Business Intelligence Artigo

Prévia do material em texto

Um estudo do Business Intelligence e suas vertentes
Aluno: Artur Vinícius Galvão de Araújo
	 Gutembergue Dantas
	 Julia Caroline Felix De Souza
	 Karina Emannuella Alves dos Santos
Professor: Sérgio Ramiro Rivero Guardia
Currais Novos, Outubro de 2015�
SUMÁRIO
INTRODUÇÃO	5
HISTÓRICO	6
EVOLUÇÃO DAS ANÁLISES	7
MÉTRICAS (KPI)	9
Identificando indicadores	9
 Categorias de indicadores	9
FERRAMENTAS DE BI, PLATAFORMAS E PERFIS DE USUÁRIOS	10
CARACTERISTICAS DO BUSINESS INTELLIGENCE	11
OBJETIVOS DO BI	11
VANTAGENS E DESVANTAGENS DO BI	13
TIPOS DE APLICAÇÃO DE SOFTWARE	14
Data Warehouse	14
 OLAP (Online Analytical Processing) 	15
Data Mining	16
IMPLEMENTANDO O BI	17
BI X ERP	18
Quais são as ligações entre esses dois sistemas?	20
 Vantagens da ligação do BI com o ERP	20
O FUTURO DO BUSINESS INTELLIGENCE	21
CASOS DE SUCESSO	22
Vivo utiliza Bi para gerenciar informações em tempo real	22
 Banco da Patagônia	23
CONSIDERAÇÕES FINAIS	23
REFERÊNCIAS	25
RESUMO
Este estudo está voltado para a compreensão da metodologia do Business Intelligence como auxiliador para as tomadas de decisão que são cruciais para a movimentação estratégica no mercado de negócios, porem para se chegar a estas medidas decisórias é necessário olhar em volta e especialmente para dentro da empresa.
Definindo o conhecimento da metodologia do Business Intelligence como diferencial para concorrer no mercado, é possível utilizar desta tecnologia para angariar particularidades nas ações da empresa em meio a tantas outras, garantindo com isto sua fatia de mercado.
Palavras-chave: tomadas de decisão, Business Intelligence, metodologia.
 ABSTRACT
This study is focused on understanding the methodology of business intelligence as an aid for decision making which are crucial for handling strategic marketing business, but to reach these decisions need look around and especially into the company. Defining the knowledge of the methodology of the Business Intelligence and differential to compete in the market, you can use this technology to gain features in the actions of the company in the midst of so many other things, with ensuring that their market share.
Keywords: decision-making, Business Intelligence, methodology.
INTRODUÇÃO
Business Intelligence, que pode ser traduzido como Inteligência de Negócios ou Inteligência Empresarial, é um conjunto de metodologias de gestão implementadas através de ferramentas de software, cuja função é proporcionar ganhos nos processos decisórios gerenciais e da alta administração das organizações. Baseando-se principalmente na capacidade analítica das ferramentas que integram em um só lugar todas as informações necessárias ao processo decisório.
O termo Business Intelligence foi criado pelo Gartner Group (consultoria de pesquisa de mercador na área de tecnologia da informação) nos anos 80. 
Tipicamente as organizações recolhem informações a fim de avaliar o ambiente de negócio, e converter campos como pesquisa de marketing, pesquisa de indústria e mercado, e analise de competidores. Organizações competitivas acumulam Business Intelligence a fim de obter vantagens competitivas sustentáveis, e podem considerar inteligência como um núcleo de competência valioso em algumas instâncias.
Pessoas envolvidas em processos de Business Intelligence podem usar aplicações de software e outras tecnologias para recolher, armazenar, analisar, e prover acesso ao dado. Alguns observadores consideram BI como o processo de transformar dados em informação e posteriormente em conhecimento (ver Figura 1). Ferramentas de software ajudam pessoas a tomarem “melhores” decisões de negócios através de informações precisas, atuais, e relevantes disponíveis quando elas assim necessitarem.
Geralmente, coletores de Business Intelligence recolhem suas informações primarias de fontes internas ao negócio. Tais fontes ajudam os responsáveis por tomarem as decisões a entender quão bem eles agiram. Fontes secundárias de informações são formadas pelas necessidades dos clientes, processos de tomada de decisão dos clientes, a competição e as pressões dos competidores, as condições das indústrias relevantes, e em geral as tendências econômicas, tecnológicas e culturais.
Cada sistema de BI tem um objetivo específico, que deriva dos objetivos da organização ou de uma indicação visionária. Tanto os objetivos de curto prazo (tais como os números trimestrais de Wall Street) como os objetivos de longo prazo (tais como valor acionista, a parte/tamanho da industria alvo) existem.
Sendo assim espionagem industrial pode oferecer Business Intelligence utilizando técnicas secretas. Existe uma área sombria entre Business Intelligence “normal” e espionagem industrial.
Gerenciamento de performance de negócio oferecem software orientado a sistemas de Business Intelligence que alguns vêem como a nova geração de Business Intelligence, pensando bem muitas pessoas nessa área utilizam esses termos misturados.	
