Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 UNIVERSIDADE CEUMA CURSO: ENGENHARIA CIVIL DISCIPLINA: SISTEMAS DE INFORMAÇÃO CESAR LEANDRO JANSEN - 38108 DAYANE PASSOS OLIVEIRA - 38123 GRAZIANO FIOREZI FERREIRA - 35882 JOÃO VITOR - 31336 MANOELA SOUZA DE ARAGÃO - 37747 ROLLANE COLINS SILVEIRA - 31528 VINICIUS DELFIM - 31466 BUSINESS INTELLIGENCE (BI) SÃO LUÍS 2015 CESAR LEANDRO JANSEN - 38108 DAYANE PASSOS OLIVEIRA - 38123 GRAZIANO FIOREZI FERREIRA - 35882 JOÃO VITOR - 31336 MANOELA SOUZA DE ARAGÃO - 37747 ROLLANE COLINS SILVEIRA - 31528 VINICIUS DELFIM - 31466 BUSINESS INTELLIGENCE Trabalho realizado com a finalidade de obtenção de nota parcial no segundo bimestre do terceiro período do curso de Engenharia Civil na disciplina Sistemas de Informação referente à criação de um artigo científico. SÃO LUÍS 2015 RESUMO Desde o início da era computacional, as organizações têm usado os dados de suas bases operacionais para atender as necessidades de informações. Grandes bases de dados são criadas pelo acúmulo de informações resultantes de operações transacionais, pouco aproveitadas pelos responsáveis nas tomadas de decisões, devido à complexidade de extração das mesmas. Muitos sistemas de apoio à decisão surgiram para poder manipular tais informações, entrando na era da informação, configurando posteriormente o que se convencionou denominar de "Era da Informação”. O grande desafio do gerenciamento de qualquer processo é a análise dos fatos relacionados a seu dever. Ela 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, desta forma então surge o conceito de Business Intelligence (BI). Ele é composto por diversos subprogramas, denominados Data Warehouse e Data Mart que proporcionam a visualização das informações em vários níveis de detalhamento, possibilitando a empresa um maior controle de seus negócios, podendo tomar decisões mais rápidas e seguras. Palavras-chave: Business Intelligence, Data Warehouse, Data Mart. LISTA DE FIGURAS FIGURA 1: ESTRUTURA BÁSICA DE UM DATA WAREHOUSE. ......................................................................13 FIGURA 2: DEMONSTRAÇÃO DE UM DATAMART. ......................................................................................14 FIGURA 3: DISPOSIÇÃO DOS DATA MARTS. ............................................................................................15 Sumário 1 INTRODUÇÃO .............................................................................................................................. 6 2 OBJETIVOS ................................................................................................................................. 8 2.1 OBJETIVO GERAL .................................................................................................... 8 2.2 OBJETIVOS ESPECÍFICOS ......................................................................................... 8 3 REVISÃO BIBLIOGRÁFICA ......................................................................................................... 9 3.1 CONCEITO .............................................................................................................. 9 3.2 FERRAMENTAS DE BUSINESS INTELLIGENCE..............................................................10 3.2.1 Data Warehouse - DW ..................................................................................................11 3.2.1.1 Integrado ..............................................................................................................................12 3.2.1.2 Não volátil .............................................................................................................................12 3.2.1.3 Variável com o tempo............................................................................................................12 3.2.2 Elementos básicos do DW .............................................................................................13 3.2.2.1 Data Stage ...........................................................................................................................13 3.2.2.2 Servidor de apresentação......................................................................................................14 3.2.2.3 Datamart...............................................................................................................................14 3.3 OLAP ...................................................................................................................16 3.3.1 Operações básicas OLAP .............................................................................................16 