Urbinatti, Guilherme. Artigo de Pós Graduação em Banco de Dados

Prévia do material em texto

USO DA FERRAMENTA TABLEAU EM BUSINESS INTELLIGENCE: UM 
ESTUDO TÉCNICO 
 
Guilherme Urbinatti; Edilson Carlos Caritá 
 
Centro de Ciências Exatas, Naturais e Tecnológicas – UNAERP 
Curso de Especialização em Banco de Dados 
 
 
RESUMO 
Toda empresa que busca alcançar suas metas, necessita desenvolver um determinado 
planejamento através de informações históricas, possibilitando melhorar o seu desempenho e até 
mesmo prever alguns passos futuros. Essas informações devem ser claras e possuir acesso 
rápido de fácil entendimento. Os sistemas transacionais possuem relatórios limitados, que na 
maioria das vezes são compostos por textos e tabelas, dificultando assim, o entendimento dos 
analistas de negócios. O objetivo do trabalho é apresentar a utilização da ferramenta Tableau no 
desenvolvimento de um Business Intelligence. Após o estudo teórico, a ferramenta possibilitou o 
desenvolvimento de um dashboard de faturamento com as informações disponibilizadas pelo 
próprio fabricante. Esse exemplo possibilitou a visualização gráfica das informações com clareza, 
melhorando o desempenho das análises que antes eram feitas no formato texto. 
 
Palavras-chave: Business Intelligence. Banco Dados. Tableau. Sistema de Apoio a Decisão. 
 
ABSTRACT 
Every company that aims at attaining its goals needs to develop a specific planning through 
historical information enabling to enhance its performance and even to forecast future steps. This 
information must be clear and have fast access of easy understanding. The transactional systems 
have limited reports, which most of the time consist of texts and tables, making it difficult for 
business analysts to understand. The aim of this article is to present the basic concepts of 
Business Intelligence (BI) and through the Tableau tool develop examples for support when 
making a decision, with easy graphics and sophisticated design. After the theoretical study, the tool 
enabled the development of a billing dashboard with the information provided by the manufacturer. 
This sample enabled the graphic display of information clearly, improving the performance of 
analyzes that were made in text format. 
 
Keywords: Business Intelligence. Database. Tableau. Decision Support System. 
 
 
INTRODUÇÃO 
 
 A quantidade de informações que as empresas geram aumenta consideravelmente a cada 
ano, dificultando assim, o filtro das informações necessárias para a tomada de decisão dos 
empresários. Essa dificuldade provém das informações que não estão centralizadas em apenas 
um local e sim em vários formatos de arquivos e tabelas. 
O conceito de Business Intelligence (BI) surgiu para resolver esses problemas. Os dados 
são centralizados e se tornam um ambiente de conhecimento para tomada de decisões. Na 
prática o BI surgiu há muito tempo atrás, com os povos que necessitavam analisar as informações 
da natureza para tomar decisões importantes, melhorando, portanto, a vida da comunidade. 
Na atualidade a conceituada empresa Gartner, é a detentora da paternidade do termo, que 
pode ser abreviado para BI, onde anualmente avalia as ferramentas do BI por meio do Magic 
Quadrant. 
A proposta de aplicar o BI é transformar um simples conjunto de caracteres (dados) em 
informações, permitindo deste modo à construção de uma base de conhecimento para tomada de 
decisões. 
 
No mercado do Business Intelligence é possível encontrar diversas ferramentas para o 
desenvolvimento de um sistema para apoio de decisão. Porém é necessário analisar todas as 
ferramentas e escolher o que melhor se encaixe no planejamento do Projeto. 
Para o desenvolvimento desse projeto foi escolhida uma ferramenta de Data Discovery. 
Portanto, o objetivo desse trabalho é apresentar a utilização da ferramenta Tableau no 
desenvolvimento de um Business Intelligence. 
 