�
Figura 1
HISTÓRICO
Uma referência precoce indireta a Business Intelligence aparece em “Sun Tzu’s Art of War”. Sun Tzu diz que para obter sucesso na guerra, deve-se ter total conhecimento de suas próprias virtudes e fraquezas, assim como total conhecimento das principais virtudes e fraquezas de seus inimigos. A falta de um destes resulta na derrota. Uma certa corrente de pensadores estabelece um paralelo entre os desafios de negócios e de guerra, especificamente:
Coletando dados;
Enxergando padrões e significado nos dados (gerando informação);
Respondendo a informação resultante;
Antes do começo da era da informação no século 20, os negócios algumas vezes enfrentavam problemas com o esforço para obter informações de fontes não-automáticas. Faltavam aos negócios recursos computacionais para analisar corretamente os dados e quase sempre tomaram decisões comerciais primárias baseadas apenas na intuição.
Quando os negócios começaram a automatizar mais e mais sistemas, mais e mais dados se tornaram disponíveis. Entretanto, as coleções representaram um desafio devido à falta de infra-estrutura para que os dados possam ser alterados ou a incompatibilidade entre os sistemas. Os relatórios dos dados recolhidos às vezes necessitam de meses para serem gerados. Tais relatórios permitiram formar estratégias de longo prazo para tomada de decisão. Mesmo assim táticas de tomada de decisão à curto prazo continuam sendo realizadas tendo como base a intuição.
Nos negócios modernos, os padrões, a automação, e as tecnologias crescentes conduziram para que cada vez mais dados fossem disponibilizados. Tecnologias de Data Warehouse possui um conjunto de repositórios para armazenar esses dados. ETL melhoradas e recentemente Enterprise Application Integration tem aumentado a velocidade de coleta de dados. OLAP mostra tecnologias que tem permitido gerar novos relatórios mais rapidamente que analisam os dados. Business Intelligence tem se tornado a arte de tratar grandes quantidades de dados, extraindo informações e transformando esta informação em conhecimento de ação.
Em 1989 Howard Dresner, um companheiro de pesquisa do Gartner Group popularizou “BI” como um termo guarda-chuva para descrever um conjunto de conceitos e métodos para melhorar as tomadas de decisões de negócios usando uma base de fatos de um sistema de suporte. Dresner deixou o Gartner Group em 2005 e se juntou ao Hyperion Solutions como seu Chefe Oficial de Estratégia. 
A EVOLUÇÃO DAS ANÁLISES
Com a evolução das necessidades, as empresas começaram a perceber que poderiam analisar de forma otimiza da seus dados, ou seja, descobriram que poderiam incrementar seus recursos de Business Intelligence.
Nasce um novo conceito para a tecnologia da informação, aonde os sistemas informatizados passarama pertencer a dois grupos: Sistemas que tratam o negócio: dão suporte ao dia a dia do negócio da empresa, garantem a operação da empresa, e são chamados de Sistemas Transacionais; e sistemas que analisam o negócio: Sistemas que ajudam a interpretar o que ocorreu e a decidir sobre estratégias futuras para a empresa - compreendem os Sistemas de Suporte à Decisão.
Com a chegada de novas ferramentas tecnológicas de análise de informação, os gerentes começaram a exigir dos Sistemas Transacionais respostas às suas solicitações.
Como esses sistemas foram desenvolvidos para garantir a operação da Empresa, não estavam preparados para gerar e armazenaras informações estratégicas necessárias a um Business Intelligence eficiente.
Em atendimento às solicitações dos gestores em relação à deficiência da análise de informação nos sistemas legados, surgiu no mercado os chamados Programas Extratores.
Esses programas extraem informações dos Sistemas Transacionais com o intuito de trabalhá-las em outros ambientes.
Além disso, pelo fato de que os Sistemas Transacionais geravam um grande volume de dados e pela diversidade dos sistemas implanta dos nas em presas as pesquisas realiza d as eram produzidas muito lentamente.
Nos tempos do Clipper e do Cobol fazer um relatório desse nível significava perder muitas horas sobre o computador, pois se fazia necessário que fossem extraídos os d a dos de vários sistemas, muitas vezes esses não conversavam entre si.
Apesar dessas razões, é importante salientar que é possível a prática de Business Intelligence com os sistemas operacionais da empresa, e com outras fonte de dados, como planilhas eletrônicas e dados em papel, mas esse procedimento implica em grande possibilidade de equívocos, já que esses d ados são oriundos de várias fontes independentes, e não possuem entre si relação de integridade.
Outro fator importante que prejudicava as decisões foi a falta de registro dos fatos históricos nos Sistemas Transacionais, pois estes trabalhavam com um a situação instantânea dos negócios.
Para resolver este problema, começou-se a estudar um a forma de se armazenar a informação contida nos sistemas transacionais num a base de dados central, para que houvesse integração total dos dados da empresa.
O nome dado a essa modalidade de Sistema de Apoio à Decisão foi o Data Warehouse, ou em português, Armazém de Dados.
Cabe ressaltar que as perspectivas e técnicas necessárias para projetar o Data Warehouse são profundamente diferente dos Sistemas Transacionais.
Os usuários, o conteúdo dos dados, a estrutura dos dados, o hardware e o software, a administração, o gerenciamento dos sistemas, o ritmo diário, as solicitações, as respostas e o volume de informações são diferentes.
