Business intelligence UCEFF

Prévia do material em texto

A busca incessante do homem por melhores condições de vida, aliada ao desenvolvimento tecnológico, gerou novas necessidades a respeito de qualidade, quantidade e preço dos produtos, o que fez a antiga oficina dar lugar ao que chamamos hoje de indústria. 
Nas indústrias, um conjunto de homens e máquinas passou a ocupar um mesmo espaço na chamada produção seriada, e com ela ocorreu a transferência da habilidade de fabricação do homem para a máquina. Com a indústria, o conhecimento sobre o produto final foi separado daquele que o produzia. 
 	Hoje encontramos empresas onde o chão-de-fábrica, ao contrário de um século atrás, é organizado, limpo e seguro, fruto de grandes investimentos em infraestrutura,
automação e treinamentos. Elas exigem profissionais qualificados para lidar com equipamentos complexos, buscar melhorias contínuas e com postura voltada à qualidade e satisfação do cliente, foco que não existia no início da industrialização.
 Dentro deste novo cenário, durante o processo produtivo é gerada uma grande quantidade de dados relacionados à qualidade, produtividade, manutenção, máquinas, materiais, produtos, funcionários, etc. No entanto, muitas empresas ainda não sabem o que fazer com essa massa de dados, desconhecendo sua importante utilidade como matéria-prima para a geração de informações úteis à gestão do negócio. 
Muitos gerentes ainda hoje sofrem por falta de informação, podem ter um grande aliado se dispuserem de ferramentas para processar os dados. Esses dados têm pouca utilidade em seu estado bruto, por isso precisam ser tratados e interpretados para que deles seja possível tirar informações e conhecimento. Para tal, existem diversas ferramentas específicas e disponíveis comercialmente. Empresas do mundo da Tecnologia da Informação, que oferecem softwares que podem ser ajustados às necessidades de cada usuário ou corporação. Esta área vem hoje sendo tratada como Sistemas de Apoio à Decisão (SAD) ou Business Intelligence ( BI ).
3.2. Business Intelligence
“É o conjunto de conceitos, métodos e recursos tecnológicos que habilitam a obtenção e distribuição de informações geradas a partir de dados operacionais e históricos, visando proporcionar subsídios para a tomada de decisões gerenciais”. Essa é definição dada pela Gartner Group, empresa reconhecida mundialmente pela realização e publicação de pesquisas relacionadas a área de Tecnologia da Informação.
O grande desafio de todo indivíduo que gerencia qualquer processo é a análise dos fatos relacionados a seu dever. Esta análise deve ser feita de modo que, com as ferramentas e dados disponíveis, o gerente possa detectar tendências e tomar decisões eficientes e no tempo correto. Com essa necessidade surgiu então o conceito de Business Intelligence (VM2, 2007).
Inteligência é o produto da transformação de dados em informação, após ser analisada ou inserida em um determinado ambiente. Esta informação transformada, aplicada a um determinado processo de decisão, gera vantagem competitiva para a organização.
As organizações tipicamente recolhem informações com a finalidade de avaliar o ambiente empresarial, completando estas informações com pesquisas de marketing, industriais e de mercado, além de análises competitivas. Organizações competitivas acumulam "inteligência" à medida que ganham sustentação na sua vantagem competitiva, podendo considerar tal inteligência como o aspecto central para competir em alguns mercados.
A inteligência Empresarial, ou Business Intelligence, é um termo do Gartner Group. O conceito surgiu nos anos 80 e descreve as habilidades das corporações para acessar dados e explorar as informações (normalmente contidas em um Data Warehouse/Data Mart), analisando-as e desenvolvendo percepções e entendimentos a seu respeito, o que as permite incrementar e tornar mais pautada em informações a tomada de decisão.
Pode-se dizer que o BI é um sistema onde se tem a coleta de informações de diversas fontes, tais como:
Empresa
Concorrentes
Clientes
Fornecedores
Possibilidades de expansão do negócio ( aquisições, joint-ventures e alianças)
Fatores sociais, políticos e econômicos que podem influenciar o negócio.
O Business Intelligence, como interface, interfere, transforma e torna verdadeira todas estas informações e as converte em conhecimento estratégico.