3.4 BENEFÍCIOS DE UM SISTEMA FORMAL DE BUSINESS INTELLIGENCE ...............................17 3.5 VANTAGENS DO BUSSINES INTELIGENCE...................................................................18 3.6 EXEMPLO DE APLICAÇÃO DE BUSSINES INTELIGENCE .................................................19 4 CONCLUSÃO ..............................................................................................................................23 REFERENCIAS BIBLIOGRÁFICAS .................................................................................................24 1 INTRODUÇÃO Desde o início da era computacional, as organizações têm usado os dados de suas bases operacionais para atender as necessidades de informações. Grandes bases de dados são criadas pelo acúmulo de informações resultantes de operações transacionais, pouco aproveitadas pelos responsáveis nas tomadas de decisões, devido à complexidade de extração das mesmas. Uma das grandes dificuldades das empresas é o gerenciamento dos dados oriundos de diversos sistemas do ambiente operacional, agrupar essas informações, interpretá-las e tirar conclusões. É preciso extrair de cada base de dados, as informações que realmente interessam e padronizá-las para que possam ser analisadas. Há milhares de anos atrás, Fenícios, Persas, Egípcios e outros Orientais já faziam, a seu modo, Business Intelligence, ou seja, cruzavam informações provenientes da natureza, tais como comportamento das marés, períodos de seca e de chuvas, posição dos astros, para tomar decisões que permitissem a melhoria de vida de suas comunidades. A história do Business Intelligence que conhecemos hoje começa na década de 70, quando alguns produtos de Business Intelligence forma disponibilizados para os analistas de negócio. O grande problema era que esses produtos exigiam intensa e exaustiva programação, não disponibilizavam informação em tempo hábil nem de forma flexível, e além de tudo tinham alto custo de implantação. Com o surgimento dos bancos de dados relacionais, dos PC’s e das interfaces gráficas como o Windows, aliados ao aumento da complexidade dos negócios, começaram a surgir os primeiros produtos realmente direcionados aos analistas de negócios, que possibilitavam rapidez e uma maior flexibilidade de análise. A partir da década de 90, as empresas passaram a considerar que não só os dados processados eram valiosos, mas também a informação. A partir dela, se buscava atingir os principais objetivos da corporação. Muitos sistemas de apoio à decisão surgiram para poder manipular tais informações, entrando na era da informação, configurando posteriormente o que se convencionou denominar de "Era da Informação”. O grande desafio do gerenciamento de qualquer processo é a análise dos fatos relacionados a seu dever. Ela 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, desta forma então surge o conceito de Business Intelligence (BI). 2 OBJETIVOS 2.1 OBJETIVO GERAL · Compreender e demonstrar o funcionamentodo Business Intelligence. 2.2 OBJETIVOS ESPECÍFICOS Para atingir o objetivo geral desta pesquisa os seguintes objetivos específicos foram estabelecidos: · Pesquisar a literatura existente sobre Business Intelligence; · Descrever a evolução e aplicação do Business Intelligence; 3 REVISÃO BIBLIOGRÁFICA 3.1 CONCEITO Business Intelligence se refere à um conjunto de conceitos, métodos e recursos tecnológicos que favorecem a obtenção e distribuição de informações geradas a partir de dados operacionais e históricos, visando proporcionar subsídios à tomada de decisões gerenciais. Este termo é muito utilizado, mas ainda pouco compreendido no mundo dos negócios. Podemos notar, pelas diversas definições que apresentaremos adiante, que o assunto está longe de apresentar uma definição única. Segundo Carlos Barbieri, Business Intelligence é, de forma mais ampla: · “A utilização de variadas fontes de informação para se definir estratégias de competitividade nos negócios da empresa”. Uma das maiores fornecedoras de software para Business Intelligence – MICROSTRATEGY – define Business Intelligence como: · “Injetar inteligência nas informações latente nas empresas para traduzir medidas tangíveis em estratégia e objetivos para a empresa”. Segundo Tyson (1997), Business Intelligence é classificado como: · “Um processo que envolve a coleta, análise e validação de informações sobre concorrentes, clientes, fornecedores, candidatos potenciais à aquisição, candidatos à joint-venture e alianças estratégicas. Incluem também eventos econômicos, reguladores e políticos que tenham impacto sobre os negócios da empresa”. A definição acima é a que mais se enquadra com nosso entendimento, fazendo apenas um adendo que, para se montar uma ferramenta confiável para análise de informação se faz necessário ter equipamentos (hardwares) e, principalmente, sistemas de informação (softwares) compatíveis à estrutura e necessidade da sua empresa. 