MÉTRICAS (KPI)
Key Performance Indicators (KPI), que também é conhecido como Key Success Indicators (KSI) é uma métrica financeira e não financeira de avaliar os fatores de sucesso crítico de uma organização. São usados em Business Intelligence para avaliar o estado atual do negócio e para descrever o curso das ações. O KPI geralmente difere dependendo da natureza da organização ao qual está sendo aplicado. Ele ajuda a organização a medir os seus progressos para compará-los com os objetivos da organização.
4.1. Identificando Indicadores
Indicadores de performance diferem entre si de acordo com os interesses e objetivos organizacionais. Uma escola pode considera o nível de graduação de seus alunos como uma Key Performance Indicator que pode ajudar a escola a sua posição na comunidade educacional, assim como um negócio pode considerar a percentagem de renda proveniente de um cliente como uma KPI.
Porém é necessário que a organização ao menos identifique estes KPI’s. As situações chave que devem ser analisadas corretamente antes de identificar os KPI’s são:
Tendo um processo de negócio pré-definido;
Tendo requisitos claros de objetivos/perfomance para o processo de negócio;
Tendo a medida quantitativa/qualitativa dos resultados e comparando com o conjunto de objetivos;
Investigando variações e conseguir recursos pra objetivos de longo prazo.
4.2. Categorias de indicadores
	Key Performance Indicators definem um conjunto de valores usados para medir o desempenho. Esse conjunto de valores crus que alimentam o sistema para sumarizar informações são chamados indicadores. Indicadores que são identificáveis como possíveis candidatos para KPI podem ser sumarizados nas sub-categorias seguintes:
Indicadores quantitativos que podem ser representados por números.
Indicadores práticos que interagem com processos de companhias existentes.
Indicadores direcionais que especificam se uma organização está começando bem ou não.
Indicadores de ação são suficientes em um controle de uma organização a fim de promover mudanças.
FERRAMENTAS DE BI, PLATAFORMAS E PERFIS DE USUÁRIOS	
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 implementação. Com a evolução tecnológica e o consequente surgimento dos bancos de dados relacionais, dos personal computers, 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 m ais amigáveis e acessíveis para os gerentes e diretores das diferentes áreas da corporação.
Com isso, a "família" BI cresceu e multiplicou-se. Hoje, a variedade de produtos que se acomodam sob o imenso guarda-chuva batizado de 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 em presas 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 o diversos níveis de uma em presa na tomada de decisões.
No rol das ferramentas de BI figuram desde simples planilhas eletrônicas, geradores de queries (consultas) e relatórios, sistemas de apoio decisão (DSS - Decision Support Systems), EIS (Executive Information System), ferramentas OLAP (Online Analytical Processing) - e suas derivadas como ROLAP, MOLAP, HOLAP e DOLAP -, até soluções mais sofisticadas, como as ferramentas de back end (retaguarda) - as ETL (Extract, Transform and Load - extração, transformação e limpeza/carga), Data Mart e Data Mining.
A decisão de qual delas utilizar dependerá basicamente da necessidade específica de cada empresa e da sua capacidade de investimento. O que os arquitetos de BI 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 BI, mas também as empresas de pequeno e médio 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.
CARACTERISTICAS DO BUSINESS INTELLIGENCE
Muitas são as vantagens originárias da tecnologia do BI. De acordo com LEME FILHO (2004)�, o ambiente Business Intelligence deve possui as seguintes características básicas:
Extrair e integrar dados de múltiplas fontes;
Analisar informações contextualizadas, num nível de totalização e agrupamento maior;
Identificar relações de causa e efeito;
Desenhar cenários, criar simulações e estudar tendências. 
 	Ou seja, o BI atua de maneira a facilitar os mais diversos processos, buscando sempre gerar a partir dos dados disponíveis, informações que auxiliem no processo decisório das empresas, gerando vantagem competitiva e levando a empresa à concretização dos seus objetivose metas.
OBJETIVOS DO BI
Os principais objetivos do BI são permitir o acesso interativo aos dados, proporcionar a manipulação destes dados e fornecer aos gestores a capacidade de realizar a análise adequada. Ao examinarem os dados, situações e desempenhos históricos e atuais, os tomadores de decisão conseguem uma melhor compreensão dos dados, que podem servir como base para decisões melhores e mais informadas. (TURBAN et. al, 2009).
O BI pode ser usado para ajudar na decisão de uma grande variedade de negócios variando do operacional ao estratégico. Decisões de operações básicas incluem posição do produto ou atribuição de preços. Decisões de estratégia de negócios abrangem prioridades, objetivos e direções do mais amplo nível. Em todos os casos, o BI é mais efetivo quando combinado a dados procedentes do mercado em que uma companhia opera (dados externos) com dados de fontes internas da companhia para os negócios, como dados financeiros ou operacionais (dados internos). Quando os dados externos e internos são combinado pode fornecer um cenário mais completo, na realidade, cria uma “inteligência” que não pode ser derivada por nenhum conjunto de dados. (WIKIPEDIA, 2015)
 Ou seja, a finalidade do Business Intelligence é proporcionar para as empresas inteligência organizacional, capacitando os gestores a perceber e corrigir as causas das possíveis discrepâncias entre o seu desempenho real e o ideal. 