3.2.1. Arquitetura de um sistema de BI
Um Sistema típico de BI é composto por diversas soluções, sendo as principais: 
3.2.1.1. Ferramentas Back End
Com os ETLs (Extract, Transform and Load – extração, transformação e limpeza/carga). Componentes dedicados à extração, carga e transformação de dados. É a parte responsável pela coleta das informações nas mais diversas fontes, desde sistemas ERP´s até arquivos “.txt” ou planilhas Excel.
3.2.1.2. Data Warehouse (DW) / Data Mart 
Os bancos de dados foram desenvolvidos para fins de processamentos de dados operacionais e analíticos, havendo maior ênfase no primeiro caso, ainda que ambos tivessem usuários com diferentes necessidades. Uma vez compreendida essa diferença, foram criados bancos de dados separados para fins analíticos, chamados de Data Warehouse, explicam Gray e Watson (1999). 
É inevitável a perda de produtividade e confiabilidade quando os dados são retirados de diversas fontes em sistemas desintegrados; assim, o conceito de Data Warehouse propicia integração e consolidação da informação. Conforme Harding e Yu (1999), o Data Warehouse extrai, de uma maneira eficiente, informações valiosas dos bancos de dados operacionais que estão espalhados por toda a empresa e que, certamente, contêm dados duplicados ou parcialmente duplicados. Por isso, antes de povoar o Data Warehouse com os dados operacionais, estes dados precisam ser reparados para estarem aptos a serem questionados, pesquisados, analisados e apresentarem conclusões. 
Nas aplicações de BI, o foco está mais voltado para as tendências e agregações do que para cada transação individual; portanto, os dados armazenados devem oferecer níveis de agregação apropriados. 
Muito utilizados em projetos-piloto, existem também os Data Marts, que, conforme Singh (2001) define, são subconjuntos do Data Warehouse da empresa-inteira. Tipicamente desempenham o papel de um Data Warehouse departamental, regional ou funcional. Uma empresa pode construir uma série de Data Marts ao longo do tempo
e, eventualmente, vinculá-los por meio de um Data Warehouse lógico da empresa-inteira
A função do Data Warehouse / Data Mart é fornecer subsídios e informações aos gerentes e diretores, para que assim possam analisar tendências históricas de seus clientes e, com isso, melhorarem os processos e agilizarem as tomadas de ações. 
3.2.1.3. Ferramentas Front End
Para competir no mercado global de hoje, as empresas precisam deter mais conhecimento, e ainda, para obter sucesso, elas precisam saber mais sobre seus clientes, mercados, tecnologias e processos, e precisam ter essas informações antes que seus concorrentes (Heinrichs e Lim, 2003). Ter informações em mãos é uma poderosa ferramenta para quem precisa tomar decisões e, tendo em vista esse princípio, as empresas começaram a extrair dados dos seus sistemas operacionais e armazená-los. 
Shim et al. (2002) dizem que os SAD são soluções computacionais desenvolvidas para apoiar a tomada de decisões complexas durante a resolução de problemas. Ferramentas
clássicas de SAD compreendem componentes para gerenciamento de sofisticados bancos de dados, poderosas funções de modelagem e poderosos, embora simples, projetos de interface com o usuário, que permitem trabalhar interativamente com questões, relatórios e funções gráficas, podendo ser acessados via intranet / rede interna, extranet, análise OLAP (e suas derivadas como ROLAP, MOLAP, HOLAP e DOLAP) e outras funções, como Data Mining e projeções de cenários futuros (VM2, 2007).
Fazer previsões, detectar tendências futuras, visualizar novas oportunidades de negócios, são algumas das vantagens possíveis por meio das ferramentas de data mining. Essatecnologia de "mineração dos dados" ganhou atenção com o surgimento do DW, o qual possui bases de dados bem organizadas e consolidadas. A premissa do data mining é uma argumentação ativa, ou seja, não é o usuário quem define o problema e seleciona a ferramenta para analisá-lo, mas sim as próprias ferramentas de data mining que se encarregam de pesquisar e procurar possíveis relacionamentos entre dados (NEXT GENERATION, 2005).
