1 Introdução DW - banco de dados

Prévia do material em texto

Introdução Data Warehouse 
 
 
Por que Projeto de Data Warehouse 
 
 Durante anos, temos desenvolvido sistemas aplicativos 
transacionais. 
 
 O foco das técnicas estruturas manteve uma busca 
incessante pela qualidade de software, sempre à procura da 
aplicação perfeita, com nível de erro mínimo, rotinas 
exaustivas de testes, banco de dados e por aí vai. 
 
 
3 
Por que Projeto de Data Warehouse 
 
 Mas sempre na busca de estabelecer elementos de controle 
operacional para a empresa. Sempre com direcionamento para 
automação de processos. 
 Surge agora a necessidade de Business intelligence. 
 Surge agora? 
 
 
 
 
4 
A Necessidade 
 
 Não. Em verdade, essa necessidade sempre existiu. As 
falhas estruturais, os custos de desenvolvimentos de sistemas, 
entre outros, sempre deixaram para o último lugar as 
necessidades executivas de informação. 
 
 Com a dificuldade de entender a diferença entre 
INFORMAÇÃO e DADO. Esta dificuldade traz, como 
consequência direta, problemas na especificação e modelagem 
de um sistema. 
 
 
 
5 
A Necessidade 
 
 A informação acrescenta algo mais que o simples dado. 
 Dado, por definição, é um valor relativo a descrever um 
objeto a descrever um objeto de interesse, algo que descreve 
uma atividade, uma pessoa, alguma coisa estática. 
 Na realidade , uma informação num caso médico é mais 
do que um dado. 
 
 
 
6 
A Necessidade 
 
 Analisemos um exame de rotina de um médico: 
 Mede-se a pressão arterial. Obtêm-se dados: valor da 
máxima e da mínima, popularmente falando. 
 O normal de um analista de sistema é projetar um sistema 
para armazenar e manipular esses dados sob várias formas. 
Entretanto, não tratamos a informação. 
 Não extraímos a informação de modo sistêmico. 
 
 
 
 
7 
A Motivação 
 
 Qual é a tendência de saúde do cliente em função dos 
dados históricos de pressão arterial? 
 Vai ter um enfarto! Possui uma saúde cardíaca boa! Etc. 
 Estas sentenças são informações e podem ser projetadas 
para controle por meio de aplicações de sistemas. Daí o 
surgimento de Armazém de Dados, a fonte de informações, e 
seus corredores e prateleiras organizados por tipo de dados, 
áreas de interesse do dado, e o acesso irrestrito à corporação, o 
foco corporativo. 
 
 
 
8 
A Motivação 
 
 O termo Inteligência de Negócios, ou Inteligência 
Empresarial, como se diz em Portugal, ou Business Intelligence 
(BI), é o conjunto de tecnologias orientadas a disponibilizar 
informação e conhecimento em uma empresa. 
 
 Sob BI situam-se as tecnologias de Customer Relationship 
Management (CRM), Knowledge Management (KM) e Data 
Warehouse (DW). 
 
9 
A Motivação 
 
 Assim como tivemos o bug do milênio, na realidade do 
fim do milênio, que teve como causa a economia de espaço em 
meios magnéticos (discos), em função da tecnologias de storage 
do início da era da informática, esta mesma causa nos 
condenou a não manter bases de dados históricos superiores 
ao ano em curso nos meios de armazenamento e acesso 
rápido. 
 Como resultado dessa economia, a história das operações 
de negócio das empresas ficou armazenada, mas de difícil 
acesso e disponibilidade. 
10 
 Data Warehouse 
 
 Como tratar informações, se normalmente elas são 
resultados de processamento de séries históricas de dados? 
 
 Praticamente impossível e lento, e considerando o back 
log de aplicações de controle de operações sempre existente, 
independente das metodologias de desenvolvimento 
aplicadas. 
 
 
11 
 Data Warehouse 
 
 Desta forma os executivos de decisão das empresas 
obtiveram, nas décadas de 1980 e 1990, os sistemas 
denominados Executivo Information System (EIS). Entretanto, 
esses sistemas sempre foram dirigidos para o período de 
tempo atual, no gerenciamento das crises, do emergencial, do 
momento. 
 
 
12 
 Data Warehouse 
 
 Serviram aos seus propósitos como continuam servindo, 
mas não suportam os processos de análises estratégica. 
 
 O que deseja o executivo? 
 Conhecer seus clientes e seu mercado em primeiro lugar. 
 
13 
 CRM 
 
 Neste ponto entra o CRM (Customer Relationship 
Managemente). 
 Os pontos principais desse relacionamento diferenciado 
com o cliente centram-se em algumas afirmativas: 
• Identificar o cliente. 
• Diferenciar o cliente. 
• Interagir com o cliente. 
• Personalizar o contato com o cliente. 
14 
 CRM 
 
 Tudo isso em busca de “Tratar clientes diferentes de 
forma diferente” 
 Conhecer suas preferências, seus dados pessoais, sua 
moeda de negócios, seu nome etc. 
 Isso só é possível se possuirmos informações amplas sobre 
o cliente e acesso fácil a elas. 
 Operacionalmente são utilizados diversos instrumentos 
para esta finalidade: 
 15 
 CRM 
 
 Web. 
 Call center: atendimento a clientes. 
 Automação de força de vendas: informação por meio dos 
vendedores de forma automatizada e conectividade. 
 Telemarketing: contato com o cliente em busca de 
negócios. 
 Gerenciamento de campanhas de marketing 
 
16 
 CRM 
 
 Entretanto, o resultado desse CRM operacional deve 
permitir a criação de bases de informações para a realização 
do que podemos denominar de CRM analítico. 
 