 
METODOLOGIA 
 
 Trata-se de um estudo teórico com os principais conceitos do Business Intelligence. Foram 
realizadas buscas diretas com os termos: Business Intelligence, Sistema de Apoio a Decisão, 
ETL, Data Warehouse, Data Mart, Data Discovery, Data Mining, OLAP, Tableau, Gráficos. Os 
artigos descritos durante esse trabalho foram desenvolvidos a partir de 2008 e todas as consultas 
foram realizadas no ano de 2015. Esse trabalho possui alguns artigos nacionais e um livro 
nacional. Devido à extensa quantidade de pesquisa material em território nacional, não se fez 
necessário consultar materiais de linguagem estrangeira. 
Em três artigos foi possível ressaltar alguns exemplos de Business Intelligence que foram 
executados com sucesso durante o decorrer dos anos em diversos setores como varejo, e-
commerce, futebolísticos. 
O processo para desenvolvimento de uma aplicação foi realizado com o auxílio da 
ferramenta Tableau, após o término de toda a parte teórica. A ferramenta é proprietária, porém 
possui versão para testes de quatorze dias. Essa aplicação foi desenvolvida baseada em 
informações disponibilizadas pela própria ferramenta, sendo que a finalidade foi mostrar as 
funcionalidades e as possíveis áreas de aplicações. Foram desenvolvidos três gráficos baseados 
nas informações de faturamento e no final foi possível criar um dashboard com filtros interligando 
tais gráficos. 
 
 
REVISÃO DE LITERATURA 
 
Primak (2008, p. 83) define que antes de uma implementação de BI é necessário o 
levantamento de alguns pontos chaves para o sucesso de tal operação. É necessário definir os 
interessados (stakeholders), as metas e métricas, para que o projeto tenha sucesso. 
Blancacco (2008, p. 3) informa que se deve adotar um sistema de BI, quando o sistema 
transacional deixa de atender as necessidades do usuário final, sendo assim, se faz necessário 
implementar um sistema especifico, capaz de gerenciar tais necessidades. 
Um sistema BI é composto por diversos componentes. Esses componentes são utilizados 
conforme as necessidades e complexidade do projeto. Alguns dos componentes que integram o 
BI são: 
 Extract, Transform, Load (ETL) - É responsável pela extração das fontes de dados, e 
depois de extraído transforma e padroniza os dados como demonstrado na Figura 1. São 
três etapas para a definição de processo de ETL completo: 
 Extração – primeira etapa, responsável por extrair os dados em sua fonte original; 
 Transformação – segunda etapa responsável por criar padrões para tipos de dados 
iguais e manipulação através de fórmulas caso houver necessidade; 
 Carga – terceira e última etapa do ETL, responsável por gravar as informações das 
duas etapas anteriores em um Data Warehouse ou Data Mart. 
 Data Warehouse (DW) - é definido como uma série histórica de informações que facilita 
a analise de dados, por não ser um banco de dados normalizado. Os dados do DW 
resultam da extração dos bancos de dados empresariais e outros dados externos, 
porém não são voláteis, servindo apenas para consulta, conforme descreve Primak 
(2008, p. 37-46). 
 
 
 
 
Figura 1 - Processo ETL 
Fonte: CANALTECH (2015) 
 
 Data Mart (DM) - é um DW reduzido, geralmente com menor custo de implantação por 
atender pequenos grupos ou áreas de uma empresa, segundo informações de Primak 
(2008, p. 47). Um conjunto de DM gera um DW como demonstrado na Figura 2. 
 
 
Figura 2 - Data Warehouse e Data Mart 
Fonte: GOOGLE IMAGENS (2015a) 
 
 Data Mining - surgiu de três áreas: estatística clássica, inteligência artificial e 
aprendizado de máquina. A mineração de dados permite a extração da informação até 
então oculta, através de algoritmos desenvolvidos com especialistas, capaz de 
transformar os dados em um padrão válido e útil para tomada de decisão (SFERRA; 
CORREA, 2003). Segundo Prass (2012), esse processo também é conhecido como 
Descoberta de Conhecimento em Bancos de Dados (Knowledge Discovery in Databases 
– KDD). O Data Mining possibilita criar critérios de compras doconsumidor, antecipar 
hábitos de compras, antecipar promoções, dentre outras muitas funcionalidades, a partir 
da aprendizagem, com padrões temporais e sequenciais. 
 
 OLAP - foi citado pela primeira vez em um artigo escrito por E. F. Codd, que definiu doze 
regras para caracterizar uma ferramenta OLAP. Entre essas regras, sua principal 
característica é a análise multidimensional de dados com ênfase no apoio ao usuário 
final. Possui flexibilidade em suas consultas e facilidade em cruzamento de informações. 
Exemplo de um cubo OLAP pode se observado na Figura 3. Segundo Teixeira e Câmara 
(2014), o que diferencia o Sistema OLAP do Sistema OLTP, é a capacidade do sistema 
OLAP em ser multidimensional e auxiliar em tomadas de decisões, diferente dos 
Sistemas OLTP que são bidimensionais. O cubo OLAP pode derivar de um ou mais 
sistema OLTP. 
 