3.2 FERRAMENTAS DE BUSINESS INTELLIGENCE As primeiras ferramentas de Business Intelligence surgiram por volta dos anos 70 e se caracterizavam por usar intensa e exaustiva programação, o que exigia altos custos de implantação. Com a evolução tecnológica e o consequente surgimento dos bancos de dados relacionais, dos computadores pessoais, das interfaces gráficas, e da consolidação do modelo cliente/servidor, os fornecedores de soluções começaram a colocar no mercado produtos realmente direcionados para os analistas de negócios, bem mais amigáveis e acessíveis para os gerentes e diretores das diferentes áreas da corporação. Com isso, a "família" Business Intelligence cresceu e multiplicou-se. Hoje, a variedade de produtos que acomodam o Business Intelligence é muito grande e continua em constante evolução. No atual leque de ofertas, encontram-se desde pacotes configuráveis, até ferramentas isoladas e inclusive soluções que permitem às empresas se aventurarem no desenvolvimento de um sistema totalmente caseiro. O que esses sistemas têm em comum é a característica de facilitar a transformação dos dados em informações de forma a auxiliar os diversos níveis de uma empresa na tomada de decisões. No rol das ferramentas de Business Intelligence, é possível encontrar desde simples planilhas eletrônicas, geradores de relatórios, sistemas de apoio à decisão (DSS - Decision Support Systems), EIS (Executive Information System), ferramentas OLAP (Online Analytical Processing), até soluções mais sofisticadas, como as ferramentas de back end (retaguarda) com os ETLs (Extract, Transform and Load - extração, transformação e limpeza/carga), metadados, BPM (Business Performace Monitoring) e Data Mining. Qual delas utilizar dependerá basicamente da necessidade específica de cada empresa e da sua capacidade de investimento. O que os gestores de Business Intelligence das corporações devem ter em mente é adotar ferramentas que permitam acessar detalhes das bases volumosas de dados, com o menor custo de propriedade e mantendo o desempenho, sem perder a integração. Na avaliação dos consultores de mercado, não são apenas as grandes corporações que precisam e investem em soluções de Business Intelligence, mas também as empresas de pequenos e médios portes que cada vez mais necessitam injetar inteligência aos negócios para não perder pontos para a concorrência e, ainda, para visualizar novas oportunidades e para ampliar sua área de atuação. À medida que a tecnologia da informação evolui, as ferramentas de Business Intelligence vão sendo rebatizadas e reagrupadas. Soluções anteriormente denominadas EIS e DSS acabaram sendo incorporadas em outras ferramentas e, mesmo quando oferecidas em separado, recebem outras denominações das respectivas fornecedoras para ganhar um ar de modernidade. Mas para uma melhor compreensão desse grande universo, vamos conceituar algumas dessas ferramentas e suas principais características: 3.2.1 Data Warehouse - DW Segundo Date (2004) “Data Warehouse (que no português significa literalmente armazém de dados) é um deposito de dados orientado por assunto, integrado, não volátil, variável com o tempo, para apoiar as decisões gerenciais”. Refere-se aos sistemas transacionais organizados em uma determinada aplicação de uma empresa. A orientação por assunto é uma característica importante, pois toda a modelagem do Data Warehouse é orientada a partir dos principais assuntos da empresa. Por exemplo, uma empresa de arrecadação de impostos, onde os principais assuntos são os cadastros de contribuintes, impostos a recolher. 3.2.1.1 Integrado Essa é a característica mais importante do Data Warehouse, pois trata da integração, que é feita do ambiente operacional para as aplicações do Data Warehouse. A integração é realizada visando padronizar os dados dos diversos sistemas em uma única representação, para serem transferidos para a base de dados única do Data Warehouse. 3.2.1.2 Não volátil Nos sistemas transacionais os dados sofrem diversas alterações como, por exemplo, a inclusão, alteração e exclusão de dados. No ambiente do Data Warehouse os dados, antes de serem carregados, são filtrados e limpos “gerando informação”. Após esta etapa esses dados sofrem somente operações de consulta e exclusão, sem que possam ser alterados, e esta característica representa a não volatilidade. 