 Devemos possuir um armazém de dados para permitir 
que se realize análises tais como: 
 
17 
 CRM 
 
• Segmentação de clientes 
• Análise de Campanhas 
• Análise de Vendas 
• Análise de Fidelidade 
• Lucratividade 
• Desempenho de Negócios 
• Análise de atendimento ao cliente 
 
18 
 CRM 
 
 Na realidade, tudo que se fala em CRM é uma busca para: 
 
 Obter clientes. 
 Manter clientes. 
 Desenvolver clientes. 
 
 
 Para a obtenção do resultado desejado, é necessária a 
utilização de tecnologia de Data Warehouse. 
19 
 Data Warehouse 
 
 Construir armazéns de dados onde a história da empresa, 
seus clientes fornecedores e operações se mantivessem 
disponíveis e acessíveis para consultas e análise. 
 
 
 
20 
 Data Warehouse 
 
 Para que se possibilitassem as consultas, surgiram as 
ferramentas de conceito OLAP (On-line Analytical Processing) que, 
traduzidas para a realidade, nada mais fazem que permitir a 
análise dos dados e descoberta das informações antes 
inimagináveis, disponibilizar a visualização dos dados sob 
diversas perspectivas, a capacidade de navegar no nível de 
detalhe da informação. 
 
 
 
21 
 Data Warehouse 
 
 Mas não basta termos experiência em projeto de sistemas 
operacionais, orientados a transação de negócios. 
 O mais importante é que para projetarmos esses 
ambientes de Data Warehouse devemos mudar a nossa forma 
acadêmica de pensar sistemas. 
 Não podemos projetar um novo ambiente de Data 
Warehouse pensando em consistência entre dados que entram; 
integridade referencial já não é mais a nossa preocupação maior. 
 
 
 
22 
 Data Warehouse 
 
 Como então projetar sistemas para usuários que têm 
menos tempo de fornecer suas necessidades que os usuários 
tradicionais? 
 Estatísticas mundiais mostram que o tempo gasto 
com a obtenção e análise dos dados para a tomada de decisão é 
significativamente menor quando da existência de aplicações 
estratégicas de Data Warehouse, permitindo que a tomada de 
decisão seja mais calculada e precisa. 
 
 
23 
 Data Warehouse 
 
 As respostasa simples perguntas como: 
• Quem são os meus clientes mais rentáveis? 
• Quais são os melhores segmentos de clientes para um 
novo produto ou serviço? 
• Como posso gerenciar melhor minhas campanhas de 
marketing direto e aumentar sua eficiência? 
 São difíceis de dar, e muitas vezes não são respondidas, 
ou são de forma empírica, sem base de dados suficiente para a 
tomada de decisão. 
 
24 
 Data Warehouse 
 
 
25 
 Como Realizar BI 
 
 Em primeiro lugar devemos recuperar os dados históricos 
da empresa. Isso significa buscar cópias das bases de dados 
superiores, há dois anos inclusive. 
 Descobrir as necessidade de informação, indicadores de 
negócio da empresa. 
 Aqui um parêntese: ”É necessário” que quem solicita o 
DW possua conhecimento sobre quais são efetivamente os 
indicadores de negócios utilizados em planejamento estratégico e 
operacional de sua organização. Ex.: taxa de devolução mensal 
de produtos. 
26 
 Como Realizar BI 
 
 Projetar banco de dados para armazenar essas 
informações. 
 Disponibilizar os dados históricos para um processo de 
extração, limpeza, transformação e carga de um Data 
Warehouse. 
 Executar esses processos. 
 Utilizar uma ferramenta de EIS ou DSS. 
 Este é um projeto de Data Warehouse em poucas palavras. 
 Data Warehouse é uma arquitetura, não uma tecnologia. 27 
 Como Realizar BI 
 
 
28 
 Como Realizar BI 
 
• O resultado de um projeto de Data warehouse é: 
• Informação disponível para gestão. 
• Visão de curvas de comportamento. 
• Agilidade de ferramentas para apoio à decisão. 
• Segurança de informações para decisão. 
• Maior abrangência de visão de indicadores. 
• Recursos mais abrangentes para análise de negócios. 
• Necessidades e expectativas executivas atendidas por 
tecnologias da informação. 
 
29 
A importância da Modelagem Multidimensional 
 
 A modelagem multidimensional é a técnica estruturada 
desenvolvida para obtenção de modelos de dados de simples 
entendimento e alta performance de acesso aos dados. 
 
 Como um Data Warehouse é um banco de dados 
orientado somente para a consulta de seus dados, a orientação da 
técnica criou os denominados modelos estrelas como o 
apresentado na figura abaixo. 
 
30 
A importância da Modelagem Multidimensional 
 
31