Observemos a seguinte figura:
Fonte: http://pt.slideshare.net/MarcoGarcia/palestra-bi
Para um melhor entendimento da imagem anterior, se faz necessário em primeira instância, a conceituação dos seguintes itens, que segundo RUSSO (2010) define-se como:
Dados: “São sinais que não foram processados, correlacionados, integrados, avaliados ou interpretados de qualquer forma, e, por sua vez, representam a matéria prima a ser utilizada na produção de informações”.
Informações: “Todo dado trabalhado, útil, tratado com valor significativo atribuído ou agregado a ele e com um sentido natural e lógico para quem usa esta informação”.
Conhecimento: “A informação processada por indivíduos. (...) não pode ser desvinculado do indivíduo; está estritamente relacionado com a percepção do mesmo, que codifica. Decodifica, distorce e usa a informação de acordo com suas características pessoais, ou seja, de acordo com seus modelos mentais”.
Nesse contexto, a ferramenta do Business Intelligence vai capturar os dados puros, que até então não geravam significado tão relevantes para organização e vai transforma-los em informações, ando-lhes significados expressivos para o gerenciamento da empresa. Essas informações por sua vez, irão gerar conhecimento que servirão como base para o processo de tomada de decisão.
VANTAGENS E DESVANTAGENS DO BI
Pode dizer-se que as soluções de BI permitem às organizações navegar com ajuda de um sistema de "GPS". Desta forma, conseguem saber onde se encontram no mapa em que navegam, pois monitorizam o seu negócio, avaliam o seu desempenho, gerem o risco do seu negócio e alcançam níveis de performance superiores.
As soluções de BI contemplam atualmente todas as fases do ciclo de gestão, ligando não só as pessoas e a informação, mas também os processos de tomada de decisão. Incorporam software integrado para o planeamento, a orçamentação, o reporting, a análise, o forecasting e o scorecarding, ligado com as aplicações dos processos departamentais e transfuncionais, proporcionando uma visão lógica do negócio ao controlar e unificar fontes de informação em toda a organização - os sistemas operacionais, as bases de dados e outras fontes de dados.
A maior vantagem decorrente da utilização da BI é a uniformização da informação fornecida, permitindo dispor de "uma verdade única" dentro da organização e garantindo que todos trabalham com a mesma realidade, facilitando assim a tomada de decisão. A uniformização da informação fornecida permite uma maior rapidez no acesso à mesma, uma maior fiabilidade da própria informação de negócio, ganhos de eficiência, automatização de processos de análise e de reporting, descentralização do acesso à informação, libertação de recursos, etc.
A única desvantagem será a dependência, porque depois de se começar a recorrer à BI, será muito difícil prescindir destas soluções. 
TIPOS DE APLICAÇÃO DE SOFTWARE
9.1. Data Warehouse
Entende-se Data Warehouse como um sistema computacional responsável por armazenar informação relativa as atividades de uma organização em banco dados, de forma consolidada. A estrutura da base de dados favorece para que possam ser feitos relatórios e análise de grandes volumes de dados e assim obter informações estratégicas que podem facilitar a tomada de decisão.
O processamento de dados em um Data Warehouse é sempre referenciado como Online Analytical Processing (OLAP) ou Processo Analítico em Tempo Real, em contraste com o Online Transaction Processing (OLTP) usado para armazenar as operações de negócios. Outra característica do data warehouse é que os dados não são voláteis, ou seja, eles não mudam, a não ser quando são necessárias correções de dados previamente carregados. Assim sendo, os dados são somente para leitura e não podem ser alterados.
O Data Warehouse possibilita a análise de grandes volumes de dados, armazenados em sistemas transacionais (OLTP). Essas análises são chamadas de séries históricas que possibilitam uma melhor análise de eventos passados para a tomada de decisões presentes e a previsão de eventos futuros.
Os Data Warehouse surgiram como conceito acadêmico na década de 80. Com o amadurecimento dos sistemas de informação empresariais, as necessidades de análise dos dados cresceram paralelamente. Os sistemas OLTP não conseguiram cumprir a tarefa de análise com a simples geração de relatórios. Nesse contexto a implementação do Data Warehouse passou a se tornar realidade nas grandes corporações. O mercado de ferramentas Data Warehouse, que faz parte do mercador de Business Intelligence, cresceu então, e ferramentas melhores e mais sofisticadas foram desenvolvidas para apoiar a estrutura do Data Warehouse e sua utilização.
 	Pela sua capacidade de sumarizar grandes volumes de dados e de possibilitar análises os Data Warehouses são atualmente o núcleo dos sistemas de informação gerenciais e apoio à decisão das principais soluções de Business Intelligence do mercado.
9.2. OLAP (Online Analytical Processing)
	As ferramentas OLAP são geralmente desenvolvidas para trabalhar com bancos de dados, embora existam ferramentas que trabalham com esquemas especiais de armazenamento, como dados normalizados.
	A principal função dessas ferramentas é permitir uma fácil navegação nos dados de um Data Warehouse, possuindo assim uma estrutura adequada tanto para pesquisas como para apresentação das informações.