 
Figura 3 - Cubo OLAP 
Fonte: GOOGLE IMAGENS (2015b) 
 
A maioria das empresas que possui e-commerce na atualidade busca definir o perfil de seus 
clientes. Com isso a implantação do BI é de grande necessidade, para que as informações se 
cruzem e se transforme em uma poderosa ferramenta auxiliadora do marketing. Seguem algumas 
aplicações: 
 Um dos casos de sucesso mais conhecido com aplicação de BI foi à estratégia que uma 
empresa de varejo utilizou ao cruzar dados pelo método de aprendizado por associação, 
onde suas vendas cresceram consideravelmente. Isso aconteceu devido um resultado de 
análise ter confirmado que nos finais de semana o perfil de compradores de fraldas eram 
homens e muitas das vezes compravam cervejas. Baseado nessas informações a 
empresa decidiu colocar as cervejas do lado das fraldas (OPPERMAN, 2011). 
 Após implantar o BI, uma empresa de comércio esportivo aumentou suas vendas depois 
que avaliou o histórico de compras de cada cliente. Com essas informações em mãos 
definiu o perfil de cada cliente e enviou e-mails promocionais pertinentes a cada um, 
aumentando sua receita anual (ANTONIONE, 2013). 
 Uma seleção de futebol resolveu aplicar o BI para gerar estatísticas, onde era possível 
analisar os pontos fracos e fortes de cada equipe adversária baseado em partidas 
passadas, e várias outras informações capazes de auxiliar os jogadores dentro de campo 
(REZENDE, 2014). 
 
Ferramenta Tableau 
A ferramenta Tableau tem arquitetura Data Discovery (DD), onde se torna extremamente 
ágil. O próprio site disponibiliza vários vídeos para um rápido aprendizado. O conceito do mesmo 
é ser um self service de relatórios. 
 
Data Discovery (DD), nada mais é que relatórios interativos a partir de múltiplas fontes com 
interação do usuário. 
A Tableau é uma empresa americana que foi fundada em 2003. Segundo o próprio site da 
empresa, Pat Hanrahan especialista em computação gráfica é um dos fundadores da empresa e 
fundador da Pixar Animation Studios, o que tornou o Tableau uma ferramenta de interface 
amigável. A empresa é composta por dois outros fundadores, Chris Stolte, pesquisador e analista 
de bancos de dados multidimensionais e Christian Chabot, especialista em software empresarial. 
A ferramenta surgiu em Stanford, com a tecnologia VizQL. Essa tecnologia utiliza o conceito 
arrastar e soltar funções para criar visualizações sofisticadas. Através da consulta em um banco 
de dados, transformando informações em dado gráfico (TABLEAU, 2015a). 
Uma ferramenta de análise tradicional analisa dados em linhas e colunas, após isso escolhe 
um subconjunto de dados e organiza esses dados em uma tabela, gerando o gráfico. O VizQL 
não necessita passar pelas etapas da ferramenta tradicional, o mesmo gera dados de forma visual 
simultaneamente, fornecendo interação a partir das análises, melhorando o desempenho. 
Nos últimos três anos a ferramenta Tableau foi considerada a líder de mercado pela 
empresa Gartner, desbancando ferramentas como: Analysis Services (Microsoft), Hyperion 
(Oracle), Cognos (IBM), Microstategy e outras, conforme demonstrado na Figura 4. O eixo X 
representa às opções de visualização da ferramenta, e o eixo Y a capacidade de execução. 
 
 
Figura 4 - Magic Quadrant 
Fonte: GARTNER (2015) 
 
O Magic Quadrant, através de algumas avaliações padrões para todas as empresas de 
determinado segmento, classifica as empresas graficamente segundo suas visões (GARTNER, 
2013). Separados em quatro provedores de tecnologia: 
 Leaders (líderes): são os lideres de mercado e estão prontos para as futuras mudanças; 
 Visionaries (visionários): entendem as tendências do mercado, mas ainda buscam 
melhorias; 
 Niche Players (pequenos jogadores): trabalham com foco em pequenos segmentos; 
 
 Challengers (competidores): executam bem o papel, mas não estão prontos para as 
futuras mudanças. 
 