3.2.1.3 Variável com o tempo A variação em relação ao tempo consiste na manutenção de um histórico de dados em relação ao período de tempo maior que dos sistemas comuns, isto significa que as técnicas de mineração de dados não são aplicadas em tempo real, de forma a não comprometer o desempenho dos bancos transacionais OLTP (On- line Transaction Processing). Ao analisar um dado de um Data Warehouse, o mesmo sempre estará relacionado a um período determinado de tempo, pois terá uma chave de tempo que irá indicar o dia no qual esses dados foram extraídos. O Data Warehouse consiste a junção de diversas tecnologias que permitem fazer consulta no banco de dados, para posterior análise das informações. Devido ao ambiente projetado, o Data Warehouse tem uma única fonte de dados, que facilita muito o trabalho do analista, porque os dados que lá existem estão tratados e não há redundância das informações. 3.2.2 Elementos básicos do DW Abaixo podemos visualizar os elementos básicos que compõem as arquiteturas de um Data Warehouse. Figura 1: Estrutura básica de um Data Warehouse. Sistema transacional da empresa pode ser composto por diversas formas de dados. 3.2.2.1 Data Stage Composta por uma área de armazenagem e um conjunto de processos. Sua função é extrair os dados dos sistemas transacionais, proceder à limpeza, a transformação, combinação, de duplicação e preparaçãodos dados para o uso no Data Warehouse. Estes dados não são apresentados ao usuário final. 3.2.2.2 Servidor de apresentação Ambiente onde os dados são organizados e armazenados para consulta direta pelos usuários finais. Normalmente os dados estão disponíveis nestes servidores em bancos de dados relacionais, mas também podem estar armazenados em tecnologia OLAP (OnLine Analytical Processing ) já que muitos Data Marts trabalham apenas com dados no modelo dimensional. 3.2.2.3 Datamart O Datamart é um subconjunto de informações existentes num Data Warehouse, cujo desenho é elaborado de tal forma a entender a um segmento ou unidade de uma organização, vide Figura 02. Dessa forma ele faz parte da estratégia adotada no Data Warehouse. São considerados como Data Warehouses departamentais, nos quais os dados são ajustados aos requisitos de cada área ou departamento. Figura 2: Demonstração de um Datamart. O Datamart é composto pelos seguintes itens: 1. Camada do banco de dados transacional, em que os dados da empresa são propriamente armazenados. 2. Camada do Data Warehouse, um repositório de dados históricos com informações detalhadas. 3. Camada do Data Mart, que são conjuntos de tabelas estruturadas, alimentadas pela segunda camada. Veja o diagrama apresentado na Figura 03. Figura 3: Disposição dos Data Marts. Segundo Fabio Primak (2008), define que, “Algumas vezes, projetos que começam como Data Warehouses se transformam em Data Marts. Quando as organizações acumulam grandes volumes de dados históricos para suporte à decisão que se mostram pouco ou nunca utilizados, elas podem reduzir o armazenamento ou arquivamento de informações e contrair o seu Data Warehouse em um Data Mart mais focado. Ou elas podem dividir o Data Warehouse em vários Data Marts, oferecendo tempos de resposta mais rápidos, acesso mais fácil e menos complexidade para os usuários finais”. Esta nota demonstra que não só no inicio do Data Warehouse é manipulável o Data Mart, mas também é possível após sua criação a manipulação até mesmo a transformação do Data Warehouse em um Data Mart mais concentrado e veloz. 3.3 OLAP Dentre as ferramentas envolvidas na apresentação dos dados de um Data Warehouse Data Mart, destaca-se a tecnologia denominada OLAP - On-line Analytical Processing, que se caracteriza por transformar dados em informações eficientes, dinâmicas e flexíveis. O Conselho OLAP, define esta tecnologia como “a categoria da tecnologia de software que permite que analistas, gerentes e executivos obtenham, de maneira rápida, consistente e interativa, acesso a uma variedade de visualizações possíveis de informações que foi transformada de dados puros para refletir a dimensão real do empreendimento do ponto de vista do usuário”. O objetivo de uma ferramenta OLAP é transformar dados em informações capazes de dar suporte a decisões gerenciais de forma flexível e em tempo hábil. De acordo com as ferramentas OLAP permitem ao usuário, navegar entre diferentes granularidades de um cubo de dados. Para isto, são utilizadas operações que procuram responder inúmeras questões gerenciais, dentre estas operações destacam-se: Drill-across, Drill-down, Drill-up, Slice-dice, Drill-through, Pivoting e ad- hoc,São elas as responsáveis por permitir a navegação do usuário nas tabelas de fatos e dimensões existentes. As aplicações baseadas em processamento analítico “on-line Analytical Processing” (OLAP) são comumente chamadas de aplicações sobre o negócio. As aplicações sobre o negócio analisam as informações obtidas através das aplicações operacionais, ajudando executivos e altos gerentes a interpretar mudanças na realidade de negócio e, assim, mudar as regras de negócio da empresa vide figura. 