Com isso, permitem diagnosticar o comportamento dos negócios, requerendo para isso a mínima participação do usuário. As ferramentas de data mining são baseadas em algoritmos que formam a construção de blocos de inteligência artificial, redes neurais, regras de indução e lógica de predicados que facilitam o trabalho dos analistas de negócios a visualizarem novas perspectivas para velhas questões. Essas ferramentas são extremamente úteis para detecção de fraudes e para previsões de comportamentos. Mas são também soluções complexas que requerem dos profissionais boa capacidade de análise e expertise (NEXT GENERATION, 2005).
Atualmente existem muitas soluções de BI para todos os tipos e tamanhos de empresas e de orçamentos. A Internet também facilitou a utilização dessas ferramentas, possibilitando ao usuário final, por meio de um simples PC e um navegador, o acesso a consultas e análises e o compartilhamento da inteligência além dos limites da organização. Não por acaso, os fornecedores de produtos de BI baseiam suas soluções em navegadores. Em hardware, também a gama de opções para possibilitar o maior aproveitamento das soluções de BI é grande e variada, dependendo da necessidade da empresa e do volume de dados gerados e trafegados. Desde um simples PC, ao mais sofisticado e parrudo mainframe, possibilitam rodar as mais diferentes aplicações e soluções (NEXT GENERATION, 2005).
4. Aplicação do BI 
Os dados gerados normalmente ficam espalhados pelos diversos bancos de dados operacionais ou documentos em papel da área, forma de armazenagem que dificulta em muito a recuperação dos dado se o levantamento de comportamentos históricos. Essaé uma situação crítica quando se trata de programas de melhorias, como os conduzidos por Seis Sigma, FMEA
(Failure Mode and Effects Analysis ou Análise do Modoe Efeito da Falha) ou PDCA (Plan, Do, Check and Actionou Planejar, Executar, Verificar e Agir). Esses programas podem perder sua força por causa da dificuldade de se obter informações sobre condições passadas e futuras em
relação às suas implementações. Isso dificulta e, às vezes, até impossibilita a análise da eficácia das mudanças e dos fatores relacionados a ela. Este fato acaba prejudicando o
processo de mudança em si, pois não são conhecidos os benefícios ou prejuízos trazidos pelas alterações. É uma situação que pode ser melhorada com a implantação do modelo proposto, que aplica o BI no chão-de-fábrica. Outra grande vantagem dos sistemas de BI é sua facilidade
para trabalhar com questões ad-hoc, pois é praticamente impossível desenvolver uma aplicação em que todos os relatórios e pesquisas de que um gerente possa precisar para realizar seu trabalho estejam presentes. Jáos sistemas de BI permitem criar facilmente relatórios e pesquisas específicas relativas às necessidades emergentesde cada gerente ou momento.
DESENVOLVENDO BI NO MICROSOFT EXCEL
As empresas, quando adquirem seus softwares que são licenciados, muitas vezes não
conhecem a total capacidade que eles têm a oferecer. É o caso do Microsoft Excel, desenvolvido
pela Microsoft e que vem no pacote do Office. Muitos profissionais utilizam o Excel somente
para criar simples tabelas e/ou gráficos, porém não sabem que ele tem muito mais a oferecer, e
podendo assim dizer, gratuitamente. LEME FILHO (2004, p. 288) afirma que o Excel é
“Composto por diversos recursos de análise de dados, seu potencial é habitualmente pouco
explorado pelos profissionais”.
 Conectando-se à base de dados pelo Microsoft Excel
Quando se deseja extrair informações de uma fonte de dados externa é necessário que se
faça uma conexão a ela, tendo o driver de ODBC devidamente configurado para que então se abra o ambiente chamado Microsoft Query. Os drivers de ODBC fornecidos pela Microsoft com o Microsoft Query são todos instalados quando se instala o Query. Eles não dão suporte aos bancos de dados externos, ou seja, quando se desejar utilizar o Query pelo Excel já é necessário ter uma fonte de dados a ser acessada.
Após ter sido feita a configuração com a fonte de dados, faz-se a conexão com ela pelo
menu Dados, sub-menu Obter Dados Externos e Criar Nova Consulta ao Banco de Dados. A
fonte de dados já se encontra disponível para ser selecionada e então acessada onde, muitas
vezes, é criado um login e senha para o acesso.