A ferramenta Tableau trouxe para o mercado atual uma nova concepção. A ideia de que os 
próprios usuários de negócio gerem seus próprios relatórios após uma consultoria básica dos 
especialistas de BI. Com isso, os concorrentes como Qlik View e Microstrategy, tiveram que lançar 
ferramentas com a tecnologia Data Discovery. 
Na sequência são apresentadas algumas funcionalidades da ferramenta: 
 Interface amigável e intuitiva - a definição das métricas quantitativas e descritivas são 
realizadas automaticamente. 
 Drag and Drop (arrastar e soltar) - a criação de gráficos é feita rapidamente, facilitando 
assim, a escolha e manutenção dos mesmos. 
 Diferentes arquivos e base de dados - a conexão com vários tipos de bancos de dados 
e diversos formatos de arquivos reúne ambos em uma só base de conhecimento. 
 
Segundo o próprio site da empresa Tableau (2015b), a ferramenta disponibiliza o recurso 
“Data Blending”, que permite conexões entre diversos formatos de arquivos e através de 
comparações de dados permite relacionar as informações que as diversas bases de dados tem 
em comum. Disponibiliza também a visualização de gráfico via Web e dispositivos móveis. A 
ferramenta possui diversas funções geográficas, possibilitando integração com diferentes mapas 
on-line. 
A ferramenta possui um processador interno de dados, desenvolvido sob medida para: 
 As consultas de centenas de milhões de linhas de dados têm respostas imediatas mesmo 
em computadores convencionais. 
 Oferece segurança na integração com os DW corporativos. 
 Possibilita conexões muito mais rápidas, independente da fonte de dados. 
 
O processador de dados possibilita integrar em tempo real, uma conexão direta com o 
banco de dados, através de consultas SQL ajustadas conforme a plataforma em que estiver 
habilitado. Essas consultas tem parte dos dados carregados no processador e utiliza cálculos para 
agrupamento, permitindo redirecionamento para um DW em paralelo. 
O Tableau é disponibilizado na versão desktop, para os usuários finais que diariamente 
necessitam gerar gráficos de inúmeras maneiras, ou na versão server que utiliza a linguagem 
HyperText Markup Language (HTML) 5 para publicação e ser acessado de qualquer navegador. 
 
ESTUDO DE CASO 
 
Através da versão gratuita da ferramenta, disponível por 14 dias após cadastramento, foi 
desenvolvido um dashboard (conjunto de gráficos), para análise da ferramenta. As informações do 
dashboard apresentado nesse trabalho são baseadas em uma planilha Excel, que a própria 
empresa disponibiliza para testes. 
Logo na tela inicial é possível conectar em diversas fontes de dados e definir se o modo de 
conexão é em tempo real ou em intervalos de tempos. 
A ferramenta disponibiliza os mais diversos gráficos (Figura 5) que podem ser aplicados em 
várias situações, dependendo da necessidade do usuário final. 
Um estudo realizado pela própria empresa Tableau define quais gráficos utilizar para 
determinados tipos de dados: 
 Gráfico de Barras - os gráficos de barras tem melhores resultados quando os dados 
numéricosse dividem em duas categorias diferentes. 
 Gráfico de Linha - melhores utilizados quando exibem tendências dos dados ao longo 
do tempo. 
 Gráfico Setorial - melhor visualizados com informações no formato de porcentagens. 
 Gráfico de Mapas - utilizados para dados geográficos. 
 
 
 
Figura 5 - Gráficos disponíveis 
Fonte: TABLEAU (2015b) 
 
Com os gráficos definidos, o usuário final deve montar o seu dashboard de uma maneira 
organizada, a fim de que ele possua uma grande quantidade de informações de maneira 
ordenada e que não prejudique sua visualização. 
Foi desenvolvido um dashboard com três tipos de gráficos conforme apresentado na Figura 
6. O faturamento por Estado é um gráfico de mapeamento. O Top 10 Produtos foi utilizado o 
gráfico de barras. Já o Gráfico de Evolução semanal de Vendas, por se basear em dados 
temporais, utilizou o gráfico de linha. 
Com as informações do Dashboard da Figura 6, seria possível definir várias estratégias para 
aumentar o faturamento da empresa. No gráfico de Faturamento por Estado, poderia ser feita uma 
ação de marketing para melhorar as regiões com poucas vendas por exemplo. No top 10 o valor 
do produto mais vendido poderia aumentar dependendo da estratégia da empresa. Já no gráfico 
da Evolução Semanal, poderia ser definida alguma estratégia de promoções para suprir os dias 
que o faturamento não rendeu conforme esperado. 
 O Tableau permite a criação de filtros simples e rápidos, e ainda vincula filtros de um gráfico 
para vários outros gráficos, ou seja, caso o Gráfico de Faturamento por Estado estiver com o 
estado de ‘São Paulo’ selecionado, o gráfico de Top 10 Produtos e o Gráfico de Evolução de 
Vendas corresponderá apenas ao estado de São Paulo (Figura 6). 
 Com várias funcionalidades o Tableau, permite ainda de forma simples a inserção de 
fórmulas, possui mapeamento interno através da longitude e latitude e, várias outras 
funcionalidades que facilitam o dia a dia dos usuários finais. 
A ferramenta atribui automaticamente funções geográficas a campos com nomes 
geográficos. Os campos com uma função geográfica geram automaticamente coordenadas de 
longitude e latitude em uma visualização de mapa e, caso necessário, é possível atribuir tais 
valores manualmente. 
 