3.3.1 Operações básicas OLAP As ferramentas OLAP são as aplicações às quais os usuários finais têm acesso para extrair os dados de suas bases e construir os relatórios capazes de responder ás suas questões gerenciais. Segundo Felipe Neri (2007), “estas ferramentas surgiram juntamente com os sistemas de apoio á decisão para fazerem a consulta e análise dos dados dos Data Warehouse e Data Marts”. A funcionalidade de uma ferramenta OLAP é caracterizada pela análise multidimensional dinâmica dos dados, apoiando o usuário final nas suas atividades. Quatro tipos de operação são utilizados em OLAP para analisar dados. Estas operações que são denominadas de drill utilizam a navegação nos dados, modificando o nível de granularidade da consulta. Para navegar nas dimensões nos utilizamos das operações de slice and dice. • Drill-dow e Drill-up: O drill down ocorre quando o usuário aumenta o nível de detalhe da informação, diminuindo o nível de granularidade. O drill up ou roll up é o contrário. Ele ocorre quando o usuário aumenta o nível de granularidade, diminuindo o nível de detalhamento da informação. • Drill Across: Ocorre quando o usuário pula um nível intermediário dentro de uma mesma dimensão. • Drill Throught: Ocorre quando o usuário passa de uma informação contida em uma dimensão para outra. • Slice and Dice: Slice é a operação que corta o cubo, mas mantém a mesma perspectiva de visualização dos dados. Dice é a mudança de perspectiva da visão. É a extração de um subcubo ou a intercessão de vários slices. 3.4 BENEFÍCIOS DE UM SISTEMA FORMAL DE BUSINESS INTELLIGENCE • Antecipar mudanças no mercado; • Antecipar ações dos competidores; • Descobrir novos ou potenciais competidores; • Aprender com os sucessos e as falhas dos outros; • Conhecer melhor suas possíveis aquisições ou parceiros; • Conhecer novas tecnologias, produtos ou processos que tenham impacto no seu negócio; • Entrar em novos negócios; • Rever suas próprias práticas de negócio; • Auxiliar na implementação de novas ferramentas gerenciais. 3.5 VANTAGENS DO BUSSINES INTELIGENCE Em vez de dedicar tempo à coleta de dados e à preparação de relatórios, as empresas agora concentram-se no que as informações revelam sobre tendências de negócio. Num relatório que contém informações de toda a empresa, cuja preparação exigia até cinco dias, hoje é gerado com um toque no teclado. As equipes agora podem dedicar-se mais à análise crítica de resultados, gerando inteligência. O Business Intelligence aumenta o nível de conhecimento e enriquece as discussões de negócio. Chama-se a atenção para o caráter gradual desse tipo de vantagem – na medida em que os conhecimentos se acumulam, as práticas gerenciais se aprimoram, levando a melhores resultados. Muitos executivos têm receio, pois temem que o novo recurso exponha omissões e erros decisórios, ou até mesmo que venha a substituir pessoas. A ferramenta de Business Intelligence não foi feita para substituir ninguém. Ela apenas auxilia no processo de tomada de decisão. Ela otimiza o tempo dos usuários, garantindo informações mais rápidas e precisas, tornando o gestor mais eficaz. Em caso de erros decisórios, o sistema pode emitir alertas ao executivo, que, por sua vez, poderá explorar as informações até encontrar as causas da falha de desempenho. • Automatização da informação de Mapas de Indicadores, evitando procedimentos manuais e rotineiros, obtendo uma diminuição dos custos operacionais; • Visualização dinâmica cruzada, apresentação disponibilizada em várias perspectivas; • Importação direta de dados de outras aplicações (ex.: Excel, aplicações diversas ou outras bases de dados), para tratamento dessa informação; • Passagem dos dados estáticos para informação dinâmica; • Flexibilização da informação; • Utilização da aplicação por seleção das variáveis de análise (arrastamento e/ou filtragem por um valor determinado dessa variável); • Informação