	Nessas ferramentas de navegação é possível em diferentes níveis de granularidade (detalhamento) de um cubo de dados. Este processo é chamado de Drill que pode ser aumentado pelo usuário (Drill down) ou diminuir (Drill up). Por exemplo um relatório pode estar consolidado por países, fazendo um Drill down nos dados passam a ser apresentados por estados, cidades, bairros e assim sucessivamente até que o menor nível de detalhamento possível seja alcançado na base de dados. Logo o processo de Drill up consolida os dados em níveis superiores, fazendo o caminho inverso do exemplo ou subindo de paises para continentes, por exemplo.
	Outra possibilidade apresentada pela maioria das ferramentas de navegação OLAP é a de rearranjar colunas e linhas. Esse recurso leva o nome de Slice and Dice. Assim é possível trocar a ordem das colunas e linhas bem como suprimi-las ou exibir aquelas que estejam ocultas na visualização dos dados.
	Portanto esta possibilidade de manipular os dados de forma rápida é um dos pontos fortes de um Data Warehouse, fazendo com que os relatórios sejam mais comumente visualizados na tela e não impressos. O analista de informação ou a pessoa que precisa dosdados pode então navegar nas informações do Data Warehouse de várias maneiras e ao final pode imprimir ou salvar uma visão da base de dados para um futura consulta.
	As bases de dados relacionais armazenam entidades em tabelas discretas devidamente normalizadas, por ser um bom tipo de estrutura de dados para base de dados operacionais, porém para consultas complexas esse esquema de multi-tabelas torna-se demasiado lento. Neste caso, um modelo que apresentaria melhores resultados com OLAP seria uma base de dados dimensionais. Assim sendo OLAP funciona de maneira a reestruturar a base de dados relacionais em um esquema de dados dimensionais. Já foi constatado que em consultas complexas as respostas produzidas por OLAP corresponde a 0.1% do tempo das produzidas em uma base de dados relacional.
Data Mining
A definição considerada a mais importante talvez seja a de Usama Fayyad (Fayyad et al. 1996)� “...o processo não trivial de identificar, em dados, padrões válidos, novos, potencialmente úteis e ultimamente compreensíveis”. Existem diversos algoritmos que sustentam esse processo (muitos deles desenvolvidos recentemente) responsáveis por processar e encontrar esses “padrões válidos, novos e valiosos”. Porém com um detalhe que geralmente passa desapercebido, que embora os algoritmos atuais sejam capazes de encontrar padrões “válidos e novos”, ainda não existe uma solução eficaz para determinar esses padrões valiosos. 
Por isso, Data Mining ainda necessita de forte interação com analistas humanos, que são, em última instância, os principais responsáveis pela determinação do valor dos padrões encontrados. Além disso, os analistas também são responsáveis pela condução (direcionamento) da exploração dos dados e esse é um aspecto que deve ser profundamente considerado caso o projeto queira ser bem sucedido.
Uma mineração bem sucedida ocorre a partir de uma fonte de dados (bancos de dados, relatórios, logs de acesso, transações, etc) onde é efetuada uma limpeza (consistência, preenchimento de informações, remoção de ruído e redundância, etc). Deste processo inicial surgem os repositórios organizados (Data Marts e Data Warehouses), que por si só já são úteis de diversas maneiras. Porém é a partir deles que algumas colunas são selecionadas para que o processo de mineração seja aplicado. Nesse momento entra o analista que de forma interativa e com uma frequente visualização gráfica refina e conduz o processo até que os valiosos padrões apareçam. Olhando para este processo tem-se a sensação de que ele indica um hierarquia, algo que começa em instâncias elementares volumosas e convergem para um ponto relativamente concentrado, porém muito valioso. Porém é necessário salientar que o objetivo da mineração é extrair padrões de dados brutos de forma a simplificá-los desconsiderando informações específicas e privilegiando os aspectos genéricos. Então para a mineração não é interessante considerar um dado que mostra que apenas um cliente fez, por exemplo, uma compra de algum produto em grande quantidade, pois esse fato isolado muito provavelmente não indica uma tendência de mercado. Ou seja, não há como explorar essa informação em particular para que a empresa possa lucrar mais no futuro, isso só é possível com o conhecimento genérico.
 IMPLEMENTANDO O BI
Quando for implementar um programa de BI uma boa ideia é fazer uma quantidade considerável de perguntas e assim obter uma quantidade satisfatória de resultados para tomar decisões. Essas perguntas podem ser divididas em 7 passos:
 Passo 1 (Alinhamento com os objetivos): O primeiro passo determina os objetivos do sistema. Ex: Com quais estratégias da empresa o programa trabalhará? A qual missão/visão isto está relacionado?
Passo 2 (Fonte dos dados): O segundo passo determina como a fonte dos dados está presente e disponível na organização. Ex: A organização possui capacidade de monitorar importantes fontes de informações? Que dados são coletados pela organização e como são guardados?
Passo 3 (Custo e Risco): O terceiro passo indica que as consequências financeiras de uma iniciativa de BI devem estimadas. Ex: Quais os riscos de falha desta iniciativa? Como o custo das operações atuais serão comprados com as operações de iniciativa de BI?
Passo 4 (Cliente e Stakeholders): O quarto passo determina quem será beneficiado e quem irá pagar pelo BI. Ex: Quem está interessado em todo o processo direta ou indiretamente? Quais são os benefícios quantitativos e qualitativos?
Passo 5 (Métricas): O quinto passo determina que estes requisitos de informações devem ser operacionalizados em métricas bem definidas. Deve-se definir quais métricas serão usadas por cada informação recuperada.