 
 
 
Figura 6 - Dashboard de Faturamento 
 
 
CONSIDERAÇÕES FINAIS 
 
 O BI é uma ferramenta muito importante na atualidade, podendo ser utilizada em diversas 
áreas e segmentos. Seu desenvolvimento deve envolver os stakeholders juntamente com uma 
equipe especializada em análise de dados, capaz de desenvolver métodos que mantenham a 
integridade da informação de forma rápida, eficaz e visualmente amigável. 
 O projeto de BI como qualquer outro projeto, deve ser bem estruturado e definido, desde as 
ferramentas e métricas, até os melhores gráficos a ser utilizados, para que o resultado final 
contribua corretamente nas decisões. 
 No mercado atual existem inúmeras ferramentas, metodologias e técnicas de BI, por isso, 
um estudo capaz de definir qual ferramenta melhor atende as necessidades da empresa se torna 
essencial, levando em consideração o custo x benefício e a agilidade de implantação. 
 A ideia principal do artigo foi mostrar que o BI é uma ferramenta de auxílio muito útil na 
tomada de decisões de qualquer empresa, e a ferramenta Tableau possibilita que usuários finais 
desenvolvam gráficos no dia a dia sem a necessidade constante de uma consultoria 
especializada. 
 Após as análises realizadas nesse trabalho, ficou claro que atualmente empresários de 
pequenas e médias empresas tem possibilidade de investir de alguma forma no Business 
Intelligence, já que antes apenas as grandes empresas tinham capital suficiente para adquirir tal 
tecnologia. Com o Data Discovery, Data Mart e outras ferramentas de mercado tornou-se viável 
implementar de forma correta um sistema de apoio a decisão, desde que as formas de armazenar 
dados, seja ela por meio de banco de dados ou arquivos, supra as necessidades da ferramenta. 
 Outro ponto importante, é que com a base de conhecimento construída, é possível definir 
vários tipos de estratégias para que a empresa melhore sua saúde financeira e tenha 
possibilidade de aumentar consideravelmente seu lucro financeiro, cortando gastos e otimizando 
sua linha de produção ou prestação de serviços. 
 
 
AGRADECIMENTOS 
 
Agradeço primeiramente a Deus, pelo dom da vida, da saúde, do amor e da sabedoria. 
 
Ao querido professor Edilson Carlos Caritá pelo seu apoio, compreensão e imprescindível 
orientação acadêmica. 
Ao meu amigo Fábio Idalgo, um excelente profissional de Business Intelligence, que me 
passou um vasto conhecimento e me apoiou constantemente até a conclusão deste trabalho. 
A todos os professores do Curso de Especialização. 
A minha mãe, ao meu pai e meus irmãos pelo companheirismo. 
A minha namorada, que me apoiou todos os dias e teve muita paciência. 
Aos amigos de classe, que superaram os obstáculos, sábado após sábado. 
E a todas as pessoas que, direta ou indiretamente contribuíram com carinho e 
atenção durante a construção desse trabalho. 
 
 
REFERÊNCIAS 
 
ANTONIONE, I. Netshoes atualiza plataforma de e-commerce e nota aumento de 40% na 
receita vinda de buscas internas. 2013. Disponível em: 
<http://solutioncomunicacao.com.br/blog/netshoes-atualiza-plataforma-de-e-commerce-e-nota-
aumento-de-40-na-receita/>. Acesso: 11. ago. 2015. 
 
BLANCACCO, A. M.; FERRAZ, A. R.; AMORIM, C. H. V.; SILVA, C. H. M.; FREITAS, J. B.; 
TELES, R. B.I. - Business Intelligence. 2008. Disponível em: 
<http://www.esedh.pr.gov.br/arquivos/File/artigo_bi.pdf>. Acesso: 11 ago. 2015. 
 