sempre atualizada, mediante definiçãoe parametrização prévia; O Business Intelligence também promete auxiliar os executivos em consultas gerenciais nas áreas de vendas, compras, estoque, faturamento, PCP (Processo e Controle de Produção), custos, finanças, contabilidade, telemarketing, recursos humanos e indicadores de gestão (análise de balanço). A grande vantagem do conceito de Business Inteligence é justamente a capacidade que o sistema possui para ‘traduzir’ os dados armazenados em uma linguagem de fácil assimilação pelo corpo gerencial das empresas. Esse ambiente gerencial geralmente é caracterizado por gráficos que permitem a rápida interpretação de uma situação. Por exemplo, se perguntamos ao sistema quais são os nossos maiores clientes, a ferramenta de Bussines Intelligence imediatamente monta um ranking entre os maiores, aplicando critérios como faturamento, por exemplo. 3.6 EXEMPLO DE APLICAÇÃO DE BUSSINES INTELIGENCE Wall-Mart, uma das maiores cadeias de hipermercados do mundo, consegue reunir informações em tempo real das vendas de 4,5 mil lojas distribuídas pelo mundo, cerca de duas mil delas nos Estados Unidos e, esse tremendo Data Warehouse já se tornou parâmetro até mesmo para o presidente da república e do banco central dos Estados Unidos. Eles consultam semanalmente o presidente do Wall-Mart para tomar conhecimento sobre as vendas da rede, assim eles acompanham o andamento da economia mundial e local. Além disto, o sistema permite identificar as correlações entre produtos que em muito ajudam no Cross Marchandising. Assim os gerentes das lojas experimentam novas posições para os produtos que comprovam fazer as vendas crescer em função de uma relação até então desconhecida. No Wall-Mart, por exemplo, os salgadinhos no caminho da cerveja ou o molho perto dos legumes são fórmulas comprovadas. Antes de aprofundar a discussão acerca do Business Intelligence é necessário apresentar conceitualmente a diferença entre um sistema transacional e um sistema de apoio à tomada de decisão. É no sistema transacional que ocorrem as transações de negócio, através dos quais se realizam compras, vendas, efetuam- se saques bancários, etc. Ou seja, suas características básicas são: alta velocidade no tempo de resposta, baixo volume de dados envolvidos na transação, sendo que as informações históricas não são relevantes. Por exemplo, um cliente diante de um caixa automático para efetuar um saque bancário, quer que a resposta seja muito rápida. Além disto, o volume de informações envolvidas no saque é relativamente baixo (agência, conta-corrente, senha, valor requisitado, saldo disponível e limite de cheque especial) e não são considerados os dados históricos (se o cliente tem financiamentos, há quanto tempo é cliente, qual é seu saldo médio dos últimos meses). O sistema de apoio à decisão tem características completamente distintas de um sistema transacional, pois se trata de “inteligência” para efetuar campanhas de marketing, elaborar as táticas futuras para o lançamento de novos produtos, etc. Um sistema de apoio à decisão tem como alicerce um Data Warehouse (grande armazém de dados), desvinculado das bases de dados que dão sustentação aos sistemas transacionais. No caso da instituição bancária, um exemplo de sistema de apoio à decisão seria conhecer os potenciais clientes para realizar uma campanha de financiamento de veículos, direcionando uma campanha específica com uma abordagem diferenciada. Neste caso, o banco poderia considerar neste subconjunto de potenciais clientes, somente aqueles que já sejam proprietários de veículos, que tiveram algum tipo de financiamento com o banco nos últimos cinco anos, cujo saldo médio nos últimos 12 meses seja superior a R$300,00 e com a restrição de idade acrescida do prazo de financiamento não poder superar 80 anos. Estas informações estão no Data Warehouse e não na base de dados dos sistemas transacionais. Em função das particularidades do tipo de processamento, o ambiente dos sistemas de Bussines Intelligence deve ser dissociado do ambiente transacional, uma vez que no Bussines Intelligence as pesquisas são complexas e há um volume imenso de informações (dados históricos representam a riqueza da base de dados). Desta forma, o tempo de resposta no Bussines Intelligence pode ser lento. Um exemplo de Bussines Intelligence no Brasil é o Programa Pão de Açúcar Mais, da mesma rede de supermercados. Quando um cliente efetua suas compras, recebe determinada pontuação que lhe dá algumas facilidades/benefícios futuros, porém, o mais importante para o Bussines