Passo 6 (Metodologia de medidas de resultados): O sexto passo determina que deve ser estabelecida uma metodologia ou um procedimento para determinar a melhor maneira de medir as métricas. Ex: Existem padrões para isso? É a melhor maneira para se fazer tais medições?
Passo 7 (Resultados): O sétimo passo determina que alguém deve monitorar o sistema de BI para garantir que os objetivos estão sendo alcançados. Ajustes no software devem ser feitos quando necessário. Ele deve ser testado para garantir a validade dos dados e sua consistência. 
 BI X ERP 
As soluções ERP são sistemas modulares que se adaptam às áreas funcionais de uma organização. Tornam mais simples a gestão de uma organização no seu todo, pois é mais prático utilizar apenas um software de gestão, do que múltiplas aplicações sem interoperabilidade. Sendo este um dos seus pontos fortes, muitas organizações investiram numa solução ERP, na expectativa de acabar com alguns dos seus problemas. No entanto, no clima atual de constante mudança, as organizações necessitam de ferramentas melhores para analisar extensivamente dados e gerir melhor os seus negócios. 
Os sistemas BI e ERP têm características distintas, como tal, não se espera que produzam os mesmos efeitos. 
O BI é um sistema online Analytical Processing (OLAP) e baseia-se fundamentalmente em Data Warehouses. DW’s utilizam estruturas de dados diferentes das estruturas normalizadas de entidade- relação (utilizadas no ERP). DWs possibilitam a utilização de modelos de dados multidimensionais que oferecem robustez ao nível dos relatórios, Dashboards, Scorecards entre outros instrumentos de BI que apoiam a tomada de decisão. 
Em comparação, ERP é um Sistema Online Transaction Processing (OLTP), uma arquitetura desenvolvida com o objetivo de proporcionar rapidez na gravação de dados. Contudo, embora as soluções ERP permitam recolher e armazenar dados, a maior parte não proporciona a análise extensiva dos mesmos. A maior parte das soluções ERP utiliza bases de dados relacionais normalizadas e os relatórios que disponibilizam são bidimensionais, que correspondem apenas às necessidades operacionais de uma organização. 
As organizações trabalham com enormes quantidades de dados em múltiplos sistemas. Apesar da maior parte dos dados encontraram-se em aplicações ERP, as tomadas de decisão podem ainda requerer dados de outros sistemas, como por exemplo SCM ou CRM. Como forma de constatação das limitações dos relatórios e funcionalidades de análise de um ERP, as organizações que não possuem ferramentas BI, exportam os dados dos sistemas ERP, CRM, entre outros, e reúnem-nos em folhas de cálculo e outros documentos para convergir e analisar informação, como por exemplo elaborar ou monitorizar um Key Performance Indicator (KPI). Estas fontes de dados não estruturados e convergidas manualmente, são instáveis porque dependem da forma de cálculo empregue, das variáveis consideradas, e estão expostas ao risco de erro humano. Em resultado o mesmo KPI, em diferentes documentos, produzidos por analistas distintos, pode não ter outputs iguais. Com uma ferramenta BI, que recebe dados de um único local (DW), é eliminada a possibilidade de valores distintos para o mesmo KPI. 
Poder-se-ia ainda pensar em trabalhar os dados diretamente na implementação típica de ERP, eassociar as vantagens de um sistema BI ao sistema ERP, mas o volume de dados e recursos computacionais para a sua análise, em paralelo com uma ferramenta analítica no mesmo sistema iria tornar o sistema ERP demasiado lento para as tarefas diárias que são requisitadas pelos utilizadores. Assim, a solução passa pela introdução de uma camada de ferramentas BI numa fase pós- implementação do ERP, a fim de serem processados os volumes de dados promovidos pelo ERP. 
É expectável que os sistemas ERP reduzam custos, através do aumento da eficiência, e até no apoio à tomada de decisão ao fornecer alguma informação e dados precisos e atempados. No entanto, não é exequível tomar decisões estratégicas baseadas diretamente em informações extraídas de uma implementação típica de ERP. Para se ter visão do negócio mais precisa, os dados que se encontram dispersos, necessitam de ser reunidos e trabalhados. Os sistemas de BI têm a arquitetura necessária e fornecem os instrumentos fundamentais para apoiar a decisão estratégica. São a resposta para se atingir análises compreensivas do negócio, e disponibilizam pontualmente aos decisores, informação crítica, de forma a auxiliar as tomadas de decisão.
Quais são as ligações entre esses dois sistemas?
O ERP integra todas as informações da empresa em um mesmo lugar, acabando com o uso de diferentes softwares para cada tipo de dado processado. Assim, os dados são armazenados e acessados a qualquer momento. Assim, as informações que alimentam o BI já estão, em maioria, integrados todos nessa plataforma. Ou seja, facilita ainda mais a rapidez da análise desses dados.
O sistema de Business Intelligence acrescenta uma espécie de cultura analítica em todos os setores da organização, fazendo com que todos eles tenham uma noção global do andamento dos negócios. E como cada setor depende do outro para ter sucesso, as informações atualizadas e analisadas propiciam melhoras em cada setor pensando em um contexto global.