CANALTECH. Entendendo o processo de ETL. Disponível em: 
<http://corporate.canaltech.com.br/noticia/business-intelligence/entendendo-o-processo-de-etl-
22850/>. Data de Acesso: 11. Ago. 2015. 
 
GARTNER. Magic Quadrant. Disponível em: 
<http://www.gartner.com/technology/research/methodologies/research_mq.jsp>. Data de Acesso: 
11. Ago. 2015. 
 
GOOGLE IMAGENS. Cubo OLAP (2015b). Disponível em: 
<https://www.google.com.br/search?q=cubo+olap&espv=2&biw=1366&bih=612&source=lnms&tb
m=isch&sa=X&ved=0CAYQ_AUoAWoVChMIusGmyd7UxwIVy46QCh0p8wOd#tbm=isch&q=olap+
cubo&imgrc=XvPr-Fn-E_f-AM%3A>. Data de Acesso: 11. Ago. 2015. 
 
GOOGLE IMAGENS. Data Warehouse e Data Mart (2015a). Disponível em: 
<https://www.google.com.br/search?q=Data+Warehouse+e+Data+Mart&espv=2&biw=1366&bih=6
12&source=lnms&tbm=isch&sa=X&ved=0CAYQ_AUoAWoVChMI3IPY9NzUxwIViByQCh2VdQv5#i
mgrc=cmDVO_Kd-dGtFM%3A>. Data de Acesso: 11. Ago. 2015. 
 
OLIVEIRA, R. O que é self-service BI?. 2014. Disponível em: <http://robertooliveira.com.br/o-
que-e-self-service-bi/>. Acesso: 11 ago. 2015. 
 
PRASS, F. S. Uma visão geral sobre as fases do Knowledge Discovery in Databases (KDD). 
2012. Disponível em: <http://fp2.com.br/blog/index.php/2012/um-visao-geral-sobre-fases-kdd/>. 
Acesso: 11. ago. 2015. 
 
OPPERMANN, A. Levou fraldas? Tome uma cerveja. 2011. Disponível em: 
<http://epocanegocios.globo.com/Revista/Common/0,,EMI238725-16366,00-
LEVOU+FRALDAS+TOME+UMA+CERVEJA.html>. Acesso: 11. ago. 2015. 
 
 
PRIMAK, F. V. Decisões com B.I. (Business Intelligence). 1ª ed. Rio de Janeiro: Ciência 
Moderna, 2008. 152p. 
 
 
REZENDE, F. Solução de big data é um dos segredos da Alemanha na Copa. (2014). Gestão 
por Processos e Projetos. Disponível em: <http://www.gestaoporprocessos.com.br/solucao-de-big-
data-e-um-dos-segredos-da-alemanha-na-copa/>. Data de Acesso: 11. ago. 2015; 
 
SFERRA, H. H.; CORRÊA, Â. M. C. J. Conceitos e Aplicações de Data Mining. Revista de 
Ciência & Tecnologia, v. 11, n. 22, p. 19-34, jul-dez/2003. Disponível em: 
<http://www.unimep.br/phpg/editora/revistaspdf/rct22art02.pdf>. Acesso: 11 ago. 2015. 
 
TABLEAU. Analítica visual robusta para os dados atuais. (2015b). Disponível em: 
<http://www.tableau.com/pt-br/solutions/capabilities>.Acesso: 11. ago. 2015. 
 
TABLEAU. Liderança. (2015a). Disponível em: <http://www.tableau.com/pt-br/about/leadership>. 
Acesso: 11. ago. 2015. 
 
TEIXEIRA, J. I.; CÂMARA, C. E. Business Intelligence OLAP e melhoria no processo 
decisório. Revista Engenho, v. 10, p. 1-20, dezembro de 2014. Disponível em: 
<http://www.portal.anchieta.br/revistas-e-livros/engenho/pdf/revista_engenho_vol10_3.pdf>. 
Acesso: 11. Ago. 2015. 
 
TRONTO, I. F. B.; ARAUJO, A. C.; SILVA, J. D. S.; SANT’ANNA, N. Business Intelligence: 
Inteligência nos Negócios. (2015). Disponível em: <http://mtc -
m18.sid.inpe.br/col/lac.inpe.br/worcap/2003/10.31.15.48/doc/ArtigoWorkap3.pdf>. Acesso em: 11 
ago. 2015.