BUSINESS INTELLIGENCE - AVA2

Prévia do material em texto

UNIVERSIDADE VEIGA DE ALMEIDA 
GESTÃO DA TECNOLOGIA DA INFORMAÇÃO 
 
 
 
DAVI DE QUEIROZ MICRONI 
 
 
 
TRABALHO AVALIATIVO DA DISCIPLINA: 
BUSINESS INTELLIGENCE 
 
 
 
 
 
 
 
 
 
RIO DE JANEIRO 
2026 
https://uva.instructure.com/courses/50042
DAVI DE QUEIROZ MICRONI 
 
 
 
TRABALHO AVALIATIVO DA DISCIPLINA: 
BUSINESS INTELLIGENCE 
 
 
Trabalho acadêmico realizado pelo 
aluno Davi de Queiroz Microni 
matrícula 1250115949 da disciplina 
construção do pensamento do curso de 
graduação em Gestão da Tecnologia da 
Informação da Universidade Veiga de 
Almeida. 
 
 
 
 
PROFESSOR(A): LEANDRO SADY RODRIGUES 
 
 
 
 
 
 
 
 
 
 
RIO DE JANEIRO 
2026 
 
https://uva.instructure.com/courses/50042
https://uva.instructure.com/courses/52499/users/92560000000058007
1- Introdução 
No contexto atual das organizações orientadas por dados, o uso de Data Warehouse 
(DW) torna-se fundamental para a organização, integração e análise de grandes volumes 
de informações. Nesse cenário, este trabalho tem como objetivo explorar os componentes 
técnicos do Data Warehouse e sua aplicabilidade no ambiente empresarial. 
Para isso, será utilizada a empresa fictícia Gurgel, previamente apresentada no AVA1, 
dando continuidade ao estudo e aprofundando a análise sobre a estrutura de dados que 
sustenta o Business Intelligence. Além disso, serão abordados aspectos como modelagem 
dimensional e arquiteturas de Data Warehousing, a fim de demonstrar como esses 
elementos contribuem para a eficiência, escalabilidade e suporte à tomada de decisão nas 
organizações. Por fim, as referências utilizadas para a fundamentação teórica serão 
apresentadas ao final do trabalho. 
2- Conceitos técnicos de Data Warehouse na Empresa de Gurgel 
Para o pleno funcionamento do Business Intelligence, torna-se essencial o 
aprofundamento no conceito de Data Warehouse, conforme apresentado no trabalho 
anterior. Nesse contexto, este estudo tem como objetivo explorar seus componentes 
técnicos, a fim de estruturar de forma mais eficiente a gestão da empresa fictícia Gurgel, 
apoiando decisões estratégicas e operacionais relacionadas ao desenvolvimento do SUV 
blindado de luxo. 
Para melhor alinhamento com o contexto analítico, a Gurgel adota um modelo de 
negócio híbrido, combinando vendas online e experiência presencial. Nesse formato, os 
clientes podem configurar seus veículos por meio de uma plataforma digital, escolhendo 
características como motorização, acabamento e nível de blindagem, sendo 
posteriormente convidados a comparecer à concessionária para concluir a compra, sob a 
proposta: “monte o seu veículo e realize o seu sonho nos visitando com o sonho 
realizado”. 
Esse modelo amplia o volume e a complexidade dos dados gerados, envolvendo 
interações digitais, preferências dos clientes e conversões em vendas presenciais. Dessa 
forma, torna-se ainda mais necessária a utilização de um Data Warehouse estruturado, 
capaz de integrar e analisar essas informações de maneira eficiente. 
Assim, a aplicação do Data Warehouse na Gurgel pode ser compreendida a partir de 
seus principais componentes técnicos, responsáveis por garantir a organização, integração 
e disponibilização dos dados para análise. Entre eles, destacam-se a base central de dados, 
a integração de dados, os metadados e as ferramentas de acesso, conforme descrito a 
seguir. 
2.1 Base central de dados 
Na empresa fictícia Gurgel, a base central de dados representa o núcleo do Data 
Warehouse, onde são armazenadas informações provenientes de diferentes setores, como 
vendas, estoque, financeiro e logística. Essa centralização permite que os dados sejam 
organizados de forma estruturada e histórica, possibilitando análises estratégicas e 
suporte à tomada de decisão. Além disso, a consolidação em um único repositório reduz 
inconsistências e melhora a confiabilidade das informações. 
2.2 Integração de dados 
A integração de dados na Gurgel ocorre por meio de processos de ETL, nos quais os 
dados são extraídos de diferentes sistemas organizacionais, como sistemas de vendas, 
ERP e controle de estoque. Esses dados passam por etapas de transformação, garantindo 
padronização e qualidade, antes de serem carregados no Data Warehouse. Esse processo 
permite que informações heterogêneas sejam unificadas, tornando possível uma visão 
integrada do negócio. Essa etapa corresponde à área de staging do Data Warehouse, 
responsável pelo tratamento e preparação dos dados antes de seu armazenamento 
definitivo. 
2.3 Metadados 
Na Gurgel, os metadados desempenham um papel essencial na organização do Data 
Warehouse, pois documentam informações como a origem dos dados, regras de 
transformação e estrutura das tabelas. Isso facilita o entendimento e o uso correto dos 
dados pelos analistas, além de garantir maior controle e governança das informações. 
Dessa forma, os metadados funcionam como um dicionário que agrega significado aos 
dados armazenados. 
 