O primeiro e mais importante artefato para a realização de qualquer tipo de consulta é obrigatoriamente a existência dos dados. Geralmente, estes se encontram no banco de dados (no universo do ambiente de suporte à decisão, mais especificamente no data warehouse). Faz-se necessário estabelecer uma conexão ao servidor de banco de dados, e extrair essa matéria-prima para transporta-la ao Excel. LEME FILHO (2004, p. 288)
Instruções SQL no ambiente do Microsoft Query
Após todas as devidas configurações de acesso às fontes de dados e, conectando-se a elas,
tem-se disponível um ambiente onde se pode manipular os dados. Nesse ambiente chamado
Microsoft Query elaboram-se as devidas instruções SQL ou então se obtém o auxílio do
assistente, que pode fazer as instruções automaticamente sem precisar alterar códigos SQL. Esse
assistente é muito útil, porém muitas vezes, não dá suporte o suficiente para as tarefas desejadas,
como no caso de se desejar agrupar os resultados extraídos.
Assim que a instrução SQL for executada os dados serão mostrados no ambiente
Microsoft Query. As linhas e colunas podem ser trabalhadas da melhor forma que se desejar. No
término das operações os dados mostrados na tela deverão ser transportados ao Excel através do ícone Retornar Dados.
A partir desse momento se iniciam as etapas de transformação de relatórios pelo Excel
utilizando suas mais variadas fórmulas e funções.
 O Front-End do Excel
As planilhas eletrônicas oferecem diversas opções ao usuário final quando se tem o
objetivo de construir um ambiente de suporte à decisão. Conforme LEME FILHO (2004, p. 292)
“Os usuários do ambiente de suporte à decisão precisam conta com análises que dêem
visibilidade e flexibilidade para a tomada de decisão”. Pode-se destacar algumas funções para os
usuários fazerem uso, tais como:
a) Tabela dinâmica: quando os dados são transportados ao Microsoft Excel sua
formatação permanece parecida com a do ambiente Query, porém não é
importante que esses dados sejam formatados nesse instante. A tabela dinâmica
faz com que esses dados se unam e possam ser modificados em sua aparência.
Pode-se deslocar dados que estão em linhas arrastando-os para colunas e viceversa.
No momento em que os dados originais sofrerem alguma alteração a tabela
dinâmica será atualizada pelo comando atualizar dados. É uma ótima opção para
se elaborar tabelas inteligentes num processo de construção de relatórios.
Uma tabela dinâmica representa uma ótima modalidade de visualizar e explorar o potencial dos dados de uma planilha. A partir de uma lista ou de um banco de dados, é possível determinar o cruzamento das informações, variando linhas e colunas relacionadas. LEME FILHO (2004, p. 293 b)
 Fórmulas Matriciais: outra opção para se elaborar uma tabela de dados a partir dos
dados originais extraídos para o Excel são as fórmulas matriciais. Essas fórmulas
são capazes de localizar entre linhas e colunas as condições desejadas e capturar
os dados estabelecidos. As tabelas dinâmicas podem, às vezes, não suprir as
necessidades em termos de layout, necessitando serem criados manualmente.
Desenhando-se a tabela final que será exibida e analisada pelos tomadores de
decisão, cria-se uma fórmula matricial que conseguirábuscar as informações a
partir dos dados extraídos das origens. O que se pode tornar um problema no uso
de fórmulas matriciais é quando se trabalha com um número excessivo de células
tornando o cálculo da planilha muito lento, perdendo em desempenho. Cabe ao
usuário detectar o melhor momento de usar essa opção.
FIGURA 12 – FÓRMULA MATRICIAL
FONTE: LUNENDER S.A.
c) Filtros: nos casos em que há muitos dados numa planilha que são o resultado da
extração feita à fonte de dados, pode-se utilizar o recurso de autofiltro do Excel,
que nada mais é do que se efetuar a filtragem das linhas existentes analisando-se
4.5 Área de Produção
a) Cenário precedente à implantação das ferramentas de BI Entre as áreas contempladas por esta pesquisa a de produção era aquela que menos utilizava as ferramentas de
BI, pelo menos aquela em que a eficácia dessas ferramentas não pôde ser comprovada de forma plena, pois parte delas ainda estava em fase de implantação. Essa área promovia, semanalmente, reuniões com as áreas de vendas, compras e de programação para tentar sincronizar os itens e as quantidades de bens que eram produzidos com aquilo que seria vendido. Essa prática era adotada porque, em função da programação de produção ser feita com base em médias históricas de bens produzidos, era comum produzirem-se itens que não estavam sendo demandados pelo mercado em um determinado momento. Para serem achados espaços para se produzirem todos os bens, os necessários e os desnecessários para o momento, as horas extras dos funcionários da produção eram a solução, assim como a empresa convivia com o problema de constantes mudanças de setup de máquinas para se produzirem diferentes itens. “As atividades de produção não eram fáceis”, observou o gestor da área, “ao ponto em que se tinha como meta uma variação máxima de 20% entre as
quantidades e itens produzidos e aquelas que efetivamente seriam vendidas em condições normais”.