Vantagens da ligação do BI com o ERP
O Business Intelligence permite que as informações utilizadas no sistema de ERP estejam sempre atualizadas, fazendo com que cada setor tenha noção da situação real naquele momento dos outros setores da empresa. Ele também ajuda no aumento da produtividade e na eficácia do processo de trabalho, fazendo com que os resultados apareçam mais rapidamente. E como tempo é dinheiro, os negócios rendem mais.
É também possível que cada setor defina o que é prioridade para ser resolvido naquele momento. Se antes era preciso olhar cada relatório e documento e decidir em grupo qual seria a prioridade naquele momento, os dois sistemas integrados possibilitam que você tenha automaticamente em sua tela o que deve ser resolvido primeiro – principalmente porque é possível apontar quais são os pontos críticos do negócio no momento. Outra vantagem é o serviço de auditoria que é realizado com a ligação entre BI e ERP. Assim é possível conferir dados contábeis, cobrança, estoque, finanças, tudo em tempo real.
O FUTURO DO BUSINESS INTELLIGENCE
Como já vimos, os processos de decisão organizacional são caracterizados por um meio ambiente em constante mutação e de grande intensidade concorrencial. Nas últimas décadas as tecnologias de informação de apoio à gestão têm evoluído exponencialmente e são o catalisador da mudança. Atualmente, as inovações tecnológicas promovem, cada vez mais, o relacionamento entre as componentes técnicas e de gestão, e que dá origem a uma nova abordagem, o CPM. 
BI é um conceito que engloba várias ferramentas tecnológicas, que permitem realizar análises, produzir relatórios, e outros outputs relevantes para as organizações. O crescente envolvimento entre aplicações permite destacar o BI como um conjunto de tecnologias, de um sistema completo, que acompanha o ciclo operacional da organização e que contribuem para a eficácia organizacional. BI envolve os dados de várias fontes que são triados e integrados na DW. CPM tem a ver com a transformação desses dados em informação com sentido, que pode ser utilizada para tomadas de decisão. 
O conceito CPM representa a implementação estratégica de soluções BI. O BI é parte fundamental do CPM mas, CPM não é só tecnologia, envolve também processos, metodologias e métricas essenciais na gestão de uma organização. Os processos de negócio podem incluir a gestão financeira, marketing, vendas, CRM, SCM, entre outros. BI representa o axioma de uma análise e implementação CPM. Assim, não se pode falar de CPM sem falar de BI. 
A conceituação de CPM também pressupõe uma abordagem integrada e sistematizada da estratégia da organização. Consiste em estabelecer métricas, metodologias e tecnologias para uma monitorização do desempenho da organização em tempo real e para a visualização da relação entre as diversas variáveis. CPM utiliza as metodologias específicas da organização nas suas atividades e possibilita uma abordagem mais ampla, em vez de apenas gerar relatórios táticos de processos específicos muitas vezes divorciados da estratégia empresarial e da perspetiva de negócio. CPM é implementado sobre processos, de acordo com um determinada metodologia de negócio. 
CASOS DE SUCESSO
Vivo utiliza Bi para gerenciar informações em tempo real:
A VIVO, maior operadora de telefonia celular do Hemisfério Sul, faz uso de business intelligence muito além da padronização de dados para gestão de desempenho dos negócios. A empresa aposta suas fichas na expansão da utilização da tecnologia WebFOCUS, da Information Builders, que vem apresentando ótimos resultados na operação do Rio de Janeiro.
A solução WebFOCUS utilizada desde 2001 pela VIVO, vem facilitando a avaliação de informações estratégicas em tempo real, como a análise da eficiência e monitoramento do tráfego de origem e terminação de ligações (completadas, tentativas, quedas etc…), de rotas e centrais, informações de cobertura da VIVO e de seus competidores. Além das análises das reclamações de clientes, neste caso tratadas como um indicador concreto da qualidade percebida pelos usuários. Mesmo tratando-se do alto volume de dados: são manipulados uma média de 4 milhões de registros ao dia.
Segundo Javier Rodriguez, vice-presidente de tecnologia da VIVO, alguns fatores foram determinantes na decisão pela aquisição do WebFOCUS. Em 1999 a solução já estava disponível via web, permitindo o acesso com performance a um grande volume de dados, a partir da consulta direta a múltiplas plataformas de bancos de dados.
Antes do WebFOCUS, só era possível acessar o histórico de dados de, no máximo, três meses. “A solução permite a análise de até três anos de registro com periodicidade horária e acesso aos relatórios via web, em tempo real”, explica Britto. As áreas de planejamento e otimização de engenharia da VIVO podem, a partir do WebFOCUS, dimensionar a capacidade de tráfego de determinada região, antecipar-se a possíveis problemas e tomar ações corretivas antes que um evento possa acontecer. Com o apoio da tecnologia, a mensuração da sazonalidade do tráfego passa a ser feita por área de interesse e período, com a emissão de alertas sempre que algum índice de performance exija atenção redobrada.
Cerca de 100 usuários tem acesso a um portal de informações em tempo real, no qual é possível acompanhar dados sobre todo o comportamento da rede, a eficiência das rotas e das centrais, e ainda informações sobre atendimento de clientes.
