
ramentas de software para análise e visualização de
"big data" e é baseado no Apache Hadoop.) Usando
essas tecnologias, a Vestas aumentou o tamanho de sua
biblioteca eólica e é capaz de gerenciar e analisar dados
de localização e das condições climáticas com modelos
que são muito mais poderosos e precisos.
A biblioteca eólica da Vestas armazena atualmente
2,8 petabytes de dados e inclui aproximadamente 178
parâmetros, como pressão barométrica, umidade, dire-
ção do vento, temperaturq velocidade do vento e outros
dados históricos da empresa. A Vestas planeja adicio-
nar métricas globais de desmatamento, imagens obtidas
por satéiites, dados geoespaciais e dados sobre as fases
da Iua e as marés.
A empresa pode agora reduzir a resolução de suas
grades de dados sobre o vento em quase 9AVo, alé uma
área de três por três quilômetros. Esse recurso permite
que a Vestas preveja em 15 minutos, e não em três
semanas, a colocação ideal de turbinâs, economizando
um mês do tempo de determinação do local cle instala-
ção de uma turbina e possibilitando que seus clientes
alcancem muito mais rapidamente um retorno sobre o
iDvestimento.
A AutoZone usa big data para ajudá-la a ajustar
níveis de estoques e preços do produto em algumas
de suas 5 mil lojas. Um cliente andando em uma loja
da AatoZone em Waco, no Texas, por exemplo, pode
encontrar uma oferta de amortecedor Cabriel que não
encontraria na maioria das outras lojas da Autozone.
A loja da Autozone em Mulberry, Flórida, pode apre-
sentar uma oferta especial em um defletor de insetos.
Para diiecionar essas ofertas no nível local, a varejista
de autopeças analisa informações adquiridas a partir de
uma variedade de bancos de dados, tais como os tipos
de carros dirigidos por pessoas que vivem nos arredo-
res de seus pontos de venda. O software da NuoDB, que
utiliza um modelo de serviços em nuvem, possibilita
aumentar rapidamente a quantidade dos dados analisa-
dos, sem interromper o funcionamento do sistema ou
mudar uma linha de código.
As empresas também estão utilizando as soluções
de big data para analisar o sentimento do consumidor.
A Hertz, grande empresa no setor de locação de veí-
culos, por exemplo, reúne dados de pesquisas na Web,
mensagens de e-mails, mensagens de texto, padrões
de tráfego do site e dados gerados em todas as suas
8.300 locadoras em 146 países. A empresa agora aÍma-
zena todos os dados de forma centralizada, em vez de
armazená-los em cada filial, reduzindo o tempo gasto
no processamento de da«los e melhorando o tempo rle
resposta da empresa no retorno ao cliente e nas mudan-
ças no sentimento. Analisando os dados gerados a par-
tir de múltiplas fontes, por exemplo, a Hertz foi capaz
de determinar que estavam ocorrendo atrasos nos
retornos da Filadélfia durante períodos específicos do
dia. Depois de investigar essa anomalia, a empresa foi
capaz de ajustar rapidamente o número de funcionários
em seu escritório da Filadélfia durante os horários de
pico, garantindo que um gerente estaria presente parâ
resolver quaisquer problernas. Isso meihorou o desem-
penho da Hertz e âumentou a satisfação clos clientes.
Há limites para o uso de big data. Algumas
'empresas se apressaram em iniciar projetos de big
data sem primeiro estabelecer uma meta de negócios
para essas novas informações. Nadar em números não
significa necessariamente que a informação correta
P
capítulo 6: Funcanrer:ios da inteligê;l(ia de negócrosr gesrào dê iníoÍmação e de bancc a. ouoo, ffi
está sendo coletada, ou que as pessoas vão tomar
decisões mais inteligentes.
Há muitos anos, o Google desenvolveu o que pen-
sava ser um algoritmo de vanguarda usando dados
coletados a partir de pesquisas na Web para determi-
nar exatamente quantas pessoas estiveram gripadas.
Ela tentou calcular o número de pessoas corn gripe
nos Estados Unidos relacionando as localizações das
pessoas com as consultas de pesquisa relacionadas à
gripe no Google. De acordo com as tendências da gripe
descobertas pelo Google, quase ll%o da população dos
Estados Unidos deveriam ter contraído gripe no pico
da temporada da doença, em meados de janeiro de
2013. Contudo, um artigo na revista científica Nature
afirma que os resultados do Google foram o dobro da
quantidade real estimada pelos Centros de Controle e
Prevenção de Doenças dos Estados Unidos, que ava-
liou que 6Vo da população foi atingida pela doença.
Por que isso aconteceu? Vários cientistas sugeriram
que o Google foi "enganado" pela ampla cobertura da
mídia sobre a temporada severa da gr.ipe desse ano nos
Estados Unidos, o que foi ampliacio ainda mai§ pela
cobertura das mídias sociais. O algoritmo do Google
só olhou pâra os números, e não para o contexto dos
resultados das pesquisas.
A Sears Holdings, controladora da Sears e da
Kmart, está tentando usar o big data para se aproxi-
mar de seus clientes. A sears costumava ser a maior
varejista dos Estados Unidos, mas, há muitos anos, tem
perdido terreno para empresas que oferecem descontos,
como Walmart e Target. e para varejistas especializa-
das em trabalhar com preços competitivos, como Hone
Depot e Lowe's. A empresa tem st: mostrado lenta em
reduzil os custos operacionais, em acompanhar o ritmo
atual das tendências de merchandising e em remodelar
as suas 2.173 lojas nos Estados Unidos, muitas das quais
estão em condições precárias e em locais indesejáveis.