b) Cenário posterior à implantação das ferramentas de BIEssa área passou a ter as informações que lhe possibilitaram prever com maior precisão as quantidades que se
esperava vender, através do Sales forecast. Com isso, a variação entre o que se produzia e aquilo que se vendia, anteriormente superior a 20%, caiu a níveis bastante inferiores, algo em torno de 5%, conforme e vidências pesquisadas.
Em outras palavras, a área de produção passou a operar com maior estabilidade. Uma outra conseqüência becnéfi ca da implementação de tais ferramentas foi a diminuição dos
estoques de giro lento, facultando à empresa melhorar a qualidade de seus estoques de produtos acabados, investindo se na produção daqueles itens cujas vendas seriam mais prováveis e cujo giro fosse mais rápido. O aumento de produtividade da fábrica, conforme Gráfico 1 , passou a ser constante, o que refl etiu o amadurecimento
da utilização das ferramentas de BI, materializado
pela melhoria da qualidade das informações, com conseqüências
favoráveis diretas no resultado da organização.
Por meio do constante monitoramento das atividades
foi possível cumprir com as metas de produção, eliminando-
se os atrasos até então observados. A empresa passou,
também, a apresentar uma tendência de redução do custo
com horas extras, pois com o acesso tempestivo à informação passou a ser possível o monitoramento da operação
e a correção de falhas que ocorriam. Segundo o gestor,
atualmente “só são feitas horas extras nos casos em que
precisamos atender à demanda da área de vendas, que não
tenha conseguido negociar com o cliente de outra forma”.
Corporate Management Performance (CPM)
	Nos dias atuais a maneira de mensurar a saúde de uma empresa está mudando. Não há mais interesse nas organizações em analisar e tomar decisões apenas considerando como premissa o seu balanço financeiro, em busca de lucro ou prejuízo.
 É uma questão de sobrevivência saber mais que números. É decisivo adotar um planejamento de longo prazo, sustentável, com base em uma estratégia corporativa sólida. E o mais importante, é preciso executá-la. Entretanto, isto é uma tarefa complexa. Especialmente quando as cobranças por resultados são cada vez mais incisivas. 
”Prova disso é que, de acordo com pesquisa realizada pela Symnetics, consultoria especializada em gestão de performance, ligada ao BSC Collaborative, 90% das empresas falham na implementação de suas estratégias." (CERIONI,2006)
Notamos que há um gap entre o que foi idealizado e o que é realizado, pois o mais complicado não é ter uma estratégia, mas sim colocá-la em prática e disseminá-la em todos os níveis hierárquicos da corporação. 
As ferramentas de gestão da performance corporativa têm como premissa auxiliar na definição, na implementação e no acompanhamento de metas estratégicas. Ou seja, tornar menos árduo o trabalho de trazer para o cotidiano a visão traçada pela diretoria da corporação (CERIONI,2006)”.
Na prática, os novos modelos de gestão corporativa e as ferramentas de CPM buscam desmistificar os relatórios financeiros e trazer a estratégia e o desempenho da empresa para cada um dos níveis, por meio de uma linguagem simples e acessível. Porém, a adoção de uma solução de gestão de performance não irá alterar o norte da companhia nem tão pouco será a solução para todas as dificuldades, no entanto, fará o alinhamento das ações à estratégia.
O termo Corporate Performace Management (CPM), ou Gestão de Performance Corporativa foi introduzido pelo Gartner em 2001. Este instituto, desde meados dos anos 90, tem acompanhado o desenvolvimento das soluções do CPM, garantindo dessa forma uma posição de respeito e confiabilidade em relação ao tema junto a fabricantes e consumidores de soluções corporativas (BIGROUP, 2007). 