Banco da Patagônia
O Banco da Patagônia após a fusão com o Sudameris, teve como principal benefício a possibilidade de manter o detalhamento das informações, mesmo com a estrutura muito maior. Segundo José Luiz Neve, gerente de planejamento e controle de gestão da instituição “Tínhamos um modelo de dados próprio que não era muito eficiente, mas era eficaz”.
Após a fusão decidiu-se por adotar soluções de BI, foi necessário um investimento de US$ 200 mil e seis meses para implantação onde tudo foi feito de uma vez. O trabalho final foi satisfatório, a instituição financeira conseguiu reunirinformações detalhadas dos 600 mil clientes – como dados demográficos e socioeconômicos, além de perfis comportamentais, como uso de caixa eletrônico, internet banking, pontualidade de pagamentos e hábitos e lugares de compras. O retorno do investimento foi apurado em um ano. 
CONSIDERAÇÕES FINAIS
O estudo do Business Intelligence é o foco principal desse trabalho relacionando às necessidades da alta e média gerência, que precisa de tomar decisões com base em informações que são para o nível estratégico da empresa. Gerentes têm a responsabilidade de tomar a melhor decisão possível, com base nos dados disponíveis para eles no momento. Se sua habilidade em analisar estes dados e transformá-los em informação útil é aperfeiçoada, a qualidade geral de suas decisões também será aprimorada.
Segundo Kira Tarapanoff (2001)�, “na sociedade da informação, a hegemonia econômica e social é exercida não mais pelos proprietários dos meios de produção, e sim por aqueles que administram o conhecimento e podem planejar a inovação”. É nesse sentido que se devem promover novas ferramentas de pesquisas, que visem facilitar a manipulação de grandes massas de dados, que assegurem sua interpretação com o mínimo de esforço possível.
Logo, a metodologia do BI com todos os seus passos e processos mostrou nestes últimos anos sua eficácia isto é comprovado pelo anúncio explosivo e diário de empresas de conceito que estão adotando de maneira colossal esta ideia e tornando-a como atrativo principal para o mercado tão carente deste retorno de informações filtradas e otimizadas.
Assegurado, pelo conhecimento da metodologia do Business Intelligence que foi conhecida é possível trilhar uma linha de raciocínio definindo desde o seu conceito, passando por sua análise onde foi possível descrever o projeto para aplicação deste estudo, e chegando ao seu protótipo demonstrando a possibilidade em desenvolver com este trabalho uma visão crítica sobre desta tecnologia que se aplica no desenvolvimento para soluções táticas e estratégicas de tomada de decisão do dia a dia da empresa.
REFERÊNCIAS
Business Intelligence: casos de sucesso. Disponível em: <http://www.link.pt/BI/listagem_CasosSucesso.aspx?idsc=5383&idl=1> Acesso em: 03 de outubro de 2015.
Business Intelligence: vantagem competitiva. <http://www.techoje.com.br/site/techoje/categoria/detalhe_artigo/532> Acesso em: 03 de outubro de 2015.
Business Intelligence, visão geral e o mercado de BI. Disponivel em: <http://pt.slideshare.net/MarcoGarcia/palestra-bi> 
BARBIERI, Carlos. BI – Business intelligence – Modelagem & Tecnologia. Ed. Axcel Books – 2001 
Portal Educação, Google Analytics. Disponível em: http://www.portaleducacao.com.br/informatica/artigos/48358/google-analytics. 
Turban, E., Sharda, R., Aronson, J. e King, D., Business Intelligence: um enfoque gerencial para a inteligência do negócio. Porto Alegre: Bookman, 2009.
INMON, W.H. Como construir um data warehouse. Ed. Campus, 1997.
PRIMAK, Fábio Vinicius. Decisões com BI (Business Intelligence). Ed. Ciência Moderna, 2008.
Inteligência Empresarial. Disponível em: https://pt.wikipedia.org/wiki/Intelig%C3%AAncia_empresarial. Acesso em: 03 de outubro de 2015.
Russo, Marisa. Fundamentos em biblioteconomia e ciencias da informação. Rio de Janeiro: E-papers Serviços Editoriais, 2010. 
Software de Inteligência Empresarial. Disponível em <http://www.softgear.com.br/sistemas/bi.html> Acesso em: 03 de outubro de 2015.
PETRINI, M.; POZZEBON, M.; FREITAS, M. T. Inteligência de negócios no Brasil. Ed.HSM Management, 2005.
TARAPANOFF, Kira (org.) Inteligência organizacional e competitiva. Ed. Universidade de Brasília, 2001.
BATISTA, Emerson de Oliveira. Sistema de informação: o uso consciente da tecnologia para o gerenciamento, Ed. Saraiva, 2004.
Vivo utiliza BI para gerenciar informações em tempo real. Disponível em: <http://www.emarket.ppg.br/vivo-utiliza-bi-para-gerenciar-informacoes-em-tempo-real/> 
Informações
Conhecimento
Dados
� LEME FILHO, Trajano. Business Intelligence no Microsoft Excel. Rio de Janeiro, Axcel Books do Brasil, 2004.
� FAYYAD, U. M. et al. From data mining to knowledge discovery: an overview. In: Advances in knowledge discovery and data mining. California: AAAI/The MIT, 1996. p.1-34.
� TARAPANOFF, Kira (org.) Inteligência organizacional e competitiva. Ed. Universidade de Brasília, 2001.
�PAGE �26