Ao longo dos anos, a Sear.s investiu fortemente
na tecnologia da informação. Em um dado momento,
ela gastou mais em tecnologia da inlbrmação e redes
do que todas as demais empresas não relacionadas
a computador nos Estados Unidos, exceto a Boeing
Corporation. A Sears utilizou seus enonnes bancos de
dados de clientes, contendo dados de 60 milhões cle
titulaÍes de cartões de crédito da Sears, do passado e
do presente, para of'erecer promoções especiris a gru-
pos de consumidores, tais como consumidores de fcrra,
mentas, de utensílios domésticos e entusiastas de jardi-
nagem. Esses esforços não se traduziram em vantagem
competitiva, porque a estrutura de custos da Sears per-
manecia uma das mais altas do setor.
A Sears continuou a adotar novas tccnologiLs para
revitalizar suas vendas: comércio on-line, aplicativos
rnóveis e um mercado similar ao Amazon-com, com
outros fornecedores de 18 milhões de produtos, junta_
mente com grandes campanhas de promoções nas lojas.
Até agora, esses esforços não tiveram êxito, e as vendas
caíram desde a fusão com a Kmart, em 2005. A entpresa
registrou um prejuízo de US$ 930 milhões em2CI2.
O CEO da Sears Holdings, Lou D Ambrosio, acre-
dita que a utilização ainda mais intensiva de tecnologia
e a mineração dos dados de clientes serão a solução. A
expectativa é de que o conhecimento aprofundado das
preferências do cliente e de padrões cle compra tornarão
as promoções, o merchandising e as vendas muito mais
eficazes. Os clientes se dirigirão às lojas Sears porque
comprarão exatamente o que querem.
Um programa de fidelidade chamado Shop your
Way Rewards promete aos clientes ofertas gratuitas
generosas nas aquisições repetidas se eles concorda-
rem em compartilhar seus dados pessoais de -:ompra
com a empresa. A Sears não revela quantos clientes se
afiliaram ao programa Shop Your Way Reward;:, mas
a Colloquy, empresa especializada em marketing de
fidelidade, estima que aproximadamente 50 milhões de
pessoas tornararn-se membros.
A Sears quer personalizar as campanhas de marke-
ting, os cupons e as ofertas para o cliente indivrdual,
mas seus sistemas legados stio incapazes de supor-
tar esse nível de atividade. Com o propósito de utili-
zar grandes modelos emvastos conjuntos de dados, a
Sears decidiu utilizar o Apache Hadoop e a recnologia
de big data. A Sears costumava demorar seis sema-
nas para analisar as cantpanhas de marketing parâ os
membros do programa de fidelidade, usando um ntain-
Iiame, software Teradata de data rvarehouse e servido-
res SAS. Utilizando o Hadoop. o processanento pocie
ser concluído semanalntente. Deter-minadas análi,c:s de
cornér'cio n-róvel e on-line podem scr r.ealizadas diaria-
mcnte e o direcionamento cle campanhas de marketing
é muito mais preciso, senclo que, em alguns casos, o
alvo é um cliente individual. Os antigos modelos da
Sears foram capazes de uslr 10Va dos dados disponí-
veis, mas os novos modelos são capazes de trabalhar
com 1007o. No passado, a Sears só era capaz de manter
os dados de 90 dias a dois anos, mas com o Hadoop,
pode manter tudo, aurnentando suas chances de encon-
trar padrões mais significativos nos dados.
Além do nlâis, o processamento Hadoop é muito
menos custoso do que os bancos de dados relacionais
convencionais. Um sistema Hadoop com capacidade de
tratar 200 terabytes de dados custa cerca de um terço do
valor de uma plataforma relacional para 200 te rabytes.
Com a capacidade de pÍocessamento mlssivamente
paralelo do Hadoop, o processamento de dois bilhões
I
I
I
,l
I
'---çl
§t
Àt
+i
'(
\
t":i:].:Ê
i:ri':iiij
..::,.n:'j
Êl:-ii.=
Sistemas de inÍormaçáo gerenciais
PERGUNTAS SOBRE O ESTUDO DE CASO
6.13 Descreva os tipos de big data coletados pelas organizaçÕes descritas nesse caso.
6.14 Liste e descreva as tecnologias de inteligência empresarial descritas nesse caso.
6.15 Por que as empresas descritas precisavam manter e analisar big data? Que benefícios
organizacionais elas obtiveram? Quanto elas foram auxiliadas por meio da análise de
big data?
616 ldentifique três decisÕes que foram aprimoradas pelo uso de big data.
6|17 Será que todas as organizaçÕes devem experimentar a análise do big data? Justifique.
Quais questÕes humanas, organizacionais e tecnologicas devem ser tratadas antes de uma
empresa decidir trabalhar com big data?
:iif.::i1l.:ê:::i:
ir';.{:::l§a:.!:§.:,.:tr.i.:
.:.'.:i..: r. t::i,:l:.:: ..: :i.':.:;"S:::'..
r ::-:tja,i:;il :l :i: : jr:rt :: jaa:;
I
'li
:rii
rJi
;I ig.t_
)
+

Mais conteúdos dessa disciplina