2.4 Ferramentas de acesso ao DW 
As ferramentas de acesso ao Data Warehouse da Gurgel permitem que gestores e 
analistas explorem os dados por meio de relatórios, dashboards e consultas analíticas. 
Essas ferramentas possibilitam a visualização de indicadores de desempenho (KPIs), 
identificação de tendências e suporte à tomada de decisão. Dessa forma, o Data 
Warehouse não apenas armazena dados, mas também transforma essas informações em 
conhecimento estratégico para suporte à tomada de decisão. 
A partir da compreensão dos componentes técnicos do Data Warehouse, torna-se 
necessário avançar para a forma como esses dados são estruturados e organizados para 
análise. Nesse contexto, destacam-se a modelagem dimensional e as arquiteturas de Data 
Warehousing, fundamentais para garantir desempenho, escalabilidade e flexibilidade no 
ambiente analítico da empresa Gurgel. 
3- Modelagem dimensional e arquitetura de Data Warehouse 
A partir da compreensão dos componentes técnicos do Data Warehouse, torna-se 
necessário avançar para a forma como os dados são estruturados e organizados para 
análise. Nesse contexto, destacam-se a modelagem dimensional e as arquiteturas de Data 
Warehousing, fundamentais para garantir desempenho, escalabilidade e flexibilidade no 
ambiente analítico da empresa Gurgel. 
Considerando o modelo híbrido adotado pela organização, que integra vendas online 
e experiência presencial, a complexidade dos dados aumenta significativamente, exigindo 
uma estrutura analítica capaz de suportar diferentes fontes, volumes e tipos de 
informação. 
3.1 Modelagem dimensional 
A modelagem dimensional é uma técnica de organização de dados voltada à análise, 
estruturando as informações em tabelas fato e dimensão. Na empresa Gurgel, a tabela fato 
pode representar as vendas de veículos, especialmente o SUV blindado de luxo, contendo 
métricas como valor, quantidade e tempo de produção. 
As tabelas dimensão armazenam o contexto dessas operações, incluindo dados de 
cliente, região, tempo, canal de venda (online ou presencial) e características do veículo. 
Essa estrutura permite análises detalhadas, como comportamento de compra, preferências 
dos clientes e desempenho ao longo do tempo. 
Além disso, o uso do modelo dimensional, especialmente no esquema estrela, facilita 
consultas analíticas e torna o acesso aos dados mais eficiente. A definição adequada da 
granularidade — nível de detalhamento dos dados — também é essencial para garantir 
análises precisas sem comprometer o desempenho do sistema. 
3.2 Arquitetura de Data Warehouse 
A arquitetura de Data Warehouse refere-se à forma como o sistema é estruturado na 
organização, destacando-se as abordagens top-down, bottom-up e híbrida. 
A abordagem top-down baseia-se na construção de um Data Warehouse centralizado, 
garantindo alta consistência e controle das informações, embora exija maior tempo e custo 
de implementação. 
Já a abordagembottom-up consiste na criação de Data Marts departamentais, 
proporcionando maior agilidade, mas podendo gerar inconsistências sem padronização 
adequada. 
Por fim, a abordagem híbrida combina os dois modelos, permitindo centralização com 
flexibilidade para atender às necessidades específicas de cada setor. 
3.3 Avaliação da abordagem para a empresa Gurgel 
No contexto da empresa Gurgel, a adoção de uma arquitetura híbrida mostra-se a mais 
adequada, considerando o modelo de vendas online e presenciais. Essa abordagem 
permite centralizar dados estratégicos em um Data Warehouse principal, garantindo 
consistência, ao mesmo tempo em que possibilita análises específicas por área. 
Assim, a empresa equilibra eficiência e flexibilidade, atendendo às demandas 
analíticas de forma escalável. A integração com a modelagem dimensional potencializa 
o uso do Data Warehouse como ferramenta estratégica, apoiando decisões mais 
assertivas. 
4- Conclusão 
Conclui-se que a implementação de um Data Warehouse estruturado, aliada à 
modelagem dimensional e à definição adequada de arquitetura, é fundamental para o 
desempenho dos ambientes analíticos. No caso da empresa fictícia Gurgel, esses 
elementos permitiram transformar dados de diferentes fontes em informações 
organizadas, integradas e confiáveis, especialmente no contexto do modelo híbrido de 
vendas. 
A aplicação dos componentes técnicos, como base central de dados, processos de 
ETL, metadados e ferramentas analíticas, sustentou o funcionamento eficiente do 
Business Intelligence. Além disso, a modelagem dimensional facilitou a análise dos 
dados, enquanto a arquitetura híbrida garantiu equilíbrio entre controle e flexibilidade. 
Dessa forma, a Gurgel passa a contar com um ambiente analítico capaz de apoiar 
decisões estratégicas, contribuindo para sua competitividade e desenvolvimento no 
mercado. 
 
 
 
 
 
 
 
 
 
 
5- Referências Bibliográficas 
1. SAP. What is a data warehouse? Disponível em: 
https://www.sap.com/products/data-cloud/datasphere/what-is-a-data-
warehouse.html . Acesso em: 18 mar. 2026. 
2. Conteúdo da unidade. 
3. Chatgpt 
4. DATabricks. Data warehouse architecture. Disponível em: 
https://www.databricks.com/br/discover/data-warehouse-architecture. Acesso 
em: 18 mar. 2026. 
5. EW SOLUTIONS. Dimensional modeling: what it is and when to use it. 
Disponível em: https://www.ewsolutions.com/dimensional-modeling-what-it-is-
and-when-to-use-it/. Acesso em: 18 mar. 2026. 
 
https://www.sap.com/products/data-cloud/datasphere/what-is-a-data-warehouse.html
https://www.sap.com/products/data-cloud/datasphere/what-is-a-data-warehouse.html
https://www.databricks.com/br/discover/data-warehouse-architecture
https://www.ewsolutions.com/dimensional-modeling-what-it-is-and-when-to-use-it/
https://www.ewsolutions.com/dimensional-modeling-what-it-is-and-when-to-use-it/