	Outros termos similares que podem ser relacionados ao termo CPM são o EPM (enterprise) e o BPM (business), mas cada vez mais há um maior consenso a respeito do "C" de "Corporate" do CPM.
	Dentre outros aspectos, o CPM é um conjunto de metodologias, métricas, processos, sistemas e indicadores que são utilizados não só para mapear as informações, mas também para planejar, medir, comparar, analisar, prever e reportar informações das organizações, permitindo que a performance destas sejam gerenciadas de maneira mais racional e integrada. Possibilitando assim, a implementação da estratégia na sua totalidade.
(BIGROUP,2007)
Do momento de quando se originou o tema, através de artigos escritos por Robert Kaplan e David Norton, através do sistema de mensuração até os dias atuais, os fundamentos do CPM já são bastante conhecidos em diversas camadas das grandes corporações, e estão despertando cada vez mais interesse em outras empresas de porte.
	Um dos princípios do CPM está baseado em um aspecto curioso que demonstra que muitas organizações ainda não possuem um sistema adequado para responder de maneira completa, rápida e confiável algumas questões simples como:
Como estamos indo?
Como deveríamos estar?
Por que estamos assim?
Ou ainda:
Quanto: capacitamos, produzimos, satisfazemos ou lucramos?
Quando?
Como?
Onde?
Adaptado de (BIGROUP, 2007)
	A promessa de CPM é entendida como o monitoramento de todos os aspectos essenciais para o sucesso da empresa, face aos objetivos e metas previamente estabelecidas, utilizando métricas consistentes, em um processo encadeado de relações de causas e efeitos, de forma que seja possível compreender os resultados alcançados e suas causas, bem como identificar os focos de intervenções necessárias.
uma grande quantidade de dadosno seu dia-a-dia, porém, eles, em grande parte das
empresas, ficam espalhados em diversos bancos de dados operacionais ou em relatórios em papel, o que já dificulta sua recuperação histórica, quanto mais a obtenção de informações
ad-hoc a partir deles. Como exemplo, imagine uma empresa que produza 1000 peças/hora distribuídas em 10 tipos de produtos diferentes, realize inspeções em 10 células com 5 postos de inspeção cada, trabalhe em 2 turnos de 8 horas e atinja uma rejeição interna de
1000 PPM. Ela produziráem torno de 7056 registros por mês no chão-de-fábrica, conforme mostram as contas abaixo:
• Medições = 1 (medição) X 10 (células) X 5 (postos) X
2 (turnos) = 100
• Qualidade = 1000 (pç/h) X 16 (horas por dia) X 1000 PPM = 16
• Desempenho = 10 (células) X 2 (turnos) X 10 (produtos) = 200
• Eventos = 1 (evento significativo) X 10 (células) X 2 (turnos) = 20
• Total de registros por dia = 336
* Total no mês (21 dias úteis) = 7056
Com tal volume de dados, fica praticamente impossível para o gerente obter informações relevantes e em tempo hábil, se não estiver disponível uma ferramenta que sistematize
e organize a recuperação dos dados. É justamente para este foco que está voltado este artigo, que propõe a construção de um sistema de BI administrar tais dados. Desta forma, foi proposto um modelo de banco de dados que pode ser utilizado por sistemas
de BI disponibilizados comercialmente por empresas como IBM, Oracle, Microsoft, Seagate, entre outras.
Um sistema de BI bem estruturado, trará ao gerente um bom suporte
para a tomada de direções em busca de melhores resultados para a sua área. Sem informações corretas e no momento certo, não é possível controlar; sem controlar,
não é possível gerenciar; e, sem gerenciar, não é possível melhorar (Kueng et al., 2001).
O próximo passo deste trabalho, pretendido pelos autores, é a exploração das funções MDX (multidimensional expressions) e das ferramentas para Data Mining disponíveis no Analysis Services. Uma outra vantagem do uso do SQL Server 2000 é que seu banco de dados facilitará a integração e incorporação dos dados com os demais sistemas
OLTP ou ERP já em funcionamento na empresa, pois apresenta uma solução amplamente aceita nos ambientes empresariais.
Fortulan e Gonçalves Filho − Uma Proposta de Aplicação de Business Intelligence no Chão-de-fábrica