Intelligence é que o sistema registre seu histórico de consumo no Data Warehouse. Utilizando esta base de dados é possível direcionar campanhas de marketing, como exemplo, fazer uma promoção de azeites estrangeiros para clientes que tenham comprado azeites nacionais nos últimos seis meses. O direcionamento da campanha aumenta o nível de retorno, reduz os custos de divulgação e tende a aumentar a fidelidade do cliente. Deve-se destacar que periodicamente os dados são extraídos dos sistemas transacionais para serem armazenados no Data Warehouse. Estas ferramentas para criação e manutenção dos Data Warehouses chamam-se ETL (extract, transform and load), que representa a extração dos dados dos vários sistemas transacionais, a transformação (padronização) e carga dos dados no Data Warehouse. Outro exemplo seria uma empresa de tratamento e distribuição de água, que tem como seu principal sistema transacional, a leitura mensal do consumo do usuário, a emissão do boleto e o controle dos pagamentos recebidos. Em termos de Bussines Intelligence, o sistema de apoio à decisão poderia efetuar a análise de consumo médio mensal de água por bairro de uma determinada cidade dos últimos dois anos, possibilitando a criação de campanhas educativas direcionadas para redução do consumo e desperdícios. Em seguida, poder-se-ia analisar o índice de retorno da mesma campanha, com base no consumo médio observado no período pós-campanha. Se cada campanha utilizasse meios de divulgação distintos (por exemplo; emissoras de rádio AM e FM, TVs aberta e por assinatura, jornais, revistas, etc.), seria possível medir qual mídia tem a melhor relação custo-benefício para este tipo de campanha. Na área de saúde, o dia-a-dia das Unidades Básicas de Saúde é atender a população gratuitamente, realizando consultas, exames, aplicando vacinas e injeções, fazendo curativos e fornecendo medicamentos básicos. Com uma consistente base de dados histórica é possível fazer análise epidemiológica, por bairro, por tipo de doença, por serviço prestado. Assim, é possível definir um conjunto de ações efetivas (preventivas ou corretivas), que traga significativos benefícios à saúde do cidadão com custos reduzidos para os municípios. De modo análogo, o Estado poderia atuar com efetividade nas áreas de segurança pública e educação, utilizando-se do Bussines Intelligence. Ou seja, a tecnologia está disponível, há ferramentas poderosas e há também, profissionais altamente qualificados no nosso país que poderiam implantar tais soluções. Entretanto, o que falta, neste caso, é vontade política e visão de longo prazo. 4 CONCLUSÃO O Data Warehouse e demais tecnologias relacionadas mostram-se ferramentas muito interessantes para empresas que possuem grandes volumes de dados gerados e acumulados durante sua existência e necessitam utilizar estes dados de uma forma que eles possam auxiliar os administradores destas empresas a tomarem decisões estratégicas rápidas e com segurança. Atualmente, não é difícil de perceber que os sistemas de Business Intelligence das empresas são essenciais para a tomada de decisões. Neste contexto, pode-se dizer que Data Warehouse tornou-se a ferramentaprincipal para o trabalho das empresas e que as maiorias das informações para tomada de decisão são extraídas dos sistemas de apoio à tomada de decisão. O Business Intelligence proporciona a visualização das informações em vários níveis de detalhamento, possibilitando a empresa um maior controle de seus negócios, podendo tomar decisões mais rápidas e seguras. Definitivamente, tais sistemas constituem um auxílio inestimável no processo de tomada de decisões das organizações, o que facilita a vida sócio-econômica da empresa e de seus clientes. REFERENCIAS BIBLIOGRÁFICAS Data Warehousing Review, Data warehouse Disponível em: <http://www.dwreview.com/dw_overview.html >, Acessado em 06/06/2015. DATE, C. J. Introdução a Sistemas de Bancos de Dados. 8ª Ed., Rio de Janeiro: Campus, 2004. INMON, W. H. Building the Data Warehouse, Fourth Edition. Indianápolis EUA: Wiley Publishing, 2005. KIMBALL, R; MERZ, R. Data Webhouse: Construindo o Data Warehouse para a Web. Tradução: Edson Furmankiewicz, Joana Figueiredo. 1. ed. Rio de Janeiro: Campus, 2000. Laudon & Laudon. Gerenciamento de Sistemas de Informação. 3ª Edição. Editora LTC. Rio de Janeiro, 2001. POZZEBON, M; FREITAS, H. M.R. de; PETRINI, M. PELA INTEGRAÇÃO DA INTELIGÊNCIA COMPETITIVA NOS ENTERPRISE INFORMATION SYSTEMS (EIS), inf., Brasília, 1997. PRIMAK, V. F. DECISÕES COM B.I. (BUSINESS INTELLIGENCE),Ed. Ciência Moderna, 2008.
Compartilhar